引领行业的PLECS模型和系统级仿真,适用于软/硬开关应用、边界建模和
自定义寄生环境,可创建虚拟原型
2023 年 3 月 22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),针对其EliteSiC碳化硅(SiC)产品系列及其应用推出一款突破性的仿真工具。全新的Elite Power Simulator在线仿真工具和PLECS模型自助生成工具,使工程师在开发周期的早期阶段,通过对复杂电力电子应用进行系统级仿真,获得有价值的参考信息。这些工具提供尖端前沿的精确仿真数据,从而让客户根据应用需求进行EliteSiC产品选型,无需耗费成本和时间进行硬件制造和测试,为电力电子工程师节省时间。
Elite Power Simulator仿真工具配合使用PLECS模型自助生成工具,客户可自由灵活创建高保真系统级PLECS模型。无论客户将PLECS自助模型上传到安森美的Elite Power Simulator 仿真工具还是下载直接使用,都能提供高要求的电力电子仿真所需的优化性能和准确性。这些模型基于典型或最恶劣工况生成,使客户的设计符合技术边界。为特定应用定义寄生参数的能力,确保生成的PLECS模型能为客户的系统级仿真提供高度准确的结果。
Plexim联合创始人兼总经理Jost Allmelling说:“我们的PLECS仿真工具因速度快且易于使用,深受电源设计人员的欢迎。看到这些真正的创新,包括精确仿真软开关应用的能力,通过安森美的PLECS模型自助生成工具定制的模型,以及针对边界工况的现有模型,特别令人兴奋。”
迄今为止,系统级仿真工具及相关的PLECS模型只适用于硬开关拓扑仿真,因为对于软开关应用,如LLC (电感-电感-电容)或CLLC(电容-电感-电感-电容),仿真结果很不准确。安森美引领行业的PLECS模型突破这一瓶颈,为客户解决这一难题。
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:“安森美的SiC仿真工具是行业的一个重大进步,加快软/硬开关设计上市。我们的工具使客户能了解我们的器件在其应用环境中的表现,并充分优化性能以符合技术边界。”
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。