- 综合排序
- 最热优先
- 最新优先
《碳寻2》启动，全球抓捕二氧化碳
2023年3月，我们发起了一项面向未来前沿技术的「碳寻计划」——在全国征集能「捕捉二氧化碳」的创新技术。 比如，北京科技大学苏伟老师团队，就和河钢集团达成合作，用技术把钢铁生产过程中产生的「废物」二氧化碳和钢渣结合，变成建筑砖块，改变了以往生产钢铁过程中产生的钢渣要么被填埋、要么掺杂进建材的水泥里制成低质量建材的传统方式 再比如，苏州坤晟生物降解新材料有限公司就和丹麦家居设计品牌HAY，通过二氧化碳制PPC多元醇技术，联合造出了一款藏有环保海绵的固碳沙发，每一个沙发样品中含有426g二氧化碳。 「想尽办法捕捉二氧化碳」——听起来很浪漫。也是很多科学家和初创企业正在努力探索的技术方向。我们的「碳寻计划」，希望从一块固碳砖、一个固碳沙发开始，持续在全球范围内寻找更多前沿低碳技术。
24810编辑于 2024-12-05- 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
全球二氧化碳排放数据1deg产品(ODIAC)数据
简介 全球二氧化碳排放数据1deg产品(ODIAC)是一个空间分辨率为1deg*1deg的全球化石燃料燃烧产生的二氧化碳空间分布产品。 它率先将基于空间的夜间灯光数据与单个发电厂的排放/位置相结合来估计化石燃料二氧化碳的排放。 该产品被国际研究界广泛用于各种研究应用（例如 CO2通量反演、城市排放估算和观测系统设计实验）前言 – 人工智能教程 以下是一些二氧化碳数据： 2019年，全球平均二氧化碳浓度达到了408.5ppm，较工业化前水平增加了约 二氧化碳是最主要的温室气体，占温室气体总量的76%。 中国是全球最大的二氧化碳排放国家，占全球总排放量的28%。 每年约有40亿吨二氧化碳被排放到大气中，其中约30%被吸收到陆地和海洋中，剩余部分则会在大气中滞留几个世纪。
95210编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
NASA数据集——阿尔法喷气式大气实验二氧化碳和甲烷数据
Alpha Jet Atmospheric eXperiment Carbon Dioxide and Methane Data 阿尔法喷气式大气实验二氧化碳和甲烷数据 简介 Alpha Jet Atmospheric 标准有效载荷包括经过严格校准的臭氧（O3）、甲醛（HCHO）、二氧化碳（CO2）和甲烷（CH4）混合比，以及包括三维风在内的气象数据。每次 2 小时的飞行可完成多个垂直剖面（约 8.5 千米）。 AJAX 计划对二氧化碳、甲烷、臭氧、甲醛、水蒸气、温度、压力和三维风的机载测量数据已在美国国家航空航天局机载科学数据中心（https://asdc.larc.nasa.gov/project/AJAXTS9
24910编辑于 2024-05-28 - 来自专栏ShowMeAI研究中心
数据科学手把手：碳中和下的二氧化碳排放分析 ⛵
图片 气候是全球性的话题，本文基于owid co2数据集，分析了世界各地的二氧化碳排放量，并将二氧化碳排放的主要国家以及二氧化碳排放来源进行了可视化。 ，我们可以看到二氧化碳排放的主要国家以及导致二氧化碳排放的不同来源。 实战数据集下载（百度网盘）：公众号『ShowMeAI研究中心』回复『实战』，或者点击 这里 获取本文 [23]碳中和背景下的二氧化碳排放数据分析 『owid co2 data数据集』 ⭐ ShowMeAI 如果我们根据二氧化碳的来源进一步分析并仅看 2020 年，那么我们将得到以下结果： final df 2020 = final _df[(final_df[ 'year' ]==2020) ] final States'] final_df_US[['year','coal_co2','gas_co2','0il_co2']].plot(x='year', kind='bar',figsize=(10,6)
86041编辑于 2022-08-26 - 来自专栏HyperAI超神经
