XiaoMi-AI文件搜索系统
World File Search System辅助管道
迈向高性能能源和动力电池单元……
优化电极制造工艺对于扩大锂离子电池 (LIB) 的应用以满足不断增长的能源需求非常重要。特别是，优化 LIB 制造非常重要，因为它决定了电池在电动汽车等应用中的实际性能。在这项研究中，我们提出了一种强大的数据驱动方法，该方法由确定性机器学习 (ML) 辅助管道支持，用于双目标优化电化学性能，解决了适合所需电池应用条件的高性能电极问题。该 ML 管道允许采用工艺参数的逆向设计，以制造用于能源或电力应用的电极。后者的工作类似于我们之前的工作，该工作支持优化电极微结构以改善动力学、离子和电子传输性能。电化学伪二维模型输入了电极特性，这些特性表征了通过制造模拟生成的电极微结构，并用于模拟电化学性能。其次，使用得到的数据集训练确定性 ML 模型，以实施快速双目标优化，从而确定最佳电极。我们的结果表明，活性材料含量高，结合浆料中固体含量和压延程度的中间值，可实现最佳电极。
使用添加剂...
摘要 - 本文提出了一种基于神经网络的数字校准算法，用于高速和时间间隔（TI）ADC。与先前的方法相反，所提出的工作依赖于相关的非线性失真校正，而无需事先了解ADC架构特征。动态校准首先用于补偿相关的失真。提出了两个培训优化，包括基于子范围的批处理方案和递归前景共校准流量，以减少错误和过度插入并进一步节省硬件资源。还研究了具有分布重量和共享权重方法的交织ADC的实用校准引擎。为了证明该方法的有效性，通过两个制造的ADC原型验证了校准引擎，一个5 GS/S 16向交织ADC和625 ms/s Interave-SAR辅助辅助管道ADC。测量结果表明，在校准之前和之后，针对不同频率输入，SFDR在16.9dB和36.4dB之间提高。为了在准确性和功耗之间取舍，在FPGA和28NM CMOS技术上都实施了量化和修剪的发动机。实验结果表明，硅的专用校准以333MHz时钟速率消耗8.64MW，0.9V电源。测量结果表明，量化的硬件实现仅在SFDR中损失0.4-4 dB。