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
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。