Jadual Kandungan
Apakah faedah yang boleh dibawa oleh kecerdasan buatan dan pembelajaran mesin kepada industri pembinaan?
Bagaimanakah kecerdasan buatan dan pembelajaran mesin boleh digunakan di tapak?
Cabaran Semasa Kepintaran Buatan dan Pembelajaran Mesin dalam Pembinaan
Bagaimanakah industri pembinaan menerima pendigitalan dan kecerdasan buatan?
Kesimpulan
Rumah Peranti teknologi AI Mengubah industri pembinaan: Kesan kecerdasan buatan dan pembelajaran mesin

Mengubah industri pembinaan: Kesan kecerdasan buatan dan pembelajaran mesin

Oct 11, 2023 pm 05:41 PM
AI pembelajaran mesin

Industri pembinaan telah lama terkenal dengan proses manual tradisionalnya, tetapi dengan peningkatan teknologi, ini berubah dengan pantas. Kecerdasan buatan (AI) dan pembelajaran mesin (ML) menjadi semakin penting dalam industri, memberikan peluang baharu untuk kecekapan, ketepatan dan keselamatan. Teknologi ini mengubah cara bangunan direka bentuk, dibina dan dikendalikan dan telah menimbulkan konsep bangunan pintar.

Mengubah industri pembinaan: Kesan kecerdasan buatan dan pembelajaran mesin

Bangunan pintar ialah bangunan yang menggunakan pelbagai teknologi untuk mengoptimumkan operasinya dan meningkatkan kecekapan tenaga, keselesaan dan keselamatannya. Ini termasuk ciri seperti lampu pintar dan sistem HVAC, keselamatan automatik dan kawalan akses, dan penyelenggaraan ramalan. Bangunan pintar, sebaliknya, merujuk kepada penggunaan teknologi digital untuk memudahkan dan mengoptimumkan proses pembinaan, termasuk reka bentuk, perancangan, penjadualan dan pengurusan sumber. Konvergensi kecerdasan buatan dan pembelajaran mesin dalam pembinaan membuka kemungkinan baharu untuk industri, menjadikannya lebih cekap, kos efektif dan mampan.

Memandangkan potensi teknologi ini, adalah penting untuk meneroka faedah dan cabaran bangunan pintar dan pembinaan pintar, dan mempertimbangkan cara ia akan membentuk masa depan industri. Dalam artikel ini, kita melihat dengan lebih dekat kesan kecerdasan buatan dan pembelajaran mesin pada seni bina digital dan masa depan seni bina.

Apakah faedah yang boleh dibawa oleh kecerdasan buatan dan pembelajaran mesin kepada industri pembinaan?

Pengintegrasian kecerdasan buatan dan pembelajaran mesin dalam sektor pembinaan membawa banyak faedah dan boleh merevolusikan industri ini. Berikut ialah beberapa kelebihan utama menggunakan teknologi ini dalam bangunan pintar dan pembinaan pintar:

