筆記一下學到的ChatGPT角色扮演詠唱語法

請ChatGPT角色扮演 = 限制範圍 + 限制格式。避免他聊天聊到後面歪樓。這個邏輯可以適用在各種場景。

(1)「今後的對話中，請你扮演我的專業翻譯，將我給你的文字翻譯成中文，這些規則不需要我再重新說明。」- 翻譯助理

(2)「今後的對話中，請你扮演我的專業翻譯，將我給你的文字翻譯成英文，這些規則不需要我再重新說明。」- 翻譯助理

(3)「在今後的對話中，你都將扮演我的助理，我會給你文件，你需要幫助我列出重點與摘要，文件可能有中文也有英文，你需要用中文回應我，往後這些規則不需要我再次說明」- 文件摘要助理

(4) 「In future conversations, please fix the grammar and improve the sentence structure, clarity, flow and any incoherents parts, which I post. I don’t need to re-explain these rules. 」- 英文文章編修助理

(5) In future conversations, please play the role of my professional scientific article editor and review the English text I provide. Check the grammar and modify it into a scientifically logical and coherent scientific sentence that is also accessible and fluent. I don't need to explain these rules again. 英文科學文章編修助理

其他英文編修的一些 prompt 範例：

Proofread this but only fix grammar（僅修正文法）

Proofread this, improving clarity and flow（提升語意清晰度與流暢度）

Proofread this, improving any incoherent parts（修正語意不連貫之處）

Proofread these bullet points from my CV, keep it in CV language（校正 CV 條列式內容並維持 CV 用語風格）

Gutmann Acceptor and Donor number 溶劑給體數和受體數查詢與量測

 

溶劑給體數和受體數查詢表

https://www.stenutz.eu/chem/solv21.php?sort=5

https://chemistry-europe.onlinelibrary.wiley.com/doi/full/10.1002/chem.201200584

https://www.degruyter.com/document/doi/10.1351/pac197951081697/html

溶劑給體數和受體數量測

https://www.frontiersin.org/articles/10.3389/fchem.2022.861379/full

Ecofriendly Synthesis of Waste-Tire-Derived Graphite Nanoflakes by a Low-Temperature Electrochemical Graphitization Process toward a Silicon-Based Anode with a High-Performance Lithium-Ion Battery

Abstract

Here, the successful transformation of graphitic carbon with a high degree of graphitization and a nanoflake structure from pyrolytic tire carbon black was demonstrated. First, amorphous carbon black with a porous structure was obtained after pyrolysis and simple preacid treatments. Subsequently, the carbon black was converted into a highly graphitic structure at a relatively low temperature (850 °C) through a facile electrochemical route using molten salt, which is ecofriendly and has high potential for large-scale graphitization compared to conventional incineration techniques. Moreover, we further improved the crystallinity and uniformity of the product simultaneously by directly mixing the metal oxide catalyst Fe2O3 with a carbon precursor. The mechanism of this metal-catalyzed electrochemical graphitization has been discussed in detail. To confirm their potential in practical applications, the as-prepared graphitized nanoflakes were used as conductive additives for silicon anodes in lithium-ion batteries, which showed a performance comparable to those utilizing commercial Super-P additives, exhibiting an initial Coulombic efficiency of approximately 79.7% and a high capacity retention of approximately 45.8% after 100 cycles with a reversible capacity of 1220 mAh g–1 at a current rate of 400 mA g–1. Hence, successfully recovered waste-tire-derived carbon black utilizing a low-temperature Fe2O3-catalyzed electrochemical process opens a pathway in low-temperature graphitization toward a sustainable value-added application in the field of energy storage.

https://doi.org/10.1021/acsami.2c20393

Open AI 客服Email

 

1. support@openai.com

2. jlgd@openai.intercom-mail.com

Long-Chain Alkylammonium Organic–Inorganic Hybrid Perovskite for High Performance Rechargeable Aluminon-ion Battery

Abstract

Recent advances in the use of organic-inorganic hybrid perovskites have been investigated in a variety of applications, such as solar cells, photodetectors, light-emitting devices, and lasers, because of their outstanding semiconductor properties. Furthermore, the perovskite structure can host extrinsic elements, making it a promising candidate for battery applications. Previous studies have shown that organic-inorganic hybrid perovskites can be suitable anode materials for both lithium- and sodium-ion batteries. However, multivalent rechargeable batteries with perovskite materials have not yet been realized. Herein, we studied the electrochemical performance of three-dimensional (CH3NH3PbI3 (MAPbI3) and long-chain alkylammonium (C4H9NH3)2(CH3NH3)3Pb4I13 ((iBA)2(MA)3Pb4I13) thin films as electrode materials for rechargeable Al-ion batteries. Our results showed that (iBA)2(MA)3Pb4I13 presented a specific capacity of 257 mAh g–1 at a current density of 0.1 A g−1 and delivered 108 mAh g–1 after 250 cycles at a current density of 0.3 A g−1 with a retention of as high as 91%, demonstrating a crucial role of isobutyl amine (C4H9NH3) due to the unique hydrogen-bonding interaction of isobutyl amine that hinders the shuttle effect of polyiodide. The results open a new direction for the use of organic–inorganic hybrid perovskites for new secondary aluminum ion batteries.

