诺菲:把触摸屏折叠起来

随着柔性显示技术的发展,以ITO(氧化铟锡)材料为主导的触控行业将迎来新一轮的变革浪潮。诺菲纳米科技(以下简称“诺菲”)正在以变革者的身份参与到这场浪潮当中,采用诺菲纳米银新材料的触摸屏可实现折叠、弯曲功能,甚至还能够像油画一样贴在公司会议室家里卧室的墙壁上。

对行业趋势的看法是怎样的?

在诺菲CEO姜锴看来,过去30年中,ITO材料统治着整个触控行业,日本掌握着ITO材料的底层核心技术。近两年,触控屏的制造工艺、制造材料技术同样也在随科技进步不断更新换代。其中,以纳米银线、金属网格、导电聚合物、石墨烯等为主的新材料正在成为主流。

此外,柔性显示技术是未来的发展趋势。它不仅可应用于目前人们经常使用的手机、平板、PC甚至可穿戴设备当中,还将用于公司会议、家庭客厅、卧室等场景当中,其未来想象空间极大。而ITO材料支撑的触摸屏目前只能应用在手机、平板等固定屏幕或弯曲程度极小的触摸屏中,并不能满足其他各类应用场景。

原因是什么?姜锴表示:传统ITO触控屏幕比较脆弱,不能对其进行大幅度弯曲操作,因此在柔性显示屏幕上不能使用或寿命极短,更不能满足可穿戴设备对屏幕的需求。ITO材料本身成本高昂,与纳米银、金属网格、石墨烯等象征着未来的印刷技术相比,成本差价达50%。姜锴预测,到2018年,50%以上的ITO材料都将被新材料取代。

技术优势是什么?

诺菲创立于2011年,由潘克菲在北极光创投的支持下主导创办。潘克菲曾在GE工作多年,更早之前曾在普林斯顿大学实验室工作过6年,并获得了博士学位。

诺菲选择以纳米银材料作为创业突破口,很大程度上与潘克菲在普林斯顿大学的经历有关,他那时的研究为诺菲的纳米银材料技术和涂布印刷工艺奠定了基础。这种纳米银线直径只有20〜30纳米,相当于头发丝直径的几千分之一。目前在美国本土只有3〜4家创业公司掌握这种材料技术,其中诺菲和另一家名为Cambrios的公司处于领先地位。

Cambrios只做纳米银材料工艺,不做涂布工艺,而涂布是做出纳米银导电薄膜不可或缺的重要工艺环节。诺菲则两者兼备,因此,诺菲的最终成品是纳米银导电薄膜。诺菲会将产品直接销售给自己的下游合作伙伴,而Cambrios则需要与韩国或者日本做涂布工艺的厂商寻求合作才能完成最终的成品。涂布工艺可以说是诺菲在同类企业当中的重要竞争筹码,在姜锴看来,其他同类企业不花2〜3年时间很难做出这种技术。潘克菲曾在普林斯顿大学研究了6年理论,在GE和Nanosolar工作实践了8年,才最终实现了纳米银线材料的商业化落地。

商业模式是怎样的?

据姜锴介绍,目前诺菲的主要商业模式是向下游合作伙伴销售自己的纳米银导电薄膜。这里的“下游”指的是欧菲光、台湾宸鸿、洋华、介面光电等触控屏幕公司。

下游公司将自己的触摸屏图案蚀刻在诺菲提供的纳米银导电薄膜上,然后绑定IC,贴上盖板玻璃,这就完成了触控屏的生产过程。据姜锴介绍,下游合作伙伴在拿到纳米银导电薄膜之前,都是在ITO薄膜上进行上述制造工艺流程的,未来可以直接换成诺菲纳米银导电薄膜进行操作,还是用同样的机台、同样的工艺。

这也是许多其他替代性材料的软肋——其他材料会要求下游合作伙伴改机台、改工艺。诺菲在无形中为下游合作伙伴节省了时间和一定的成本。

目前透明纳米银导电薄膜的市场规模每年大约有十几亿美金,如果将触摸屏图案做上去,每年的市场规模将是百亿美元。诺菲的下一步计划是与英特尔展开合作,开发新一代的触摸屏制造工艺。当问到英特尔为什么会和一个刚成立两年的创业公司合作时,姜锴回答:因为诺菲的技术是其他公司无法替代的。

