美國的科學家最近發現，鋅離子電池有潛力取代鋰離子電池，因為快速充電不會對其造成損害，反而使它們更加強大。這項研究由喬治亞理工學院機械工程學院的副教授陳海龍博士領導，顛覆了長期以來人們對快速充電會引發風險的假設。研究結果顯示，以較高電流為鋅離子電池充電可以延長其壽命，並可能徹底改變能源的供應方式，影響家庭、醫院及電網的運作。

陳博士指出，「我們發現，快速充電實際上抑制了樹突狀晶體的形成，而不是加速其生成。這與鋰離子電池的行為截然不同。」鋰離子電池在可充電電池市場中占據主導地位，為智能手機和電動汽車等設備供電。然而，鋰離子電池的缺點日益明顯，因為它們依賴稀有材料，存在火災風險且生產成本高昂。相比之下，鋅是一種地球上最豐富的金屬，開採容易且成本低廉。此外，鋅離子電池不易燃燒，對環境更安全，且更易於回收。

鋅離子電池的最大缺點在於樹突狀晶體的成長，這些小針狀的鋅沉積物在充電過程中形成，可能刺穿電池的內部結構並導致短路。隨著時間的推移，這不僅會降低性能，還會引發安全隱患。然而，陳博士的研究團隊通過快速充電的實驗發現，這種方法可以防止鋅形成樹突狀晶體。相反，鋅會形成平滑而緊密的層狀結構，如同整齊堆疊的書本，這種結構不僅能防止短路，還能延長電池的使用壽命。

在研究過程中，該團隊建造了一種新穎的工具，使其能夠即時觀察鋅在不同充電速率下的行為，從而同時觀察數百種條件。陳博士解釋道，「我們不僅僅是在觀察電池是否正常工作，而是觀察材料結構在充電過程中的演變。」這項工具幫助他們首次揭示了快速充電如何防止鋅沉積成樹突狀晶體的原因。

儘管這項研究解決了一個主要問題，但它僅針對電池的一個方面，即陽極。團隊目前正在專注於改進陰極，以確保整個電池在長時間內的可靠表現。他們還在實驗鋅的混合物，將其與其他材料結合以增強鋅離子電池的耐用性。陳博士相信這一驚人的發現可能會重塑電池技術的未來。「可以想象這些鋅離子電池將用於家庭儲存太陽能，或用於電網穩定。」他在新聞稿中表示，這些電池可在任何需要可靠且經濟的備用電源的地方發揮作用。這項研究已發表於《自然通訊》期刊上。

美國能源部（DOE）的一組工作人員最近運用了全新的成像技術，對漢福德地區的退役核反應堆進行檢查。這些工作人員來自於能源部環境管理辦公室（EM）漢福德現場辦公室（HFO），他們使用了光探測和測距（LiDAR）技術，創建了儲存圍護結構的三維模型。這次檢查與每年進行的無人機檢查有所不同，後者主要集中在圍護結構的外部，而此次檢查則著眼於結構的內部，這需要工程師和安全專家之間的精心規劃與合作。通過這種三維成像工具，檢查小組能夠詳細了解六座包裹反應堆安全儲存圍護結構的狀況，並識別潛在的問題。

根據漢福德現場的現場管理部門代理主任塔西娜·哈索（Tashina Jasso）的說法，「這些檢查對確保包裹反應堆按設計運行至關重要。」她強調，這些檢查是我們減少風險、保護基礎設施以便於長期管理和安全處置的承諾的一部分。漢福德地區的核反應堆擁有悠久的歷史，該地區於1943年在華盛頓州東南部成立，作為曼哈頓計劃的一部分，專門製造用於國防的鈽。該地區以生產美國核武器庫中幾乎三分之二的鈽而聞名，並為三位一體試驗和原子彈的材料貢獻了力量，這些都幫助美國結束了第二次世界大戰。漢福德地區的最後一座反應堆於1987年關閉，1990年最後一座化學分離廠也隨之關閉，這標誌著鈽生產的結束。

