XiaoMi-AI文件搜索系统
World File Search System功率效率
克服钙钛矿太阳能电池材料挑战的先进表征技术
第一代和第三代之间有了显著的改善，在保持功率效率的同时降低了制造成本。[2] 最近，高效低成本的混合有机-无机卤化物钙钛矿材料已经成为新一代光伏电池最有前途的光吸收剂，取代了商业上占主导地位的多晶硅材料。[3–8] 在 2012 年展示固态钙钛矿太阳能电池 (PSC) 之后 [9]，对 PSC 的研究量大幅增加。因此，PSC 的功率转换效率迅速发展，目前已超过 25%，超过了 Cu(In,Ga)Se 2 (CIGS) 和碲化镉 (CdTe)，接近单晶硅太阳能电池。[10] 尽管 PSC 具有很高的功率效率，但由于其稳定性低和可扩展性差，距离商业化还有很长的路要走。 [11,12] 在提高 PSC 效率的同时，研究人员还在尝试增强器件稳定性和开发大面积兼容的制造方法。 [13,14] 尽管做出了这些努力，但最先进的 PSC 在加速测试条件下只能保持几千小时的性能，相当于一年或更短的典型运行时间，[15–17] 而商业化至少需要 20 年的稳定性。 同时，PSC 模块的面积相对较小（800–6500 cm 2 ），仅表现出 16% 的能量转换效率 (PCE)，而商业化的硅太阳能电池在大模块尺寸（> 14 000 cm 2 ）下可实现超过 22% 的 PCE。 [18] 为确保长期稳定性和可扩展性，需要对钙钛矿材料进行准确表征。为了了解钙钛矿材料效率高、降解机制差、可扩展性差的根本原因，对吸收层和器件进行了广泛的表征。[19–22] 图 1 总结了常用于评估钙钛矿化学、形态、结构、光电特性的表征工具，表 1 总结了它们的分辨率极限。在化学范围内，钙钛矿材料的电子能带结构和化学组成已通过各种光谱学和测量方法阐明，包括紫外-可见光谱 (UV-vis)、紫外光电子能谱 (UPS)、开尔文探针强制显微镜 (KPFM)、X 射线光电子
克服钙钛矿太阳能电池材料挑战的先进表征技术
第一代和第三代之间有了显著的改善，在保持功率效率的同时降低了制造成本。[2] 最近，高效低成本的混合有机-无机卤化物钙钛矿材料已经成为新一代光伏电池最有前途的光吸收剂，取代了商业上占主导地位的多晶硅材料。[3–8] 在 2012 年展示固态钙钛矿太阳能电池 (PSC) 之后 [9]，对 PSC 的研究量大幅增加。因此，PSC 的功率转换效率迅速发展，目前已超过 25%，超过了 Cu(In,Ga)Se 2 (CIGS) 和碲化镉 (CdTe)，接近单晶硅太阳能电池。[10] 尽管 PSC 具有很高的功率效率，但由于其稳定性低和可扩展性差，距离商业化还有很长的路要走。 [11,12] 在提高 PSC 效率的同时，研究人员还在尝试增强器件稳定性和开发大面积兼容的制造方法。 [13,14] 尽管做出了这些努力，但最先进的 PSC 在加速测试条件下只能保持几千小时的性能，相当于一年或更短的典型运行时间，[15–17] 而商业化至少需要 20 年的稳定性。 同时，PSC 模块的面积相对较小（800–6500 cm 2 ），仅表现出 16% 的能量转换效率 (PCE)，而商业化的硅太阳能电池在大模块尺寸（> 14 000 cm 2 ）下可实现超过 22% 的 PCE。 [18] 为确保长期稳定性和可扩展性，需要对钙钛矿材料进行准确表征。为了了解钙钛矿材料效率高、降解机制差、可扩展性差的根本原因，对吸收层和器件进行了广泛的表征。[19–22] 图 1 总结了常用于评估钙钛矿化学、形态、结构、光电特性的表征工具，表 1 总结了它们的分辨率极限。在化学范围内，钙钛矿材料的电子能带结构和化学组成已通过各种光谱学和测量方法阐明，包括紫外-可见光谱 (UV-vis)、紫外光电子能谱 (UPS)、开尔文探针强制显微镜 (KPFM)、X 射线光电子
