实验室可为内部测试提供便利条件,有助于为汽车和电源转换系统开发下一代创新技术
2023年11月21日—安森美(onsemi,美国纳斯达克股票代码:ON)宣布在斯洛伐克皮耶什佳尼(Piestany, Slovakia)开设应用测试实验室,专注于推进电池/插电式混合动力/电动汽车 (xEV) 和能源基础设施 (EI) 电源转换系统方案的迭代和创新。这先进的系统应用实验室提供专用设备,并与汽车主机厂(OEM)、一级供应商和 EI 供应商合作,开发和测试下一代硅 (Si) 和碳化硅 (SiC) 半导体解决方案。
现代半导体器件对于 xEV 动力总成和充电及可再生能源应用中的高效电源转换至关重要。该实验室将发挥核心作用,确保未来电源产品的开发能根据客户的特定要求,提供高度差异化的增值解决方案。
设施包括两个高压电源实验室,专注于系统和器件级的开发,以及对 SiC/Si 主驱逆变器和 ACDC/DCDC 电源转换器进行评估。另外还包括激光焊接设施、机械无尘室和车间,能够进一步加快创建下一代系统解决方案的快速原型和增强其测试能力。
针对下一代系统解决方案的评估功能包括:
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。