自那時起，漢福德便開始了清理任務，包括處理受污染的土壤和地下水、拆除受污染的建築物，以及妥善處理儲存在地下槽中的放射性和化學廢物。這一清理過程預計需要數十年才能完成，因此每年都會進行定期檢查，以確保包裹結構不會出現洩漏的危險。

自上次檢查以來，漢福德任務整合解決方案的工程和長期管理團隊成員一直在檢查F反應堆圍護結構的內部是否存在結構性變化。這一檢查旨在深入了解封閉圍護結構的內部情況；LiDAR技術幫助他們通過掃描包裹反應堆的內部結構來創建詳細的影像。團隊表示，這將有助於未來的監測和安全規劃。繼續利用這一新技術進行檢查旨在提高效率和創新，並在不妥協安全性或有效性的情況下控制成本。項目經理迪安娜·布雷肯（Deanna Breckon）表示，「LiDAR技術在評估這些結構方面是一個遊戲改變者。它使我們能夠看到以前無法看到的事物，並確保我們採取正確步驟來維護安全。」

長期管理計劃負責管理已完成清理的地區。DOE還計劃將華盛頓州的前核武器開發地轉變為一個一吉瓦（GW）的太陽能發電廠，這一舉措將進一步推動該地區的可持續發展。

一組由中國科學院合肥物質科學研究院的孫有文教授領導的研究團隊，開發了兩個新的人工智能系統，旨在提升核融合能量實驗的安全性和效率。這項研究針對核融合能量的關鍵挑戰，該技術有望提供清潔且幾乎無限的能源。然而，未來的反應堆在運行過程中必須避免任何干擾事件，這些突發事件可能會損壞設備，因此需要保持穩定的等離子體約束以實現高效能。為此，研究團隊開發了以人工智能驅動的解決方案。

首個解決方案是針對干擾預測的工具，該系統使用可解釋的決策樹模型來識別干擾的早期警告信號，尤其是那些由於「鎖定模式」引起的常見等離子體不穩定性。與傳統的黑箱式人工智能不同，這一系統不僅能預測干擾，還能揭示其背後的物理信號。在測試中，該系統在早期檢測中達到了 94% 的成功率，並在干擾發生前 137 毫秒發出警告，為操作人員提供了寶貴的應對時間。

第二個解決方案則是等離子體監測工具，該系統使用多任務學習模型。它能同時識別不同的操作模式（如 L 模式和 H 模式），並同時檢測邊緣局部模式（ELMs），使其在速度和準確性上均優於舊有模型。在測試中，該系統正確分類等離子體狀態的準確率達到 96.7%，幫助確保反應堆運行的平穩和安全。這兩個人工智能系統的結合，不僅提高了實驗的安全性，還為科學家提供了更深入的等離子體行為洞察，朝著未來融合反應堆的完全智能控制系統邁進了一步。

隨著全球人口不斷增長以及工業擴展，能源需求以驚人的速度增長。使用煤炭和石油等傳統能源來滿足這一需求的代價非常高昂。燃燒這些燃料會向大氣中釋放大量碳污染，導致全球變暖並擾亂全球氣候模式。為了確保可持續的未來，向清潔能源解決方案的轉型變得越來越必要，例如太陽能、風能和核能等低碳替代品，這些替代品可以在滿足現代能源需求的同時顯著減少有害排放。

核融合被認為是未來最有希望的解決方案之一。與煤炭或石油不同，核融合不依賴燃燒過程產生巨量能量，因此不會產生碳排放。此外，它還避免了當前核裂變反應堆的一個重大挑戰——長期存在的放射性廢物。如果核融合能夠實現商業化，將能提供高效、經濟且幾乎無限的能源，幫助公用事業部門滿足日益增長的需求，同時降低家庭的電費。儘管核融合尚未準備好進行大規模使用，但最近在安全性和效率上取得的人工智能系統突破，正為實現這一目標鋪平道路，讓核融合潛力作為終極清潔能源的希望更加明朗。這些研究成果最近發表在《核融合》以及《等離子體物理和受控融合》期刊上。

