專家估計到 2025 年，全球「物聯網」裝置的數量（包括收集有關基礎設施和環境實時資料的感測器）可能會增加到 750 億。但是，這些感測器需要經常更換的電池，這對於長期監控可能會造成問題。麻省理工學院的研究人員設計了由光伏供電的感測器，這些感測器可以在需要更換之前傳輸數年的資料。

為此，他們在物美價廉的射頻識別（RFID）標籤上安裝了薄膜鈣鈦礦電池（以低成本，靈活性和相對容易製造而著稱），作為能量收集器。麻省理工學院自動 ID 實驗室和麻省理工學院光伏研究實驗室在《高階功能材料》和《IEEE 感測器》雜誌上發表的兩篇論文中描述了使用感測器連續幾天監控室內和室外溫度的方法。感測器連續傳輸資料的距離是傳統 RFID 標籤的五倍（無需電池）。更長的資料傳輸範圍尤其意味著可以使用一個讀取器同時從多個感測器收集資料。

鬆寶有話說：用於「物聯網」的光伏感測器的突破。

2.【新聞 | 林肯實驗室新型人工智慧超級計算機 TX-GAIA 排名大學功能最強】

林肯實驗室超級計算中心（LLSC）的新型 TX-GAIA（綠色 AI 加速器）計算系統已被評為全球大學中功能最強大的人工智慧超級計算機。排名來自 TOP500，該網站每半年釋出一次不同類別的頂級超級計算機列表。

該系統由 Hewlett Packard Enterprise 構建，將傳統的高效能運算硬體（將近 900 個 Intel 處理器）與針對 AI 應用優化的硬體（900 個 Nvidia 圖形處理單元（GPU）加速器）相結合。TOP500 排名基於 LINPACK 基準測試，該基準衡量系統的浮點計算能力，或者衡量計算機求解線性方程組密集系統的速度。

TX-GAIA 的 TOP500 基準效能是每秒 3.9 萬億個浮點運算，即 petaflops。6 月的 TOP500 基準效能使該系統在東北地區排名第一，在美國排名第 20，在超級計算能力方面排名世界第 51。該系統的最高效能超過 6 petaflops。

鬆寶有話說：有一個超級計算機。

3.【新聞 | DeepMind 新研究：資料驅動機器人的框架】

DeepMind 近日提供了一個數據驅動機器人技術的框架，該框架利用了記錄的機器人經驗的大型資料集，並使用學習的獎勵功能將其擴充套件為多個任務。研究員展示了如何應用此框架在真實的機器人平臺上完成三個不同的物件操作任務。

給定任務演示和與任務無關的記錄經驗，研究員使用一種特殊形式的人類註釋作為監督來學習獎勵功能，這使他們能夠處理無法直接獲取獎勵訊號的現實世界任務。學習的獎勵與來自不同任務的大量經驗資料結合使用，以使用批處理 RL 離線學習機器人策略。使用 DeepMind 的方法可以訓練智慧體執行各種具有挑戰性的操縱任務，包括堆疊剛性物體和搬運布料。

鬆寶有話說：DeepMind開始新的方向：機器人。

【關注我們每天閱讀更多精彩內容】