中科院攻克固态电池技术难关：循环300次不衰减、力争2026年量产

中科院攻克固态电池技术难关：循环300次不衰减、力争2026年量产 全固态电池具有安全性高、稳定性好、能量密度高等优点，解决了传统有机电解液电池存在的寿命短、易燃、易爆等问题。其中，硫化物全固态锂电池具备高能量密度和高倍率性能，是电动汽车电源的最佳选择，因此吸引了世界各大车企的关注和投入，并发布了相关的量产计划。据介绍，该所的先进储能材料与技术研究组已成功制备了多层叠片软包电池，经过300次循环测试，其容量几乎没有衰减。同时，该所还正在加速技术的研发和验证过程，计划在2026年率先实现硫化物全固态电池的批量生产。目前，中科院青岛能源研究所已经建立了全固态电池的小试制备线，并成功研制出高电压、长寿命的软包全固态锂离子电池。经过1000次循环测试，其容量仍然保持在92%。目前，电池正在继续测试中，以满足4C倍率下的放电能力要求（根据丰田设定的标准，需循环1500次，容量保持80%）。 ... PC版： 手机版：

科学家利用LBO晶体研制出最强大的紫外激光器

科学家利用LBO晶体研制出最强大的紫外激光器 DUV光谱中的激光器已经在科学技术中有许多应用，如缺陷检测、光谱学、光刻和计量学。传统上，氟化氩（ArF）激光器已被用于产生高功率193nm激光器，用于光刻等应用。DUV激光器的其他应用包括微电子设备的生产，半导体集成电路，以及用于进行眼科手术的医学。在这些应用中，它通常被称为准分子激光器。然而，这些激光器不是完全相干的，因此不能用于更敏感的应用，如干涉光刻，在这种应用中，精细的特征必须以阵列的形式印刷。如此精细的应用需要更加相干的激光器，这为研究人员制造混合准分子激光器提供了机会。什么是混合准分子激光器?为了达到相干性要求，科学家们一直在考虑用固态种子代替气体（ArF）振荡器，使其成为混合激光器。除了提高相干性外，该设计还旨在提高激光的光子能量，使其甚至可以与碳化合物一起使用，并且产生最小的热影响。为了实现这一目标，193nm种子激光器的线宽需要保持在4千兆赫以下。声明称，这是通过使用目前可用的固态激光技术看到的对干涉至关重要的相干长度。在DUV激光器上取得了什么成果?中国科学院的研究人员通过使用LBO晶体实现了与193纳米混合准分子激光器相同的线宽。在他们的装置中，研究人员使用了一种复杂的两阶段和频率产生过程来实现60毫瓦(60兆瓦)的激光输出。该装置包括两个激光器，一个是258纳米，另一个是1553纳米。这些激光器分别来自镱混合激光器和掺铒光纤激光器，最终形成2mm×2mm×30mm Yb: YAG体晶体，提供所需的激光输出。由此产生的DUV激光脉冲持续时间为4.6纳秒(ns)，重复频率为6千赫兹(kHz)，线宽约为640兆赫(MHz)。值得注意的是，193nm激光器及其伴随的221nm激光器的输出功率为60mW，这是使用LBO晶体产生的最高功率。221-193nm转换效率为27%，258 - 193nm转换效率为3%，也创下了新的基准。这一研究证明了“用固态激光器泵浦LBO的可行性，可以可靠有效地产生193nm的窄线宽激光，并为使用LBO制造成本效益高的大功率DUV激光系统开辟了一条新途径。”因此，研究人员相信，LBO晶体可以用于产生更多的DUV激光器，输出功率从几毫瓦到几瓦不等，为这些波长开辟了进一步的途径。这项研究结果发表在《高级光子联系》（Advanced Photonic Nexus）杂志上。 ... PC版： 手机版：

