water
PulseAugur coverage of water — every cluster mentioning water across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
新的FB-GNN-MBE框架可预测化学系统能量
研究人员开发了一个名为FB-GNN-MBE的新框架，该框架集成了基于片段的图神经网络（FB-GNN）和多体展开（MBE）理论。该方法旨在准确预测传统量子力学建模无法处理的大型复杂化学系统的势能面。FB-GNN-MBE框架将系统划分为片段，计算它们的能量，并利用训练好的结构-性质关系来描述相互作用，在水和苯酚体系的两体和三体能量方面达到了化学精度。一项关键创新是数据自适应迁移学习协议，其中一个“教师”模型将知识传授给一个“学生”模型，从…
-
“水；湿润的本质。” # AI / # 外部性 / # 约束
此集群包含一项内容，该内容似乎是关于 AI 的哲学性或抽象性陈述，使用“水”和“湿润”作为隐喻。它不包含足够实质性的信息来形成新闻摘要。
-
新估算揭示AI提示消耗惊人水量
一项最新估算表明，处理一个典型的AI提示大约需要500毫升的水。这一数字凸显了AI技术显著的水足迹，尤其是在数据中心及其运营需求方面。计算机协会（Association for Computing Machinery）等机构正在讨论这一环境影响。
-
纳米通道中的受限水有望实现更安全的储能
研究人员发现，被限制在1纳米通道内的水表现出独特的性质，可能带来更安全的储能解决方案。这种限制显著改变了水的行为，可能能够实现比现有技术更安全地存储能量的新方法。这些发现为开发先进的储能系统提供了一种新颖的方法。
-
欧洲因能源和水资源担忧被敦促遏制数据中心增长
欧洲官员正敦促放缓新建数据中心的建设，因为人们担心能源和水资源消耗不断升级。该大陆的 IT 基础设施目前使用 10 吉瓦的电力，预计到 2030 年将激增至 35 吉瓦，可能占总用电量的 9%。这种增长正在给资源带来压力，因为仅冷却系统就消耗了大量的能源和水，一些超大规模设施每天需要相当于 155,000 户家庭的用水量。
-
人工智能数据中心在干旱担忧下加剧水资源紧张
人工智能数据中心日益增长的需求正在加剧水资源短缺问题，尤其是在本已面临干旱的地区。这些设施冷却用水需求的增长给农业社区带来了重大挑战，可能导致节约用水措施并影响粮食生产。
-
人工智能数据中心热潮引发环境和社区强烈反对
人工智能数据中心的快速扩张正引发严重的环境担忧，特别是能源消耗及其对气候目标的影响。这些设施消耗了大量的电力，一些报道表明，尽管可再生能源的努力仍在继续，但它们正在推动对化石燃料的投资增加。由于资源需求和潜在的环境退化，这种增长也导致了当地的反对。
-
AI数据中心消耗数百万加仑水，加剧干旱风险
人工智能驱动的数据中心需求不断增长，因其过度的水消耗而构成重大的国家安全风险。一份报告指出，这些设施可能消耗数百万加仑的水，可能导致严重干旱。水资源短缺以及在一个日益依赖能源密集型技术的世界中管理资源的挑战，使这一问题更加复杂。
-
大学声称拒绝向数据中心供水构成歧视
密歇根大学声称，拒绝向核武器数据中心供水构成对数据中心的非法歧视。这一说法引发了强烈反响，批评者认为，关注数据中心忽视了边缘化人群的人性和投票权等问题。该大学的立场似乎优先考虑数据中心的运营需求，而不是更广泛的社会问题。
-
量子启发式特征求解器大幅减少参数，提升量子化学性能
研究人员开发了一种名为GQKAE的新型量子启发式特征求解器，旨在提高量子化学领域高性能计算的效率。该模型用混合量子启发式Kolmogorov-Arnold网络模块取代了传统的馈通网络，可将可训练参数和内存使用量显著减少约66%。基准测试表明，GQKAE在实现与现有GPT基方法相当的化学精度方面，同时为复杂系统提供了更优的收敛性和能量误差。