MétaCan
Menu
Retour à la cohorte
Enregistrement W2012845503 · doi:10.1115/ipack2007-33573

Thermal Characterization of Micro-Channels Heat Exchanger for High-End Processors

2007· article· en· W2012845503 sur OpenAlexaff
Khalid Sheltami, Gamal Refai-Ahmed

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensAdvanced Micro Devices (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer coolingHeat exchangerHeat transfer coefficientMaterials scienceThermal resistanceChannel (broadcasting)Micro heat exchangerThermalHeat transferMechanical engineeringJunction temperatureHydraulic diameterComputer scienceMechanicsPlate heat exchangerThermal management of electronic devices and systemsEngineeringElectrical engineeringThermodynamicsReynolds number

Résumé

récupéré en direct d'OpenAlex

With the market demand of more performance at smaller form factors, the technology direction is moving into increasing the transistors in semiconductor devices by a significant percentage, which translates into increasing the heat flux by a substantial amount. Thermal management of these devices, within a compact form factors, at an acceptable junction temperature, is a challenging task for the industry and researchers alike. This paper presents the significant increase in cooling capacity by using micro-channels technology in liquid cooling and highlights the advantages of this solution over macro-channels. The current study has examined the effects of both the channel width and its wall thickness on the heat transfer coefficient and hydraulic impedance. The present investigation is supported by CFD simulations and experimental results. The preliminary results of this study show that micro-channels technology could improve the heat exchanger performance by 64%. Finally, this paper proposes an empirical model to account for the effects of the geometric parameters of the heat exchanger on its thermal performance, as well as, its hydraulic characteristic.

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 candidatesaucune
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 enseignants0,485
Score d'incertitude au seuil0,303

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)0,0000,000

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 Opus0,011
Tête enseignante GPT0,213
Écart entre enseignants0,202 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHeat Transfer and OptimizationTravaux en français237 207