33 分钟生成 12 万种碳捕捉候选材料，美国阿贡国家实验室发布生成式 AI 框架，加速 MOFs 创新
在工业化飞速发展的大环境下，地球正面临着一个严峻而急迫的问题一一过度的二氧化碳排放。 该技术是利用物理或化学方法，从大型排放源中提取二氧化碳，并对其进行处理，避免二氧化碳直接进入大气中，从而达到减排的目的。 基于GCMC模拟和CGCNN模型 6种MOFs分别在0.1bar和300K下的二氧化碳吸附量 最终，研究人员确定了 102 个稳定且高性能的 MOFs 结构，并对这 102 个 MOFs 进行 Grand Canonical Monte Carlo (GCMC) 模拟，计算它们在 0.1 bar 和 300K 条件下的二氧化碳吸附能力，发现了 6 个二氧化碳吸附能力高于 2 m mol g−1 的 MOFs ，这 6 种 MOFs 的晶体结构如下： 6种MOFs的晶体结构 碳为灰色，氮为深蓝色，氟为青色，锌为紫色，氢为白色，锂为绿色 实验结论：AI 框架可以生成有效的新型 MOFs AI生成的配体与hMOFs
61610编辑于 2024-03-25 - 来自专栏灯塔大数据
深度|5亿次出行大数据 ofo成为绿色出行主要倡导者
4月6日，共享单车行业领骑者ofo小黄车联合交通运输部科学研究院发布《2017年中国主要城市骑行报告》，将节能减排水平作为综合评价的标准之一对20个城市的共享单车发展水平进行对比分析。 4月6日，共享单车行业领骑者ofo小黄车联合交通运输部科学研究院发布《2017年中国主要城市骑行报告》，将节能减排水平作为综合评价的标准之一对20个城市的共享单车发展水平进行对比分析。 以北京市平均出行距离13.2km为例，全程选择私家车出行将制造2.1kg二氧化碳排放;如果选择公交车出行，而以共享单车作为短途衔接，二氧化碳排放量将降至0.15kg;如果全程选择共享单车出行，将不会产生二氧化碳排放 数据指出，在2017年第一季度，共享单车累计完成近6亿行驶里程，若替换成私家车出行的方案将耗费4150万升汽油，排放二氧化碳130956吨。 截至目前，按一辆中等排量小轿车0.27kg/km碳排放计算，ofo小黄车共为城市减少了近30万吨的二氧化碳排放，相当于30万公顷森林1天二氧化碳的吸收量，有效减少了大气污染。 ?
87390发布于 2018-04-08 - 来自专栏资讯分享
追碳的人：“碳寻计划”首期Top30榜单发布
有的团队十几年来都致力于直接从空气中捕集二氧化碳。有的团队把捕集到二氧化碳制成冰醋酸，这在食品工业、化学工业甚至电影工业中都有用处。 二氧化碳（温室气体有多种，但二氧化碳对全球变暖影响最大，科学家把二氧化碳作为温室效应的基本单位）会吸收太阳的热量，让地球温度升高。 如果地球变暖1.5 ℃，北极融化的冰会让全球海平面上升0.2-0.77米，约6%的昆虫、8%的植物和4%的脊椎动物会失去适宜的生存环境。对普通人来说，我们也正在亲身领略全球变暖的威力。 目前传统行业主流的CCUS工程，还是捕集二氧化碳后，用于油田封存。但钢铁产地和封存地距离遥远，油田能封存的二氧化碳量也有限。 这条赛道入选的7个项目，是搭建数字平台，为封存二氧化碳选址，以及在封存后持续监测、防止二氧化碳泄露。非要类比，这像是搭建一个找车位的app，让捕集到二氧化碳的企业，找到便宜、安全、能监控的停车位。
68741编辑于 2023-09-22 - 来自专栏新智元
谷歌自证清白？Jeff Dean 团队发文佐证AI模型不会产生大量碳足迹
2020年6月，马萨诸塞大学的研究人员发布了一份报告，估算出训练和搜索某个模型所需的能量大约需要626,000磅的二氧化碳排放量，相当于美国汽车平均寿命排放量的近5倍。 ? 他们指出，《科学》杂志最近的一篇论文发现，尽管计算能力在同一时期内增长了550% ，但全球数据中心的能源消耗与2010年相比仅增长了6% 。 他们得出的结论是: 1 谷歌预先训练的语言模型T5使用86兆瓦，产生了47吨的二氧化碳排放 2 开放域聊天机器人米娜使用了232兆瓦，产生了96吨的二氧化碳排放 3 语言翻译框架 GShard 使用了24 ，产生了552吨的二氧化碳排放 ? 尽管谷歌牵头的研究对此提出了质疑，但至少有一项研究显示，用于训练自然语言处理和其他应用程序的最大模型的计算机数量在6年内增长了30万倍，比摩尔定律还要快。
