5月18日，美国能源部（DOE）加入前沿发展实验室（FDL），其人工智能与技术办公室（AITO）将与FDL研究团队合作，将物理、模拟和机器学习之间的协同作用应用于清洁能源、地球科学和气候适应挑战^[1]。FDL是地外文明搜寻研究所（SETI）、美国国家航空航天局（NASA）、美国地质调查局（USGS）、谷歌云、英特尔、洛克希德马丁等建立的公私合作伙伴关系，是一项应用人工智能研究计划，由机器学习专家与学科领域专家合作解决空间、地球科学和能源方面的难题。2022年，FDL将承担7项DOE的研究挑战。

1、适应气候的电网。使用人工智能帮助确定最佳方法以解决气候变化带来的众多风险，例如维护社会的能源基础设施免受更频繁和极端天气事件的影响。

2、加强地下电网。使用基于物理知识的人工智能方法应用于地球物理数据，以强化地下能源资产，例如场地识别、地下线路、地震响应、地下控制和地下高压直流输电监测。

3、二氧化碳封存的地质力学。将机器学习应用于地质力学和地球物理学，以推进预测潜在二氧化碳封存地点诱发地震活动率的创新。人工智能能使用焦点机制数据帮助估计应力状态，从波形数据中选择地震事件，或查找反射地震数据中的故障。

4、野火：燃料负荷的多光谱估计。使用机器学习增强工具来防止火灾或发展成大火，利用在轨多光谱相机和机器学习识别最容易着火的区域。

5、城市辐射猎人。使用人工智能技术在城市搜索任务中促进检测、识别和定位方面的创新。目前，搜索队依靠辐射探测系统提醒自己是否存在非法核威胁源。但是，由于自然辐射的变化和非威胁源的存在，检测算法必须在缺少的威胁源（假阴性）和报告许多误报之间仔细平衡。

6、聚光太阳能发电控制器优化。使用人工智能来理解和推导出干式冷却器热负荷、目标出口二氧化碳温度、二氧化碳流量和预测的入口 二氧化碳温度允许优化选择干式冷却器设计参数，包括表面积、风扇尺寸和速度、材料等。

7、氢气发现引擎。使用人工智能工具促进生产和分配氢气的技术创新。                                                 （黄茹）