carbon dioxide
PulseAugur coverage of carbon dioxide — every cluster mentioning carbon dioxide across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
人工智能优化交通信号，减少延误和排放
研究人员开发了一个强化学习（RL）系统，用于优化城市交叉口的交通信号控制，特别是在支持物联网的环境中。该系统利用近端策略优化（PPO），根据当地交通状况动态调整绿灯时长，而无需预测未来的需求。在科威特的模拟显示，与固定时间控制相比，平均车辆延误显著减少（46%），二氧化碳排放量也减少了23%，这预示着智慧城市交通的潜力。
-
PoreML框架统一了多孔介质流动的数据生成和模型训练
研究人员推出PoreML，这是一个开源框架，旨在推进机器学习在理解多孔介质中多相流方面的应用。该框架集成了使用GPU原生Lattice Boltzmann求解器进行数据生成，并拥有一个包含3.3 TB数据的庞大数据集，涵盖了560次模拟运行和超过158,000个时间步长，涉及各种场景。PoreML还提供了一个统一的学习组件，用于评估模型性能和物理一致性，旨在促进社区开发用于CO2储存和燃料电池运行等关键应用的可预测模型。
-
Biomedical translation models compressed using distillation and quantization
研究人员探索了结合知识蒸馏和量化技术来压缩生物医学领域的神经机器翻译模型。该方法旨在为专业翻译任务创建更小、更快的模型，尤其是在平行数据稀缺的情况下。实验表明，使用这两种技术的学生模型在法语到英语的生物医学翻译中，在减小模型尺寸和二氧化碳排放方面取得了显著成效，同时保持了翻译质量。
-
Energy Dome 使用二氧化碳进行电网规模储能
Energy Dome 正在开发使用压缩二氧化碳的长时储能解决方案。其系统通过将 CO2 压缩成液态来储存能量，保留压缩过程中产生的热量，然后释放气体驱动涡轮机发电。与锂离子电池相比，该技术在存储时间超过四小时的情况下更具成本效益，并计划在全球范围内进行大规模扩张。
-
xTool 发布支持五种激光类型的模块化 X1 激光雕刻机
xTool 发布了其下一代模块化激光雕刻机 X1，该设备支持多种激光类型，包括 CO2、二极管、UV、光纤和 MOPA。这款创新机器结合了龙门架和检流计技术，兼具多功能性和速度，并配备双头系统，可使用不同的激光模块处理各种材料。X1 计划于 10 月发布，具体价格将在临近发布日期时公布。此外，xTool 还宣布了一款即将推出的绣花机 SE1，旨在与其现有产品生态系统集成。
-
研究发现：人工智能的日益增长的使用可能显著增加全球二氧化碳排放量
新的研究表明，人工智能使用的增加可能会显著增加全球碳排放量。该研究表明，人工智能驱动的生产力提升可能导致二氧化碳排放量每年增加 0.47 至 1.8 吉吨。这一增长相当于 2024 年全球能源相关二氧化碳排放总量的 1.2% 至 4.8%。
-
人工智能通过COMPASS项目监测碳抵消市场
Benedict Probst因其COMPASS项目获得了ERC Starting Grant，该项目旨在监测全球二氧化碳抵消市场。该项目将利用人工智能持续审查这些市场。
-
美国人工智能数据中心年排放二氧化碳量相当于2400万辆汽车
受人工智能日益增长的需求驱动，美国正在建设的60个主要数据中心，预计每年将排放约1.015亿吨二氧化碳。这一显著的排放量增长，相当于2400万辆汽油动力汽车的年排放量。环境影响凸显了人们对人工智能基础设施扩张相关的能源消耗和碳足迹日益增长的担忧。
-
深海热液喷口金属可能启动了地球上的生命化学
新的研究表明，地球生命的起源受到了深海热液喷口金属的显著影响。这些金属，包括镍、铁和钴，作为必需化学反应的催化剂，在复杂的生物机制进化之前有效地执行了酶的功能。该研究表明，早期生命形式，如细菌和古菌，继承了不完整的代谢途径，并依赖蛇纹石岩石中的这些金属化合物将二氧化碳转化为有机物，并通过类磷酸分子进行能量转移。
-
香港制造的温室气体追踪器在天宫空间站成功运行
