欧盟计划投资200亿欧元进行人工智能研究，希望各国政府和私营公司加大对人工智能的研究和创新支出。随着美国和中国在人工智能研究方面的支出增加，欧洲在中美人工智能竞赛中落后的风险不断增大。美国科技公司一直以六位数的薪水吸引英国顶尖博士研究人员。为了阻止人才外流，一些顶尖科学家已经为一个大型的跨国欧洲人工智能研究所制定了计划。欧洲学习和智能系统实验室（European Lab for Learning and Intelligent Systems）将在包括英国在内的许多国家设立中心。2017年发布的《欧洲人工智能公司生态报告》显示，英国成为欧洲人工智能的核心中枢，第二位是德国，拥有51家初创公司，法国排在第三位有39家，但是这些都不足以和中美相提并论。2016年，欧盟的企业投资额高达40亿美元，而亚洲的投资额为120亿美元，美国为230亿美元。
法国总统4月宣布2022年投入15亿欧元的人工智能公共资金，将法国转变为“创业国”。法国将重点结合医疗、汽车、能源、金融、航天等法国较有优势的行业来研发人工智能技术。法国国家工业委员会将制定具体路线图，以推动这些行业人工智能技术的研发。
为了达到200亿欧元的目标，欧盟承诺“地平线2020”计划下将2018至2020年的支出增加15亿欧元，还希望通过公私合作伙伴关系额外支出25亿欧元。英国5月宣布签署了一份声明，承诺采用欧洲的人工智能方法。人工智能可以解决关键的社会挑战，从可持续医疗到气候变化，从网络安全到可持续移民。
美国每年70%的电能最后都变成热量而被浪费掉。为了提升能源效率，利用热释电薄膜将废热转化为电能是备选方案之一。相比其他形式的热释电能量转换技术，薄膜可以将不稳定的废热转化成能量密度、功率密度和效率更高的电能。但是热释电薄膜特性的精确测量仍然困难重重，对于热释电过程及物理认识的不足限制了热释电薄膜的大范围应用。
加州大学伯克利分校的研究人员合成了一种厚度仅为50-100纳米的热释电薄膜材料，并在此基础上制造了热释电薄膜器件并进行了测试。工程师利用这些结构来评估温度、电流和热源，从而衡量设备的发电能力——所有工作都是利用厚度为100纳米以下的薄膜来完成的。
测试结果显示，热电能量转换能密度每立方厘米1.06焦耳、功率密度每立方厘米526瓦特、卡诺效率19%（卡诺效率是热机效率测量的标准单位）。研究人员下一步将致力于特定废热流和温度下薄膜材料的优化，可以根据废热源的不同提供肺热回收最优材料及解决方案。
相关研究工作发表在Nature Materials （文章标题：Pyroelectric energy conversion with large energy and power density in relaxor ferroelectric thin films）。
美国俄勒冈州立大学Mas Subramanian率领的研究团队开发出新材料锂锇氧化物，其晶体结构可以保持量子自旋液体，是量子计算研究领域的重要进展。
锂锇氧化物中的锇原子形成一种蜂窝状晶格，产生一种称为“磁阻挫”（magnetic frustration）的现象，如凝聚态物理理论家预测，这种现象可能导致量子自旋液体。
在永磁体中，电子以对齐的方式自旋，即它们都以相同的方向旋转。但在受挫的磁铁中，原子排列使得电子自旋不能实现有序排列，而处于不断波动的状态，类似于离子如何出现在液体中。
研究人员发现锇锂氧化物即使在冻结到接近绝对零度时也没有磁有序的证据，表明该化合物可能存在潜在的量子自旋液态。新发现扩大了量子自旋液体材料的范围，可能会改变处理和存储数据的方式。
量子自旋液体现象只在很少的无机材料中被检测到，如一些含有铱的材料。锇在元素周期表中与铱紧邻，并具有形成能够维持量子自旋液态化合物的所有合适特征。这种化合物是第一种含锇的蜂窝状结构材料，预计未来将受到更多关注。研究团队下一步将探索用锇创建各种完美有序的晶体结构。
相关研究工作发表在Scientific Reports（文章标题：Local Moment Instability of Os in Honeycomb Li2.15Os0.85O3）。
目前汽车的燃料效率最高约为40%，即有约60%的燃油能量通过排气管和散热器浪费掉。如果利用热电材料对汽车废热进行回收，可以提高约5%的燃油效率。但由于热电系统非常复杂，对半导体材料有特殊的性能要求（包括高导电、高热电势和低热导率等），因而热电材料成本较为昂贵。除此以外，热电材料开发耗时严重，例如由铪和锆（最常用于核反应堆的元素）组成的先进材料，从最初的发现到最优性能的确定，花费了15年的时间。
为了解决前述问题，哈佛大学工程与应用科学学院的研究人员开发了一种基于量子力学方程的算法，不需要进行任何实验辅助，就可以在几个月内发现并优化热电材料。该算法只根据晶体中的化学元素来预测材料的电子传输特性。其关键在于简化电子-声子散射的计算方法，与现有算法相比，其运算速度提高约1万倍。使用这种改进的算法，研究人员筛选出多种可能的晶体结构，其中有一些是从未合成过的。研究人员从中筛选了几个有趣的结构，做了进一步优化，将性能最优者交由实验团队合成。
实验人员通过合成计算优选出来的材料，发现了一种与以前的热电材料同样高效和稳定的材料，但价格却便宜了10倍。并且从最初的筛选到合成只用了15个月的时间。研究人员下一步希望改进这种新方法，并利用它来探索更广泛的新型特殊材料，如拓扑绝缘材料。
相关研究工作发表在Advanced Energy Materials（文章标题：Accelerated Screening of Thermoelectric Materials by First‐Principles Computations of Electron–Phonon Scattering）。
万勇
