工業(yè)自動(dòng)化最新文章 英特尔三星正寻求玻璃芯片技术挑战台积电 英特尔和三星正寻求通过采用玻璃芯片技术来挑战台积电的市场地位。 發(fā)表于：2024/5/29 2nm以下节点装备竞赛打响 台积电魏哲家密访ASML总部 2nm 以下节点装备竞赛打响，台积电魏哲家密访 ASML 总部 發(fā)表于：2024/5/29 哈工大固体氧化物电池寿命研究新突破 固体氧化物电池寿命研究新突破，哈工大新成果登顶刊《JMPS》 發(fā)表于：2024/5/29 消息称全球晶圆厂整体产能利用率已达七成左右 半导体行业复苏，消息称全球晶圆厂整体产能利用率已达七成左右 發(fā)表于：2024/5/29 维信诺第8.6代AMOLED产线落地合肥 总投资550亿元！维信诺第8.6代AMOLED产线落地合肥：月产3.2万片 發(fā)表于：2024/5/29 NAND Flash开始迈向300层 NAND Flash开始迈向300层 在NAND技术进展方面，在2022年下半年美光、长江存储宣布量产232层NAND之后，SK海力士和三星也分别量产了238层和236层的NAND。相比之下铠侠和西部数据的进展则慢一些，但也达到了218层NAND的量产。目前各家厂商都在积极的迈向300层NAND。 發(fā)表于：2024/5/29 台积电或将较原计划提前采用High NA EUV光刻机 5月28日消息，根据wccftech的报道，虽然此前台积电公开表示其路线图上的最尖端制程A16仍将不会采用High NA EUV光刻机，但是最新的消息显示，台积电有可能会修正其既定计划，提前导入High NA EUV光刻机进行试验和学习。 發(fā)表于：2024/5/29 全面升级！鼎阳科技发布SDG1000X Plus任意波形发生器 全面升级！鼎阳科技发布SDG1000X Plus任意波形发生器 發(fā)表于：2024/5/29 比利时imec推出基于现有制造工具的超导处理器 5 月 27 日消息，据外媒 IEEE Spectrum 近日报道，比利时 imec 微电子研究所成功开发出了基于现有 CMOS 制造工具的超导处理器。 该超导处理器的基本逻辑单元和 SRAM 缓存单元均基于一种名为 " 约瑟夫森结（Josephson junction）" 的特殊结构。 發(fā)表于：2024/5/28 若愚科技：九天机器人大脑已完成多智能体验证 哈工大系科技公司推出若愚·九天机器人大脑，已完成多智能体验证 發(fā)表于：2024/5/28 美光计划投资逾50亿美元在日建厂 美光计划投资逾50亿美元在日建厂 最快2027年投入运营 發(fā)表于：2024/5/28 被苹果踢出苹果供应链：超30年历史晶圆厂面临出售关闭 被苹果踢出苹果供应链：超30年历史晶圆厂面临出售关闭 發(fā)表于：2024/5/28 猝发重频高压大功率脉冲充电电源研制 针对电感隔离型重频Marx发生器的充电需求，研制了一台猝发重频高压大功率脉冲充电电源。该电源采用直流电源+储能电容+晶闸管开关+脉冲变压器的技术路线，设计指标为充电电压为90 kV，充电电流1 kA，充电重复频率1 Hz～100 Hz可调，猝发工作时最大充电次数为5次。首先介绍了充电电源的工作原理，进行了电路参数计算和结构设计，得到了晶闸管、初级电源和脉冲变压器等主要器件的参数。然后试制组装了一套电源，并进行了实验验证：对等效总电容量为0.7 μF的紧凑型Marx发生器充电时，充电电压90 kV，充电时间小于120 μs，充电重复频率10 Hz。该电源的研制成功对高功率重复频率脉冲功率源的进一步小型化具有重要意义。 發(fā)表于：2024/5/27 一种高效率行波管高压电源的设计与实验研究 针对6~18 GHz 50 W超小型微波功率模块，提出了一种半桥LLC谐振多级高压变换电路。通过对半桥LLC谐振变换器设计和基于改进型3型相位补偿器反馈回路的研究，将低压48 V升压为行波管阴极和三级降压收集极所需的4路稳定高压，整体高压效率相对于同功率量级微波功率模块从92%提升至95%。实测电源在输入电压44~52 V范围内最高效率达到95%，最低效率超过92%，电源在空载和满载之间切换时阴极电压输出变化小于1 V。 發(fā)表于：2024/5/27 基于深度学习的可视化图表分类方法研究 可视化图表的分类研究对于图表理解和文档解析具有很大的意义。分别通过爬虫和软件生成的方式，构建了两个包含16类常见图表的数据集，该数据集在数量、类型和样式丰富性上具有一定的优势。在3个数据集上实验对比了Transformer架构和卷积神经网络架构的模型，结果表明Transformer架构在图表分类任务上具有一定优势。基于Swin Transformer模型，设计了多种数据增强策略，在增加模型泛化性的同时也引入了分布差异；通过对不同策略训练出的模型预测进行均值融合，同单模型相比分类性能有较大提升。在6个测试集上对集成模型进行了测试，分类准确率均大于0.9；对于图像质量高、视觉形式简单的生成图表，模型分类准确率接近1。 發(fā)表于：2024/5/27 <…220221222223224225226227228229…>