科学家们合成95Mat5抗体 接近研制出单一、通用的抗蛇毒血清

科学家们合成95Mat5抗体 接近研制出单一、通用的抗蛇毒血清 澳大利亚、亚洲和非洲尤其是许多致命毒蛇的栖息地。据估计，每年有多达 138000 人因被毒蛇咬伤而丧生，另有 400000 或更多的人留下终身残疾。现在，斯克里普斯研究所的科学家们发现了一种抗体，这种抗体可以阻断这些国家中的一些蛇类产生的一种主要毒素的致命作用。这项研究的通讯作者之一约瑟夫-雅尔丁（Joseph Jardine）说："这种抗体可以对抗众多蛇类中的一种主要毒素，这种毒素每年导致数万人死亡。这对中低收入国家的人们来说可能非常有价值，因为这些国家因被蛇咬伤而造成的伤亡人数最多。"目前大多数蛇毒抗蛇毒血清都来自马和羊等供体动物。将少量毒液注射到动物体内，使其免疫系统产生反应并释放抗体，这些抗体被提取并纯化为医药级抗蛇毒血清。除了与使用捐献动物（和蛇）相关的伦理问题外，这些往往能挽救生命的抗蛇毒血清在注射时还会引起极度过敏反应。因此，研究人员开始着手解决这些局限性。研究人员比较了各种眼镜蛇的毒液蛋白质，发现所有眼镜蛇毒液中都含有一种蛋白质 - 三指毒素（3FTx），不同种类的眼镜蛇毒液中含有相似的部分。3FTx蛋白"超家族"具有不同的作用；其中许多具有神经毒性，可导致全身瘫痪。随后，研究人员开始寻找能够阻断这种蛋白质的抗体。研究人员将 16 种不同的 3FTx 基因植入哺乳动物细胞，然后在实验室中产生毒素。他们参考了一个由 500 多亿种合成人类抗体组成的抗体库，测试了哪些抗体能与银环蛇（又称中国或台湾银环蛇）的蛋白质结合，这种蛋白质与其他 3FTx 蛋白最相似。他们将搜索范围缩小到大约 3800 种抗体，并测试这些抗体是否能识别其他四种 3FTx 变体。结果有 30 种可以识别。在这 30 个变体中，在所有变体中相互作用最强的是一种名为 95Mat5 的抗体。当给小鼠注射银环蛇、印度眼镜蛇、黑曼巴和眼镜王蛇的毒素时，在所有情况下，啮齿动物不仅免于死亡，还免于瘫痪。研究人员在调查这种抗体为何如此有效时发现，它模仿了 3FTx 通常与之结合的人类蛋白质的结构。由于 95Mat5 是一种合成（单克隆）抗体，因此生产抗蛇毒血清既不需要供体动物，也不需要蛇。Jardine 说："令人兴奋的是，我们可以完全通过人工合成的方法制造出有效的抗体我们没有对任何动物进行免疫，也没有使用任何蛇类。"虽然这种抗体能有效对抗眼镜蛇毒中的神经毒素，但研究人员强调，这种抗体本身并不是万能的抗蛇毒血清。蛇毒是一种复杂的鸡尾酒毒液，通用抗蛇毒血清需要添加针对几大类毒液的抗体，包括在眼镜蛇体内发现的其他3FTx蛋白群和蝰蛇体内常见的毒素，这正是研究人员目前正在努力的方向。研究人员说："因此，最终的通用抗蛇毒血清可能至少需要四到五种抗体，才能有效覆盖更多的毒液类别。95Mat5的发现和开发是开发基于单克隆的通用抗蛇毒血清的重要的第一步，因为它能有效中和蛇毒中最多样、毒性最强的成分之一。"这项研究发表在《科学转化医学》杂志上。 ... PC版： 手机版：

