富士通日前与Atmonia签署协议,为开发催化剂提供高性能计算(HPC)和人工智能(AI)技术,以推动氨的清洁生产。氨常被认为是化石燃料的替代品。
Atmonia是冰岛的一家初创公司,主打开发可持续的氨气生产流程。Atmonia与富士通的协议涉及一项联合研究项目,目的是加速催化剂的开发,富士通提供的高性能计算技术将在开发中发挥作用。
富士通表示将开发高速模拟技术并利用HPC技术进行量子化学模拟,以促进新催化剂的发现,并将研究人工智能技术,为合成氨发现新材料和新的候选催化剂。
我们曾向富士通询问过有关该项目使用HPC和AI技术的具体细节。富士通告诉我们,“HPC元素包括利用超级计算机加快计算速度促成实现量子化学模拟的技术。我们在进行计算时要用上富士通超级计算机PRIMEHPC FX700,并配备我们的Arm A64FX芯片。”
富士通上个月曾宣布已开发出世界上最快的量子模拟器,能够模拟36量子的系统,该量子模拟器在PRIMEHPC FX700节点集群上运行,但不清楚该量子模拟器和Atmonia合作是否使用的是同一技术。
而富士通当时还表示过正在与开发商QunaSys公司合作,将QunaSys公司的量子化学计算软件Qamuy引入到旗下的量子模拟器,达到加快各种量子化学计算的目的。
关于与Atmonia合作项目的人工智能部分,富士通公司告诉我们,这方面的技术包括“提高催化剂搜索的效率,其方法是通过从大量的模拟结果确定催化剂原子的类型和位置以及反应能量等各项之间的因果关系”。该说辞倒是很好地描述了目标,但却没有说明富士通使用什么技术实现这些结果。
Atmonia表示,根据协议Atmonia将提供来自模拟和实验的数据,这些数据涉及到催化剂候选项和氮还原反应的反应环境。Atmonia实质上是提供选择模拟方法的技术诀窍并验证各种发现新材料的开发技术。
两家公司表示将致力于建立一种清洁的氨生产方法,而氨则可以作为可持续的肥料或作为燃烧剂,终极目标是为实现零碳排放的努力做贡献。
据Atmonia公司称,氨是一种潜在可行的化石燃料替代品,因为氨燃烧时不会排放二氧化碳,而且氨比氢气更容易运输,而且,已经出现了以氨为燃料的发动机设计。但目前商业化的氨生产主要依赖Haber-Bosch工艺,Haber-Bosch工艺要用到来自化石燃料的氢气,Haber-Bosch工艺本身也会产生大量的二氧化碳。
Atmonia到目前为止已经研究出了新的方法,只需要用水、空气中的氮气和清洁电力就可以生产氨。当然,Atmonia并非是这样想的唯一一家公司,其他公司也在向着类似的目标前进,但用的工艺则不一定相同。
Atmonia公司表示,Atmonia的目标是开发新的催化剂,利用水的质子和空气中的氮气生产氨,与富士通的合作协议可以提高Atmonia研究催化剂的效率,各种量子化学反应可以通过一些测试进行计算模拟。
好文章,需要你的鼓励
为吸引年轻用户并应对用户参与度下降,Tinder周二宣布推出双人约会功能,允许用户与朋友组队聊天寻找潜在匹配对象。该功能让用户与朋友配对,浏览其他共享至少一项个人偏好的配对用户。匹配成功后将开启四人群聊,用户也可选择与个人档案进行一对一聊天。测试显示参与双人约会的用户发送消息数量增加25%,群聊消息量提高35%。该功能将于7月全球推出。
浙江大学团队提出CanDist框架,让AI在数据标注时先提供多个候选答案而非单一答案,再通过师生框架筛选最优标签。该方法受心理学"模糊厌恶"启发,在六个文本分类任务上表现优异,相比传统方法平均提升18-27%准确率,为AI数据标注提供了更智能可靠的解决方案。
知名AI图像生成公司Midjourney发布备受期待的AI视频生成模型V1。该模型可将用户上传的图像转换为四段5秒视频,仅通过Discord提供服务。V1与OpenAI的Sora、Runway的Gen 4等产品竞争,但更专注创意应用而非商业用途。公司计划未来开发3D渲染和实时AI模型,最终目标是创建实时开放世界模拟系统。视频生成费用为图像生成的8倍,最低订阅计划为每月10美元。
微软联合多所知名高校开发了SwS框架,让AI模型能够自主识别学习弱点并生成针对性练习题进行自我改进。该方法在数学推理任务上取得显著效果,7B和32B模型平均性能分别提升10%和7.7%。通过"弱点诊断-针对性出题-强化训练"的三步流程,AI首次实现了真正意义上的自我反思式学习,不依赖外部知识灌输即可持续优化自身能力,为人工智能的自主学习开辟了新道路。