DOI: 10.1016/j.nanoen.2023.108273

The Bitter Lesson (Rich Sutton) 苦澀的教訓 (由ChatGPT翻譯)

 原文:http://incompleteideas.net/IncIdeas/BitterLesson.html

70年的人工智慧研究最大的教訓是，利用計算的通用方法最終是最有效的，而且差距很大。這背後的根本原因是摩爾定律，或者更準確地說，是計算單位成本持續指數級下降的泛化。大多數人工智慧研究都是在假設代理可用的計算量是恒定的情況下進行的（在這種情況下，利用人類知識是提高性能的唯一途徑之一），但在略長於典型研究項目的時間裡，大量更多的計算能力不可避免地會變得可用。研究人員尋求在短期內尋找改進，試圖利用他們對領域的人類知識，但從長遠來看，唯一重要的是利用計算。這兩者不必相互對立，但實踐中它們往往如此。在其中一個上花費的時間就是沒有花在另一個上的時間。人們對於投資這種或那種方法有心理上的承諾。而且，基於人類知識的方法往往以使方法複雜化的方式使其不適合利用利用計算的通用方法。回顧一些最突出的人工智慧研究者晚來的這個苦澀教訓的例子是有啟示性的。

 

在電腦國際象棋中，1997年擊敗世界冠軍卡斯帕羅夫的方法是基於大規模、深度搜索的。當時，這被大多數追求利用人類對國際象棋特殊結構理解的電腦國際象棋研究者們以失望的眼光看待。當一個更簡單、基於搜索的方法配合特殊硬體和軟體證明遠遠更有效時，這些基於人類知識的國際象棋研究者並沒有好好接受失敗。他們說，"暴力"搜索這次可能贏了，但它不是一種通用策略，而且無論如何這不是人們下棋的方式。這些研究者希望基於人類輸入的方法獲勝，並對它們沒有獲勝感到失望。

 

在電腦圍棋研究中，出現了類似的研究進展模式，只是延遲了20年。巨大的初期努力投入到避免搜索中，通過利用人類知識或遊戲的特殊特性，但所有這些努力一旦在規模上有效應用搜索後，都證明是無關緊要的，甚至更糟。同樣重要的是利用自我對弈來學習價值函數的使用（就像在許多其他遊戲中一樣，甚至在1997年首次擊敗世界冠軍的程式中的國際象棋中，儘管學習在那個程式中沒有扮演重要角色）。通過自我對弈學習，以及一般的學習，就像搜索一樣，它使得可以利用大量的計算。搜索和學習是利用大量計算進行人工智慧研究的兩個最重要的技術類別。在電腦圍棋中，就像在電腦國際象棋中一樣，研究人員最初的努力是朝著利用人類理解（以便減少搜索的需要）方向發展，只是在很晚之後，通過擁抱搜索和學習，才取得了更大的成功。

 

在語音辨識中，1970年代由DARPA贊助的一次早期競賽中，包括了許多特殊方法，這些方法利用了人類知識——對詞彙、音素、人類發聲道等的知識。另一方面，更加統計性質的新方法進行了更多的計算，基於隱瑪律可夫模型（HMMs）。同樣，統計方法勝過了基於人類知識的方法。這導致了自然語言處理領域的一次重大變革，這一變革在幾十年的時間裡逐漸發生，其中統計和計算開始主導該領域。語音辨識中深度學習的最近崛起是這一持續方向中的最新一步。深度學習方法依賴更少的人類知識，使用更多的計算，結合在巨大訓練集上的學習，產生了戲劇性地更好的語音辨識系統。就像在遊戲中一樣，研究人員總是試圖製作工作方式與研究人員認為自己的大腦工作方式相同的系統——他們試圖將這種知識放入他們的系統中——但這最終證明是適得其反的，當通過摩爾定律，大量的計算能力變得可用，並且找到了將其有效利用的方法時，研究人員的時間被浪費了。

 

在電腦視覺中，出現了類似的模式。

 

早期方法將視覺視為尋找邊緣、廣義圓柱或SIFT特徵的過程。但今天，所有這些都被拋棄了。現代深度學習神經網路僅使用卷積的概念和某些類型的不變性，並且表現得更好。

 