中國的研究人員近日開發出一種新型水泥，該材料具有不吸收陽光的特性，能夠有效地散射陽光。這項研究是由中國東南大學的團隊所進行，該團隊強調，這種超冷水泥擁有內在的高強度、耐磨損和光學穩定性，即使在腐蝕性液體、紫外線輻射和凍融循環等惡劣環境下也能保持良好的性能。這種水泥的設計不僅是為了應對極端氣候條件，還使其具備了在建築領域中的應用潛力，尤其是作為屋頂和牆體的結構材料。

根據機器學習指導的生命週期評估，這種水泥在研究中顯示出實現淨負碳排放的潛力。團隊指出，在陽光強度為每平方米 850 瓦的正午條件下，這種光子結構水泥的溫度下降可達 9.72°F（約 5.4°C）。這種水泥的設計中採用了超表面技術，使其成為適合用作輻射冷卻材料的基材，並可用於建築的結構用途。

研究人員首先調整了形成水泥基本材料的小顆粒（熟料）的化學成分，以創造出能有效散射陽光的結構。隨後，他們通過施加壓力，生產出具有冷卻功能的水泥。根據發表在《科學進展》期刊上的研究，自組裝的多種尺寸反射性水合硫酸鈣作為主要水合產物，配合層狀孔隙結構，確保了高達 96.2% 的太陽反射率，而含有鋁土礦和硫化物功能基團的原材料則利用其固有的中紅外發射率達到 96%。

經過廣泛的性能測試，研究團隊確認了該水泥在抗壓、抗彎、耐磨和粘附力方面的高機械穩定性，以及其防水性、適應複雜形狀的塑性和整體設計的多樣性。該材料的成本效益和可擴展的製造流程使其在嚴苛環境下的應用具有無與倫比的優勢，適合用於塗層、結構性屋頂和牆體等領域。

研究的第一作者郭璐表示，將這種冷卻水泥應用於城市建築中，可能會帶來顯著的能源節省，並成為應對氣候變化的重要轉折點。他強調，這項創新將傳統的重型、蓄熱水泥轉變為一種具備太陽熱反射和發射能力的環保材料。團隊還在實際建築的屋頂上測量了超冷水泥的實時性能。在下午 1 點至 2 點之間，當周圍氣溫達到 101.1°F（約 38.4°C）時，這種超冷水泥的溫度低於周圍環境 9.72°F（約 5.4°C），而傳統水泥的溫度則上升至 59°F，顯示出顯著的對比。

Field AI 是一家由比爾·蓋茨支持的機器人初創企業，近期在兩輪融資中籌集了 4.05 億美元的資金。這些投資來自 Nvidia 的風險投資部門、傑夫·貝索斯的家庭辦公室以及其他領先的企業。根據知情人士的透露，這家成立僅兩年的公司目前的估值已達到 20 億美元。此次融資的背後，反映了 Field AI 平台的快速採用及不斷增長的客戶需求。創始人兼首席執行官阿里·阿卡（Ali Agha）表示：「我們正在增長。這次融資公告是為了應對客戶的需求。」

此次最新的融資輪包括了 Khosla Ventures、淡馬錫（Temasek）、Canaan Partners、Intel Capital 和 Prysm Capital 等投資者。早期的支持者，如比爾·蓋茨的 Gates Frontier 和 Samsung，也再次對該公司表示支持。隨著機器人技術越來越受到投資者的關注，全球的企業競相將人工智能融入機器中。早在今年，Gecko Robotics 就已籌集了 1.25 億美元，並達到超過 10 億美元的估值。Field AI 正在這一運動的前沿發展，並招聘了來自 DeepMind、Tesla Autopilot、SpaceX、NASA 和 Amazon 的工程師和科學家，他們的專業知識正在塑造能夠實現真正自主的機器人系統。

