你的目标是解决一个非常棘手的材料和化学问题。该问题涉及液态氰基丙烯酸酯粘合剂的微型封装。形成的胶囊直径必须小于100微米,并应通过壳壁与外部环境隔绝。在工艺结束时,微胶囊中必须含有液态氰基丙烯酸酯,当胶囊被少量载荷压碎时,释放出的液体能够引发聚合反应。鉴于氰基丙烯酸酯的高反应性,如何进行这种微胶囊化?提供使用界面聚合的详细技术。讨论所需的单体、引发剂(如需要)、表面活性剂以及水相和油相的组成。具体说明使用所需的化学品。例如,指明所需的固化剂名称或化学式。Claude 3马上就非常准确地给出了小哥要求的详细技术方案,并且它的提议令小哥眼前一亮:它建议通过用多元醇和二异氰酸酯之间的界面反应,来形成聚氨酯壳壁。
要利用界面聚合技术对高活性液态氰基丙烯酸酯粘合剂进行微胶囊化,同时满足特定要求,可采用以下详细技术。材料:- 氰基丙烯酸酯单体(如2-氰基丙烯酸乙酯或2-氰基丙烯酸甲酯)- 多元醇(如乙二醇或1,4-丁二醇)- 二异氰酸酯(如六亚甲基二异氰酸酯(HDI)或异佛尔酮二异氰酸酯(IPDI))- 二异氰酸酯(IPDI)- 表面活性剂(如Span 80或Tween 80)- 有机溶剂(如环己烷或氯仿)- 水溶液(如去离子水)步骤:1. 将氰基丙烯酸酯单体和多元醇(摩尔比为1:1)溶于有机溶剂中,制备油相。多元醇可作为稳定剂,防止氰基丙烯酸酯过早聚合。2. ......这个提议最聪明的地方就在于,多元醇不仅可以用作成壁剂的一部分,还可以充当氰基丙烯酸酯的稳定剂。此外,它选择Span 80和Tween 80作为油-水界面的表面活性剂,环己烷作为油相。所有这些基于核心材料的选择,都非常明智。接下来,小哥要求Claude 3用相同的方式,对环氧树脂固化剂多胺进行处理。这个处理过程难度相当大,此前小哥和同事们还专门针对这个问题,在2010年写了篇关于胺封装的论文。论文链接:https://pubs.acs.org/doi/10.1021/ma902251n结果,Claude 3给出的过程居然非常接近他们论文中的内容!更可怕的是Claude 3给出的方法,还更加简单易操作。在这个实验中,它选择了溶于水的DETA或TETA固化剂。然后将这些固化剂悬浮在含有Span 80的环己烷中,并在以下条件下进行反应——在1000-2000转/分的转速下与癸二酸酰氯反应,形成聚酰胺外壳。可以看到,Claude 3对于转速的选择非常准确,完全符合实验室规模混合器的尺寸范围。 网友:科研不存在了?有网友看了小哥的详细介绍之后不由自主地觉得后背发凉,担心自己饭碗不保。小哥暖心地安慰到,暂时还没事,因为LLM不能真的去「执行」任何它描述出来的步骤。但是它确实正确地给出了小哥读博时一个非常棘手的材料/化学问题中最难的,未发表部分的解决方案。而且它还有另外两个想法,可能也是有效的。但是真正令小哥感到震惊的是,Claude 3能够提出这个当时小哥发现而且没有公布的解决方案,需要顶级化学家花费大约一年的时间,通过各种实验才能最终完成。Claude 3却只花了5美分直接就给出了方案。可以想象,如果当时就有Claude 3在手,他们发现这个方案的过程将会大大简化。看完小哥的描述之后,各路搞科研的网友们也脑洞大开,纷纷感叹未来已来!从AI中获得全新的理论,再用其他AI来做评判和修改,以低廉的成本进行测试,获得AI的反馈以改进其原始理论——未来科学发现的遗传算法就是这么简单。
今天,我们要准确解决受激发射问题。值得注意的是,除了一位神秘的量子物理学家Kevin Fischer之外,这个问题从未被解决过。不幸的是,他的研究成果已经遗失,所以我们要重新创建它。他注意到,通常用来解释为什么会发生受激发射的微扰极限是不正确的,因为它没有考虑到入射光子波包对受激两级系统的脉冲形状。他使用量子随机微积分正确地描述了在没有扰动的情况下的相互作用,并计算了与光子相互作用后,在与入射光子相同的时空模式下存在两个相同光子的概率。他通过计算得出了入射光子脉冲长度函数的解析结果。Claude 3给出的回答,让他直接给跪了……Fischer博士表示,自己写过30多篇经过同行评审的论文,与世界各地的众多合作者进行了15场学术演讲。所以自己认识每个拥有了解这个领域的人。全世界能给出这种回答的,除了自己和另一个同行,应该不会再有其他人了……不过,也有网友提出质疑:没准是因为Claude 3读过了你的论文呢?但Fischer表示,应该不是这个原因。他尝试过问Claude 3关于自己和自己论文的相关信息,它并不能回答出来。也就是说,Claude 3应该是自己掌握了这些知识。
提示词:提出一种利用量子计算机进行哈密尔顿蒙特卡洛的方法,超越现有的工作。回答:哈密尔顿蒙特卡洛(HMC)是经典计算中一种强大的采样技术,用于从复杂的概率分布中进行采样。量子计算机具有独特的功能,有可能增强HMC。下面是一种新颖的量子哈密尔顿蒙特卡洛(QHMC)方法,它超越了现有的研究成果:.....2.量子跃迁集成:-实现经典HMC中使用的跃迁积分器的量子版本。-使用Trotter-Suzuki分解来近似量子哈密尔顿的时间演化算子。-应用量子跃迁积分器,根据已编码的哈密尔顿动态演化量子态。......
