太陽光や風力エネルギーに対する AI の利点は存在しますか?
太陽光発電と風力発電は急成長していますが、世界の再生可能電力への移行はまだ遅すぎて、気候変動目標をすぐに達成できません。風力エネルギーと太陽エネルギーを地球規模で利用することは、多くの理由から言うは易く行うは難しです。 1 つは、風力タービンとソーラー パネルが複雑で気の利いたシステムであり、故障しやすいということです。故障が頻繁に起こると発電量が減少し、風力発電所や太陽光発電所の運営と維持費が高額になります。
英国ハル大学のデータサイエンティストであるジョイジット・チャタジー氏は、人工知能を使用して発電量やコンポーネントの故障を予測する機能により、再生可能電力がより経済的になる可能性があると述べています。信頼性が高く、普及を加速します。ただし、電子商取引、製造、ヘルスケアなどの他の多くの分野とは異なり、この分野では使用されていません。 「人工知能は気候変動と持続可能性に真の影響を与える可能性があります。しかし、再生可能エネルギー分野に関連する研究はほとんどありません。」
だから、チャタジー氏とその同僚、ディレクターのヘ・ニーナ・デスレフス氏は言う。 MU のコンピュータ サイエンスの博士号を取得した博士は、最近開催された学習表現に関する国際会議 (ICLR) に人工知能と再生可能エネルギーの専門家を集めました。 Data Science Journal Patterns に 6 月 10 日に掲載された展望論文で、両氏はカンファレンスからの重要なポイントを提示し、再生可能エネルギーに対する AI の影響を制限する障壁と、これらを克服するための人工知能手法に確立されたテクノロジーと新興テクノロジーをどのように使用できるかを概説しています。障害物。
事業規模の農場の風力タービンとソーラー パネルにはセンサーが装備されており、オペレーターは発電量と健全性を遠隔監視できます。これらのセンサーには、振動センサー、温度センサー、加速度センサー、速度センサーが含まれます。彼らが生成するデータは機会を提供します。過去の発電データと故障データに基づいてトレーニングされた AI モデルは、風力タービンのギアボックスやソーラー パネル インバーターの予期せぬ故障を予測できるため、オペレーターが停電に備えて定期メンテナンスを計画するのに役立ちます。
Chatterjee 氏は、強化学習はこれらのモデルの改善に役立つエキサイティングな新しい機械学習手法であると述べました。強化学習では、アルゴリズムがトレーニング中に世界と対話し、報酬または罰の決定に関する継続的なフィードバックを受け取り、特定の目標を達成する方法を学習します。この種の実際の相互作用は人間によってもたらされる可能性があります。
「AI の危険性の 1 つは、AI が完璧ではないことです。AI モデルの最適化を常に支援するために、人々を関与させることができます。人々は、AI が人間の部分を置き換えてしまうのではないかと心配することがよくありますが、意思決定を行うのは人間です。しかし、人間は AI モデルと連携して、意思決定支援用のモデルを共同で最適化する必要があります。」
同氏は、自然言語生成 (データを人間が読めるテキストに変換するプロセス) に焦点を当てることで、人工知能への信頼を高め、その使用を増やします。透明性が欠如しているため、業界のエンジニアは研究者が作成したいくつかの故障予測モデルを使用することに消極的です。オペレーターに短い自然言語メッセージを提供すると、対話が促進されます。
人工知能コミュニティにとって、より良いモデルを作成する上での障壁の 1 つは、風力および太陽光産業の商業的敏感性を考慮すると、公開されているデータの量が限られていることです。チャタジー氏は、業界がデータをオープンに共有することに消極的であることに加えて、標準の欠如も AI モデルの開発に影響を与えていると述べた。 「世界各地の風力発電所の運営者はそれぞれ異なる方法でデータを管理しているため、研究者がリソースを一緒に使用することは非常に困難です。」
この問題を解決するために、人工知能コミュニティは、機械学習技術と呼ばれる手法を使用して、転移学習。この方法により、データ内のさまざまな特徴に隠されたパターンを特定することで、データ サイエンティストは、ある機械学習タスクの解決から得た知識を別の関連タスクに移すことができ、データが限られている場合でも、ニューラル ネットワークのトレーニングやディープ ラーニング モデルの開発が容易になります。 「これにより、履歴データがなくても、タービン X 専用のモデルに基づいてタービン Y のモデルを開発することができます。」とチャタジー氏は述べていますが、ニューラル ネットワークが必ずしも常に答えになるわけではありません。これらの深層学習モデルは、伝統的に画像やテキストからの学習に適しているため、人気が高まっています。問題は、ニューラル ネットワークが頻繁に失敗することです。さらに、これらの大規模で計算が複雑なモデルをトレーニングするには、エネルギーを大量に消費する高性能コンピューティング インフラストラクチャが必要ですが、発展途上国ではこれを実現するのが困難です。
少なくとも再生可能エネルギー分野に関しては、シンプルでよい場合もあります。 AI コミュニティは、まず、デシジョン ツリーなどのより単純な機械学習モデルを使用して、それらが機能するかどうかを確認することに重点を置く必要があります。 「一般に、すべての問題にニューラル ネットワークが必要なわけではありません。より計算的に複雑なニューラル ネットワークをトレーニングおよび開発することで、なぜ二酸化炭素排出量が増加するのでしょうか? 今後の研究は、リソースの消費量が少なく、二酸化炭素の消費量が少ないモデルで実施する必要があります。」
以上が太陽光や風力エネルギーに対する AI の利点は存在しますか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究

7月5日のこのウェブサイトのニュースによると、グローバルファウンドリーズは今年7月1日にプレスリリースを発行し、自動車とインターネットでの市場シェア拡大を目指してタゴール・テクノロジーのパワー窒化ガリウム(GaN)技術と知的財産ポートフォリオを買収したことを発表した。モノと人工知能データセンターのアプリケーション分野で、より高い効率とより優れたパフォーマンスを探求します。生成 AI などのテクノロジーがデジタル世界で発展を続ける中、窒化ガリウム (GaN) は、特にデータセンターにおいて、持続可能で効率的な電力管理のための重要なソリューションとなっています。このウェブサイトは、この買収中にタゴール・テクノロジーのエンジニアリングチームがGLOBALFOUNDRIESに加わり、窒化ガリウム技術をさらに開発するという公式発表を引用した。 G
