新型车规级柔性模切线路板(FDC)技术可在不降低性能的情况下,为工程师的新型电池设计提供高可持续性的低压采集线路选择。
新加坡(2024年4月26日)—— 移动电气化解决方案合作伙伴ENNOVI推出一种更先进、更可持续的柔性线路板生产工艺,其生产的柔性线路板可用于电动汽车(EV)电池互连系统低压信号连接。柔性印刷线路板(FPC)虽常用于电池互连系统内,但却是电池互连系统的最大成本来源。ENNOVI的柔性模切线路板(FDC)技术提供了一种更具成本效益且可持续性更高的解决方案,不仅简化生产流程,而且提高连续卷到卷的生产效率。
行业目前通常采用一种多级批量光刻工艺来生产柔性模切线路板。这种工艺需要在柔性线路板上蚀刻铜箔线路,即使用腐蚀性化学品溶解不需要的铜箔,但事后需要耗费大量时间和能源才能从化学品中提取出废铜,因此,很难实现铜的有效回收。模切工艺可以实现铜的快速回收利用,因此比化学蚀刻工艺更受青睐。
柔性印刷线路板(FPC)的尺寸限制为600mm×600mm。相比之下,柔性模切线路板(FDC)由于采用连续卷到卷生产工艺,因此没有长度限制。在某些设计条件下,柔性模切线路板(FDC)具有与柔性印刷线路板(FPC)相似的性能特点。这一点已通过严格的内部尺寸、热冲击测试、线路电阻测试、温升测试、绝缘电阻测试和高压测试得到证实。
“采用FDC技术进行柔性线路板生产,符合我们想要通过创新来为电动汽车行业打造可持续电池价值链的愿景”,ENNOVI产品组合总监Gustavo Cibrian解释道,“我们努力推动ENNOVI提供一种能够完美平衡电池制造商在成本、时间和性能方面迫切需求的CCS设计解决方案,从而帮助电池制造商实现按成本设计。”
想要了解ENNOVI FDC技术的更多信息,敬请访问:https://ennovi.com.cn/fdc-technology/。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。