一款在香港开发的温室气体监测仪器在中国天宫空间站上成功运行。该多光谱成像碳观测仪（MUSICO）由香港科技大学研制，旨在探测二氧化碳、甲烷、氧气和气溶胶。该设备预计在未来两年或更长时间内提供准确的排放数据，为全球气候变化减缓做出贡献。
-
新型模糊逻辑模型提升变压器故障诊断准确性
研究人员开发了一种结合模糊逻辑和IEEE关键气体法（FL-KGM）的增强模型，以提高通过溶解气体分析诊断电力变压器故障的准确性。这种新方法改进了隶属函数，优化了模糊规则集，并分离了CO和CO2，以解决传统IEEE关键气体法中发现的不一致之处。实际数据验证显示，FL-KGM的准确率高达98.6%，显著优于现有方法，并为先进的变压器监测和预测性维护提供了潜力。
-
深度学习分析：欧盟2030年气候目标将落后35%
一项对欧盟27国排放数据的最新深度学习分析表明，欧盟预计将大幅错过其2030年气候目标。该研究在不假设政策变化的情况下推断当前趋势，预测将超出目标35%，相当于短缺6.2亿吨二氧化碳。虽然由于可再生能源的采用，电力部门显示出进展，但交通运输部门却远远落后，到2030年将贡献预测排放量的三分之一以上。研究结果表明，需要采取实质性的额外干预措施来弥合欧洲气候雄心与其执行之间的差距。
-
神经网络加速用于气候研究的二氧化碳排放监测
研究人员开发了一种新颖的基于神经网络的方法，以加速二氧化碳和甲烷排放监测的辐射传输模拟。该方法利用前馈多层感知器（MLP）代理模型，高效预测大气层顶的辐射亮度，解决了传统逐线辐射传输模型的计算成本问题。所提出的代理模型与 NanoCarb 成像干涉仪的仪器响应相结合，在准确反演二氧化碳浓度方面显示出有希望的结果，旨在减少气候变化研究中的不确定性。
-
人工智能在石油和天然气生产中的作用可能增加二氧化碳排放
一项最新研究表明，旨在提高石油和天然气生产效率的人工智能工具可能会显著增加二氧化碳排放量。该研究表明，这些人工智能应用每年可能额外产生 0.47 至 1.8 吉吨二氧化碳，凸显了人工智能一个被忽视的环境后果。
-
AI数据中心的が气候影响引发英国禁令呼吁 · 追踪4个来源
Mastodon上的多个消息源正在强调AI数据中心的が环境影响，特别是它们对气候变化的贡献。用户质疑AI在通过资源密集型基础设施加剧气候变化的同时，是否有能力解决全球变暖问题。有人呼吁英国等政府禁止新建数据中心，因为它们对が环境有负面影响。
-
研究：人工智能促进化石燃料生产超过绿色能源，增加排放
一项新研究表明，人工智能比减少全球碳排放更有可能增加碳排放。研究人员发现，人工智能提高化石燃料行业生产能力的能力导致比其对可再生能源发电的贡献更大的污染。研究结果表明，要使人工智能实现净减排，其在清洁能源方面的生产力增长需要显著超过在化石燃料方面的增长。
-
亚马逊收购得州场地，将由高排放天然气厂供电
亚马逊已购买了得克萨斯州的一个场地，该场地将从一个每年可排放3300万吨二氧化碳的天然气发电厂获取电力。这一排放量超过了美国环保局记录的任何一个单独发电厂的排放量。此次收购似乎与亚马逊到2040年实现净零排放的承诺相悖。
-
亚马逊德州AI数据中心将由美国可能最大的污染工厂供电 · 已追踪10个来源
亚马逊正在德克萨斯州佩科斯县建设一个新的7.65GW天然气发电厂，以支持其不断扩展的AI数据中心业务。该设施每年可排放3300万吨二氧化碳，可能使其成为美国最大的温室气体污染单一来源。尽管如此，亚马逊仍致力于实现其2040年净零碳排放目标，尽管近年来由于AI基础设施的需求，排放量有所上升。
-
新兴水解决方案助力碳减排和生态系统恢复
新兴的水解决方案因其在气候减缓和生态系统恢复方面的双重作用而获得认可。这些方法，从湿地和红树林到基于海洋的方法，如藻类培养和碱度增强，可以减少传统水系统中的温室气体排放，同时还能捕获和储存碳。然而，它们的整体有效性和环境影响取决于成本、可扩展性、碳储存的持久性以及潜在的生态后果等因素。
-
CCUS技术正迈向商业化规模，但产能仍落后于气候目标
碳捕获、利用与封存（CCUS）技术正朝着更大规模的商业网络发展，其中直接空气捕获（DAC）和生物能源与碳捕获和封存（BECCS）等方法旨在从大气中去除二氧化碳。尽管运行能力有所提高，国际能源署（IEA）指出，总捕获能力仍不足以实现气候目标，许多项目面临延误。DAC的高昂成本，每吨二氧化碳约800至1900美元，以及当前CCUS项目的有限规模，都凸显了在其他减排策略之外，还需要快速扩张。