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
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。