Field AI 開發的模型旨在控制各行各業的機器人，包括建築、能源、物流和製造等領域。阿卡強調，他們的平台提供「輕鬆轉移」的能力，使機器人能夠更快適應環境，減少客戶的負擔。這一技術的核心是 Field Foundation Models（FFMs），這些模型被描述為「以物理為首要原則」，因為它們是專為機器人技術設計，而不是從視覺或語言模型中改編而來。這些模型旨在管理不確定性和物理限制，以應對不可預測的現實環境。阿卡表示：「我們的團隊在這一領域投入了多年，推動了『現場機器人』和安全關鍵型機器人 AI 在複雜環境中的重大突破。」

Field AI 的機器人已經在全球的客戶現場投入使用，涵蓋了能源、製造、建築、城市配送和檢查等行業，這些部署遍佈日本、歐洲和美國等地。該公司強調實時自主性，其模型能夠在邊緣直接做出決策。這種與客戶工作流程的整合，產生了大量的運營數據和在挑戰性工業環境中記錄的工時。隨著行業面臨勞動力短缺、安全風險和效率壓力，對自動化的需求不斷上升。Field AI 近期添加了超過 100 個職位，並計劃在年底前將其員工數量翻倍，以應對不斷增長的需求。

此次籌集的 4.05 億美元將幫助 Field AI 加速全球擴張，支持運動和操作的新產品開發，並推動戰略招聘。該公司正在為快速擴張做準備，致力於將機器人智能變成主流的工業解決方案。Khosla Ventures 的創始人維諾德·科斯拉（Vinod Khosla）表示：「在規模上實現自主解決方案是一個極其困難的問題，但 Field AI 團隊的深厚專業知識和他們對具身智能的獨特方法展現了一條務實的前進道路。」Prysm Capital 的聯合創始人兼管理合夥人傑伊·帕克（Jay Park）補充說：「Field AI 的革命性模型不僅大幅擴大了可能的使用案例，還實現了風險意識的部署，這對於擴展人工智能，並重塑機器人如何與物理世界互動至關重要。」

在哥斯大黎加加勒比海岸，研究人員記錄到了一條顏色鮮豔的橙色護士鯊（Nurse Shark），這是該物種在加勒比海域首次被發現的黃變症（xanthism）案例。這條鯊魚的長度約為兩米（超過六英尺），在一次運動釣魚活動中被捕獲，位於37米深的水域，隨後被釋放。根據一篇總結這次觀察的論文，該活動的照片也隨之分享。研究人員將這種異常的顏色稱為黃變症，這是一種由於缺乏紅色色素而導致過量黃色或金色調的色素異常。護士鯊通常呈現棕色皮膚，以便於與海床融合，因此這條鮮亮的橙色鯊魚在外觀上與該物種的典型形態形成了鮮明對比。

這條鯊魚還有著“沒有可見虹膜”的白色眼睛，這一細節使得作者認為這可能是一種罕見的白化黃變症（albino-xanthochromism），而不僅僅是黃變症。直到目前為止，在加勒比海或哥斯大黎加的太平洋沿岸，尚未有記錄顯示軟骨魚類出現部分或完全的黃變症。與里約熱內盧聯邦大學相關的研究團隊指出，這一發現擴展了對該地區鯊魚種群色素變異的認識，並引發了對潛在基因多樣性的質疑。

黃變症在生物界中僅在少數動物中被確認，它在淡水魚中產生了驚人的黃色變種，而如鸚鵡和金絲雀等鳥類則可見金色羽毛。偶爾也有報導提到異常黃色的蛇和蜥蜴。相對之下，缺乏黃色色素的情況被稱為無黃變症（axanthism）。黃變症的成因主要被認為是基因因素，類似於黑變症（melanism）或白化症（leucism），但其他影響因素也不能被排除。正如論文的作者所強調的，“近親繁殖、環境壓力、溫度升高以及荷爾蒙失衡等因素也可能影響色素的表現。”此外，飲食也被認為是某些動物色素異常的潛在原因，不過論文強調，基因途徑是產生橙色表型的核心。

