北京時間3月23日消息,美國“憂思科學(xué)家聯(lián)盟”(Union of Concerned Scientists)發(fā)布的最新報告顯示,即使考慮到電池的生產(chǎn)、回收和處理流程,電動汽車仍然比燃油汽車更加綠色環(huán)保。
憂思科學(xué)家聯(lián)盟對日產(chǎn)Leaf和特斯拉Model S兩款美國最暢銷的電動汽車進(jìn)行了分析,并將其與相似重量和尺寸的燃油汽車(例如福特??怂购蛫W迪A8)的平均值進(jìn)行對比。Leaf屬于“中等尺寸,中等續(xù)航”電動車,內(nèi)置24千瓦時電池;Model S屬于“全尺寸、長續(xù)航”電動車,內(nèi)置85千瓦時電池。
在談及電動汽車的排放問題時,人們最常提到的兩個污染源是鋰電池的生產(chǎn)來源和電動汽車的電力來源。
該報告發(fā)現(xiàn),生產(chǎn)鋰電池的確會排放很多溫室氣體:“電池越大,續(xù)航里程就越長,但也會增加車身重量,并加大生產(chǎn)電池過程中的污染排放。”因此,特斯拉雖然擁有265英里的長距離續(xù)航,但生產(chǎn)電池過程中排放的溫室氣體也更多。
好消息是,零排放的電動汽車彌補(bǔ)電池生產(chǎn)過程中排放的溫室氣體速度,超過燃油汽車彌補(bǔ)其生產(chǎn)過程中排放的溫室氣體速度。借助美國常規(guī)的電網(wǎng)作為充電來源,Leaf電動汽車只要行駛4,900英里(約合7900公里)即可彌補(bǔ)這些排放,而Model S需要行駛1.9萬英里(約合3.1萬公里)。與燃油汽車的整個生命周期相比,這兩種汽車大約都能將排放量減少50%左右。
提到電力來源,無論你居住在美國的什么地方,就算是當(dāng)?shù)氐碾娋W(wǎng)使用了燃煤發(fā)電,電動汽車的溫室氣體排放量仍然低于一輛油耗平均值為29英里/加侖(約合12公里/升)的全新燃油汽車。但由于燃煤發(fā)電使用量在降低,所以在美國三分之二的地區(qū),駕駛電動汽車的溫室氣體排放量甚至低于油耗為50英里/加侖(約合21公里/升)的燃油汽車。
所以即便電池生產(chǎn)過程中可能排放大量溫室氣體,而且有可能每晚都要使用煤炭來充電,但現(xiàn)代化電動汽車仍然比多數(shù)燃油汽車更加環(huán)保。電動汽車仍然沒有走入大眾市場,畢竟它在山地和低溫路況下表現(xiàn)不佳,但如果你希望多一個購買的電動汽車的理由,那么這份報告或許正是你想要的。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊通過對比實驗發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強(qiáng)于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。