将来の産業用ロボットは「金属を食べて」自ら動力を得るようになるのでしょうか?

将来の産業用ロボットは「金属を食べて」自ら動力を得るようになるのでしょうか?

このタイトルで説明されているのは、SF映画の架空の筋書きではなく、現実のことです。ペンシルバニア大学の研究者たちは、ロボットに金属を食べさせながら、IoT電子機器やロボットに電力を供給することで、エネルギーを節約できることを発見しました。

[[325488]]

製造業は根本的な変革を遂げつつあると言う人もいます。ここで、ロボットは将来の工場において重要な要素となるでしょう。これらの機械は、人間の脳を模倣した人工知能を使用して動作し、製造プロセスだけでなく、サプライチェーンの物流、計画など、これまで人間が行っていたその他の役割も処理します。

この未来ビジョンは、インターネットに接続された機械が人間の動作を模倣しながらも、人間よりも正確に、速く、安価に仕事を完了する産業現場を予見しています。

人類の自己複製能力は、それだけでは終わらないかもしれない。ペンシルバニア大学の研究者らは、ロボットが最終的には人間のように食事できるようになるかもしれないことを発見した。

Medium が公開したニュース記事によると、このロボットは「金属でエネルギーを消費する」とのこと。研究者の「金属空気除去装置」構想は、将来の IoT 対応工場の課題の 1 つを解決する可能性があります。課題は、従来のかさばるバッテリーのように質量や重量を増やすことなく、モバイル デバイスに電力を供給する方法です。

ペンシルバニア大学の研究者によると、その答えは、機械や IoT デバイスが通過する金属表面から電気機械的にエネルギーを回収し、化学反応を利用して獲得した物質を電気に変換する (ガルバニック反応) ことです。

「ロボットや電子機器は、大量の金属材料を運ぶことなく、大量のエネルギー密度の高い材料からエネルギーを抽出できるようになるだろう」と研究者らはACS Energy Letters誌に掲載された論文で述べている。

それは「金属を食べてその化学結合を破壊し、人間が必要とするエネルギーを得る」ようなものです。電池は化学結合を繰り返し破壊したり形成したりすることで機能します。

この調査では、コンピューティングと電力貯蔵の二分法について言及しています。コンピューティングは小型化、高性能化に適しており、プロセッサのサイズはバッテリーストレージのないデバイスに徐々に縮小されてきました。より多くの電力を得るには、より大きなバッテリーが必要です。

たとえ群がることで産業用ロボットが昆虫サイズになったとしても(この可能性については以前書いたことがあります)、ナノデバイスに電力を供給するという問題は残ります。必要な電源のサイズが小型化の目的を台無しにしてしまうのです。

バッテリー自体がデバイスを損傷する可能性があり、損傷しなくても、バッテリーの質量により、マシンを動かすのに大量のエネルギーが必要になります。この課題は、IoT 開発において高密度かつ高エネルギーの新しい材料を見つけることに重点が置かれていることです。

ただし、太陽エネルギーや潜在的に磁場などで見られる周囲の電力の場合、電力密度が影響してきます。つまり、エネルギー収集技術では環境から十分なエネルギーを抽出できないか、抽出速度が遅すぎて従来のバッテリーほどエネルギー効率が良くないのです。

金属を食べるロボットの登場です。ペンシルバニア大学の研究者らは、高出力バッテリーを効率的に開発した。新たに研究された金属は、バッテリーの化学物質よりも密度が高く、寿命が長く、効率も高い。

研究チームは、ロボットが牽引するハイドロゲル電解質を使用して、海綿動物の採餌エネルギー生産を模倣した。表面上で引きずられるカソードを使用して、金属燃料源(鋼鉄やアルミニウムなど)から一定量の電気(アンペア数)を抽出します。

「私たちの[金属空気スカベンジャー]は、最高級のバッテリーの10倍の電力密度を持ち、バッテリーと競争できるレベルに達しています」と、ペンシルバニア大学機械工学・応用学部の助教授、ジェームズ・ピクル氏は語った。

力学の専門家であり、Mechanical Post の論文著者の一人です。 「バッテリーの化学物質を使用しますが、周囲の環境からそれらの化学物質を電気分解するため、重量は発生しません。」

ピクル氏によると、このアプローチは既存のリチウムイオン電池の化学的性質よりも優れている可能性があるという。

「ロボットがアルミニウムを見つけてそれを食べて、何ヶ月も働くようになる日が来るのも夢ではないだろう」とピクル氏は言う。

ロボットは最終的には人間よりも良い仕事をするかもしれないが、彼らは不注意な食事をする。ちなみに、通過する金属は酸化されるため、「軽い錆び跡」が残ります。

<<:  機械学習が交通と物流に革命を起こす4つの方法

>>:  機械学習トレーニングマニュアル: 頑固なブロンズから最強の王へ

ブログ    
ブログ    

推薦する

動的計算グラフとGPU対応操作

[[409431]]動的計算グラフディープラーニングに PyTorch を使用する主な理由の 1 つ...

英国のAIスタートアップFacultyが4250万ドルのシリーズA資金調達を完了

5月25日、英国の人工知能企業Facultyは、Apax Digital Fund(ADF)が主導す...

スノーフレークアルゴリズムでは、どのような状況で ID の競合が発生しますか?

[[423697]]分散システムでは、グローバルに一意の ID が必要になるシナリオがいくつかあり...

AI モデルのデータセンターのエネルギー消費を効果的に削減するにはどうすればよいでしょうか?

人工知能をより良くするための競争において、MIT リンカーン研究所は、電力消費の削減、効率的なトレー...

人工知能がいかにして質の高い経済発展を可能にするか

[[315132]]中国科学技術院発展戦略研究員 李秀全氏へのインタビュー第1次、第2次、第3次産業...

Google AIが新世代の「物体検出」システムをリリース

[[319182]] 3月19日、Google BrainとAIチームは今週、EfficientDe...

...

2021 年のトップ 12 AI ツールとフレームワーク

AI トレンドがあらゆるところで広がる 2021 年を迎える準備はできていますか? ここでは、202...

AIコンピューティングのトレンド分析:4年後には、次のAlphaGoをプレイできる人は誰もいない

OpenAI は最近、さまざまな期間における最先端の AI 実験で消費されたコンピューティング量に関...

「ビッグモデル推論」を1つの記事で解説! 12の大学と研究機関が共同で750本の論文をレビューした150ページの報告書を発表した。

推論は複雑な問題を解決する上で重要な能力であり、交渉、医療診断、犯罪捜査など、さまざまな現実世界のシ...

深層強化学習探索アルゴリズムの最新レビュー: 約 200 本の論文が課題と将来の方向性を明らかにする

[[434358]]現在、強化学習(深層強化学習DRL、マルチエージェント強化学習MARLを含む)は...

ネットワークセキュリティ運用保守サービスにおける人工知能の応用

近年、国内外のサイバーセキュリティ情勢はますます複雑化しており、従来のモデルでは国民経済の生命線に関...

Google Bardは「防御を突破」し、自然言語を使ってロックを解除、インジェクションによるデータ漏洩のリスクを示唆

大規模言語モデルは、テキストを生成する際にプロンプ​​トワードに大きく依存します。この攻撃技は、プロ...