至顶网CIO与应用频道 11月01日 北京消息:随着科技的发展,不断涌现的新产品对电源提出了越拉越高的要求。TI每一代产品和上一代相比,除了芯片本身尺寸变小之外,产品集成度也会越来越高,包括外置电感和电容TI都会做集成方案,使得设计更简单,系统设计更可靠。
近日,德州仪器发布了LMZM33606电源模块和TPS62827降压转换器,以满足更高功率密度需求的趋势。
TI电源模块有三个显著优点:
1、EMI特性优良,开关电源是EMI的主要来源,模块把电容集成可以把电流环路做得更小,这样就可以满足很多EMI标准。从模块规格上可以满足EN55011和CISPR11辐射的标准。
2、功率密度,将被动元器件,如电感、电容、电阻器件等集成到芯片里,采用QFN封装,下面是基板。因为有基板存在,所以热阻比较小,散热也比较好。
3、WEBENCH®使设计变得简单,TI支持使用WEBENCH®在线设计,为用户提供便利,只需将输入输出参数放到WEBENCH®里,易于算出电容和电阻。
宽输入电压转换器功率密度演化的发展主要是频率的变化,TI的产品从52kHz到2.1MHz,尺寸变得更小,不仅提高了频率,而且还提升了功效。
LMZM33606电源模块是一款易于使用的集成式电源解决方案,它在一个薄型封装中整合了一个具有功率 MOSFET 的 6A 直流/直流转换器、一个屏蔽式电感器和多个无源器件。此电源解决方案仅需四个外部组件,并且省去了设计流程中的环路补偿和磁性元件选择过程。
该器件采用 16mm × 10mm × 4mm、41 引脚 QFN 封装,可轻松焊接到印刷电路板上,并可实现紧凑的薄型负载点设计。包括电源正常、可调节软启动、跟踪、同步、可编程 UVLO、预偏置启动、可选自动或 FPWM 模式以及过流和过热保护在内的全套功能使 LMZM33606 非常适合为各种 应用供电。
TPS62827是5.5V输入,4A输出的降压转换器,TPS62827产品的优点包括:输出精度比高,采用DCS控制可以使得精度控制在1%(偏差)范围内,比较符合处理器和FPGA的应用;整个PCB板子小,芯片尺寸只有1.5mm×1.5mm;除了4A的产品还有2A-3A pin to pin;支持WEBENCH®在线仿真和设计,简化设计应用,只要把参数输入,所有的结果在网站上可以得到显示。
德州仪器副总裁兼降压开关电源产品业务部总经理 Mark Gary表示,TPS62827是5.5V输入的低压产品,5.5V的产品主要包括两个应用,一是电池,比如单节锂电池;二是二级电源。
氮化镓(GaN)也是最近比较受关注的新技术。德州仪器(TI)近日宣布推出支持高达10kW应用的新型即用型600 V氮化镓(GaN),50mΩ和70mΩ功率级产品组合。与AC/DC电源、机器人、可再生能源、电网基础设施、电信和个人电子应用中的硅场效应晶体管(FET)相比,LMG341x系列使设计人员能够创建更小、更高效和更高性能的设计。
德州仪器的GaN FET器件系列产品通过集成独特的功能和保护特性,来实现简化设计,达到更高的系统可靠性和优化高压电源的性能,为传统级联和独立的GaN FET提供了智能替代解决方案。通过集成的<100ns电流限制和过温检测,器件可防止意外的直通事件并防止热失控,同时系统接口信号可实现自我监控功能。
高压电源应用产品业务部氮化镓(GaN)功率器件产品线经理 Steve Tom表示,新技术刚开始使用的时候会贵一些,随着整个市场的成熟,越来越多的客户使用,整体价格趋势会逐渐降低;GaN相对传统硅的频率可以跑到1MHz,外围的电感和电容尺寸可以变得更小。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。