Solar
PulseAugur coverage of Solar — every cluster mentioning Solar across labs, papers, and developer communities, ranked by signal.
- 2026-05-15 research_milestone A new self-supervised framework for symmetric multimodal retrieval, SOLAR, was introduced in a research paper. 来源
6 天有情绪数据
-
太阳能和风能成为比石油更便宜的替代品
能源行业正经历重大转变，太阳能和风能的成本效益已超过石油。这一转变正促使管道所有者和油田服务提供商拓宽服务范围，纳入数据中心。此外，一些石油生产商正在探索微电网为其运营供电，因为电网连接等待时间过长。
-
AI用户质疑共和党对数据中心的化石燃料依赖
用户质疑为什么政治领导人，特别是共和党人，不愿意用太阳能和电池储能等可再生能源为数据中心供电，而是依赖化石燃料。他们认为，在20年的时间里，这是一种爱国且具有成本效益的方法，并提议将其作为一项数学练习供学生完成。
-
人工智能数据中心偏爱燃气发电而非更便宜的太阳能替代方案
最近的一项研究表明，尽管太阳能微电网的成本仅高出8%，且部署速度更快，但人工智能数据中心仍选择燃气发电。研究强调，经济因素并非这一决定的主要驱动因素，目前有超过82个私人燃气发电厂在建。
-
中国公司建造2吉瓦可再生能源供电的离网人工智能园区
中国公司恩威集团正在内蒙古建设一个2吉瓦的离网人工智能园区。该设施将完全由可再生能源供电，包括风能、太阳能、储能和氢能，以满足人工智能基础设施巨大的电力需求。该项目旨在为人工智能计算需求提供切实可行的解决方案，这与其他提出的方法（如轨道数据中心）形成对比。
-
德国太阳能创纪录与Adform遭黑客攻击凸显科技趋势
2026年7月，德国太阳能发电量达到创纪录的120亿千瓦时，标志着其可再生能源生产的一个重要里程碑。此外，在线广告公司Adform遭遇数据泄露，凸显了在数字广告领域对广告拦截器和强大网络安全措施的持续需求。
-
201吉瓦的太阳能和储能项目争夺电网接入权，对抗化石燃料
PJM Interconnection 正在面临一项重大挑战，即如何将新项目接入电网，目前有 201 吉瓦的拟建容量正在争夺有限的接入名额。这些申请的激增主要来自太阳能和储能项目，它们正在与传统的化石燃料和核能发电来源竞争。这些申请的巨大数量凸显了向可再生能源转型和电网基础设施扩张过程中存在的主要瓶颈。
-
新的CSFS方法改进风能/太阳能预测，计算成本降低21% · 跟踪4个来源
研究人员开发了一种名为基于聚类的顺序特征选择（CSFS）的新方法，以提高风能和太阳能发电预测的准确性和效率。这种模型无关的方法通过提供自动、高效和可靠的特征选择，解决了现有可再生能源预测中特征选择技术的局限性。CSFS在实现与现有方法相当的预测性能的同时，将计算成本平均降低了21%。该方法的一个开源实现可在GitHub上获取，以支持可复现性。
-
新的SOLAR框架推进了对称多模态检索
研究人员推出了一种新颖的自监督框架SOLAR，用于对称多模态检索，其中查询和上下文可互换。该框架利用来自网络的无标签图像-文本对，通过一个两阶段过程进行。第一阶段学习一个交集掩码，以对齐模态之间的共同点并保留差异；第二阶段则利用此掩码创建用于自监督学习的正面和困难负面样本。据报道，SOLAR在新的基准测试中，尽管使用的模型参数和嵌入维度都较少，但其性能仍显著优于最先进的监督方法。
-
安全新闻涵盖 VM 逃逸、Solar 漏洞和 NPM 恶意软件
本周的安全新闻包括 Januscape 漏洞，该漏洞允许虚拟机用户逃离隔离并破坏主机内存。此外，还有关于 Solar 系统漏洞以及 Node Package Manager 中令人困惑的恶意软件的报道。随着 AI 的集成，安全形势持续带来挑战。
-
关键KVM虚拟机逃逸漏洞、太阳能技术漏洞以及AI代理风险详细披露
