工业自动化和数字化转型正推动可扩展、标准化网络解决方案市场快速增长,以满足商业运营技术(OT)部署的需求。为了向自动化制造商提供全面的网络解决方案,Microchip Technology Inc.今日宣布推出LAN9662千兆以太网交换机。该交换机具有四个端口、音视频桥接和时敏网络 (AVB/TSN)、两个集成 10/100/1000BASE-T PHY 和一个 600 MHz Arm® Cortex®-A7 CPU 子系统。
为支持工业以太网应用,LAN9662 具有实时引擎(RTE),能够修改飞行中的以太网帧,从而实现更快的循环数据速率和更低延迟。LAN9662 符合 OPC 统一架构(OPC/UA) 和 PROFINET 软件协议栈等关键行业标准,提供工业网络应用所需的确定性通信功能。
MicrochipUSB和网络业务部副总裁Charles Forni表示:“LAN9662是对LAN966x系列的扩展,为支持TSN的网络终端进行扩展提供了可行的方案。我们的解决方案为客户提供了全面的软件组合支持,让客户可在符合行业标准的情况下启动设计。”
AN9662 具有两个集成 PHY,可提供极低的延迟,支持各种菊花链拓扑结构。PHY 接口可在指定时间内快速处理数据,为电机、传送带和多轴机器人控制器等自动化应用提供可靠的网络。
LAN9662最多支持两个 RGMII/RMII、两个 1000BASE-X/SerDes/2.5GBASE-X/KX,以及一个 Quad-SGMII/Quad-USGMII 接口。这些可配置接口使设计人员能够实现可能需要的各种物理层或互连。
Microchip 是工业级网络解决方案的成熟供应商,提供各种坚固耐用、高能效和高度集成的产品组合,具有确定性交换和容错冗余功能。公司产品大大降低了在各种工业应用中部署以太网的复杂性和支出。如需了解有关 Microchip 以太网解决方案的更多信息,请单击此处。
开发工具
LAN9662得到Microchip 交换机 API、EVB-LAN9662和 EVB-LAN9662-Carrier Board 的支持,并得到Platform BSP、Linux®Switchdev 和 PROFINET Software Stack 等一系列软件支持。
供货与定价
LAN9662 批发售价为每件13.10 美元。如需了解更多信息或购买,请联系 Microchip 销售代表、全球授权分销商或访问 Microchip 的采购和客户服务网站 www.microchipdirect.com。
资源
可通过Flickr或联系编辑获取高分辨率图片(欢迎自由发布):
· 应用图片:www.flickr.com/photos/microchiptechnology/52862723786/sizes/l
Microchip Technology Inc. 简介
Microchip Technology Inc.是致力于智能、互联和安全的嵌入式控制解决方案的领先供应商。其易于使用的开发工具和丰富的产品组合让客户能够创建最佳设计,从而在降低风险的同时减少系统总成本,缩短上市时间。Microchip的解决方案为工业、汽车、消费、航天和国防、通信以及计算市场中12万5千多家客户提供服务。Microchip总部位于美国亚利桑那州Chandler市,提供出色的技术支持、可靠的产品交付和卓越的质量。详情请访问公司网站www.microchip.com。
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。