没有人说将融合能源商业化会既便宜又迅速。
TAE Technologies 本周表示,在一轮融资中又筹集了 1.5 亿美元,此轮融资包括来自现有投资者 Google, Chevron 和 New Enterprise Associates 的投资。
对于这家近 30 年历史的公司来说,这是 TAE 的第 12 轮融资。根据 PitchBook 的数据,截至目前,该公司累计融资约 18 亿美元,使其成为资金支持最多的融合能源公司之一。
TAE(前身为 Tri Alpha Energy)多年来秘密研发其反应堆设计。该公司最初采用了一种工艺:先将两个等离子体球发射相互碰撞,然后利用粒子束将产生的物质团旋转起来。这个等离子体团 — 看起来像一个空心雪茄 — 会产生它自身的磁场,与反应堆的磁体协同工作,以保持等离子体的约束。
在四月,该公司宣布不再需要发射两个等离子体球来启动反应。而是仅依靠粒子束即可形成等离子体、对其加热并使其稳定。TAE 表示,取消相关设备使反应堆更小、更便宜且更易于操作。
Google 已参与 TAE 的两轮融资;此前在 2022 年完成的一轮融资筹集了 2.5 亿美元。事实上,这家科技公司与 TAE 的合作历史更为悠久。自 2014 年以来,Google 的计算机科学家就与 TAE 的工程师合作,利用机器学习(一种 AI 形式)寻找融合装置的理想参数。
在引入 AI 之前,优化过程通常需要两个月——TAE 首席执行官 Michl Binderbauer 于 2022 年告诉我,大约需要进行 1,000 次实验。AI 大幅缩短了这一进程,将实验次数减少了两个数量级,这些实验现在几小时内就能完成。
目前,TAE 的反应堆能够产生加热至 7,000 万摄氏度的等离子体。而对于其商业装置,公司表示需要将等离子体加热至 10 亿摄氏度。
Binderbauer 告诉 Axios,他计划在本轮融资于今年夏末结束前再筹集 5,000 万美元。该公司希望在 2030 年代初将电力投入电网。
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。