Machine learning per nuovi materiali per i condensatori

Le complesse analisi per trovare soluzioni migliori per i componenti elettronici possono essere notevolmente accelerate ricorrendo all’intelligenza artificiale

La ricerca per migliorare i componenti elettronici è continua, ma spesso viene limitata dalla complessità dei modelli utilizzati e dalla relativa necessità di elevate, o innovative, capacità di calcolo.

Un esempio è costituito dai condensatori, componenti che possono svolgere un ruolo molto importante per diverse applicazioni, dai veicoli elettrici ai dispositivi portatili. Uno dei limiti principali però risiede nella ridotta possibilità di immagazzinare energia rispetto ad altri componenti di dimensioni analoghe come le batterie.

leggi l’articolo completo su EONews di aprile

Francesco Ferrari

Contenuti correlati

• 
  Visione artificiale e Machine Learning nelle applicazioni dell’Industria 4.0

  Questo articolo è una panoramica sulla moderna tecnologia di visione artificiale supportata da funzioni di Intelligenza Artificiale nelle applicazioni dell’Industria 4.0 Leggi l’articolo completo su EO Lighting 35
• 
  Veicoli autonomi: il punto della situazione

  Esistono pochi dubbi sul fatto che i veicoli autonomi facciano parte del futuro, anche se non sono pochi gli ostacoli, di natura tecnica e soprattutto etica, da superare per tradurre questa visione in una realtà concreta Leggi...
• 
  Apprendimento automatico alla periferia della rete: le considerazioni chiave per sviluppare un progetto sostenibile

  Numerosi sistemi embedded, in particolare quelli utilizzati nelle installazioni IoT (Internet of Things) ubicate alla periferia della rete (edge), integrano algoritmi di apprendimento automatico (ML – Machine Learning). Mark Patrick, responsabile del Technical Marketing per la regione...
• 
  Webinar gratuito da element14 Community sul machine learning integrato

  element14  ha annunciato un webinar gratuito in collaborazione con Nordic Semiconductor ed Edge Impulse, progettato per fornire assistenza ai principianti nel campo del machine learning (ML) integrato. Il webinar è previsto per il 21 novembre 2023 dalle...
• 
  Webinar gratuito di COMSOL su Machine learning e simulazione

  COMSOL  terrà Mercoledì 27 settembre alle 14.30 un webinar gratuito dedicato al machine learning e alla simulazione. Il webinar è stato organizzato in collaborazione con il dipartimento DESTEC dell’Università degli Studi di Pisa ed è focalizzata su...
• 
  La nuova piattaforma Appian introduce l’AI per l’automazione dei processi

  Appian ha rilasciato una nuova versione della sua piattaforma per l’automazione dei processi che introduce AI Skill Designer, una modalità low-code per costruire, addestrare e distribuire modelli di machine learning (ML) personalizzati. Il design low-code consente agli...
• 
  Intelligenza Artificiale Creativa nel futuro dell’AI

  È logico aspettarsi in un futuro, nemmeno troppo lontano, un mondo popolato da robot sempre più “umani”? Queste macchine saranno in grado di replicare i comportamenti tipici dell’uomo come, ad esempio, i sentimenti ma soprattutto la creatività?...
• 
  AI spiegabile: una guida per il progettista

  Scopo di questo articolo è introdurre l’intelligenza artificiale spiegabile e illustrare i motivi per cui è indispensabile tenerla in considerazione per ogni nuova applicazione di apprendimento automatico Leggi l’articolo completo su EO 507
• 
  L’applicazione dell’intelligenza artificiale e del Machine Learning nei sistemi di produzione

  Lo scopo di questo articolo è quello di analizzare l’applicazione dell’intelligenza artificiale e del Machine Learning (ML) (apprendimento automatico) nella produzione industriale. Con l’introduzione dell’Industria 4.0, l’intelligenza artificiale e l’apprendimento automatico sono considerati la forza trainante della...
• 
  TinyML: un’introduzione (1a parte)

  Questo articolo è il primo di una serie di tre focalizzati su TinyML: in sintesi l’utilizzo delle tecniche di apprendimento automatico (ML – Machine Learning) su microcontrollori a basso consumo e con un numero limitato di risorse a disposizione...