标题基于SpringBoot+Vue的学生交流互助平台研究AI更换标题第1章引言介绍学生交流互助平台的研究背景、意义、现状、方法与创新点。1.1研究背景与意义分析学生交流互助平台在当前教育环境下的需求及其重要性。1.2国内外研究现状综述国内外在学生交流互助平台方面的研究进展与实践应用。1.3研究方法与创新点概述本研究采用的方法论、技术路线及预期的创新成果。第2章相关理论阐述SpringBoot与Vue框架的理论基础及在学生交流互助平台中的应用。2.1SpringBoot框架概述介绍SpringBoot框架的核心思想、特点及优势。2.2Vue框架概述阐述Vue框架的基本原理、组件化开发思想及与前端的交互机制。2.3SpringBoot与Vue的整合应用探讨SpringBoot与Vue在学生交流互助平台中的整合方式及优势。第3章平台需求分析深入分析学生交流互助平台的功能需求、非功能需求及用户体验要求。3.1功能需求分析详细阐述平台的各项功能需求,如用户管理、信息交流、互助学习等。3.2非功能需求分析对平台的性能、安全性、可扩展性等非功能需求进行分析。3.3用户体验要求从用户角度出发,提出平台在易用性、美观性等方面的要求。第4章平台设计与实现具体描述学生交流互助平台的架构设计、功能实现及前后端交互细节。4.1平台架构设计给出平台的整体架构设计,包括前后端分离、微服务架构等思想的应用。4.2功能模块实现详细阐述各个功能模块的实现过程,如用户登录注册、信息发布与查看、在线交流等。4.3前后端交互细节介绍前后端数据交互的方式、接口设计及数据传输过程中的安全问题。第5章平台测试与优化对平台进行全面的测试,发现并解决潜在问题,同时进行优化以提高性能。5.1测试环境与方案介绍测试环境的搭建及所采用的测试方案,包括单元测试、集成测试等。5.2测试结果分析对测试结果进行详细分析,找出问题的根源并
内容概要:本文详细介绍了一个基于灰狼优化算法(GWO)优化的卷积双向长短期记忆神经网络(CNN-BiLSTM)融合注意力机制的多变量多步时间序列预测项目。该项目旨在解决传统时序预测方法难以捕捉非线性、复杂时序依赖关系的问题,通过融合CNN的空间特征提取、BiLSTM的时序建模能力及注意力机制的动态权重调节能力,实现对多变量多步时间序列的精准预测。项目不仅涵盖了数据预处理、模型构建与训练、性能评估,还包括了GUI界面的设计与实现。此外,文章还讨论了模型的部署、应用领域及其未来改进方向。 适合人群:具备一定编程基础,特别是对深度学习、时间序列预测及优化算法有一定了解的研发人员和数据科学家。 使用场景及目标:①用于智能电网负荷预测、金融市场多资产价格预测、环境气象多参数预报、智能制造设备状态监测与预测维护、交通流量预测与智慧交通管理、医疗健康多指标预测等领域;②提升多变量多步时间序列预测精度,优化资源调度和风险管控;③实现自动化超参数优化,降低人工调参成本,提高模型训练效率;④增强模型对复杂时序数据特征的学习能力,促进智能决策支持应用。 阅读建议:此资源不仅提供了详细的代码实现和模型架构解析,还深入探讨了模型优化和实际应用中的挑战与解决方案。因此,在学习过程中,建议结合理论与实践,逐步理解各个模块的功能和实现细节,并尝试在自己的项目中应用这些技术和方法。同时,注意数据预处理的重要性,合理设置模型参数与网络结构,控制多步预测误差传播,防范过拟合,规划计算资源与训练时间,关注模型的可解释性和透明度,以及持续更新与迭代模型,以适应数据分布的变化。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值