英国一个跨学科科研团队正在使用人工智能 (AI) 设计一种自愈性沥青,这种材料有望每年为地方议会节省数百万英镑的路坑修复费用。
这种由生物质废料制成并通过机器学习设计的材料,由伦敦国王学院、斯旺西大学和智利一家研究机构的科学家共同开发。研究表明,这种材料能够在没有任何维护或人工干预的情况下自行修复其中形成的裂缝。
2022 年,该项目的一位主要研究人员加入了 Google Cloud 研究创新者计划后,研究团队还与 Google Cloud 合作,模拟这种材料在不同条件下的行为变化。
该计划旨在为研究团队提供加速科学发现所需的技术资源。这项工作使研究人员能够阐明沥青中的主要成分沥青质为何会通过氧化作用变硬和开裂,以及如何通过逆转这一过程来实现材料的自我修复。
研究团队在一份声明中表示:"在研究过程中,研究人员使用了一种称为机器学习的 AI 技术来研究沥青等复杂流体中的有机分子。团队开发了一个新的数据驱动模型来加速原子模拟,推进了对沥青氧化和裂缝形成的研究。"
沥青的自愈特性是通过添加一种多孔材料(称为孢子)实现的,这种材料比头发丝还细,内部充满了回收油。当沥青开始破裂时,这些油会释放出来,可以逆转裂缝形成的过程。研究团队表示:"在实验室实验中,这种先进的沥青材料能在不到一小时内完全修复其表面的'微裂缝'。"
根据沥青工业联盟编制的年度地方道路维护调查报告显示,路坑每年给英国地方议会造成 1.435 亿英镑的修复成本,英格兰和威尔士的道路总共需要 163 亿英镑的修复投资。
伦敦国王学院计算化学专家 Francisco Martin-Martinez 表示,这项研究旨在帮助沥青"模仿自然界中观察到的愈合特性",就像受伤的动物和树木会随着时间在自然生物过程中自愈一样。
他说:"创造能够自我修复的沥青将提高道路的耐久性,减少人工填补路坑的需求。我们在新型沥青中还使用了包括生物质废料在内的可持续材料。这将减少我们对石油和自然资源的依赖。生物质废料在各地都可以就地取材,而且成本低廉。使用废料等本地资源生产基础设施材料可以减少对石油供应的依赖,这对那些石油基沥青获取有限的地区特别有帮助。"
斯旺西大学自愈沥青专家 Jose Norambuena-Contreras 表示,这项研究汇集了包括土木工程、化学和计算机科学在内的多个领域的专家,共同寻找解决路坑问题的方案。
他说:"通过将这些知识与 Google Cloud 的最新 AI 工具相结合,我们旨在通过自下而上的分子设计方法增进对沥青愈合能力的理解。我们很自豪能够推进使用生物质废料和人工智能开发自愈沥青。这种方法使我们的研究处于可持续基础设施创新的前沿,为开发具有增强耐久性的零碳道路做出贡献。"
Google Cloud 英国和爱尔兰公共部门负责人 Iain Burgess 补充说:"看到斯旺西大学和伦敦国王学院的团队利用包括 Gemini 和 Vertex AI 在内的云计算和 AI 工具来推动更高效的流程并发现化学特性,这令人备受鼓舞。"
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。