标签
清华大学研究人员提出了一种有界双环自动化原理图综合框架，可将自然语言规格转换为经过验证的电力电子 KiCad 原理图。与原生大语言模型基线相比，该框架将元器件验证覆盖率从 22.2% 提升至 98.6%，并将 SPICE 仿真通过率从 0% 提升至 100%。
CAHR-Net 提出了一种条件自适应磁滞重建网络，通过将操作条件注入中间表示来改进磁芯损耗建模，与现有方法相比，实现了更低的误差和更少的参数。
本预印本提出了PI-HNO，一种用于电力磁性元件瞬态磁化预测的物理信息混合神经算子，在每种材料模型仅使用4,777个可训练参数的情况下，实现了较低的B-H能量一致性误差。
本文提出了一种神经控制微分方程（Neural CDE）框架，用于学习构网型逆变器的连续时间替代模型以进行EMT仿真，该框架结合了双慢/快路径和物理启发式正则化，以捕捉多时间尺度动态。