{{item.title}}
目前無活動
MIT EECS 教授 Wojciech Matusik 帶領 MIT-IBM Watson AI Lab,在機器學習領域有了新的研究突破。團隊所開發出的 DEG(data-efficient graph grammar)新圖形語法,能夠大幅提升機器學習技術在化學領域中的應用範圍。由於化學分子組合十分多元,近年來常使用大數據或機器學習,協助找尋可生產且具可預期物理性質的新化合物;然而許多類的化合物資料集只有少數範本,導致實務運用仍然受到了很大的限制。DEG 研究即是在此背景下出現。在丙烯酸酯、擴鏈劑以及異氰酸酯三類化合物的實驗中,與目前需要數萬個樣本來訓練的方法相比, DEG 僅需要約 0.15% 的樣本就能獲得非常相似的結果,提供僅需少量範本即可產生高質量結果的可能解決方案。此研究將在 2022 ICLR 進行發表,未來的研究重心會放在如何將現有的語法擴大使用,以將此次針對三類化合物的研究結果延伸到其他類化合物上。此研究由 MIT-IBM Watson AI Lab 與化學公司贏創工業所共同支持。
太陽能板上的灰塵堆積會阻擋大部分陽光,需定期使用大量純水清潔太陽能電池板。清潔用水的消耗,占了太陽發電廠的大量成本,無水清潔方式因而變得相當重要。近日,MIT 機械工程學系的博士候選人 Sreedath Panat 與其指導教授 Kripa Varanasi,發表了一種新型的太陽能板無水清潔方式——靜電除塵裝置。使用金屬電極與太陽能板之間產生電場使灰塵顆粒具有電荷,並施加同性電壓於太陽能板以排除灰塵。 Sreedath Panat 以地表上灰塵的主要成分二氧化矽進行實驗,並觀察不同相對濕度範圍內的除塵效果,驗證其方法可以廣泛應用在不同環境。目前該研究已由義大利國家碳化氫公司埃尼資助。 撰寫:蔡旻軒 (2022 經理人 – 國立中興大學機械系) 指導:Epoch School 校友陳昱融
自全台三○三大停電後,儲能議題備受關注。液流電池一直被視為長時間電網級儲能的選項,而高成本材料 –「釩」總讓產業望之卻步。由 MIT 博士生 Thaneer Malai Narayanan 所研發的二氧化鋅錳電池 (Zn-MnO2 battery),為混合二氧化錳(MnO2)和炭黑的導電添加劑,形成看似泥炭「冰淇淋」的半固態液流電池。該新型半固態液流電池持續運作 8 小時、24 小時和 72 小時,發現運作時間超過一天,成本優於釩液流電池與鋰離子電池,同時可長時間持續放電。此研究由 MIT 機械暨材料工程系 Yang Shao-Horn 教授、機械工程系 Gareth McKinley 教授及科學家 Emre Gençer 共同指導,已於 Joule 期刊發表,由 MIT Energy Initiative 的 Eni S.p.A. 贊助