84040发布于 2021-05-27 - 来自专栏人工智能LeadAI
40 行代码搞定主题词提取
试试这句： 一家加拿大公司正在尝试另一种方法：从空气里面捕获二氧化碳。方法是把空气吹向氢氧化钾溶液，形成碳酸钾。进一步加工处理之后，转变为碳酸钙颗粒。 这种颗粒加热后，就会释放二氧化碳，再埋入地下的管道。现在，捕获一顿二氧化碳的成本在200美元以上，但是未来估计可以降低到100美元以下。 要人来概括的话，应该是「加拿大公司尝试固化二氧化碳」。 这种颗粒加热后，就会释放二氧化碳，再埋入地下的管道。现在，捕获一顿二氧化碳的成本在200美元以上，但是未来估计可以降低到100美元以下。" 5 6RMMSeg::Dictionary.load_dictionaries 7algor = RMMSeg::Algorithm.new(text) 8 9h = Hash.new(0) 10seg 5.818551043352356], 3["以下", 5.8185510433523575], 4["公司", 6.304058289729166], 5["正在", 6.622685740709558], 6[
54820发布于 2018-07-30 - 来自专栏AI科技评论
今日 Paper | 二氧化碳排放预测；3D人脸重建；BERTology入门；动态场景重建等
目录 用机器学习方法对电网中的二氧化碳排放强度进行短期预测 基于图卷积神经网络的高保真3D人脸重建 BERTology入门：解读BERT的工作原理 DymSLAM：基于几何运动分割的动态场景重建 The Virtual Tailor: 基于人体姿态、形状和服装类型的3D服装预测 用机器学习方法对电网中的二氧化碳排放强度进行短期预测 论文名称：Short-Term Forecasting of Madsen 发表时间：2020/3/10 论文链接：https://arxiv.org/abs/2003.05740 推荐原因 1 核心问题 本文主要解决的是用机器学习方法来预测丹麦招标地区中电网二氧化碳的排放强度
42230发布于 2020-04-01 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
NASA数据集——对流层二氧化碳垂直分辨率剖面图
该支持产品尤其侧重于对流层二氧化碳检索。一般来说，AIRS 支持产品包括标准产品中数量的更高垂直分辨率剖面图，加上中间输出（如仅微波检索）、研究产品（如痕量气体丰度）和详细的质量评估信息。 一个 AIRS 粒度被设定为 6 分钟的数据。这通常约等于一个轨道的 1/15，但正好是 AMSU-A 数据的 45 个扫描线或 AIRS 和 HSB 数据的 135 个扫描线。
22900编辑于 2024-05-24 - 来自专栏AI篮球与生活
不到100行Python代码教你做出精美炫酷的可视化大屏
这里小编来为大家科普一下，所谓的“碳达峰”指的是在某一时间点，二氧化碳的排放不再达到峰值，之后逐步回落。 而“碳中和”也就意味着企业、个体与团体在一定时间内直接或间接产生的温室气体排放总量，通过植树造林、节能减排等形式，抵消自身产生的二氧化碳排放，实现二氧化碳的“零排放”。 今天小编就用Python来制作一张可视化大屏，让大家来感受一下近百年来二氧化碳排放的趋势以及给我们所居住的环境造成了什么样的影响。 col4, space3, col5, space4, col6 = st.columns((10,1,10,1,10)) with col4: st.markdown("""## 二氧化碳和全球变暖之间的关系 with col6: st.subheader(" 副标题二 ") ...
