11月8日,北京--氮化镓(GaN)功率芯片的行业领导者纳微半导体(Navitas Semiconductor)(纳斯达克股票代码:NVTS)宣布推出新一代采用GaNSense技术的智能GaNFast氮化镓功率芯片。GaNSense技术集成了关键、实时、智能的传感和保护电路,进一步提高了纳微半导体在功率半导体行业领先的可靠性和稳健性,同时增加了纳微氮化镓功率芯片技术的节能和快充优势。
氮化镓(GaN)是下一代半导体材料,氮化镓器件的开关速度比传统的硅器件快20倍,在尺寸和重量减半的情况下,可实现高达3倍的功率和3倍的充电速度。纳微半导体的GaNFast™氮化镓功率芯片集成了氮化镓器件和驱动以及保护和控制功能,提供简单、小型、快速和高效的性能表现。
GaNSense技术集成了对系统参数的实时、准确和快速感应,包括电流和温度的感知。这项技术实现了正在申请专利的无损耗电流感应能力。与前几代产品相比,GaNSense 技术可额外提高10%的节能效果,并能够进一步减少外部元件数量,缩小系统的尺寸。此外,如果氮化镓功率芯片识别到有潜在的系统危险,该芯片将迅速过渡到逐个周期的关断状态,以保护器件和周围系统。GaNSense技术还集成了智能待机降低功耗功能,在氮化镓功率芯片处于空闲模式时,自动降低待机功耗,有助于进一步降低功耗。这对越来越多积极追求环保的客户来说尤为重要。
凭借业界最严格的电流测量精度和GaNFast响应时间,GaNSense技术缩短50%的危险时间,危险的过电流峰值降低50%。GaNFast氮化镓功率芯片单片集成提供了可靠的、无故障的操作,没有 "振铃",从而提高了系统可靠性。
纳微半导体联合创始人兼首席运营官/首席技术官Dan Kinzer表示:“从检测到保护只需30纳秒,GaNSense技术比分立式的氮化镓功率芯片的实现方案快 600%。纳微半导体下一代采用GaNSense技术的GaNFast氮化镓功率芯片产品,对潜在的系统故障模式提供了高度准确和有效的防护。再加上对高达800V的瞬态电压的免疫力以及严格的栅极波形控制和电压调节,这些功能只有通过我们专有的工艺设计套件才能实现,重新定义了功率半导体中可靠性、坚固性和性能的新标准。”
采用 GaNSense 技术的新一代纳微 GaNFast 氮化镓功率芯片有十个型号,他们都集成了氮化镓功率器件、氮化镓驱动、控制和保护的核心技术,所有产品的额定电压为650V/800V,具有2kV ESD保护。新的GaNFast功率芯片的RDS(ON)范围为120至450毫欧,采用5 x 6 mm或6 x 8 mm PQFN封装,具有GaNSense保护电路和无损电流感应。作为纳微第三代氮化镓功率芯片,针对现代电源转换拓扑结构进行了优化,包括高频准谐振反激式(HFQR)、有源钳位反激式(ACF)和PFC升压,这些都是移动和消费市场内流行的提供最快、最高效和最小的充电器和适配器的技术方法。
目标市场包括智能手机和笔记本电脑的快充充电器,估计每年有20亿美元的氮化镓市场机会,以及每年20亿美元的消费市场机会,包括一体机、电视、家庭网络和自动化设备。GaNSense技术已被用于部分一线消费电子品牌的氮化镓充电器上。
到目前为止,已经有超过3000万颗纳微GaNFast氮化镓功率芯片出货,在现场测试实现了超过1160亿个设备小时,并且没有任何关于GaN现场故障的报告。与传统的硅功率芯片相比,每颗出货的GaNFast氮化镓功率芯片可以减少碳足迹 4-10 倍,可节省4千克的二氧化碳排放。
采用GaNSense技术的新一代纳微GaNFast功率芯片将在以下活动中公开展示。
采用GaNSense技术的新一代GaNFast氮化镓功率芯片已开始批量生产,并可立即供货。新的GaNSense技术的全部技术细节,包括数据表、鉴定数据、应用说明和样品,可在签署保密协议后提供给客户合作伙伴。
关于纳微半导体
纳微半导体(纳斯达克股票代码: NVTS)成立于2014年,是氮化镓功率芯片的行业领导者。氮化镓功率芯片将氮化镓电源与驱动、控制和保护集成在一起,为移动设备、消费产品、企业、电动汽车和新能源市场提供充电更快、功率密度更高和节能效果更好的产品。纳微半导体拥有130多项专利已经颁发或正在申请中,超过3000万个GaNFast功率芯片已经发货,没有任何关于纳微氮化镓功率芯片的现场故障报告。2021年10月20日,纳微半导体敲响了纳斯达克的开市钟,并开始在纳斯达克交易,企业价值超过10亿美元,总融资额超过3.2亿美元。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。