Inhaltsverzeichnis
6. Erneuerbare Energien integrieren
7. Energieverbrauchsüberwachung
8. Reduzieren Sie Verschwendung
9. Wohlbefinden am Arbeitsplatz
Was kommt als nächstes für KI und Nachhaltigkeit?
Heim Technologie-Peripheriegeräte KI Wie künstliche Intelligenz die Nachhaltigkeit der gebauten Umwelt verbessern kann

Wie künstliche Intelligenz die Nachhaltigkeit der gebauten Umwelt verbessern kann

Apr 02, 2024 pm 02:43 PM
人工智能 智能建筑 erneuerbare Energie Nachhaltigkeit

Wie künstliche Intelligenz die Nachhaltigkeit der gebauten Umwelt verbessern kann

Die gebaute Umwelt ist eine wesentliche Emissionsquelle. Nachhaltige Architektur ist unerlässlich.

Ohne eine Verbesserung der Nachhaltigkeit der gebauten Umwelt werden ESG-Initiativen Schwierigkeiten haben, ihre erklärten Ziele zu erreichen. Wie in vielen Branchen versprechen Entwicklungen in der künstlichen Intelligenz, die dringend benötigte Energieoptimierung voranzutreiben.

Aber was genau trägt KI dazu bei, die Erschöpfung natürlicher oder materieller Ressourcen zu verhindern, damit zukünftige Generationen weiterhin davon profitieren können? Mit anderen Worten: Wie kann KI genutzt werden, um konkrete nachhaltige Entwicklungslösungen zu schaffen? Künstliche Intelligenz und Nachhaltigkeit

Wie wir alle wissen, vereint Nachhaltigkeit ökologische, soziale und wirtschaftliche Aspekte. Dabei handelt es sich um einen wichtigen Prozess, der sich mit den Umweltherausforderungen unseres Planeten befasst und gleichzeitig soziale Gleichheit fördert und wirtschaftlichen Wohlstand sichert. Das Ziel der Nachhaltigkeit besteht darin, eine sicherere, gesündere und erfülltere Zukunft für alle zu gewährleisten, sowohl kurzfristig als auch für zukünftige Generationen. Um dieses Ziel zu erreichen, müssen wir zunächst die Umweltschutzmaßnahmen verstärken, darunter die Reduzierung der Umweltverschmutzung, den Schutz der Artenvielfalt und die Förderung der Nutzung erneuerbarer Energien. Gleichzeitig ist auch soziale Gerechtigkeit von wesentlicher Bedeutung, wobei der Schwerpunkt auf der Verringerung der Armut, der Verbesserung von Bildung und Gesundheitsversorgung sowie der Gewährleistung gleicher Chancen und Rechte für die Menschen liegt. Darüber hinaus ist wirtschaftlicher Wohlstand auch nachhaltig

Bei der künstlichen Intelligenz handelt es sich um eine komplexe Technologie, die verschiedene Aspekte der menschlichen Intelligenz nachahmen und dabei helfen kann, fundierte Entscheidungen zu treffen.

Künstliche Intelligenz umfasst maschinelles Lernen, ein System, das Erfahrungen und Daten zum Lernen nutzt und in der Lage ist, große Informationsmengen zu verarbeiten, Muster und Anomalien zu erkennen und Abläufe zu automatisieren. Solche Systeme erfordern keine Programmierung und können im Laufe der Zeit verbessert und angepasst werden. Darüber hinaus kann es große Informationsmengen verarbeiten, unterschiedliche Muster und Anomalien erkennen und automatisierte Aktionen durchführen. Dies gibt Unternehmen und Einzelpersonen bessere Möglichkeiten, große Informationsmengen zu verarbeiten und verborgene Muster und Chancen zu entdecken und zu nutzen.

Der Begriff Künstliche Intelligenz und Nachhaltigkeit wird heutzutage immer häufiger verwendet. Dies spiegelt das wachsende Interesse am Einsatz künstlicher Intelligenz zur Unterstützung nachhaltiger Strategien und Entwicklungen wider. Der Einsatz künstlicher Intelligenz zur Bewältigung ökologischer und sozialer Herausforderungen ist ein Trend, der in Medienberichten, wissenschaftlicher Literatur und Branchendiskussionen deutlich wird.

