CNET科技资讯网 1月19日 国际报道:三维打印机在制造业的每个角落都带来了重大进展:科学家们已经使用它来设计人体组织、打印橡胶材料、降低无人机对地面人员的危险程度等等,最近,3D打印还创造了一种比钢强10倍的轻质材料,其密度只有钢的1/20。
这项创造来自于麻省理工学院的一个科学家团队,基于3D打印物体的技术,在打印之后对原有物体进行转化,比如变颜色、形状、尺寸和其他物理与化学性质。
这种物体由含有TTC的化学基团的特殊聚合物组成。每个TTC都像“折叠的手风琴”,当暴露在蓝色LED灯下时,这些材料可以被激活。然后,新的单体分子将其自身附着到聚合物上,从而给物体提供新的属性:软的物体可能会变硬,或者颜色也可以被改变,如果加入某些单体聚合物,当处于一定的温度条件下,这种物体能够膨胀或收缩。
麻省理工学院化学副教授Jeremiah Johnson说:“我们的想法是,材料可以被打印,也可以被使用,利用光元素,将材料变成其他材料,或者让材料进一步生长。”
这一方法可以为制造商开辟新的大门,使他们能够轻松地创建适用于建筑或医药等领域的材料。
据了解,过去有研究人员曾尝试过类似的方法。去年,哈佛大学的科学家们推出了所谓的“4D打印”技术,这是一种将3D打印物体浸在水中,使其改变形状的方法。(在这种情况下,第四个维度是时间)
4D打印
目前,该技术存在一个限制:由于使用的催化剂的性质,它需要一个没有氧气的环境。研究人员正在努力改进,使其可以在露天环境中使用。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。