尽管电动汽车前景光明,但通其广泛普及的道路仍然充满了障碍——从充电网络的扩展到锂电池对环境的影响。随着技术竞相发展以解决这些问题,研究人员正在转向替代电池化学物质和创新材料的研究,以确保电动汽车名副其实,达到绿色环保的声誉。
IEEE高级会员Cristiane Agra Pimentel表示:“电动汽车正在不断发展,但仍有一些方面需要考虑,例如涉及的成本、产生的废弃物以及道路基础设施等。尽管(电动汽车)带来了诸如减少碳基燃料使用、降低噪音等好处,但这种转变在发达国家将会更为迅速。”
幸运的是,研究人员正在寻找解决方案,这些方案可能会在未来几年将该行业提升到一个新的水平。
扩展充电网络
在许多地区,阻碍电动汽车发展的一个因素是充电基础设施的缺乏。不仅仅是充电站数量不足的问题,一些国家幅员辽阔,在农村地区建设充电站可能需要对当地的电力基础设施进行升级。
IEEE高级会员Euclides Chuma说:“在人口密集且出行距离较短的国家,如欧洲、日本和韩国,电动汽车是一个可行的选择。像美国、巴西和中国这样幅员辽阔的国家,安装充电基础设施将花费更长的时间,因为通常还需要对输电线路进行升级。”
全面建成(充电网络)需要多长时间呢?估计在5到15年之间。
改进电池
另一个研究重点是从现有电池中获取更多能量。
在过去的15年里,锂电池有了显著的改进。根据美国能源部的数据,2008年,锂电池的能量密度为每升55瓦时(Wh/L)。到2020年,这一数字达到了450瓦时/升。如今的锂离子电池在相同的空间内可以储存更多的能量:750瓦时/升(https://spectrum.ieee.org/ev-battery-2658649740)。这种改进意义重大。如今的锂离子电池所能储存的能量是2008年同等大小电池的13倍。
制造更好的电池
然而,在电池中使用锂存在重大缺陷,包括与锂矿开采相关的环境挑战。锂也相当昂贵,约占电动汽车成本的40%(https://spectrum.ieee.org/auto-industry)。
这促使汽车制造商寻找由其他材料制成的电池——行业称之为“替代电池化学物质”。目标是找到一种储量丰富的材料,这种材料既比锂便宜,又更容易从地球上开采,并且具有良好的能量密度。
钠离子电池是一种候选材料。钠储量丰富,存在于氯化钠(即食盐)中,而且相对便宜。但钠离子电池可能还需要一段时间才能普及。锂电池行业拥有完善的供应链,这使得企业使用锂电池较为容易。
电池回收
尽管对锂的需求很高,但被回收的锂电池却很少,部分原因是回收成本往往超过原材料的价值。
找到具有成本效益的锂电池回收方法至关重要,因为许多用于电动汽车和智能手机的锂电池最终都被填埋。另一方面,具有成本效益的回收可以降低电池的总体成本,减少与锂矿开采相关的环境破坏,并鼓励更多的电气化进程。
目前,IEEE Learning Network已经开设了几门关于电动汽车技术的课程,包括这门专注于电池技术、燃料电池和电驱动系统的课程。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。