AIDC Research Papers
按期刊卷期页方式整理本期论文。每条仅使用日报已列出的可追溯公开来源，不新增未经核验事实。
Published 2026-06-07 · arXiv · Credibility S
原文摘要缺失，需打开论文链接核验研究方法和结论。
原文摘要缺失，需打开论文链接核验研究方法和结论。
研究问题-方法线索-对 AI 数据中心/液冷/算电协同的意义-核验边界。标题讨论生成式AI替代路径，主题为热管理与液冷。方法线索未提供。对液冷意义的核验边界：仅依据标题。
Margarita Belova, Yuval Kansal, Yihao Liang, 等. An Alternative Trajectory for Generative AI[J/OL]. (2026-06-07)[2026-06-15]. https://arxiv.org/abs/2603.14147.
Published 2026-06-01 · Semantic Scholar · Credibility S
原文摘要缺失，需打开论文链接核验研究方法和结论。
原文摘要缺失，需打开论文链接核验研究方法和结论。
研究问题-方法线索-对 AI 数据中心/液冷/算电协同的意义-核验边界。标题聚焦仿生液冷板，主题为芯片与算力。方法线索未提供。对液冷意义的核验边界：仅依据标题与主题。
Feng Zhou, Wenlong Gu, Wenlong Li, 等. Heat transfer and flow characteristics of bionic Victoria Amazonica liquid cooling plate for thermal management of chips in data centers[J/OL]. International Communications in Heat and Mass Transfer. (2026-06-01)[2026-06-15]. https://www.semanticscholar.org/paper/11f6857398316b362b30dcdbd0b233df7100bb1e.
Published 2026-05-15 · Semantic Scholar · Credibility S
人工智能快速发展使数据中心成为关键算力资源，但面临过热与低品位热能浪费问题。纳米流体渗透发电机功率密度较低。本文提出三级耦合能量利用方案，利用数据中心热管理提升渗透发电机性能。
人工智能快速发展使数据中心成为关键算力资源，但面临过热与低品位热能浪费问题。纳米流体渗透发电机功率密度较低。本文提出三级耦合能量利用方案，利用数据中心热管理提升渗透发电机性能。
研究问题-方法线索-对 AI 数据中心/液冷/算电协同的意义-核验边界。研究问题为数据中心余热回收增强渗透发电。方法线索为混合水空冷却与热泵升级热能。对AI数据中心液冷与余热利用的意义在于提升能效。核验边界：仅依据提供的摘要，未补充数值。
Qin Zeng, Yu Qian, Yen-Huei Chen, 等. Nanofluidic osmotic generator enhanced by data center waste heat recovery through hybrid water–air cooling with a heat pump[J/OL]. Journal of Physics D: Applied Physics. (2026-05-15)[2026-06-15]. https://www.semanticscholar.org/paper/1c323af454e1606a13dad57352f2719c3e6fd2ae.
Published 2026-06-10 · arXiv · Credibility S
Floating solar photovoltaic (FSPV) systems provide a land-efficient pathway to expand clean electricity access in energy
Floating solar photovoltaic (FSPV) systems provide a land-efficient pathway to expand clean electricity access in energy
背景：AI 数据中心负载、功率密度和能源约束同步上升，算力负载与电网侧资源的协同调度正在成为智算中心设计的关键变量。问题：论文聚焦现有方案在效率、可靠性或工程协同上的瓶颈。方法：摘要显示作者采用文献摘要中的模型、实验或案例分析，把运行负载、冷却/能源系统和基础设施约束放在同一分析框架中。结果：研究重点指向冷却效率、能源利用或运维策略的改进方向。意义：对日报读者而言，它可用于判断智算中心建设是否受电网容量、负载波动和调度机制约束。仍需结合全文实验条件、样本范围和成本假设核验。
Soham Ghosh, Anik Goswami, Krishna Kumba. Pushing the Frontiers for Floating Solar Photovoltaics -- The Case for South America[J/OL]. (2026-06-10)[2026-06-15]. https://arxiv.org/abs/2606.12798.