Linux Kernel Virtual Machine (KVM) 中发现了一个关键漏洞，可能允许虚拟机（VM）破坏主机内存并逃逸隔离。该漏洞已存在16年，影响了Amazon AWS和Google GCP等主要云服务提供商。此外，安全研究人员在Hoymiles微型逆变器中发现了未加密的管理协议，可能导致设备被控制和锁定。OpenSSH 10.4 已发布，包含对SFTP和SCP文件处理的安全修复，以及实验性的后量子加密支持。另外，Te…
-
Sunrun 在客户家中试点分布式人工智能数据中心
Sunrun，一家主要以太阳能和家庭电池储能而闻名的公司，正在试点一项将人工智能数据中心去中心化的新计划。该计划涉及向客户支付费用，让他们在家中托管与现有太阳能和电池系统集成的“计算节点”。这个分布式网络旨在为企业买家提供人工智能计算能力，作为对传统且常有争议的大型数据中心的替代方案。Sunrun 计划在未来几个月内评估试点计划的结果，然后再进行更广泛的推广。
-
AI数据中心面临电力瓶颈；初创公司转向能源解决方案
AI数据中心日益增长的电力需求正成为行业的一个重大瓶颈。创业者正从创作者经济转向，专注于为这些数据中心提供能源效率解决方案。一家名为TAR的初创公司正在开发创新的方法，部署太阳能、电池、风能和天然气等现有能源技术，以满足AI基础设施不断增长的电力需求。
-
新的SOLAR方法增强了大型语言模型中的跨语言推理能力
研究人员开发了SOLAR，一种用于提高大型语言模型（LLM）跨语言推理能力的新方法。该技术对齐不同语言之间的软Token表示，以英语为枢纽，创建更具语言无关性的中间表示。通过聚合语义相关Token的信息，SOLAR有助于维持共享的语义结构并减少特定于词汇的差异。该方法在准确性方面取得了显著提高，最高可达17.7个百分点，尤其有利于低资源语言。
-
新的SOLAR框架自动化深度学习模型性能分析
研究人员开发了SOLAR，一个旨在自动分析深度学习模型性能的新框架。SOLAR计算给定工作负载在特定硬件上的理论最小执行时间，解决了当前方法手动且易出错的缺点。该框架结合了生成式和确定性组件，包括一个LLM前端，用于将源代码转换为中间表示，以及一个分析后端，用于计算性能边界。
-
用户在Mastodon上分享Solar/WP GridX系统脚本
一位Mastodon用户分享了他们在使用Solar/WP GridX系统的一个提供商盒子时进行的实验，并指出其开放的API。他们创建了Bash脚本来帮助其他希望使用该系统的人，使其更易于访问。
-
AI论文使用XAI分析欧洲电力价格
一项新的研究论文结合了深度神经网络和可解释人工智能（XAI）技术，探讨了欧洲电力价格的驱动因素。该研究利用SHAP和SSHAP分析了39个欧洲出价区的特征贡献。研究结果表明，太阳能对价格形成起着重要作用，而天然气价格仍然是主导因素。研究还强调了互联互通对价格动态的巨大影响，突显了欧洲电力系统的相互依赖性。
-
新型SOLAR代理自主学习以适应终身学习
研究人员推出了一种名为SOLAR的新型自主代理，该代理专为在动态环境中进行终身学习和持续适应而设计。SOLAR利用参数级元学习，将模型权重视为探索环境，以克服传统微调方法的局限性。这种方法通过自主发现和运用适应策略，能够高效地在测试时适应新领域，同时保持学习新信息与保留现有知识之间的平衡。
-
带储能的可再生能源现已比化石燃料更便宜、更可靠
太阳能和风能等可再生能源，如果与电池储能相结合，现在可以以与化石燃料相当甚至更低的成本提供可靠的 24/7 电力。这一转变挑战了长期以来认为化石燃料本质上更可靠的假设。国际可再生能源署 (IRENA) 预测，到 2050 年，化石燃料在全球电力结构中的占比将从目前的 70% 下降到仅 20%。
-
尽管太阳能将占主导地位，AI数据中心仍将维持化石燃料的使用
尽管预计到2035年太阳能将成为主要的能源来源，但人工智能数据中心日益增长的需求预计将维持化石燃料的使用。这种对化石燃料的持续依赖，是由人工智能基础设施的巨大能源需求驱动的，给完全转向可再生能源带来了挑战。
-
SOLAR框架利用自监督技术推进对称多模态检索
研究人员推出SOLAR，一个新颖的自监督框架，专为查询和上下文可互换的对称多模态检索任务设计。该两阶段方法利用来自网络的无标签图像-文本对来学习模态之间的对齐和差异。SOLAR通过掩盖图像或文本的部分来构建正样本和难负样本，从而实现有效的多模态嵌入学习。据报道，该框架在一个新基准上表现优于监督方法，使用的参数和嵌入维度都显著减少。