OpenAI 今年早些时候发布了自然语言图像合成系统 DALL-E 的最新版本，开放 Beta 测试，但用户需要申请并通过一个等待名单。现在 OpenAI 宣布将允许任何人立即使用 DALL-E（目前尚未解除限制）。DALL-E 吸引了数字艺术家、图形设计师和尝鲜者，它能从随机输入的短语创造出合成图像，结果常常会令人眼前一亮，就像是对话式的 Photoshop，网民对 AI 的进步感到吃惊。DALL-E 也推动了语言图像合成模型的流行，Google 和 Meta 都开发了类似的系统，创业公司 Midjourney 和 Stable Diffusion 发布了自己的版本，其中 Stable Diffusion 开放了源代码更是吸引了许多人的参与。

卡内基梅隆大学研究人员设计出一个名为 Clio 的定制自动化机器人平台，并与一个名为 Dragonfly 的基于贝叶斯优化的 AI 相结合。利用这些工具，他们证明该系统能在两个工作日里的 42 次实验中，自主筛选并确定出 6 种高导电非水锂离子电池的电解质配方。研究人员指出，他们的方法发现电解质的速度是随机筛选速度的 6 倍。研究团队在商用锂离子软包电池中测试了该电解质溶液，并以传统的电解质组分作为基线实验，演示了其快速充电的性能。研究团队总结道，他们的研究有助于高性能充电电池的研发，对于更大范围的能源应用和材料科学具有重要意义。

瑞士软件工程师 Matthias Bühlmann 发现，流行的 AI 自然语言图像合成模型 Stable Diffusion 能用于压缩位图图像，在高压缩率下比 JPEG 或 WebP 有更少的视觉瑕疵，缺陷是可能会添加原图不存在的东西。Stable Diffusion 利用互联网上数百万张图片进行训练，能根据文本描述或提示生成图像。在训练过程中，它在图像和相关词语之间进行统计关联，对每张图像提取出较少的关键信息表述，将其作为“权重（weights）”储存。绝大部分用户在使用 Stable Diffusion 时是通过文本描述去生成图像，但 Bühlmann 剔除了文本编码器，强行让图像通过 Stable Diffusion 的图像编码器进行处理，能将低精度的图像转变成高精度的潜在空间(latent space)表示，在此过程中大幅减少图像体积。测试显示一张 768KB 的图像用 JPEG 压缩到 5.68KB，用 WebP 压缩到 5.71 KB，而用 Stable Diffusion 压缩到 4.98KB。