11 月 14 日,安森美 (onsemi) 和伍尔特电子(Würth Elektronik)宣布,伍尔特电子的无源元件数据库已集成到安森美独特的 PLECS® 模型自助生成工具 (SSPMG) 中。SSPMG 是基于 Web 的平台,界面直观、简单易用,能够帮助工程师针对复杂的电力电子应用定制高精度、高保真 PLECS 模型,从而尽早发现和修复设计过程中的性能瓶颈。而伍尔特电子的无源系统元件的集成,进一步提高了 SSPMG 中开关损耗模型的精度。
行业典型的 PLECS 模型依赖于实验室配置和环境,往往无法准确反映各种元件特性(如导通、能量损耗和热阻抗)在实际应用中的真实情况。相比之下,SSPMG 的功能基于安森美的物理可扩展 SPICE(侧重于集成电路的仿真程序)模型,根植于半导体物理学和元件制造中的实际工艺变化,能够更准确地体现元件在电路中的表现。
安森美电源方案事业群建模与仿真方案研究员 James Victory 博士表示:“通过使用SSPMG ,安森美的客户能够自主生成适合其特定电源应用的系统级 PLECS 模型,同时不再受制于漫长且成本高昂的制造周期,而是可以通过虚拟方式开发和优化完整的电源系统,从而大大缩短产品上市时间。”
伍尔特电子欧洲战略合作关系经理 Dayana Cómbita 表示:“伍尔特电子的 SPICE 模型数据库已经无缝集成到安森美的 SSPMG 中,设计工程师现在可以为其应用选择安森美的有源元件和伍尔特电子的无源元件,生成精度更高的开关损耗模型。通过携手合作,为我们的共同客户打造一条一次性成功并经过优化的系统设计之路。”
客户可以下载 SSPMG 损耗模型,然后用于其专有仿真平台,或上传到安森美领先行业的 Elite Power 仿真工具 (EPS)。EPS 能为客户直接展示使用安森美的 EliteSiC 系列产品、PowerTrench® T10 MOSFET、FS7 IGBT 以及智能功率模块(IPM) 等器件来构建电路拓扑的性能表现。
好文章,需要你的鼓励
斯坦福大学研究发现,主要用英语训练的大型语言模型竟能自发学会处理其他语言任务,无需明确教学。这种跨语言迁移能力随模型规模增大而显著提升,通过形成"通用语义空间"实现不同语言间的知识迁移。研究为降低多语言AI开发成本、支持资源稀缺语言提供了新途径,但仍面临性能不均衡、文化适应性等挑战。
从金冠到雅客、友臣、蜡笔小新,这些曾风靡小卖铺与超市货架的老牌零食厂商,一度因渠道滞后、品牌老化而淡出人们视野。而如今,它们在拼多多上正迎来一场集体复兴。
阿姆斯特丹大学与Salesforce合作开发的奖励引导推测解码(RSD)技术,通过让小模型处理简单任务、大模型解决复杂问题的智能分工,在保持推理准确率的同时大幅提升计算效率。该技术在数学推理等任务中表现出色,计算量最多可减少75%,为AI应用的普及和成本降低提供了重要技术支撑。