科学家研制出一种具有独特甚至矛盾特性的新型玻璃

科学家研制出一种具有独特甚至矛盾特性的新型玻璃 使用标准实验室设备在室温下轻松制备多肽玻璃。资料来源：特拉维夫大学特拉维夫大学（TAU）的研究人员创造了一种新型玻璃，这种玻璃具有独特甚至相互矛盾的特性，如具有很强的粘合性（粘性），同时又具有令人难以置信的透明性。这种玻璃在室温下与水接触后会自发形成，可为光学和电子光学、卫星通信、遥感和生物医学等一系列不同行业带来一场革命。这种玻璃是由以色列和世界各国的研究人员组成的研究小组发现的，研究小组由博士生 Gal Finkelstein-Zuta 和来自塔大生命科学院 Shmunis 生物医学与癌症研究学院和工程学院材料科学与工程系的 Ehud Gazit 教授领导。研究成果最近发表在著名的科学杂志《自然》上。制备后的固体肽玻璃。资料来源：特拉维夫大学"在我们的实验室，我们研究生物融合，特别是利用生物的奇妙特性来生产创新材料，"Gazit 教授解释说。"除其他外，我们还研究构成蛋白质的氨基酸序列。氨基酸和肽具有相互连接并形成具有确定周期性排列的有序结构的自然趋势，但在研究过程中，我们发现了一种独特的肽，它的行为与我们所知道的任何东西都不同：它没有形成任何有序的模式，而是一种无定形、无序的模式，就像玻璃一样。"在分子水平上，玻璃是一种液态物质，其分子结构缺乏有序性，但其机械特性却类似于固态。玻璃通常是通过快速冷却熔融材料并将其"冻结"在这种状态下，然后再让其结晶，从而形成一种无定形状态，具有独特的光学、化学和机械特性，以及耐久性、多功能性和可持续性。TAU 的研究人员发现，在室温条件下，由三个酪氨酸序列（YYY）组成的芳香肽在水溶液蒸发后会自发形成分子玻璃。(从左至右）：Gal Finkelstein-Zuta 和 Ehud Gazit 教授。图片来源：特拉维夫大学Gal Finkelstein-Zuta 说："我们所熟知的商用玻璃是通过快速冷却熔融材料制成的，这一过程被称为玻璃化。无定形的液态组织必须先固定下来，然后才能像晶体那样以更节能的方式排列，而这就需要能量必须将其加热到高温并立即冷却。另一方面，我们发现的玻璃是由生物构件组成的，它在室温下自发形成，不需要高温或高压等能量。只需将粉末溶解在水中就像制作酷儿汽水一样，玻璃就会形成。例如，我们用新玻璃制作镜片。我们不需要经过漫长的研磨和抛光过程，只需将一滴水滴在表面上，仅通过调节溶液量就能控制其曲率，进而控制其焦距。"TAU 的创新玻璃具有世界上独一无二的特性，这些特性甚至相互矛盾：它非常坚硬，但在室温下可以自我修复；它是一种强力粘合剂，同时在从可见光到中红外线的宽光谱范围内都是透明的。"这是第一次有人成功地在简单条件下制造出分子玻璃，"Gazit 教授说，"但比这更重要的是我们制造出的玻璃的特性。这是一种非常特殊的玻璃。一方面，它非常坚固，另一方面，它非常透明，比普通玻璃透明得多。我们都知道，普通的硅酸盐玻璃在可见光范围内是透明的，而我们创造的分子玻璃在红外线范围内是透明的。这在卫星、遥感、通信和光学等领域有很多用途。它还是一种强力粘合剂，可以把不同的玻璃粘在一起，同时还能修复玻璃上形成的裂缝。这是世界上任何玻璃都不具备的一系列特性，在科学和工程领域具有巨大的潜力，而我们从一个肽一小块蛋白质中获得了这一切。"编译自/ScitechDaily ... PC版： 手机版：

科学家研制出改进型中红外显微镜 清晰度提高30倍

科学家研制出改进型中红外显微镜 清晰度提高30倍 这幅插图左上方是用中红外线照射的细菌，下方显微镜发出的可见光帮助捕捉图像。细菌内部的化学图像比传统的中红外显微镜清晰 30 倍。图片来源：2024 Ideguchi 等人/《自然-光子学》（Nature Photonics）研究人员说，这一最新进展产生了 120 纳米的图像，比典型的中红外显微镜的分辨率提高了 30 倍。能够在更小的范围内更清晰地观察样本，有助于多个领域的研究，包括传染病研究，并为未来开发更精确的中红外成像技术开辟了道路。微观领域是病毒、蛋白质和分子的栖息地。借助现代显微镜，我们可以大胆地观察自己细胞的内部结构。但即使是这些令人印象深刻的工具也有其局限性。例如，超分辨率荧光显微镜需要用荧光标记标本。这有时会对样本产生毒性，而且在观察时长时间暴露在光线下会漂白样本，这意味着它们不再有用。电子显微镜也能提供令人印象深刻的细节，但样本必须置于真空中，因此无法研究活体样本。相比之下，中红外显微镜可以提供活细胞的化学和结构信息，而无需对细胞进行着色或破坏。然而，由于中红外显微镜的分辨率相对较低，它在生物研究中的应用受到了限制。超分辨荧光显微镜可以将图像缩小到数十纳米（1 纳米为一毫米的百万分之一），而中红外显微镜通常只能达到 3 微米左右（1 微米为一毫米的千分之一）。然而，东京大学的研究人员在一项新的突破中，实现了比以往更高的中红外显微镜分辨率。"我们的空间分辨率达到了 120 纳米，即 0.12 微米。"东京大学光子科学与技术研究所的 Takuro Ideguchi 教授解释说："这一惊人的分辨率大约是传统中红外显微镜分辨率的 30 倍。"研究小组使用了"合成孔径"技术，该技术结合了从不同照明角度拍摄的多幅图像，以生成更清晰的整体图像。通常情况下，样品被夹在两个透镜之间。然而，透镜会无意中吸收部分中红外光。为了解决这个问题，研究人员将细菌样本（使用了大肠杆菌和Rhodococcus jostiiRHA1）放在硅板上，硅板可以反射可见光并透过红外线。这样，研究人员就可以使用单透镜，用中红外光更好地照射样品，获得更详细的图像。"我们对能够如此清晰地观察细菌的胞内结构感到惊讶。我们显微镜的高空间分辨率可以让我们研究抗菌药耐药性等世界性问题，"Ideguchi 说。"我们相信，我们可以从多个方向继续改进这项技术。如果我们使用更好的透镜和更短的可见光波长，空间分辨率甚至可以低于 100 纳米。有了更高的清晰度，我们希望研究各种细胞样本，以解决基础和应用生物医学问题。"编译来源：ScitechDaily ... PC版： 手机版：

