MétaCan
Menu
Retour à la cohorte
Enregistrement W1978378467 · doi:10.1115/ipack2013-73052

Steady and Transient Heat Transfer Analysis of the Microprocessor System Using One-Dimensional Thermal Network

2013· article· en· W1978378467 sur OpenAlexaff
Koji Nishi, Tomoyuki Hatakeyama, Masaru Ishizuka

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueThermal properties of materials
Établissements canadiensAdvanced Micro Devices (Canada)
Organismes subventionnairesnon disponible
Mots-clésThermal resistanceThermal conductionHeat sinkTransient (computer programming)Materials scienceThermalHeat transferMicroprocessorThermal greaseThermal conductivitySteady state (chemistry)SiliconThermal reservoirMechanicsThermodynamicsMechanical engineeringComposite materialEngineeringElectrical engineeringComputer scienceHeat spreaderOptoelectronicsPhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

This paper introduces and discusses one-dimensional thermal network for microprocessor silicon die temperature prediction both under steady and transient states. Firstly, one-dimensional thermal network with average temperature nodes is constructed with the thermal spreading resistance and the thermal local resistance. Secondly, characteristics of thermal resistances under steady state are discussed. By conducting three-dimensional heat conduction simulation, thermal resistance values are evaluated for the case with different cooling solutions and different heat distributions at silicon die bottom of microprocessor. Thirdly, thermal resistance behavior of introduced thermal network during transient state is explored for further understanding of temperature transition of the microprocessor silicon die. Since the thermal spreading resistance takes relatively large value and changes its value drastically, this paper investigates transient behavior of thermal spreading resistance from TIM (Thermal Interface Material) to heat sink base as an example.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,208
Écart entre enseignants0,188 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetThermal properties of materialsTravaux en français237 207