
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
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。