  • Peningkatan kecekapan dan produktiviti: Salah satu kelebihan terbesar kecerdasan buatan dan pembelajaran mesin dalam sektor pembinaan ialah keupayaan untuk mengautomasikan tugasan tertentu, dengan itu meningkatkan kecekapan dan daya produktif. Contohnya, dengan menggunakan algoritma AI untuk menganalisis data pembinaan dan meramalkan isu yang berpotensi, pasukan pembinaan boleh menangani isu yang berpotensi sebelum ia berlaku, mengelakkan kelewatan yang mahal dan kerja semula. Begitu juga, dengan menggunakan pembelajaran mesin untuk menganalisis penggunaan sumber dan mengoptimumkan jadual, projek pembinaan boleh disiapkan dengan lebih cepat dengan sumber yang lebih sedikit.
  • Tingkatkan keselamatan dan kurangkan risiko: Kepintaran buatan dan teknologi pembelajaran mesin juga boleh membantu meningkatkan keselamatan dan mengurangkan risiko di tapak pembinaan. Dengan menganalisis data tentang tingkah laku dan pergerakan pekerja binaan, AI boleh mengenal pasti potensi bahaya keselamatan dan memberi amaran kepada pekerja sebelum insiden berlaku. Selain itu, pembelajaran mesin boleh digunakan untuk meramal dan mencegah kegagalan peralatan, mengurangkan risiko kemalangan dan memastikan peralatan sentiasa dalam keadaan optimum.
  • Peningkatan Ketepatan dan Ketepatan: Alat pembinaan digital menggunakan kecerdasan buatan dan pembelajaran mesin boleh memberikan ukuran yang tepat dan tepat, menghapuskan keperluan untuk pengukuran manual yang sering membawa kepada ralat. Dengan menggunakan penderia termaju dan teknologi pengimejan, kecerdasan buatan dan pembelajaran mesin boleh mencipta model 3D tapak pembinaan yang sangat terperinci, memastikan ketepatan pengukuran dan perancangan.
  • Pengurusan sumber yang lebih baik dan penjimatan kos: Kepintaran buatan dan pembelajaran mesin boleh membantu pasukan pembinaan mengurus sumber dengan lebih cekap, menghasilkan penjimatan kos yang ketara. Sebagai contoh, dengan menganalisis penggunaan sumber dan mengoptimumkan jadual, AI dan pembelajaran mesin boleh membantu pasukan pembinaan mengenal pasti kawasan di mana mereka boleh mengurangkan kos dan memperuntukkan sumber dengan lebih cekap.

Aplikasi kecerdasan buatan dan pembelajaran mesin dalam bangunan pintar dan pembinaan pintar masih di peringkat awal, tetapi berpotensi untuk merevolusikan industri melalui peningkatan kecekapan, keselamatan yang dipertingkatkan, ketepatan yang dipertingkatkan dan penjimatan kos. Memandangkan inovasi dan pembangunan terus berkembang, masa depan pembinaan digital dan seni bina masa depan sangat cerah

Bagaimanakah kecerdasan buatan dan pembelajaran mesin boleh digunakan di tapak?

Kepintaran buatan dan pembelajaran mesin mempunyai pelbagai aplikasi dalam industri pembinaan dan boleh mengubah reka bentuk bangunan, pembinaan dan kaedah pengurusan. Beberapa apl ini termasuk:

  • Reka Bentuk dan Perancangan: Kepintaran buatan dan algoritma pembelajaran mesin boleh digunakan untuk menganalisis sejumlah besar data daripada pelbagai sumber, seperti keadaan persekitaran, corak penggunaan tenaga dan tingkah laku penghuni. Ini membolehkan arkitek dan jurutera mereka bentuk bangunan yang lebih cekap, mampan dan selesa. Selain itu, teknik ini boleh membantu menjana reka bentuk struktur yang dioptimumkan yang menggunakan kurang bahan dan mengurangkan kos.
  • Pengurusan dan Penjadualan Pembinaan: Kepintaran buatan dan pembelajaran mesin boleh digunakan untuk menganalisis dan mengoptimumkan kemajuan pembinaan, dengan mengambil kira pelbagai faktor seperti cuaca, ketersediaan bahan dan peralatan serta keadaan tapak. Ini membantu mengurangkan kelewatan dan lebihan kos serta meningkatkan kecekapan dan produktiviti projek.
  • Pemantauan keselamatan dan penilaian risiko: Kepintaran buatan dan pembelajaran mesin boleh digunakan untuk menganalisis data masa nyata daripada penderia dan kamera di tapak pembinaan untuk menemui potensi bahaya keselamatan dan mencegah kemalangan. Teknologi ini juga boleh digunakan untuk menilai dan mengurangkan risiko yang berkaitan dengan pelbagai aspek pembinaan, seperti pengendalian bahan, pengendalian peralatan berat dan tingkah laku pekerja.
  • Penyelenggaraan ramalan: Kepintaran buatan dan pembelajaran mesin boleh digunakan untuk menganalisis data daripada penderia yang dipasang dalam bangunan dan peralatan untuk meramal dan mencegah masalah penyelenggaraan daripada berlaku. Ini membantu mengurangkan masa henti, meningkatkan kebolehpercayaan peralatan dan hayat perkhidmatan serta mengoptimumkan kos penyelenggaraan.
  • Kawalan dan Pemeriksaan Kualiti: Kepintaran buatan dan pembelajaran mesin boleh digunakan untuk menganalisis data daripada kamera dan penderia untuk mengesan kecacatan dan anomali dalam bahan binaan dan struktur. Ini membantu memastikan bangunan dibina mengikut standard kualiti tinggi dan memenuhi keperluan keselamatan. Selain itu, kecerdasan buatan dan pembelajaran mesin boleh digunakan untuk kawalan kualiti autonomi, di mana mesin boleh mengesan dan membetulkan kecacatan, mempercepatkan proses pembinaan.