1.3K10编辑于 2022-04-13 - 来自专栏Super 前端
碳达峰、碳中和计算原理
2020年9月22日，中国政府在第七十五届联合国大会上提出：“中国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。” (关于其重大意义，推荐林超所长的分享) 碳排放强度： 是指单位国民生产总值（GDP）的增长所产生的二氧化碳排放量。 为了便于统计计算，人们把这些温室气体按照影响程度不同，折算成二氧化碳当量，所以大家常常用二氧化碳指代温室气体。 碳排放量 碳排放量是指在生产、运输、使用及回收该产品时所产生的平均温室气体排放量。 1千克标准煤=2.493千克二氧化碳 热值为 7000千卡/千克（29307 千焦/千克，即 1.471 4 kgce/kg 柴油 42 652 kJ/kg（10 200 kcal/kg） 1.457 1 kgce/kg 原油 41 816 kJ/kg（10 000 kcal/kg） 1.428 6
2.4K11编辑于 2021-12-30 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
NASA数据集——AIRSAqua L3 8 天自由对流层中的二氧化碳（AIRS+AMSU）2.5 度 x 2 度 V005
troposphere (AIRS+AMSU) 2.5 degrees x 2 degrees V005 (AIRX3C28) at GES DISC AIRS/Aqua L3 8 天自由对流层中的二氧化碳 数据以摩尔分数为单位（体积数据 x 10^6 =ppm）。这是一个对流层总柱属性。文件格式为 HDF-EOS 2.12，与 HDF4 相对应。 这个 AIRS 中对流层二氧化碳三级 8 天网格检索产品包含标准检索平均值、标准偏差和输入计数，以及给出网格框中心的经纬度阵列。每个文件涵盖 8 天的时间段。 平均值是 8 天时间内该网格框内各个二氧化碳检索结果的算术平均值。 中对流层二氧化碳探测结果已被平均化，并分成 2.5 x 2 度的网格单元，经度从 -180.0 度到 +180.0 度，纬度从 -60.0 度到 +90.0 度。
17800编辑于 2024-05-24 - 来自专栏大数据文摘
训练一个模型要排放284吨二氧化碳？能源专家：没那么夸张
今年6月的一篇论文指出，机器学习正带来巨量碳负债，模型训练二氧化碳排放的相关数据大得惊人。根据论文中的相关计算，完成一个被称为神经结构搜索的高级转换模型的训练和优化，需要排放大约284吨二氧化碳。 Michael文章合集： https://cleantechnica.com/author/mikebarnard/ 提出相反意见前，让我们先来回顾一下6月份这篇研究，以及基于它所做出的假设。 这篇论文于今年6月由Strubell、Ganesh和McCallum发表在马萨诸塞大学阿姆赫斯特分校，文中研究了NLP中深度学习相关的能源和政策问题，接下来，被多家科技媒体作为头条报道，文摘菌也曾进行了报道 第3至第6列是本文估计与可能的精确值之间的方差计算。需要明确的是，NAS Evolved Transformer模型仍然可以看到10吨的CO2e，这是相当可观的，但仅占研究结论的一小部分。 这类企业的运作完全基于风能、太阳能和水电，这使每千瓦时的二氧化碳排放量降低至0.033磅左右。
91230发布于 2019-12-18 - 来自专栏技术杂记
6
配置之后[root@pptp-server ~]# iptables -L -nv Chain INPUT (policy ACCEPT 0 packets, 0 bytes) pkts bytes target prot opt in out source destination 35 3695 ACCEPT all -- * * 0.0.0.0/0 0.0.0.0/0
38630编辑于 2022-06-30 - 来自专栏nummy
ECMAScript 6 特性ECMAScript 6 特性
