DONUT是一种物理感知的无监督深度学习框架,用于快速分析扫描式X射线纳米衍射数据。它无需标注数据,通过将可微分衍射模型嵌入自编码器,实时提取晶格应变和取向信息,分析速度比传统方法快超200倍,精度更高,并成功应用于SrIrO₃薄膜分析。
张朝阳与宾大教授刘若微对话,探讨软物质与非平衡统计物理。刘教授介绍阻塞相变理论,解释无序固体形成,并延伸至低功耗类脑智能材料,通过局域规则训练物理网络,无需全局计算,类似人脑学习,耗能极低。她鼓励物理探索,不惧提出“蠢问题”。
应用材料中国公司第三次获“Great Place To Work”认证,并入选“大学生喜爱的雇主品牌”。其“新锐计划”十年来吸引超750名应届生,覆盖工程、供应链等岗位。公司还入选《华尔街日报》未来最佳企业及《福布斯》净零领导者榜单,正推进2030可持续目标和2040净零战略。
埃隆·马斯克的xAI公司起诉南卡罗来纳州男子特里·哈伍德,指控他利用Grok AI聊天机器人生成儿童性虐待材料(CSAM)。xAI称哈伍德故意绕过安全措施,修改非自愿图像并分发CSAM,违反公司政策。哈伍德已因持有和分发CSAM被逮捕,面临八项重罪指控。xAI要求法院判决哈伍德赔偿损失,并阻止其使用Grok。
布朗大学的研究发现,爱因斯坦的相对论在重元素(如铋)的化学键中起重要作用,传统化学键模型不再适用。实验表明,重元素的化学键结构模糊,需要引入更复杂的量子数来描述。这一发现对未来太阳能电池和量子计算材料的研发具有重要意义。
本文讨论反曲弓的入门知识,包括装备选择、拉距、力量和材料等。新手应选择适合自己力量的弓片,逐步更换以适应姿势和力量。同时,建议使用ILF接口,并注意箭的长度和挠度。避免过早购买高级装备,建议先体验基础装备。
本文介绍了如何使用 DeepSeek 和 Reasonix 进行 AI 自动化,适合没有经验的用户。强调 DeepSeek 的低门槛和高性价比,适合处理网页读取和表单填写等任务,并提供基础配置步骤,帮助用户快速上手,实现浏览器自动化,提升工作效率。
飞凯材料子公司昆山兴凯半导体材料在安徽安庆投产,投资1亿元,专注于高端环氧塑封料的研发与生产,年产能达1万吨。新厂实现全自动化和数字化管理,提升半导体封装材料的供应能力。
近年来,机器学习在材料科学中的应用逐渐深入,特别是在高维光谱数据的预测与解析方面。日本东京科学研究所的研究团队提出了一种新方法,利用深度学习模型ALIGNN处理光吸收光谱数据,显著提高了预测精度。研究构建了包含2681种材料的数据库,并通过特征提取与聚类分析,成功识别出影响光谱特征的关键元素及其配位环境,为材料设计提供了新的思路和工具。
NVIDIA推出新软件,加速科学研究,包括材料模拟和暗物质探索。新工具如cuPhoton和ALCHEMI NIM显著提升数据处理速度,帮助科学家实时分析天文数据和材料特性,推动多个领域的快速发现和洞察。
韩国POSTECH大学研究团队开发了一种基于氧化锌和碲的新型晶体管,利用“负微分跨导”效应,使单个晶体管实现原本需四个晶体管的功能。这一设计可减少75%的晶体管需求,提升数据处理速度四倍,预计将简化芯片设计、降低功耗和发热,为AI硬件和可穿戴设备带来新机遇。
材料AI模型MPA通过中期训练和混合头设计,显著提升了对真实实验数据的预测能力。在40个工业任务中,MPA表现优异,尤其在新结构方面展现出强大的“物理直觉”。该方法结合理论计算与实验数据,推动了材料科学的发展。
研究人员利用机器学习和贝叶斯优化框架,成功实现了对含镓材料的反向设计,生成了可调带隙(0.5–3.5 eV)的新型半导体。这一方法加速了材料发现,具有重要的光电和能量转换应用潜力,且生成材料具有100%的新颖性,为未来材料设计提供了新的思路和工具。
三安光电专注于碳化硅和金刚石等宽禁带材料,推动AR光学、中介层和热沉技术的发展,升级AI芯片封装。其湖南和重庆基地已实现大规模生产,碳化硅二极管出货量达4亿颗,销售收入近20亿元。
苹果2025年环境报告显示,30%的产品材料来自再生材料,包装不再含塑料,减少的塑料使用相当于5亿个水瓶。苹果办公室100%使用清洁电力,整体温室气体排放下降超过60%。
创材深造在中国“AI+新材料”大会上发布了“One-Person Lab”,这是一个结合AI和高通量自动化的材料研发系统,显著提高了研发效率。依托此平台,创材深造在半年内研发出13款合金材料,成功替代进口产品,订单金额超过千万元。
香港应用科技研究院与纳米及先进材料研发院于4月1日合并后,首次在“香港国际创科展”展示40项创新技术,涵盖医疗健康和食品科技等领域,重点包括长者防跌解决方案、绿融能源和智能触觉感测等。
电子显微技术(EM)结合人工智能推出了多智能体平台EMSeek,显著提升了电子显微数据分析效率。该平台能够快速处理显微图像,实现自动化分割、结构重建和性质预测,从而大幅缩短研究时间,促进材料创新。
麻省理工学院研究团队开发的DefectNet模型能够从声子态密度光谱中无损识别多元素材料中的点缺陷的化学种类及浓度。该模型经过大量数据训练,展现出良好的预测能力和泛化性,为缺陷工程提供了新的研究方向。
香港应用科技研究院与纳米及先进材料研发院于4月1日合并,成为香港最大的政府资助研发中心,汇聚800名科研人员,拓展至人工智能、通讯技术及多种材料领域。
完成下面两步后,将自动完成登录并继续当前操作。