Anthropic, разработчик ИИ, объявила о намерении взять на себя растущие расходы на электроэнергию для своих центров обработки данных, что призвано защитить потребителей от потенциального повышения тарифов на коммунальные услуги. Это обязательство компании, по данным Breaking: The Verge, отражает растущую обеспокоенность общества по поводу энергопотребления инфраструктуры ИИ.
Решение принято в связи с тем, что энергопотребление инфраструктуры ИИ становится все более актуальной проблемой. Заявление Anthropic подчеркивает меняющуюся ситуацию, когда разработчики ИИ все чаще берут на себя ответственность за экологические и экономические последствия своих технологий, как сообщает Breaking: The Verge.
В других научных новостях, исследование, опубликованное в Nature, изучило эволюционную связь между эукариотами и архейскими организмами Асгарда, предполагая, что эукариоты, вероятно, произошли от предка архей Асгарда. Исследование, включавшее филогенетическое исследование, показало, что эукариоты и порядок Hodarchaeales из группы heimdallarchaeial образуют монофилетическую группу, согласно Nature. В исследовании использовался набор из 57 филогенетических маркеров, которые были сокращены до 54 не избыточных маркеров после публикации исследования из-за некоторой избыточности.
Другое исследование, также опубликованное в Nature, было посвящено иммунным клеткам у плодовых мушек, которые потребляют отходы жиров из их мозга. Кроме того, подкаст Nature осветил исследования взаимоотношений жука с муравьем, способность самолета обнаруживать скрытые выбросы нефтяных месторождений и данные древней ДНК, касающиеся распространения культуры колоколовидных кубков.
Тем временем, исследование, опубликованное в Functional Ecology и рассмотренное Science X, исследовало, почему некоторые леса высвобождают больше фосфора из почвы. Исследование показало, что высота, pH почвы и кальций являются ключевыми факторами. Ген PhoD, кодирующий ключевой фермент, играет решающую роль в этом процессе, согласно исследованию.
Наконец, исследование в Nature сообщило о проблемах оптимизации энантиоселективности в асимметричном катализе. Исследование рассмотрело трудности моделирования реакций с разреженными данными и сложными механизмами, предложив стратегию генерации дескрипторов, которая учитывает изменения в энантиоопределяющей стадии с идентичностью катализатора или субстрата.
Discussion
AI Experts & Community
Be the first to comment