我们最新的研究成果和详尽的材料测试有望提升电动汽车电池的制造效率、可靠性和环境可持续性
新加坡(2024年5月8日)——移动电气化解决方案合作伙伴ENNOVI推出了一种创新的电池互连系统(CCS)层压方法。ENNOVI通过测试多家供应商提供的聚对苯二甲酸乙二酯(PET)绝缘膜模和胶粘剂,检验其粘合强度、耐用性和环境影响。得益于此,ENNOVI建立了一个可以推荐最有效材料组合的数据库,淘汰了行业长期以来一直盛行的试错法。
传统上,在电池电芯上组装CCS需要采用繁琐的工序,包括使用模制塑料托盘进行定位。这些工序虽然能有效定位电芯和铜巴片/铝巴片,但随着模块尺寸的增加,也导致产品增加了不必要的重量和复杂性。认识到传统工序的局限性,ENNOVI率先采用了热层压和冷层压工艺,无需塑料托盘,即可通过使用推荐的层压材料组合,为原始设备制造商和一级供应商提供更简化、更灵活的解决方案。
“我们目前已转向采用层压工艺,这标志着我们在精确定位电芯巴片方面的能力实现了重大飞跃,不再受限于传统方法的机械限制”,ENNOVI能源系统产品经理Till Wagner解释道,“通过建立一个已预检测PET箔和胶粘剂的数据库,我们提高了CCS设计速度并简化了组装过程,从而为节约材料和能源开辟了新的可能性”。
ENNOVI层压技术的进步具有深远的影响。我们掌握热层压或冷层压工艺,在市场上独具优势,可以帮助全球原始设备制造商和一级供应商提高灵活性和效率。通过优化PET箔和胶粘剂的选择范围,ENNOVI正在提高电动汽车电池模块的结构完整性和使用寿命,缩短制造周期,以及降低环境影响。
随着电动汽车行业朝着更可持续、更高效的生产方式发展,ENNOVI的创新技术将引领新一代电动车电池模块的设计和组装。ENNOVI专注于减少或消除对胶粘剂的需求,从而解决了客户对电池寿命、环境影响和制造效率的担忧。“我们的目标是超越传统胶粘剂,利用前沿技术实现更牢固、更可持续的粘合”Wagner说道。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。