在自家后院建造核电站既违法又不切实际,但自制一块氚核电池就没那么骇人听闻了——只是别指望它能输出什么像样的电量。
你甚至不需要任何专业器材。YouTube博主、电气工程爱好者"Double M Innovations"在近期发布的一段视频中演示了整个制作过程。正如他自己所说,想搭出一座"纳瓦级核电站",只需几块旧太阳能计算器、几根氚气发光管,再加上一卷锡箔纸。别对它的发电量抱太大希望,但这个组合确实能用。
原理其实相当简单:氚气发光管之所以会发光,是因为β衰变激发了管内的荧光涂层,而这种光照射到太阳能电池上,就能产生微弱的电流——虽然效率远不及自然光。氚气发光管在网上价格低廉,通常以小瓶装或钥匙扣的形式出售,后者一般很容易拆开取出内部的发光管。
将发光管夹在从廉价计算器上拆下来的两片太阳能电池之间,做好绝缘处理,再用锡箔纸包裹以遮挡外部光线,一块极为迷你、效率极低的核电池就大功告成了。它的理论寿命约为12年,正好对应氚的半衰期。
当然,Double M从这块电池里获得的可用电量少得可怜。在两片太阳能电池并联之前,整个装置仅能产生约0.5伏电压,电流则完全无法测量。并联之后,电流勉强进入纳安级别,依然无法产生多少实际可用的电量。
不过,它确实在发电——至少在长时间静置后是这样。将电池连接到一个电容器并放置一天后,电容器的电压最终爬升到了2.8伏。但这块电池的输出之微弱,从视频中一个细节便可见一斑:用电压表测量时,读数会迅速下降,因为电表本身的负载就足以将其电量抽空。
这显然不会在短期内颠覆任何能源格局。Double M本人也只是将其定性为一次概念验证,此前他还尝试过以α粒子为基础的电池版本,效果同样有限。
他在视频中坦言:"我确实从这块穷人版核电池里获得了一点点电能,但真的只有一丁点——或许够让一颗LED灯偶尔闪烁一下。"
像Double M这次制作的β衰变电池,实际上已应用于一些对寿命要求远高于输出功率的小众低功耗场景,包括远程传感器、部分植入式医疗器械以及空间科学研究设备。相比之下,许多更高功率的核电池方案则依赖α辐射同位素或衰变热来发电。
α辐射拥有更大的发电潜力,同时对人体的危害也更大,这使其成为DARPA等机构的首选能量来源。DARPA近期已委托私营企业开发高功率α粒子核电池,计划用于太空等偏远环境——在那些地方,即便是穿透力弱、容易屏蔽的α射线,也不会对人体构成威胁。
总而言之,别指望几个钥匙扣和几块坏掉的计算器能产生多少实际电力。不过作为一个有趣的概念,它确实值得把玩。当然,如果有人财力雄厚、时间充裕、空间宽阔,也可以尝试用海量钥匙扣电池堆出一套大型装置,没准真能积累出足够给手机充电的电量。
有兴趣的投资人欢迎随时联系——毕竟,这总好过因为在家私自搭建全功能核反应堆而锒铛入狱。
Q&A
Q1:氚核电池的发电原理是什么?
A:氚气发光管内部发生β衰变,衰变过程中激发管壁的荧光涂层发出光线,该光线照射到太阳能电池上便可产生微弱电流。这与普通光照驱动太阳能电池的原理相同,只是光源换成了氚的自发光,因此效率极低,输出电流仅在纳安级别。
Q2:自制氚核电池大概能用多久?
A:氚的半衰期约为12年,因此理论上这块自制核电池可以持续工作约12年。不过随着时间推移,氚的放射性衰减,发光强度也会逐渐降低,电池的输出功率会相应下降,并非在整个寿命周期内保持恒定输出。
Q3:β衰变电池目前有哪些实际应用?
A:由于β衰变电池寿命极长但功率极低,它主要被用于对寿命要求远高于输出功率的小众场景,例如偏远地区的远程传感器、部分植入式医疗器械(如特定心脏起搏器)以及空间科学研究设备,在这些场合,长期免维护运行比高功率输出更为重要。
好文章,需要你的鼓励
火箭实验室(Rocket Lab)宣布计划以现金加股票方式,斥资80亿美元收购主要卫星运营商铱星通信(Iridium Communications),交易预计于2027年中完成。铱星目前运营着由66颗活跃低轨卫星组成的星座网络,拥有约255万活跃用户,2024年营收达8.717亿美元。收购完成后,Rocket Lab计划借助其新型重型运载火箭Neutron及Lightning卫星平台,扩大铱星星座规模,开拓未被覆盖的市场并降低发射成本。
谷歌研究院开发的论文助手工具PAT,利用分阶段深度推理流水线自动审查学术论文,在真实错误检测任务上达到89.7%召回率,并已在STOC和ICML两大顶会完成超4700篇论文的真实部署。
音乐流媒体平台Tidal宣布,将于7月中旬启用自动化工具,对完全由AI生成的音乐添加"AI"标识,并移除具有欺诈性质的曲目。平台还将取消AI生成音乐的版税资格,仅向真人创作、演唱的原创音乐开放变现渠道。此外,Tidal明确将高频异常上传、干扰真实艺术家等行为列为欺诈活动。Deezer、Spotify等竞争对手此前已推出类似检测机制,流媒体行业正加速构建AI内容治理体系。
香港大学与武汉大学联合开发的EO-WM系统,将地球观测卫星图像预测重新定义为天气驱动的世界建模问题,通过把气象信号拆解为气候基线、天气异常和累积压力三层,显著提升了对极端干旱和热浪事件下植被退化的预测准确性。