Darüber hinaus sind Gebäude für 36 % des weltweiten Endenergieverbrauchs und 39 % der energie- und prozessbedingten CO2-Emissionen verantwortlich (Internationale Energieagentur).

Lassen Sie uns mit diesem Wissen im Hinterkopf untersuchen, wie künstliche Intelligenz genutzt werden kann, um die Nachhaltigkeitsbemühungen und Netto-Null-Ziele von Gebäuden wirklich zu verändern.

Wie unterstützt künstliche Intelligenz die Nachhaltigkeit in der gebauten Umwelt?

Energieverbrauchsmanagement.

    Überwachung des Arbeitsplatzkomforts.
  • Integration erneuerbarer Energien.
  • Ressourcenmanagement.
  • Abfall reduzieren.
Dies sind nur einige der konkreten Möglichkeiten, wie künstliche Intelligenz die Nachhaltigkeit in der gebauten Umwelt unterstützt. Doch wie genau nutzt die gebaute Umwelt diese Möglichkeiten?

Kurz gesagt geht es darum, künstliche Intelligenz in die Smart-Building-Technologie zu integrieren. Dadurch entsteht eine Superkraft. Ein hochkomplexes System, das in der Lage ist, fortschrittliche Datenanalysen zu nutzen, um große Mengen an Informationen von angeschlossenen Geräten und Sensoren zu verarbeiten und zu interpretieren und maschinelles Lernen für Prozesse, Reaktionen und Automatisierung zu nutzen.

All dies kann verschiedene Gebäudefunktionen in Echtzeit optimieren, die Effizienz verbessern, Kosten sparen, den Energieverbrauch optimieren, das Benutzererlebnis in der gebauten Umwelt verbessern und zu einer nachhaltigen Entwicklung beitragen. Lassen Sie uns etwas tiefer darauf eingehen.

Hier sind 9 Möglichkeiten, wie künstliche Intelligenz die gebaute Umwelt optimieren kann:

1. Energieverbrauchsmanagement

Künstliche Intelligenz nutzt fortschrittliche Algorithmen und Datenanalysen, um die Effizienz gebäudeenergiebezogener Prozesse und Systeme zu verbessern.

2. Predictive Analytics

Predictive Analytics wird verwendet, um Energieverbrauchsmuster basierend auf historischen Daten, klimatischen Bedingungen und anderen relevanten Faktoren vorherzusagen und zu analysieren.

Durch das umfassende Verständnis, wie und wann Energie verbraucht wird, sind KI-basierte Systeme in der Lage, Spitzenbedarfszeiten vorherzusagen und Gebäudebetriebssysteme entsprechend zu optimieren.

3. Präsenzsensoren

Künstliche Intelligenz arbeitet mit Präsenzsensoren zusammen, um dynamisch auf digitale Veränderungen in verschiedenen Bereichen des Gebäudes zu reagieren.

Leere Bereiche oder Bereiche mit geringer Auslastung reduzieren automatisch den Energieverbrauch, indem beispielsweise die Beleuchtungsstärke angepasst oder die HVAC-Einstellungen gesenkt werden, um Energie zu sparen, ohne den Komfort der Bewohner oder die Sicherheit des Gebäudes zu beeinträchtigen.

4. Gerätebetrieb

Bei der Auswahl und dem Betrieb von Geräten kann künstliche Intelligenz helfen, indem sie Leistungsdaten basierend auf spezifischen Anforderungen analysiert und Optionen und Verbesserungen empfiehlt.

Zum Beispiel kann KI die Leistung von HVAC-Systemen automatisch optimieren, indem sie Temperatur und Luftstrom basierend auf Echtzeit-Belegung und Umgebungsbedingungen anpasst. Es kann auch die Innenbeleuchtung automatisch reduzieren, wenn das natürliche Licht draußen zunimmt, und umgekehrt.