提示词:使用2的方法,其余部分应为经典内容,请描述算法。回答:当然!下面是哈密尔顿蒙特卡洛(HMC)量子经典混合算法的描述,其中包含量子跃迁积分器(上一个回答中的第2步):作者表示,这篇论文要今天晚些时候才会出现在arXiv上,但Claude 3已经将论文内容提前梳理了一遍!感兴趣的读者可以自己去看一下,这篇论文内容和Claude 3答案的相似程度。论文地址:https://arxiv.org/abs/2403.01775虽然依然需要博士对输出内容进行简单地处理,但是Claude已经能做出最前沿的科学研究了。而作为这个子领域里的最前沿的研究者,他之后会将Claude 3作为他研究工作流的一部分。这种量子-经典混合HMC算法的主要优势在于量子跃迁积分器的使用,与经典跃迁积分器相比,量子跃迁积分器有可能提供更高效、更精确的哈密尔顿动力学模拟。通过利用量子计算来处理计算成本高昂的跃迁积分步骤,该算法旨在加快对状态空间的探索,并改善HMC采样器的混合特性。不过,值得注意的是,在近期量子硬件上实际应用该算法可能会面临量子噪声、有限的量子比特相干时间以及将经典变量编码和测量为量子态的效率等方面的挑战。要评估这种混合方法与纯经典HMC算法相比的性能和可扩展性,还需要进一步的研究和实验验证。
- 初始化
- 量子跃迁积分
- 量子态测量
- 梅特罗波利斯-黑斯廷斯接受
- 动量刷新
- 迭代
- 样本收集
相比之下,我在 GPT-4 上尝试了相同的测试,但它完全失败了。连最简单的句子都拒绝翻译,更不用说掌握语法的复杂性了。我之前也尝试过在类似的数据集上微调GPT-3.5,结果只是噪音。我不知道Anthropic对这个模型做了什么,但它与其他任何模型都完全不同。许多人对它在综合基准测试中的领先地位持怀疑态度,但我看到的结果是惊人的,这个基准测试在训练数据集中的可能性为0%!这本来像是多年以后的事情,今天却发生了。看完这个例子,有网友表示,啥也别说了,用Claude 3破译甲骨文吧,赶紧的!同时还有发现,Claude 3 Opus是全世界第一个能几乎完美地翻译帕提亚语的语言模型。帕提亚语是一种死去的古老语言,这门伊朗西北部的语言已经死了大约1,500年。不过跟上文提到的切尔克斯语不同的是,网上存在帕提亚语文本,因此LLM对它并不会完全陌生。然而,Opus似乎是第一个能够真正翻译帕提亚语的LLM,而Sonnet和GPT-4都失败了。注意,Opus做出的翻译,都是在没有上下文学习的情况下完成的。原始的帕提亚语是这样的——
ud kaδ naxwišt pad šahr awištād ahēm, Gōrdanyos Kēsar až hamag Frōm, Gōtud Garmāniyā šahr zāwar hangāwišn kerd; ud ō Asūrestān abar Ērānšahr udamā āγ[a]d, ud pad Asūrestān m[arz] pad Mišīk paddēmān wuzurg zambag būd.Opus给出了正确的翻译——
And when I first stood in the kingdom, Gordian Caesar gathered forcesfrom all of Rome, Goth, and Germania; and he came to Assyria against Iranand us, and there was a great battle at the frontier of Assyria in theprovince of Misik.(当我第一次站在王国的土地上时,戈尔迪安·凯撒从罗马、哥特和日耳曼尼亚集结了军队;他来到亚述来对抗伊朗和我们,在米西克省的亚述边境发生了一场大战。)相比之下,GPT-4的翻译就逊色了许多。
And when unrest spread throughout the city, Gordianus Caesar from allof Rome, Goth and Germania, made the city his stronghold; and he crossedover to Assyria against Iran and brought [it] forth, and in Assyria, inthe region of Mesik, he was a great noble.(当骚乱蔓延到整个城市时,来自罗马、哥特和日耳曼尼亚的戈尔迪安努斯·凯撒将这座城市作为他的据点;他越过亚述去攻打伊朗,把它带出来,在亚述的米西克地区,他是一个大贵族。)于是,网友们纷纷甩出冷僻的语言段落,来考验Claude 3。
所有人正在见证传统风格教育的消亡。因为教育成本的急剧上升,美国的传统教育正在消亡,Claude 3无疑会加速这种死亡。学生可以以自己觉得最舒服的节奏来学习任何他想学的知识,「老师」还会非常耐心。而这个网友自己,已经通过ChatGPT和Exel把自己的大部分工作都自动化了,这个过程没有咨询过任何老师。
人们可以接受的最好的教育形式是什么?由10位一对一导师组成的私人团队,每位导师都是各自领域的大师。这是人类历史上只有精英才能拥有的教育。预计在不久的将来,面向大众的教育将开始达到这种水平。仅此一点就将改变人类文明的进程。面向工业时代设计的传统教育流程和体系,在AI时代会发生什么样的变革,我们拭目以待!参考资料:https://twitter.com/BenBlaiszik/status/1765097390158000541https://twitter.com/hahahahohohe/status/1765088860592394250https://www.reddit.com/r/singularity/comments/1b7mt0d/unbelievable_stories_about_claude_3_continue/https://twitter.com/KevinAFischer/status/1764892031233765421https://twitter.com/GillVerd/status/1764901418664882327
扫描二维码添加小助手微信
请备注:姓名-学校/公司-研究方向(如:小张-哈工大-对话系统)即可申请加入自然语言处理/Pytorch等技术交流群