首页 > 业界 > 关键词  > seo最新资讯  > 正文

韩国研究人员开发出将废弃的太阳能板回收为高性能太阳能电池的技术

2021-08-22 09:53 · 稿源: cnbeta

研究人员已经开发出一种非破坏性的技术来回收废弃的太阳能电池板以制造高性能的太阳能电池。几十年后,当目前正在使用的太阳能电池板在其大约20年的运行寿命完结后被丢弃时,这项技术将变得至关重要。

太阳能电池板是一种由玻璃、铝、硅和铜等材料制成的光伏模块。它利用太阳光作为能量来源来产生直流电。太阳能电池是一种黑色镜面的电气装置,是太阳能电池板的关键组成部分。韩国的科学家们已经研究了一些技术,以最大限度地提高回收太阳能电池板的效率。

韩国能源研究所(KIER)在8月19日的一份声明中说,由Lee Jin-seok领导的研究小组开发的一项技术能够实现太阳能电池板的回收。该研究所说,这项新技术可以同时回收未受损和受损的电池板,使玻璃组件的回收率达到100%。大约80%的其他材料可以被回收,并回收为高性能太阳能电池。

研究人员能够将从72个废弃的商业面板上收集的硅提炼成6英寸的单晶锭和硅片。回收的材料被用于生产太阳能电池,其发电效率约为20.52%。普通太阳能电池的能源效率约为15%。

引用KIER首席研究员Lee Jin-seok的话说:"回收一吨废弃的太阳能电池板具有减少1.2吨温室气体的效果,因此这项技术是实现净零排放的绝对关键。KIER已将该技术转让给国内太阳能发电设备制造商HST,以实现商业化。"

根据韩国环境研究所的数据,到2032年该国将丢弃约27627吨的面板。

为了在2050年前实现二氧化碳净零排放,韩国已经加强了其绿色能源发电能力。该国的太阳能发电能力迅速增长,截至2020年11月,已建成约21820台太阳能发电机,总输出功率约为3.65千兆瓦(GW)。一千兆瓦的能力所生产的电力能够为大约30万个家庭提供一年的电力。

举报

  • 相关推荐
  • 韩国研究人员开发小样本学习模型,仅凭脑波数据就能发现人的意图

    韩国Daegu科技大学机器人与机械工程系的SanghyunPark教授领导的研究团队宣布,他们已经成功开发了一种小样本学习模型,仅需少量信息就能够准确分类脑波。这一突破性的研究可能会对未来与脑波相关的研究产生积极影响。这一研究的突破性将有望在未来的医疗和脑机接口领域产生深远的影响,为更好理解和应用脑波数据打开了新的可能性。

  • 研究人员发现使用少见语言即可绕过GPT-4的限制

    布朗大学的计算机科学研究人员发现了OpenAI的GPT-4存在的安全性问题。通过使用不常见的语言,如祖鲁语和盖尔语,他们成功绕过了GPT-4的限制性设置。尽管他们意识到这一研究可能会给网络犯罪分子提供想法,但他们仍然认为将这一漏洞公之于众是必要的,因为利用现有的翻译API轻松实施这些攻击,因此那些试图绕过安全防护的恶意行为者最终会发现这一漏洞。

  • AI研究人员发现了主要大语言模型中关键漏洞 可低成本复制

    大型语言模型如ChatGPT和Bard在全球范围内引起了广泛的关注,众多公司投资数百万美元用于开发这些人工智能工具一些领先的AI聊天机器人的估值已达到了数十亿美元。这些LLM主要被应用于AI聊天机器人,它们通过整合互联网上的大量信息来学习和为用户提供请求的答案,这些请求通常被称为“提示”。”这项研究为我们提醒了虽然AI技术带来了巨大的机会,但也伴随着一系列潜在的威胁,因此必须谨慎行事。

  • 微软研究人员用儿童故事进行训练:微型语言模型进入成熟期

    学习英语并不容易,许多学生都深有体会。但当学生是一台计算机时,有一种方法表现出奇地出色:只需将大量来自互联网的文本输入到一个名为神经网络的巨大数学模型中。他们的研究结果暗示了可能有助于训练更大型模型并理解其行为的新研究方向。

  • 研究人员推出深度学习模型RECAST 改进地震预测

    来自加州伯克利分校、圣克鲁斯分校以及慕尼黑工业大学的研究人员发表论文,阐述了一种崭新的模型,将深度学习引入地震预测领域。该模型被命名为RECAST,相比自1988年问世以来改进有限的当前标准模型ETAS,RECAST可利用更大的数据集,提供更高的灵活性。你会看到它朝着正确的方向发展。

  • 谷歌研究人员在 JAX 中引入了一个开源库 用于在球面上进行深度学习

    Google研究人员最近推出了一个基于JAX的开源库,旨在解决在球面上进行深度学习的挑战。传统的深度学习模型通常处理平面数据,例如图像,但科学应用中的数据通常是球面数据。3.这项研究有望在分子性质预测和气象预测等领域取得突破性进展,为医疗研究和气候分析提供有力支持。

  • 斯坦福大学研究人员提出MAPTree算法,改进决策树建模

    决策树是一种广泛使用的著名机器学习算法,可用于分类和回归任务。斯坦福大学的研究人员在最新论文中提出了一种称为MAPTree的决策树归纳算法,这是基于贝叶斯决策树理论的一种改进方法。这项突破不仅利于决策树算法本身的发展,也为决策树在数据挖掘等领域的应用带来了新的契机。

  • 研究人员称,即使是最糟糕Claude AI版本也比GPT 3.5更好

    10月6日,一场引人入胜的竞争正在AI行业内悄然展开,OpenAI的ChatGPT与Anthropic的ClaudeAI模型之间展开了激烈的角逐。负责创建ChatbotArena和著名的Vicuna模型的大型模型系统组织刚刚更新了他们的ChatbotArena排行榜,展示了每个AI聊天机器人与竞争对手相比的表现。由于Claude模型在排名上超越了GPT-3.5,企业和个人用户可能会发现自己在评估哪个模型最符合其需求时面临抉择。

  • 斯坦福大学的研究人员推出Spellburst 可简化艺术创意转化为代码的过程

    生成艺术家通常使用编程语言或AI文本到图像工具来将表达性语义转化为代码,以创建抽象的图案或超现实的景观。编写艺术作品是一个耗时复杂的过程通常需要通过多次迭代的试验和错误来改进作品,这可能会受到界面的限制感到沮丧。他们计划在今年晚些时候将该工具作为开源工具发布,以供艺术家使用,并研究这种工具如何帮助新手学习如何用代码创作艺术。

  • 中国研究人员推ImageBind-LLM:通过ImageBind实现LLM的多模态指令调优方法

    研究人员最近在大型语言模型的指令调整方面取得了令人瞩目的进展。这一发现对于提高通用语言模型的性能和多模态指令响应能力具有重要意义。ImageBind-LLM展示了四个关键特点:这项研究的成果为大型语言模型的多模态指令响应能力提供了新的方法和思路,具有重要的实际应用潜力。