5. Fehlererkennung und Wartung

Durch die ständige Überwachung der Leistung und die Weiterleitung von Anomalien, die von Schall- und Vibrationssensoren erfasst werden, können KI-Systeme laufende Fehler oder Ausfälle in Gebäudesystemen, Maschinen oder Fabriken effizient und schnell erkennen.

Die frühzeitige Erkennung potenzieller Probleme bedeutet, dass proaktive Wartung die reaktive Wartung ersetzt, Energieverschwendung verhindert, ein optimaler Maschinenbetrieb gewährleistet und die Lebensdauer der Ausrüstung verlängert wird.

6. Erneuerbare Energien integrieren

Künstliche Intelligenz kann die Integration erneuerbarer Energien in Gebäude unterstützen. Künstliche Intelligenz kann dazu beitragen, die Nutzung des aus diesen umweltfreundlichen Energiequellen erzeugten Stroms zu maximieren, indem sie die Nutzung je nach Energiebedarf und Klimabedingungen optimiert.

Einer der mächtigsten Aspekte der künstlichen Intelligenz ist, dass sie gezielt trainiert werden und im Laufe der Zeit lernen kann. Es kann beispielsweise die Energieverbrauchsmuster eines Gebäudes zu unterschiedlichen Tages- oder Jahreszeiten erkennen und Präzedenzfälle für eine darauf abgestimmte Optimierung des Energieverbrauchs schaffen.

7. Energieverbrauchsüberwachung

Künstliche Intelligenz kann detaillierte Einblicke in Energieverbrauchsmuster generieren. Gebäude- und Facility-Manager können diese Informationen nutzen, um Verbesserungsmöglichkeiten zu identifizieren. Dies wird dazu beitragen, gezielte Strategien zu entwickeln, um die Energienutzung im gesamten Gebäude weiter zu verbessern, den CO2-Fußabdruck zu reduzieren und dazu beizutragen, Netto-Null-Emissionen zu erreichen.

8. Reduzieren Sie Verschwendung

Künstliche Intelligenzalgorithmen sind mit intelligenten Überwachungssystemen verbunden, um die Ressourcennutzung zu verfolgen und Erkenntnisse über Nutzungsmuster zu liefern, die als Leitfaden für Verbesserungsstrategien verwendet werden können.

Das KI-gesteuerte intelligente Bestandssystem hilft dabei, die Versorgung effizient zu verwalten. Durch die Fähigkeit, den Ressourcenbedarf vorherzusagen, wird sichergestellt, dass Überbestände vermieden werden und die Gefahr von Verschwendung aufgrund ungenutzter oder abgelaufener Artikel verringert wird.

Künstliche Intelligenz kann auch zur Verfolgung der Versorgungsnutzung eingesetzt werden. Durch maschinelles Lernen werden Anomalien wie ungewöhnlich hoher Wasserverbrauch erkannt und Inspektionen auf Lecks oder andere Probleme veranlasst.

Künstliche Intelligenz kann auch Abfallaufkommen und -managementprozesse innerhalb von Gebäuden kontinuierlich überwachen. Die generierten detaillierten Daten und Berichte ermöglichen es Gebäudemanagern, maßgeschneiderte Abfallreduzierungs- und Recyclingstrategien umzusetzen.

9. Wohlbefinden am Arbeitsplatz

Bei Nachhaltigkeit geht es nicht nur um den Umweltaspekt, obwohl dieser wichtig ist. Es geht auch darum, die Gesundheit und das Wohlbefinden der Gebäudenutzer zu unterstützen.

Künstliche Intelligenz kann die Steuerung von Beleuchtung, Heizung und Kühlung direkt in die Hände des Endbenutzers übertragen, sodass dieser seine eigenen Präferenzen basierend auf seiner Arbeitsumgebung festlegen kann.

Künstliche Intelligenz überwacht außerdem die Luftqualität in Innenräumen und erkennt durch maschinelles Lernen Anomalien, die der Gesundheit der Bewohner schaden könnten. Außerdem variiert der Außenluftstrom je nach veränderter Belegung oder Außenverschmutzungsgrad.

Was kommt als nächstes für KI und Nachhaltigkeit?

