手机厂商们口中的「Vlog 神器」

锂金属电池所使用的的固态电解质材料体系繁多，性能各异，大体又可以分为有机物（聚合物）和无机物（硫化物和氧化物）两大类，但是这些材料在满足快充、循环、低温、成本等方面均存在巨大挑战。

　　而 QuantumScape 的「固态锂金属电池」通过「无负极」制造工艺和陶瓷材料的固态分离器实现了突破。

　　「无负极」制造工艺，锂金属负极不是在电池制造过程中形成的，而是在电池充电时，由锂离子在金属箔片聚集而形成的，且该过程可逆，能实现多次循环。

　　「无负极」直接去掉了石墨/硅的主体材料，这样就能显著提高电池的体积能量密度至 1000Wh/L，质量能量密度至 500Wh/L；

　　消除了负极主体材料中锂离子的扩散瓶颈，实现了 4C 充电倍率，15 分钟 80% 的快速充电；

　　降低了负极界面的容量损失，延长了使用寿命（800 次/90%）；

　　降低了制造和原材料成本，总体成本相比于现在锂电池还降低了 17%.

　　「固态锂金属电池」使用陶瓷材料的固态分离器代替了液态有机电解质以及多孔隔膜。

　　其本身不可燃，起到了屏障的作用，即使在非常高的电流密度下，能抵抗负极锂枝晶的形成，解决了锂电池因枝晶而导致内短路的「业界难题」。

　　Stanley Whittlingham 表示，制造固态电池最困难的部分是需要同时满足高能量密度、快速充电、长循环寿命和宽温度范围工作的要求。

　　而 QuantumScape 的测试数据均满足这些要求，这是前所未有的。如果这项技术投入大规模生产，它就有可能改变整个行业。

　　「固态电池」如此颠覆，大众早就锁定了 QuantumScape，2012 年开始与 QuantumScape 合作，早期对后者投资超 1 亿美元并成为其最大的汽车股东，2020 年 6 月又追加投资至多 2 亿美元，3 亿美元的投资占据 QuantumScape23% 的股份，现在市值近 100 亿美元。
 

　腾讯 AI Lab 在网络架构搜索方面也取得了一些进展。相较于人工设计网络架构，自动化网络架构搜索效率更高，而且还可能找到人类难以构想出的结构，目前该技术已经在诸多领域得到了广泛应用。在用于提升网络架构搜索的计算效率方面，腾讯 AI Lab 提出了一种过渡性的仿射参数共享训练策略[16]，对参数共享的程度进行了量化分析，并动态地调整搜索训练速度和备选网络结构的可区分性，以提升网络搜索的效率与精度。

　　在结合多任务学习方面，腾讯 AI Lab 采用了基于任务的结构控制器，来针对不同的任务产生针对性的网络结构，并采用元学习的方式，使得网络参数可以快速适应到新的任务上[17]。

　　此外，腾讯 AI Lab 还在相关理论分析方面做出了一些贡献，包括一项评估神经机器翻译的可解释性方法[18]，可帮助我们打开深度学习黑箱。另外，腾讯 AI Lab 还研究了选择性机制对自注意网络的改善情况[19]，解释了该机制在顺序编码和结构建模上的主要贡献，这对于进一步改进自注意力网络有一定的启发和指导意义。

　　最后，腾讯 AI Lab 的一篇 ECCV 2020 论文也提出了一种基于神经科学研究的新式卷积：

　　语境门限卷积（Context-Gated Convolution）[20]。这是一种轻量级的组件，可以很好地应用在现有的卷积神经网络中，在图像识别、视频理解、机器翻译上都可以显著提升现有模型性能。

（编辑：平顶山站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!