Published 2026-05-25 · arXiv · Credibility S
原文摘要缺失，需打开论文链接核验研究方法和结论。
原文摘要缺失，需打开论文链接核验研究方法和结论。
研究问题-方法线索-对 AI 数据中心/液冷/算电协同的意义-核验边界。标题聚焦AI数据中心拓扑优化，主题为热管理与液冷。方法线索未提供。对算电协同的意义需核验原文。核验边界：仅依据标题与主题。
Niangen Ye, Jingya Liu, Guofu Zhu, 等. Beyond Traffic Matrix: DELTA -- A DAG-Aware OCS Logical Topology Optimization for AIDCs[J/OL]. (2026-05-25)[2026-06-15]. https://arxiv.org/abs/2603.28096.
Published 2026-05-28 · arXiv · Credibility S
物理神经计算的实现已远超硅基硬件，涵盖忆阻器件、光子电路、机械超材料、微流体网络、化学反应系统及活体神经组织等基质。通过利用电荷传输、波干涉、弹性形变、质量传输及生化调控等内在物理过程，这些基质可直接在物质中实现神经推理与适应。随着以硅GPU为中心的计算面临能效瓶颈，探索此类物理基质成为新方向。
物理神经计算的实现已远超硅基硬件，涵盖忆阻器件、光子电路、机械超材料、微流体网络、化学反应系统及活体神经组织等基质。通过利用电荷传输、波干涉、弹性形变、质量传输及生化调控等内在物理过程，这些基质可直接在物质中实现神经推理与适应。随着以硅GPU为中心的计算面临能效瓶颈，探索此类物理基质成为新方向。
研究问题-方法线索-对 AI 数据中心/液冷/算电协同的意义-核验边界。研究问题为超越硅基的物理神经计算实现。方法线索包括利用多种物理过程在非硅基质中直接完成推理。对AI数据中心算电协同的意义在于潜在降低能耗与散热需求。核验边界：仅依据提供的摘要，未补充实验数据。
Stefan Fischer, Nihat Ay, Olaf Landsiedel, 等. Beyond Silicon: Materials, Mechanisms, and Methods for Physical Neural Computing[J/OL]. (2026-05-28)[2026-06-15]. https://arxiv.org/abs/2604.09833.
Published 2026-05-30 · arXiv · Credibility S
原文摘要缺失，需打开论文链接核验研究方法和结论。
原文摘要缺失，需打开论文链接核验研究方法和结论。
研究问题-方法线索-对 AI 数据中心/液冷/算电协同的意义-核验边界。标题关注AI电力需求影响，主题为热管理与液冷。方法线索未提供。对算电协同的意义需核验原文。核验边界：仅依据标题与主题。
Dana Golden, Aruna Balasubramanian, Niranjan Balasubramanian. Certificates without Electrons? Theory and Evidence on Impacts from AI -Driven Power Demand[J/OL]. (2026-05-30)[2026-06-15]. https://arxiv.org/abs/2606.00811.
Published 2026-05-30 · arXiv · Credibility S
人工智能在法国常被分别讨论投资、算力、监管、就业、主权与教育等维度。本观点论文提出统一诠释：法国应被视为国家AI学习能力系统，整合上述维度以实现主权目标。
人工智能在法国常被分别讨论投资、算力、监管、就业、主权与教育等维度。本观点论文提出统一诠释：法国应被视为国家AI学习能力系统，整合上述维度以实现主权目标。
研究问题-方法线索-对 AI 数据中心/液冷/算电协同的意义-核验边界。研究问题为国家AI主权与学习能力整合。方法线索为统一多维度分析框架。对AI数据中心算电协同的意义在于国家层面算力规划。核验边界：仅依据提供的摘要，未补充额外结论。
Kim Phuc Tran. AI Sovereignty as National Learning Capacity: A Human- Centered Learning Mechanics Viewpoint on France, the United States, and China[J/OL]. (2026-05-30)[2026-06-15]. https://arxiv.org/abs/2606.00729.