ECMAScript 6 特性 介绍 ECMAScript 6，也被称做ECMAScript 2015，是ECMAScript标准的下一个版本。这个标准预计将于2015年6月被正式批准。 ES6是这门语言的一次重大更新，自ES5以来，该语言的首次更新是在2009年。主流Javascript引擎对ES6相关特性的实现也正在进行中。 前往ES6标准草案查看ECMAScript 6的所有细节 ECMAScript 6 特性 Arrows 箭头函数 箭头函数是使用 => 语法简写的函数。 _name + " knows " + f)); } } Classes 类 ES6中提供了一个基于原型的面向对象模式的语法糖。简单的声明方式使得类模式变得更容易使用，增加了类的互用性。 f(3) == 15 function f(x, ...y) { // y is an Array return x * y.length; } f(3, "hello", true) == 6
86710发布于 2018-08-27 - 来自专栏数控编程社区
为什么啤酒瓶盖上的锯齿数是21个？告诉你答案
啤酒是一种特殊的酒类饮品，里面含有很多二氧化碳，这是啤酒中的酵母菌产生出来的，人们夏天喜欢喝啤酒就是因为里面有二氧化碳，二氧化碳喝入人体后不久会释放出来，从而带走人体内部的热量，会让人感觉凉快，而且随着气体的释放 所以喝啤酒时人们都喜欢大口大口喝，这样可以吸入更多二氧化碳，从而带来舒适的口感，这也是啤酒所特有的风味。 正因为啤酒含有二氧化碳，所以对啤酒的瓶盖有两个最基本的要求，其一是密封性要好，其二是要具有一定的咬合度，也就是通常所说的瓶盖要牢固。 3.钥匙 4.裤腰带 5.打火机 6.手铐 （谁家有手铐啊摔！！！） 7.A4纸 将A4纸不断对折，折成大约像一个一次性打火机的形状即可（折6下基本就可以了）。
46220编辑于 2022-05-16 - 来自专栏sukuna的博客
MIT_6.S081_xv6.Information 6:File System
MIT_6.S081_xv6.Information 6:File System 于2022年3月27日2022年3月27日由Sukuna发布 1.概览 xv6的文件系统由7层组成,首先就是最下面的硬件层 (类似于cache,cache也有脏数据嘛) 还需要注意的是,在操作系统中,磁盘块的大小一般是磁盘扇区大小的两倍.所以说在xv6中我们认为一块就是两个扇区,就是1024字节.到后面我们逻辑上认为一块就是两个扇区 xv6系统调用不直接写入硬盘上文件系统的数据结构。相反，它把一个描述放在磁盘上，这个描述是它在一个log里所期望的所有磁盘写操作。 log.dev表示该log位于哪一个磁盘（xv6实际上只有一个）。log.outstanding记录了目前有多少个进程正在并行地对磁盘进行写。 读写操作和设备文件 file.c和file.h文件中记录了xv6的驱动 // map major device number to device functions. struct devsw {
80820编辑于 2022-12-08 - 来自专栏计算机学习
xv6(6) 系统调用
$Linux$ 里面系统调用使用的向量号是 $0x80$，$xv6$ 里面使用的 $64$(不同 $xv6$ 版本可能不同)。 可是系统调用是有很多的，虽然 $xv6$ 中实现的系统调用没多少，没多少也还是有那么一些的，怎么区别它们呢？ 这就涉及了系统调用号概念，每一个系统调用都唯一分配了一个整数来标识，比如说 $xv6$ 里面 $fork$ 系统调用的调用号就为 1。 没错，在内核栈中的上下文保存着，从内核栈中取出用户栈的栈顶 $esp$ 值，就可以取到系统调用的参数了，$xv6$ 就是这样实现的。 上述差不多将系统调用的一些理论知识说完了，下面用 $xv6$ 的实例来看看系统调用具体如何实现的。
71610编辑于 2023-12-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号