Cabaran Semasa Kepintaran Buatan dan Pembelajaran Mesin dalam Pembinaan

Walaupun Kepintaran Buatan dan Pembelajaran Mesin menawarkan potensi besar untuk mengubah industri pembinaan, terdapat juga beberapa cabaran dan batasan yang perlu ditangani. Berikut ialah beberapa cabaran dan had utama kecerdasan buatan dan pembelajaran mesin dalam pembinaan:

  • Kos pelaksanaan dan latihan: Kos pelaksanaan dan latihan untuk kecerdasan buatan dan teknologi pembelajaran mesin boleh menjadi tinggi, menjadikannya sukar bagi sesetengah syarikat pembinaan untuk menerima pakai. teknologi ini. Perniagaan perlu melabur dalam perkakasan dan perisian khusus serta melatih pekerja untuk menggunakan teknologi ini dengan berkesan.
  • Isu Privasi dan Pengurusan Data: Menggunakan kecerdasan buatan dan pembelajaran mesin dalam pembinaan memerlukan akses kepada sejumlah besar data, termasuk data sensitif yang berkaitan dengan reka bentuk bangunan, pembinaan dan operasi. Ini menimbulkan kebimbangan tentang pengurusan data dan privasi, serta kemungkinan serangan siber atau pelanggaran.
  • Keterbatasan teknikal dan keserasian: Kepintaran buatan dan teknologi pembelajaran mesin mungkin menghadapi had teknikal, seperti keperluan untuk data berkualiti tinggi, ketersambungan yang boleh dipercayai dan keserasian dengan perisian dan perkakasan sedia ada syarikat pembinaan mungkin perlu melabur dalam meningkatkan infrastruktur mereka Sokong teknologi ini.

Secara keseluruhan, walaupun terdapat beberapa cabaran dan batasan dalam menerapkan kecerdasan buatan dan pembelajaran mesin dalam sektor pembinaan, teknologi ini mempunyai potensi besar untuk meningkatkan kecekapan, keselamatan dan kemampanan industri. Dengan mengatasi cabaran dan batasan ini, syarikat pembinaan boleh memanfaatkan sepenuhnya kelebihan teknologi ini dan mengekalkan kedudukan utama dalam bidang bangunan pintar dan pembinaan digital yang pesat membangun

Bagaimanakah industri pembinaan menerima pendigitalan dan kecerdasan buatan?

Pembinaan industri dengan pantas menerima pendigitalan, Aplikasi kecerdasan buatan dan teknologi pembelajaran mesin, yang berpotensi mengubah cara bangunan direka bentuk, dibina dan dikendalikan

Kepintaran buatan dan pembelajaran mesin boleh mengautomasikan proses pembinaan dan mengurangkan keperluan untuk campur tangan manusia, membenarkan robot melakukan tugasan berulang dengan lebih cekap dan tepat tugas seksual. Penyepaduan dengan IoT boleh menyediakan pemantauan masa nyata dan analisis data sistem pembinaan, membolehkan penyelenggaraan dan pengoptimuman proaktif. Analitik ramalan boleh membantu meramal dan mencegah kegagalan sistem, mengurangkan masa henti dan kos penyelenggaraan.