ChatGPT一年电费高达2亿元 AI为何如此耗电？

ChatGPT一年电费高达2亿元 AI为何如此耗电？ 公开数据显示，目前，ChatGPT每天需要处理超过2亿次请求，其电量消耗高达每天50万千瓦时。一年时间，ChatGPT光电费就要花2亿元人民币。这意味着，ChatGPT日耗电量是普通家庭的1.7万倍以上。（美国商业用电一度约为0.147美元也就是1.06元，相当于一天53万元）据荷兰咨询机构负责人Alex de Vries预计，到2027年，AI 行业每年将消耗850亿~1340亿千瓦时的电力，相当于瑞典或荷兰一个欧洲国家一年的总用电量。马斯克判断，电力缺口最早可能会在2025年发生，“明年你会看到，我们没有足够电力来运行所有的芯片”。OpenAI CEO奥尔特曼（Sam Altman）也预计，AI 行业正在走向能源危机，未来 AI 技术发展将高度依赖于能源，人们也需要更多的光伏和储能产品。这一切都显示出，AI 即将引爆全球新一轮“能源战争”。不止是芯片，AI 还被能源“卡脖子”过去500多天里，ChatGPT引发全球新一轮 AI 大模型和算力需求热潮。微软、Google、Meta、OpenAI等多家全球科技巨头开始疯抢 AI 芯片，甚至亲自下场“造芯”，总规模超过数十万亿元美金。实际上，AI 本质上是一种计算机技术和处理信息的技术，背后则需要大量GPU芯片，更底层则是大量电能、水力、风能、资金等资源的支持。早在1961年，在IBM公司工作的物理学家拉尔夫·兰道尔（Rolf Landauer）发表了一篇论文，提出了后来被称为“兰道尔原理”（Landauer's Principle）的理论。这一理论认为，计算机中存储的信息发生不可逆的变化时，会向周围环境散发一点点热量，其散发的热量和计算机当时所处的温度有关温度越高，散发的热量越多。兰道尔原理连接起了信息和能量。更具体地说，它连接到了热力学第二定律上。因为逻辑上不可逆的信息处理操作，也就意味着湮灭了信息，这会导致物理世界中熵的增加，从而消耗能量。这一原理自提出以来遭受过不少质疑。但近十几年来，“兰道尔原理”已被实验证明。2012年，《自然》杂志发表了一篇文章，研究团队首次测量到了一“位”（bit）数据被删除时释放的微量热量。后来的几次独立实验，也都证明了“兰道尔原理”。过去10多年间，现代电子计算机在计算时实际消耗的能量，是兰道尔理论值的数亿倍。而科学家们一直在努力寻找更高效的计算方法，以降低成本。如今，AI 大模型爆发，它确实需要大量计算。因此，AI 不止被芯片“卡脖子”，还被能源“卡脖子”。马斯克近期也在“博世互联世界2024”大会上表示，一年多以前，短缺的是芯片，明年你会看到电力短缺，无法满足所有芯片的需求。中国科学技术信息研究所人工智能中心副主任李修全也表示，近年来， AI 大模型规模、数量都在高速增长，也带来对能源需求的快速增加。尽管短期内还不会很快出现“缺电”等问题，但未来大规模智能化时代来临后的能源需求激增不容忽视。AI 大模型质量的关键在于数据、算力和顶尖人才，而高算力的背后，是靠着数万张芯片昼夜不停的运转支撑。具体来说，AI 模型算力的工作过程大致可以分为训练、推理两个阶段，能源消耗也是如此。其中，在AI训练阶段，首先需要收集和预处理大量的文本数据，用作输入数据；其次，在适当的模型架构中初始化模型参数，处理输入的数据，尝试生成输出；最后，通过输出与预想之间的差异反复调整参数，直到模型的性能不再显著提高为止。从训练15亿参数的GPT-2，到训练1750亿参数的GPT-3，OpenAI模型背后的训练能耗十分惊人。公开信息称，OpenAI 每训练一次需要128.7度电，相当于 3000 辆特斯拉同时跑 32 公里。据研究机构New Street Research估计，仅在AI方面，Google就需要大约40万台服务器，每天消耗62.4吉瓦时，每年消耗22.8太瓦时的能源。