Eine von Microsoft in Auftrag gegebene Studie von PwC schätzt, dass der Einsatz von KI für Umweltanwendungen bis zum Jahr 2030 bis zu 5,2 Billionen US-Dollar zur Weltwirtschaft beitragen wird, ein Anstieg von 4,4 % im Vergleich zum Normalfall.

Darüber hinaus zeigen Untersuchungen, dass der Einsatz künstlicher Intelligenz die globalen Treibhausgasemissionen im Jahr 2030 um 4 % reduzieren kann, was 2,4 Milliarden Tonnen Kohlendioxidäquivalent entspricht, was den kombinierten jährlichen Emissionen Australiens, Kanadas und Japans entspricht im Jahr 2030.

Künstliche Intelligenz spielt bereits eine wichtige Rolle bei der Unterstützung von Nachhaltigkeit. Insbesondere in der gebauten Umwelt ermöglicht KI durch die Bereitstellung umfassender datengesteuerter Erkenntnisse sowie durch prädiktive Analysen und Echtzeitüberwachung einen schlankeren Betrieb von Gebäuden, die Optimierung des Energieverbrauchs, die Verbesserung des Wohlbefindens am Arbeitsplatz und die Identifizierung von Möglichkeiten zur Verbesserung der Gesamtumwelt Auswirkungen.

Im Kontext der Nachhaltigkeit liegt das Schöne an künstlicher Intelligenz in ihrer Fähigkeit, Daten in umsetzbare Strategien umzuwandeln und Gebäudeeigentümer dabei zu unterstützen, fundierte Entscheidungen zu treffen und eine langfristige nachhaltige Entwicklung zu erreichen.

Die Rolle künstlicher Intelligenz bei der Nachhaltigkeit spiegelt sich in ihrer Fähigkeit wider, traditionelle Methoden des Baumanagements erheblich in anspruchsvollere Methoden umzuwandeln und so eine grünere, gesündere, stabilere und widerstandsfähigere Zukunft zu unterstützen.

Das obige ist der detaillierte Inhalt vonWie künstliche Intelligenz die Nachhaltigkeit der gebauten Umwelt verbessern kann. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

AI Hentai Generator

AI Hentai Generator

Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

R.E.P.O. Energiekristalle erklärten und was sie tun (gelber Kristall)
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Beste grafische Einstellungen
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. So reparieren Sie Audio, wenn Sie niemanden hören können
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Wie man alles in Myrise freischaltet
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Jun 28, 2024 am 03:51 AM

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

Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Jun 10, 2024 am 11:08 AM

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

Sieben coole technische Interviewfragen für GenAI und LLM Sieben coole technische Interviewfragen für GenAI und LLM Jun 07, 2024 am 10:06 AM

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

Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Jun 11, 2024 pm 03:57 PM

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

Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Jul 25, 2024 am 06:42 AM

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

Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Fünf Schulen des maschinellen Lernens, die Sie nicht kennen Jun 05, 2024 pm 08:51 PM

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

SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen Jul 17, 2024 pm 06:37 PM

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

GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams Jul 15, 2024 pm 12:21 PM

Laut Nachrichten dieser Website vom 5. Juli veröffentlichte GlobalFoundries am 1. Juli dieses Jahres eine Pressemitteilung, in der die Übernahme der Power-Galliumnitrid (GaN)-Technologie und des Portfolios an geistigem Eigentum von Tagore Technology angekündigt wurde, in der Hoffnung, seinen Marktanteil in den Bereichen Automobile und Internet auszubauen Anwendungsbereiche für Rechenzentren mit künstlicher Intelligenz, um höhere Effizienz und bessere Leistung zu erforschen. Da sich Technologien wie generative künstliche Intelligenz (GenerativeAI) in der digitalen Welt weiterentwickeln, ist Galliumnitrid (GaN) zu einer Schlüssellösung für nachhaltiges und effizientes Energiemanagement, insbesondere in Rechenzentren, geworden. Auf dieser Website wurde die offizielle Ankündigung zitiert, dass sich das Ingenieurteam von Tagore Technology im Rahmen dieser Übernahme mit GF zusammenschließen wird, um die Galliumnitrid-Technologie weiterzuentwickeln. G

See all articles