克服钙钛矿太阳能电池材料挑战的先进表征技术
第一代和第三代之间有了显著的改善，在保持功率效率的同时降低了制造成本。[2] 最近，高效低成本的混合有机-无机卤化物钙钛矿材料已经成为新一代光伏电池最有前途的光吸收剂，取代了商业上占主导地位的多晶硅材料。[3–8] 在 2012 年展示固态钙钛矿太阳能电池 (PSC) 之后 [9]，对 PSC 的研究量大幅增加。因此，PSC 的功率转换效率迅速发展，目前已超过 25%，超过了 Cu(In,Ga)Se 2 (CIGS) 和碲化镉 (CdTe)，接近单晶硅太阳能电池。[10] 尽管 PSC 具有很高的功率效率，但由于其稳定性低和可扩展性差，距离商业化还有很长的路要走。 [11,12] 在提高 PSC 效率的同时，研究人员还在尝试增强器件稳定性和开发大面积兼容的制造方法。 [13,14] 尽管做出了这些努力，但最先进的 PSC 在加速测试条件下只能保持几千小时的性能，相当于一年或更短的典型运行时间，[15–17] 而商业化至少需要 20 年的稳定性。 同时，PSC 模块的面积相对较小（800–6500 cm 2 ），仅表现出 16% 的能量转换效率 (PCE)，而商业化的硅太阳能电池在大模块尺寸（> 14 000 cm 2 ）下可实现超过 22% 的 PCE。 [18] 为确保长期稳定性和可扩展性，需要对钙钛矿材料进行准确表征。为了了解钙钛矿材料效率高、降解机制差、可扩展性差的根本原因，对吸收层和器件进行了广泛的表征。[19–22] 图 1 总结了常用于评估钙钛矿化学、形态、结构、光电特性的表征工具，表 1 总结了它们的分辨率极限。在化学范围内，钙钛矿材料的电子能带结构和化学组成已通过各种光谱学和测量方法阐明，包括紫外-可见光谱 (UV-vis)、紫外光电子能谱 (UPS)、开尔文探针强制显微镜 (KPFM)、X 射线光电子
基于 GaN 晶体管的 LLC 转换器变压器的特性和 SPICE 建模
谐振转换器是电动汽车车载充电器和储能应用的理想选择。它能够有效控制能源、电池或高功率负载之间的功率流动。简单的 LLC 转换器可以扩展为双向 CLLLC 转换器，从而实现智能功率控制并提高器件效率 [1]。为了减少开关损耗并减小尺寸，必须使用高频开关器件，例如 GaN 晶体管。与硅或碳化硅等效晶体管相比，GaN 晶体管的 R DS(ON) 参数较低，因此传导损耗较小 [2]。零反向恢复、快速开关速度和较低的死区时间使 GaN 晶体管成为转换设计的理想选择 [3]。此类转换器的设计在 [4、5] 中进行了描述。除了由晶体管制成的 H 桥开关外，变压器对功能和功率效率也具有至关重要的影响。设计中必须考虑变压器的实际参数 - 即自谐振频率，因为它会影响转换器的最大工作频率 [6]。本文介绍了
低功耗 AI 加速器的最新发展
摘要：随着机器学习和人工智能的持续快速发展，以及摩尔定律的日益临近，架构设计的新途径和新想法正在被创造和利用。其中一种途径是尽可能靠近用户（即在边缘）加速人工智能，以减少延迟并提高性能。因此，研究人员开发了低功耗人工智能加速器，专门用于加速边缘设备上的机器学习和人工智能。在本文中，我们概述了 2019 年至 2022 年之间的低功耗人工智能加速器。本文根据加速目标和功耗对低功耗人工智能加速器进行了定义。在本次调查中，我们介绍并讨论了 79 种低功耗人工智能加速器。所审查的加速器基于五个标准进行讨论：（i）功率、性能和功率效率，（ii）加速目标，（iii）算术精度，（iv）神经形态加速器，以及（v）行业与学术加速器。 CNN 和 DNN 是最受欢迎的加速器目标，而 Transformers 和 SNN 正在崛起。
AES 第 133 届大会日程 - 音频工程协会
