美国弗吉尼亚理工大学(Virginia Tech)的研究人员开发出一种基于糖类的新型燃料电池,该电池的能量密度大于当前的锂离子电池,可达后者的十倍。
糖,或者更确切些说是葡萄糖,是生物生命能量的一个很好来源,它可以为植物和动物生存提供高效、简单的能量补给。而对于人类来说,在有氧呼吸条件下,每克糖可以产生3750卡路里的热量。
而弗吉尼亚理工大学最新发明的糖电池,具有同等的效能。据悉,这一新型糖类燃料电池的容量密度为596Ah/kg,如果简单点描述这样一个数量级,意味着该电池的容量密度达到了目前用于消费电子产品的锂离子电池容量密度的十倍。
由于非生物对象并不特别擅长从糖中获取能量,因此研究人员正在尝试使用特制的酶来分解葡萄糖并将其转化为电能。在实验中,研究人员使用13种不同的生物酶,并结合空气以及麦芽糊精制成了燃料电池。而且该燃料电池没有污染,除了电能外,其唯一的产品为水。
尽管该项目的首席研究员 Y.H. Percival Zhang 表示,通过三年来的试验该电池已接近商业化,但该电池的在多个充电和放电周期过程中的稳定性尚不得而知。
而且目前尚不得而知这种新型燃料电池是否可用于电动汽车上。目前,该研究项目似乎专注于智能手机电池或类似的小型高级电子诊疗设备上。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。