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    

推薦する

...

ニューラルネットワークのトレーニングを4倍高速化! Google Brainチームが「データエコー」アルゴリズムを提案

[[271402]]ムーアの法則の終焉にあたり、GPU やその他のハードウェア アクセラレータによっ...

...

MITが家中に設置できる紙のように薄いスピーカーを開発

MITのエンジニアたちは、あらゆる表面を音源に変えることができる紙のように薄いスピーカーを開発した...

専門家の洞察: AI を活用して配送をスピードアップする方法

毎分250人の赤ちゃんが生まれ、世界では4回の地震が発生し、シンガポール港では1,000トンを超える...

研究者はAIを活用して新型コロナウイルスの理解を深める

[[319373]]新型コロナウイルスが昨年12月に中国・武漢で発生して以来、過去数か月間に2,00...

クラウドサービスが舞台を整え、AIが役割を果たす、これはI/Oに劣らないGoogleテクノロジーカンファレンスです

Google をよく知っていると思っている人でも、Cloud Next カンファレンスについては聞い...

...

...

アプリケーションプロトコル識別における大規模言語モデルの応用

パート 01.アプリケーション プロトコル識別とは何ですか?アプリケーション プロトコル識別とは、ネ...

トロント大学のデュヴノーチームは確率微分方程式を組み合わせて、無限深ベイズニューラルネットワークを提案した。

[[433557]]ニューラル ネットワークの制限を無限の数の残差層の組み合わせとして見ると、その...

...

...

大型モデルが最高95.8%の精度で「人肉検索」を実施!研究著者:OpenAIはGoogle Metaに注意喚起された

新しい研究(ETH チューリッヒによる)では次のことがわかりました。大規模モデルの「人間による検索」...