護士鯊是中層掠食者，主要以小魚、軟體動物和甲殼類為食。與那些必須持續游泳以呼吸的鯊魚不同，護士鯊使用口腔泵來在靜止時進行通氣。與白化症相關的鮮豔顏色或白眼可能使動物在捕食者面前更為顯眼，因此研究人員認為黃變症可能降低其在野外的生存率。然而，在這種情況下，該鯊魚的體型表明它已經達到成體：“這種異常的色素並未影響其生存。”

這一發現突顯了加勒比海軟骨魚類中之前未報告的色素途徑。儘管這一狀況通常與突變有關，但研究團隊指出，環境背景也可能調節其表現。他們表示，“需要進一步研究以探索影響這一罕見色素異常的潛在遺傳或環境因素。”由於黃變症在動物中出現的頻率極低，哥斯大黎加的案例為一個未被記錄的地區提供了一個罕見的數據點。對於未來的野外生物學家而言，記錄未來的觀察，尤其是拍攝清晰的皮膚和眼睛照片，將有助於確定這種色素異常的普遍程度，以及地區環境壓力是否在其出現中扮演了角色。

Boston Dynamics 的人形機器人 Atlas 上週未能參加中國首屆機器人奧林匹克，這一缺席並非偶然。位於麻薩諸塞州的工程師們一直在努力改進這款人形機器人，並且在本週三釋出的影片中可見到他們的進展。這段影片顯示了 Atlas 在執行一系列精確的人類動作，儘管動作看起來稍顯緩慢，但其表現令人印象深刻。這些動作包括將一籃物品從一個籃子轉移到另一個籃子，Atlas 先是將裝滿物品的籃子拉向自己，然後開始將物品轉移到一個更大的籃子中。影片的最後階段，Atlas 也展示了它能夠辨識物品的形狀，並以正確的方式將物品放置到架子上。

Boston Dynamics 目前正與豐田研究院（Toyota Research Institute, TRI）合作，為 Atlas 開發大型行為模型（Large Behavior Model, LBM）。這個系統是基於大量人類行為的數據集進行訓練，旨在讓機器人能夠理解、生成和適應複雜的人類行為，以應對現實環境中的挑戰。透過採用 LBM，原本需要繁瑣手動編程的新功能現在能夠快速添加，而不需要撰寫任何新代碼。這項技術的實現使得 Atlas 的行為變得更加靈活和多樣化，並且能夠更好地適應不同的操作需求。

在影片中，還可以看到一名人士在 Atlas 完成任務的過程中不斷打擾機器人。儘管面臨這些干擾，Atlas 仍然能夠專注於完成其任務。Boston Dynamics 的機器人研究副總裁 Scott Kuindersma 表示，這一工作展示了他們如何思考構建通用型機器人的方式，這些機器人將改變人類的生活和工作方式。他指出，訓練單一神經網絡以執行多項長期操作任務，將促進更好的泛化能力，而像 Atlas 這樣的高能力機器人，對於需要全身精確度、靈活性和力量的任務來說，能夠提供更少的數據收集障礙。

Toyota Research Institute 的大型行為模型資深副總裁 Russ Tedrake 提到，人形機器人的主要價值在於它們可以在現有環境中直接完成大量不同的任務，而以往的任務編程方法根本無法滿足這一挑戰。他強調，LBM 以全新的方式解決了這一機會——技能可以通過人類的示範迅速添加，隨著 LBM 的不斷強化，它們所需的示範也會越來越少，從而實現更穩健的行為。這項由 Kuindersma 和 Tedrake 共同主導的項目，旨在理解大型模型如何改善全身控制、高級移動和物品操作的能力。

Atlas 的發展不僅僅是技術上的進步，更是人形機器人未來發展的重要一步。這樣的進展不僅能提升機器人對於複雜任務的執行能力，也為未來的多種應用場景提供了可能。隨著這些大型行為模型的進一步成熟，人形機器人將能夠在更多的環境中發揮作用，為人類的生活和工作帶來更大的便利與效率。