


Wie man künstliche Intelligenz nutzt, um die Leistung von Klimaanlagen um das Zehnfache zu verbessern
Die Energie, die wir zur Kühlung von Innenräumen verwenden, hat sich seit 1990 verdreifacht und wird sich bis 2050 noch einmal verdreifachen, da in Entwicklungsländern und Ländern mit mittlerem Einkommen zunehmend Klimaanlagen eingesetzt werden. Forscher investieren große Anstrengungen in die Entwicklung neuer Kühltechnologien, um den Energieverbrauch zu senken, aber es scheint, dass keine Technologie in naher Zukunft die besten Ergebnisse erzielen wird.
Lin Kayser, CEO des Münchner Designsoftwareunternehmens für künstliche Intelligenz Hyperganic, sagte: „Innovationen bei der Klimatisierung sind wie Kernfusion, sie dauert immer 20 Jahre.“ Jahr vom Erfolg entfernt. . Durch den Einsatz künstlicher Intelligenz zur Generierung eines völlig neuen Wärmetauscherdesigns, das dann mit einem 3D-Metalldrucker gedruckt werden kann, entwickelt Hyperganic nach eigenen Angaben eine Wohnklimaanlage, die nach eigenen Angaben zehnmal effizienter als herkömmliche Klimaanlagen und gleichzeitig einfach ist Die Anschaffungs- und Betriebskosten sind die gleichen wie bei einer herkömmlichen Klimaanlage.
Das Unternehmen hat eine Partnerschaft mit dem deutschen Unternehmen EOS, einem Hersteller von 3D-Druckern aus Metall und Kunststoff, und dem in den Vereinigten Arabischen Emiraten ansässigen Fertigungsunternehmen Strata Manufacturing geschlossen.
Klimaanlagen kühlen das Gebäude, indem sie Wärme von innen nach außen durch einen Wärmetauscher oder eine Kondensatoreinheit pumpen, die das Kältemittelgas in eine Flüssigkeit komprimiert. Ein Ventilator bläst über den Kondensator und bläst die beim Verflüssigungsprozess freigesetzte Wärme in die Luft. Die Kühlung verbraucht heute mehr als 16 % der in Gebäuden verbrauchten Energie, und Wärmetauscher sind die energieintensivsten Komponenten von Klimaanlagen.
Wärmetauscher sind Strukturen, die große Oberflächen benötigen und auf komplex gekrümmten Innenkanälen basieren. Doch die traditionelle Technik und Fertigung ist in ihrer Komplexität begrenzt und bevorzugt einfachere Designs, um die Kosten zu senken. Kayser sagte: „Jetzt werden jede Sekunde 10 Klimaanlagen verkauft, aber die Klimaanlagen sind in den letzten 30 Jahren die gleichen geblieben.“ Daher sind KI-basiertes Design und 3D-Drucktechnologie zum Schlüssel für die Gestaltung von Hochleistungskomplexen geworden Struktur-Wärmetauscher.
Allerdings ist das komplexe Design, das für den Wärmetauscher erforderlich ist, die beste Wahl, die auf künstlicher Intelligenz und 3D-Druck basiert. Tatsächlich ist der neue Prototyp-Wärmetauscher zu einem beliebten Produkt bei Metalldruckunternehmen geworden, die die Leistungsfähigkeit der Technologie demonstrieren möchten. Die Mission von Hyperganic besteht darin, „Innovationen in der physikalischen Technik drastisch zu beschleunigen. Ein Großteil der Innovationen der letzten Jahrzehnte fand in der Informationstechnologie statt, während Autos, Flugzeuge und Geräte immer noch sehr ähnlich sind zu dem, was sie ursprünglich waren“, so Kayser auf künstlicher Intelligenz Die Designplattform ermöglicht es Ingenieuren, Elemente zu verwenden, die von komplexen Designs aus der Natur inspiriert sind, wie z. B. Korallen, um Wärmetauscher mit völlig unterschiedlichen Strukturen zu schaffen, die die Energieeffizienz der Komponenten durch Vergrößerung der Oberfläche und Optimierung des Luftstroms erhöhen Durch schnelle Iterationen der algorithmischen Technik werden wichtige Designelemente (wie die Anzahl der Abzweigungen und Rohrdurchmesser) in Parameter umgewandelt, sodass mehrere Designs gleichzeitig generiert werden können, um den Wärmetauscher mit der besten Leistung in einer bestimmten Umgebung effizient zu erstellen.
Ein typisches Beispiel: Im Mai stellten Hyperganic und EOS das weltweit größte gedruckte Aerospik-Raketentriebwerk vor. Das Aerospik-Triebwerk wird oft als gewaltige technische und fertigungstechnische Herausforderung angesehen Die Designs werden auf den Laser-Pulverbettschmelzmaschinen von EOS gedruckt, die Laser verwenden, um Metallpulver Schicht für Schicht zu erhitzen und zu verschmelzen, um Teile herzustellen. #In einer sich zunehmend erwärmenden, energiehungrigen Welt hat Innovation in der Klimatisierung Priorität Wärme direkt in den Weltraum zu bringen, wie zum Beispiel thermoelektrische Materialien und passive Strahlungskühlung, sind spannend, aber es kann Jahre dauern, bis sie kommerziell realisierbar sind. Hyperganic leistet nichts Radikales, das kurzfristig unpraktisch ist „Wir versuchen, fortschrittliche Fertigungskapazitäten mit künstlicher Intelligenz zu kombinieren.“ Es ist nicht so kompliziert, wie etwas völlig anderes zu erfinden. „ Er fügte hinzu, dass das Unternehmen eine Reihe neuer Designs für neue Klimaanlagen-Wärmetauscher entwickelt hat und über einige Leistungsdaten verfügt. Sie planen, einen Prototyp auf der Klimakonferenz der Vereinten Nationen in Dubai vorzustellen nächstes JahrDas obige ist der detaillierte Inhalt vonWie man künstliche Intelligenz nutzt, um die Leistung von Klimaanlagen um das Zehnfache zu verbessern. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

Laut Nachrichten dieser Website vom 2. Juli gab der offizielle CNOOC-Bericht gestern (1. Juli) bekannt, dass das Ölfeld-Entwicklungsprojekt Wushi 23-5 in Betrieb genommen wurde. Dies ist auch das erste rundum grüne Designöl Offshore-Feld in meinem Land. Zum ersten Mal leitete diese Ölfeldgruppe Öl und Gas aus 2.000 Metern unterirdischem Meeresboden auf die Leizhou-Halbinsel in Guangdong, wurde zu einem neuen Modell für die umweltfreundliche Entwicklung von Chinas Offshore-Ölfeldern und lieferte wichtige praktische Demonstrationen und Erfahrungen, auf die sich die Energiewirtschaft meines Landes umstellen kann CO2-arme und grüne Transformation. Diese Website erfuhr aus Berichten, dass sich die Ölfeldgruppe Wushi 23-5 in den östlichen Gewässern des Beibu-Golfs mit einer durchschnittlichen Wassertiefe von etwa 28 Metern befindet und aus zwei Offshore-Plattformen und einem Landterminal besteht. Die Ölfeldgruppe Wushi 23-5 plant, 43 Entwicklungsbohrungen in Betrieb zu nehmen, darunter 28 Ölproduktionsbohrungen und 15 Wasserinjektionsbohrungen. Die Ölfeldgruppe wird voraussichtlich eine Tagesproduktion von etwa 1 erreichen