這是一個重要的教訓。作為一個領域，我們仍然沒有徹底學到它，因為我們繼續犯同樣的錯誤。要看到這一點，並有效地抵制它，我們必須理解這些錯誤的吸引力。我們必須學習這個苦澀的教訓，即構建我們認為自己思考的方式不會在長期內起作用。苦澀的教訓基於歷史觀察，即(1)人工智慧研究者經常試圖將知識構建進他們的代理中，(2)這在短期內總是有幫助的，並且對研究者個人來說是令人滿意的，但(3)從長遠來看它會達到瓶頸，甚至阻礙進一步的進展，(4)最終取得突破性進展的方法最終是基於通過搜索和學習擴展計算的相對立方法。最終的成功帶有苦澀，並且往往沒有完全消化，因為它是在優先考慮的、以人為中心的方法上取得的成功。

苦澀的教訓中應該學到的一件事是通用方法的巨大力量，這些方法即使在可用計算量變得非常大時也繼續擴展。似乎可以任意擴展的兩種方法是搜索和學習。

苦澀的教訓中學到的第二個一般性點是，心靈的實際內容是極其複雜的；我們應該停止嘗試找到思考心靈內容的簡單方式，比如關於空間、物件、多個代理或對稱性的簡單方式。所有這些都是任意的、本質上複雜的外部世界的一部分。它們不是應該構建的內容，因為它們的複雜性是無盡的；相反，我們應該構建的只是可以找到並捕捉這種任意複雜性的元方法。這些方法的本質是它們可以找到好的近似，但尋找它們應該通過我們的方法，而不是通過我們。我們希望AI代理能夠像我們一樣發現，而不是包含我們已經發現的內容。構建我們的發現只會使看到發現過程如何進行變得更難。

Origin peak analysis (Find peaks, Label peaks, Area under the peak, Deconvolute a peak, Multiple peaks fitting)

 

1.Find peaks, Label peaks, and Remove Unwanted Labels in Origin

https://www.youtube.com/watch?v=z_jQ34-SCLU

2.How to perform quick deconvolution of peaks

https://www.youtube.com/watch?v=zoBk2eZB2qw

3.How to deconvolute a peak / multiple peaks fitting in origin

https://www.youtube.com/watch?v=WX_X3XlbKRA

4.How to find area under the curve using origin

https://www.youtube.com/watch?v=DMsBzGCNHQk

取消AAA會員分享

 當AAA的業務員取消您的汽車保險時，請注意，這不會同時取消您的AAA會員資格。為了取消會員資格，您需要另外撥打他們的取消會員專線，該專線的號碼是+1 800-922-8228。您需要親自致電給他們，以確保會員資格不會自動續約，

常用無機化合物拉曼資料庫

 

Compound / Functional group	Peak position (cm-1)	Ref.
I3-	~120	1, 2
ICl	~204	3, 4
Ni-I	120~128	5
Ni–Cl	~280, ~326	6, 7
C–N	375, 423, 450, 716, 955	8, 9, 10
C-C	865	8, 9, 10
C-OH	1052, 1090	8, 9, 10
-CH2	890	8, 9, 10.
-CH2 (Ni-EG Complex II)	899	11

1.       W.-Q. Han et al., ACS Energy Lett., 2017, 2(5), 1170–1176.

2.       U. Lavrenčič Štangar et al., J. Electrochem. Soc., 2002, 149, E413.

3.       C. Zhi et al., Energy Environ. Sci., 2021, 14, 40.

4.       Q. Du et al., Nat. Commun., 2021, 12, 170.

5.       E. Ergeçen et al., Nature, 2022, 602, 601–605.

6.       L. Scholten et al., Geochim. Cosmochim. Acta, 2018, 224, 187–199.

7.       K. Bissonette, MSc Thesis, University of Guelph, 2013.

8.       C. F. Araujo et al., Phys. Chem. Chem. Phys., 2017, 19(27), 17998–18009.

9.       K. Krishnan and R. S. Krishnan, Proc. Indian Acad. Sci. A, 1966, 64(2), 111.

10.   L. Vieira, R. Schennach, and B. Gollas, Phys. Chem. Chem. Phys., 2015, 17(19), 12870–12880.

11.   A. Miyake, Bull. Chem. Soc. Jpn. 1959, 32, 1381–1383.

用 EIS(Electrochemical Impedance Spectroscopy) 計算擴散係數(diffusion coefficient)

 參考文獻資料:

 Appendix A. Supplementary data : SnO2/super P nanocomposites as anode materials for Na-ion batteries with enhanced electrochemical performance

https://doi.org/10.1016/j.jallcom.2015.10.212