G 类放大器是提高耳机应用音频效率的有效解决方案，但必须考虑实际操作条件才能预测和优化功率效率。事实上，电源跟踪是高效率的关键因素，但使用传统设计方法无法很好地优化电源跟踪，因为所使用的刺激与真实音频信号有很大不同。这里提出了一种查找 G 类标称条件的方法。通过使用相关刺激和标称输出功率，G 类放大器的仿真和测试更接近真实条件。此外，使用一种新型模拟器可以通过这些长时间刺激（即十秒而不是几毫秒）快速评估效率。通过平均 G 类行为，可以进行更长的瞬态模拟，从而准确评估效率和音频质量。基于此模拟器，本文指出了完善的测试设置的局限性。实际效率与传统方法相差高达±50%。最后，该研究强调需要使用真实音频信号来优化
利用自适应噪声估计进行体内神经尖峰检测
摘要 目的. 能够从受噪声污染的相对大量的神经元中可靠地检测出神经尖峰对于可靠地解码记录的神经信息至关重要。方法. 本文首先分析了各种潜在的尖峰检测技术在体内实现的准确性和可行性。然后介绍了一种准确且计算效率高的尖峰检测模块，该模块可以自主适应记录通道统计数据的变化。主要结果. 使用合成和真实神经记录评估所选候选尖峰检测技术的准确性。在备选检测方法中，设计的检测器还在两个动物行为数据集上提供了最高的解码性能。意义. 在标准 180 nm CMOS 工艺中设计的 128 通道尖峰检测模块的实现结果是面积和功率效率最高的尖峰检测 ASIC 之一，并且在脑植入物的组织安全约束范围内运行，同时提供自适应噪声估计。
基于GNRFET的静态随机访问存储器的设计...
摘要：在本文中，使用HSPICE模拟了使用能源有效GNRFET技术的物联网的静态噪声边距（SNM）和SRAM在不同电压供应和静态随机访问记忆的温度下的功耗。此外，已经提出了GNRFET SRAM的各种波形的模拟。SNM存在于SRAM细胞中，这会影响SRAM细胞的读取操作的稳定性。SRAM细胞稳定性分析是一个基于静态噪声边缘（SNM）的研究。在阅读操作过程中，SRAM细胞SNM分析了各种替代方案以提高细胞稳定性。GNRFET的作用提高了其功率效率和速度，在各种物联网应用中在航空工程中起着至关重要的作用。snm是6.7@1v，平均功率为2.24@1v，snm为2.43@45 o C，平均功率为1.25@45 o C.索引条款：GNR，GNRFET，功耗，电池消耗，细胞比率，CMOS，CMOS，PURPIP RATIO，SNM，SNM），Nano-Electronic。
FPGA中的实时对象检测和识别
收到：2024年2月27日修订：2024年4月2日接受：2024年4月20日发布：2024年4月30日摘要 - 本研究论文提出了一种创新的方法，用于识别和检测自动驾驶系统中使用现场编程的栅极阵列（FPGAS）中的对象。通过将深度学习方法与FPGA硬件加速度集成，该方法成功地达到了安全导航所需的最小延迟和最佳精度。通过进行数据获取，预处理和模型培训，这可以完善系统的性能。通过采用并行计算和硬件优化技术，FPGA实现实现了这些目标。基于实验数据，基于FPGA的方法在功率效率，推理延迟和检测精度方面优于常规的CPU和GPU实现。，由于它们与自主驾驶系统的出色兼容性，因此在自动驾驶汽车中广泛采用了可增强对象识别和识别的现场可编程栅极阵列（FPGA）。
CubeSat 激光红外交联
立方体卫星激光红外交联 (CLICK) 任务将展示推动小型航天器星间通信技术发展的最新技术。该任务的主要目标是在轨演示两颗六单元 (6U) 小型卫星之间的全双工（发送和接收）激光交联，也称为光通信，两颗卫星之间的距离在 15 至 360 英里（25 - 580 公里）之间，数据速率超过 20 兆比特每秒 (Mbps)。该任务还将展示精确的卫星间时钟同步和 10 厘米级的测距。能够发送和接收激光通信的微型光学收发器将在两颗卫星之间形成通信交联，并通过新的精细指向功能支持它们的对准。由于激光通信高数据速率传输的功率效率，微型光学收发器是对射频（RF）技术的改进，这减轻了对小型平台在尺寸、重量和功率方面已经很严格的限制的影响。