KI News: Kurz und klar.

Forscher haben ein neues Machine‑Learning‑Modell vorgestellt, das die Entwicklung von Lithium‑Ion‑Batterien beschleunigen und gleichzeitig Kosten sowie Energieverbrauch senken kann.

Eine neue Methode zur Entscheidungsfindung in der Kreislaufwirtschaft wurde vorgestellt. Das Konzept nutzt einen deterministischen Solver, der auf einem erweiternden Disassembly Sequencing Planning‑Graphen basiert. Durch die Einbindung der Demontagehistorie in den Zustand wird die Markov‑Eigenschaft gewährleistet, sodass jede Entscheidung nur vom vorherigen Zustand abhängt und damit optimal und rekursiv ausgewertet werden kann.

In modernen Energiesystemen – von Elektrofahrzeugen bis hin zu Stromspeichern – sind Batterien unverzichtbare Bausteine. Ein effektives Batteriezustandsmanagement sichert nicht nur die Sicherheit, sondern steigert auch die Kosteneffizienz und Nachhaltigkeit.

In einer aktuellen Studie auf arXiv wird ein innovativer Ansatz vorgestellt, der das Problem der energieoptimierten Kurzstreckenplanung für Elektrofahrzeuge (EVs) in großen Straßennetzen angeht. Dabei spielt die Rückgewinnung von Energie beim Abfahren von Hängen eine entscheidende Rolle, da sie negative Energiekosten erzeugt und die klassische Annahme eines festen Startwerts für die Batteriekapazität infrage stellt.

Ein brandneues Modell namens HyperCast verspricht, die Vorhersage von Ladebedarf für Elektrofahrzeuge (EV) deutlich zu verbessern. Durch den Einsatz von Hypergraphen, die komplexe, gruppenbasierte Beziehungen zwischen Ladestationen abbilden, kann das System über die üblichen paarweisen Verbindungen hinausgehen und die dynamischen Ladegewohnheiten in Städten genauer erfassen.

Eine britische Taskforce hat die Vereinigten Königreich als den teuersten Ort weltweit für Kernkraftprojekte bezeichnet und fordert ein radikales Reset der regulatorischen Rahmenbedingungen.

Ein Anbieter von Ladestationen für Elektrofahrzeuge hat seine Nutzer darüber informiert, dass ihre Daten durch einen kürzlichen Sicherheitsvorfall bei einem Dienstleister gefährdet sein könnten. Dabei wurden Namen und E‑Mail-Adressen der Kunden in die Hände von Unbefugten gelangt, während die Abrechnungsdaten laut dem Unternehmen sicher bleiben.