University of Minnesota
PulseAugur coverage of University of Minnesota — every cluster mentioning University of Minnesota across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
明尼苏达州风力涡轮机生产绿色氨肥料
明尼苏达州的一台风力涡轮机已被改造，仅利用风、水和空气生产绿色氨肥料。这一创新方法由明尼苏达大学西中部研究推广中心开发，旨在使农业部门脱碳。传统上，农业依赖能源密集型的哈伯-博施法，该方法是全球温室气体排放的重要来源。该示范工厂每天生产约一吨绿色氨，为面临市场波动和对低碳产品需求不断增长的农民提供了一种更可持续、经济上更具韧性的替代方案。
-
亿万富翁慈善家 Denny Sanford 90岁去世，已捐赠40亿美元
亿万富翁慈善家 T. Denny Sanford 以其在医疗保健和教育领域的巨额捐赠而闻名，享年90岁。在他的一生中，Sanford 捐赠了超过40亿美元，其中大部分用于 Sanford Health，他帮助将其打造成了一个主要的医疗保健网络。他的慈善事业还延伸到南达科他州及其他地区的科研设施、奖学金和社区发展项目。Sanford 通过银行和信用卡服务积累了财富，尤其通过 Premier Bankcard，该公司向信用记录有限的个人提…
-
研究发现超速平均仅为司机节省54秒
一项分析美国超过1.2亿次驾车出行情况的最新研究发现，超速平均每天仅为司机节省约54秒。发表在《自然·可持续性通讯》上的这项研究表明，遵守限速规定可以为美国司机节省约2200万美元的燃油成本，并减少670万加仑的燃油消耗。燃油消耗的减少也将显著减少导致全球变暖的排放，其效果相当于从道路上移除数百万辆乘用车。
-
全球10%的顶级消费者每年造成数万亿美元的环境损害
发表在《传播可持续性》上的一项最新研究估计，全球10%的顶级消费者每年造成的环境损害在1.7万亿至5.7万亿美元之间。对于富裕的美国消费者来说，这种损害可能在每年19,000美元至63,000美元之间。这项研究为气候变化和生物多样性丧失等环境影响进行了定价，发现尽管其估值存在不确定性，但生物多样性丧失占了这部分损害的最大份额。研究人员建议，可以通过对最富裕的消费者征税来解决这些成本，从而可能资助环境倡议。
-
美国圆孢子虫疫情加剧了关于公共卫生资金削减的辩论
美国持续爆发的圆孢子虫（Cyclospora cayetanensis）疫情，仅密歇根州就报告了超过2600例病例，引发了对公共卫生资金削减影响的担忧。专家认为，食品传播疾病监测资金的减少，包括CDC的FoodNet项目的变动，可能阻碍了对寄生虫源头的调查。虽然一些人认为这些削减削弱了国家追踪和应对疫情的能力，但另一些人则告诫不要将当前未解决的疫情直接与这些具体变化联系起来，并指出圆孢子虫监测仍在通过其他系统进行。
-
Standard Bots 融资 2 亿美元，利用 AI 机器人促进美国制造业发展
Standard Bots 是一家专注于 AI 原生机械臂和工业人形机器人的公司，已在 C 轮融资中以 10 亿美元的估值筹集了 2 亿美元。该公司的机器人通过演示而非传统编码进行学习，旨在让美国制造商更容易获得先进的自动化技术。这笔资金将支持他们增加国内机器人安装和制造业就业的目标。
-
NVIDIA携手台湾，推动人工智能基础设施和制造业发展
NVIDIA正与台湾超过500家本地合作伙伴组成的庞大生态系统合作，显著扩展其在台湾的人工智能基础设施建设。这些公司不仅为NVIDIA的人工智能工厂制造组件，还将NVIDIA的技术整合到他们自身的先进制造流程中。此次合作旨在提高半导体生产和机器人技术的效率、加快分析速度并降低故障率。
-
婴儿潮一代的经济影响随着退休而改变，带来了劳动力和住房挑战
婴儿潮一代，一个庞大的人口群体，几十年来通过扭曲劳动力市场和住房价格，对美国经济产生了重大影响。他们长期留在劳动力队伍中，压低了年轻一代的工资，而他们拥有的更大住房限制了千禧一代的住房供应。随着这一代人现在进入退休年龄，他们的离开预计将造成严重的劳动力短缺，并重塑劳动力市场，让年轻一代来管理他们发起的经济转型。
-
医疗AI工具被广泛采用，但其对患者结局的影响仍未知。
《Nature Medicine》上的一篇新论文强调了AI在医疗保健领域部署中的一个关键差距：尽管许多AI工具表现出准确性，但它们对患者健康结局的实际影响在很大程度上仍然未知。研究人员Jenna Wiens和Anna Goldenberg认为，医疗保健提供者正在迅速采用这些技术，如AI书记员和预测工具，但没有对其真实有效性进行严格评估。该论文强调，需要超越准确性和临床医生满意度的评估，来理解AI如何影响临床决策和患者护理，并考虑潜在的意外后果。