Teknologi realiti maya dan realiti tambahan boleh memberikan pengalaman yang mengasyikkan untuk reka bentuk dan perancangan seni bina, dan kecerdasan buatan boleh mengenal pasti potensi bahaya keselamatan dan mengurangkan risikonya. Kecerdasan buatan dan pembelajaran mesin memegang janji besar dalam sektor pembinaan, meningkatkan kecekapan, keselamatan dan mengurangkan kos, malah mungkin merevolusikan industri

Kesimpulan

Kesimpulannya, kesan kecerdasan buatan dan pembelajaran mesin ke atas industri pembinaan tidak boleh dilebih-lebihkan Tidak keterlaluan. Memandangkan teknologi terus berkembang, kita boleh menjangkakan lebih banyak kemajuan dalam bangunan pintar dan pembinaan pintar. Walau bagaimanapun, adalah penting untuk mengenali cabaran dan batasan yang datang dengan melaksanakan teknologi ini dan merawatnya dengan berhati-hati.

Walaupun menghadapi cabaran ini, adalah jelas bahawa kecerdasan buatan dan pembelajaran mesin membawa faedah yang ketara kepada industri pembinaan, termasuk kecekapan, keselamatan dan penjimatan kos yang dipertingkatkan. Dengan menerima teknologi ini dan melabur dalam infrastruktur yang diperlukan, syarikat pembinaan boleh kekal di hadapan dan mencipta bangunan yang lebih pintar dan lebih mampan untuk masa hadapan. Potensi inovasi dalam bidang ini sangat besar, dan kami dapat melihat bagaimana kecerdasan buatan dan pembelajaran mesin akan terus mengubah cara kami mereka bentuk, membina dan mengendalikan bangunan pada tahun-tahun akan datang.

Atas ialah kandungan terperinci Mengubah industri pembinaan: Kesan kecerdasan buatan dan pembelajaran mesin. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Cara Membuka Segala -galanya Di Myrise
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Jun 28, 2024 am 03:51 AM

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Jun 10, 2024 am 11:08 AM

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Jun 07, 2024 am 10:06 AM

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Jun 11, 2024 pm 03:57 PM

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Lima sekolah pembelajaran mesin yang anda tidak tahu Lima sekolah pembelajaran mesin yang anda tidak tahu Jun 05, 2024 pm 08:51 PM

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Jul 17, 2024 pm 06:37 PM

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Meletakkan pasaran seperti AI, GlobalFoundries memperoleh teknologi gallium nitrida Tagore Technology dan pasukan berkaitan Meletakkan pasaran seperti AI, GlobalFoundries memperoleh teknologi gallium nitrida Tagore Technology dan pasukan berkaitan Jul 15, 2024 pm 12:21 PM

Menurut berita dari laman web ini pada 5 Julai, GlobalFoundries mengeluarkan kenyataan akhbar pada 1 Julai tahun ini, mengumumkan pemerolehan teknologi power gallium nitride (GaN) Tagore Technology dan portfolio harta intelek, dengan harapan dapat mengembangkan bahagian pasarannya dalam kereta dan Internet of Things dan kawasan aplikasi pusat data kecerdasan buatan untuk meneroka kecekapan yang lebih tinggi dan prestasi yang lebih baik. Memandangkan teknologi seperti AI generatif terus berkembang dalam dunia digital, galium nitrida (GaN) telah menjadi penyelesaian utama untuk pengurusan kuasa yang mampan dan cekap, terutamanya dalam pusat data. Laman web ini memetik pengumuman rasmi bahawa semasa pengambilalihan ini, pasukan kejuruteraan Tagore Technology akan menyertai GLOBALFOUNDRIES untuk membangunkan lagi teknologi gallium nitride. G

See all articles