而在推理阶段，AI 则会先加载已经训练好的模型参数，预处理需要推理的文本数据，再让模型根据学习到的语言规律生成输出。Google称，从2019年到 2021年，AI相关能源消耗60%都来自推理。据Alex de Vries估算，ChatGPT每天大概要响应大约2亿个请求，耗电量超过50万度，按照一年电费就是2亿元人民币，比每个美国家庭的平均日用电量高1.7倍。SemiAnalysis报告称，使用大模型进行问题搜索所消耗的能源是常规关键词搜索的10倍。以Google为例，标准Google搜索使用0.3Wh电力，而大模型每次互动的耗电量为3Wh。如果用户每次在Google搜索都使用AI工具，每年大约需要29.2太瓦时的电力，也就是每天约7900万度。这相当于给全球最大的摩天大楼，迪拜的哈利法塔，连续供电超过300年。另据斯坦福人工智能研究所发布的《2023年 AI 指数报告》显示，每次 AI 搜索的耗电量大约为8.9瓦时。相比普通Google搜索，加入 AI 的单次耗电量几乎是一般搜索的30倍。而一个高达1760亿参数的模型，光是前期训练阶段就得用掉了43.3 万度电，相当于美国117个家庭一年的用电量。值得注意的是，在Scaling Law（缩放规律）之中，随着参数规模不断跃升，大模型性能也不断提升，而对应的是，能耗也会越来越高。因此，能源问题已经成为 AI 技术持续发展的关键“桎梏”。GPT每天消耗50000升水，电和水是 AI 两大能源需求AI不仅是“耗电狂魔”，更是“吞水巨兽”。其中，在电力方面，除了上述信息外，据国际能源署(IEA)数据显示，2022年，全球数据中心消耗约460太瓦时的电量(相当于全球总需求的2%)，随着生成式AI飞速发展，这一数字到2026年可能膨胀至620至1050太瓦时。Alex de Vries预计，到2027年，AI服务器所消耗的用电量将等同于荷兰全国的能源需求量。最坏的情况就是，仅Google一家公司的AI就可以消耗与爱尔兰等国家一样多的电力。IBM高级副总裁达里奥·吉尔曾表示，“AI能耗”是非常重要的挑战。生成式 AI 的高性能服务器的持续运行，将导致数据中心一半以上的电力消耗都被AI占据。据悉，预计到2025年，AI 业务在全球数据中心用电量中的占比将从2%猛增到10%。那么，水能呢？大模型背后需要数据中心、云基础设施的支持，那就需要大量的“液冷”进行散热。得克萨斯大学的一份研究指出，作为ChatGPT背后的重要支持力量，微软的Microsoft Azure云数据中心光是训练GPT-3，15天就用掉将近70万升的水，相当于每天花销约50000L水。同时，ChatGPT每回答50个问题就要消耗500毫升水。公开信息称，2022年微软用水量达到640万立方米，比2500个奥林匹克标准游泳池的水量还多。美国加州大学河滨分校副教授任绍磊团队预计，到2027年，全球AI可能需要4.2-66亿立方米的清洁淡水量，这比4-6个丹麦、或二分之一的英国的一年取水总量还要多。除了数据中心，内置的GPU芯片也是能源消耗的重点领域之一。今年3月，英伟达发布史上性能最强AI芯片Blackwell GB200，宣称是A100/H100系列AI GPU的继任者，性能相比H100提升30倍，但能耗却降低了25倍。上个月，黄仁勋的一句“AI的尽头是光伏和储能”更是在网络疯传。尽管有网友扒出原视频称，黄仁勋本人并未说过这句话，更没有提及“光伏和能源”，但 AI 能耗严重，却是摆在公众面前的事实。国际能源机构（IEA）在一份报告中强调了这个问题，全球 AI 数据中心的耗电量将是 2022 年的十倍，并指出部分原因在于 ChatGPT 这样的大模型所需的电力，远高于Google等传统搜索引擎。不过，值得注意的是，由于科技巨头们并未正式披露过 AI 使用中的电力消耗数据，因此，目前关于 AI 耗电量的数据多为估算，并不一定是非常准确的数据。美国信息技术与创新基金会（ITIF）曾指出，个别不准确的研究高估了AI能耗。AI训练是一次... PC版： 手机版：