双方签署长期供货协议后,宝马集团未来的电动动力传动系统将配备安森美的EliteSiC芯片,从而有助于提升电动汽车(EV)的续航能力
2023 年 3 月 7日—领先于智能电源和智能感知技术的安森美(onsemi,美国纳斯达克上市代号:ON)宣布与宝马集团(BMW)签署长期供货协议(LTSA),将安森美的EliteSiC技术用于这家德国高端汽车制造商的400 V直流母线电动动力传动系统。安森美最新的EliteSiC 750 V M3芯片被集成到一个全桥功率模块中,可提供几百千瓦的功率。
两家公司的战略合作针对电动动力传动系统的开发和整合,使安森美能为特定应用提供差异化的芯片方案,包括优化尺寸和布局以及高性能和可靠性。优化的电气和机械特性实现高效率和更低的整体损耗,同时提供极高的系统级性能。
安森美高级副总裁兼电源方案部先进电源分部总经理Asif Jakwani说:“续航能力是人们购买电动汽车的首要考虑因素,安森美的系统方案用于宝马集团所有电动汽车中,实现性能的优化,是个关键的竞争优势。此外,我们还持续提升稳健的、垂直整合的SiC供应链的所有生产步骤,以能支持宝马集团高端电动汽车的快速增长需求。”
凭借数十年来为汽车应用制造功率器件的专业知识,安森美开发了差异化的智能电源技术,可实现领先业界的电动动力传动系统方案。这包括卓越的封装技术,以及从平面到沟槽电池结构的演进路径,在各种电压下为电动汽车应用提供所需的最高可靠性。
欲了解关于EliteSiC的更多信息,请访问onsemi.cn。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。