MétaCan
Menu
Retour à la cohorte
Enregistrement W2108122204 · doi:10.1109/itherm.2010.5501380

Fin-shape optimization of an impingement-parallel plate heat sink

2010· article· en· W2108122204 sur OpenAlexaff
Sravan Gondipalli, Bahgat Sammakia, Susan Lu, Gamal Refai-Ahmed

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensAdvanced Micro Devices (Canada)
Organismes subventionnairesnon disponible
Mots-clésHeat sinkThermal resistancePressure dropFinMaterials scienceElectronics coolingMechanicsThermalAirflowSink (geography)Heat transferMechanical engineeringThermodynamicsEngineeringComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

As the power dissipated by advanced microelectronic devices continues to increase, the demand for reliability also increases. This increases the requirements on the thermal performance of every part of the system, including the heat sink. One of the objectives of this study is to examine the effect of shape of the heat sink fins on the thermal performance of the system. The pressure gradient from the fan to the base of the heat sink, near the center, tends to be high. This significantly reduces the airflow at that location and, hence, decreases transport in that region. Parallel plate heat sinks have been investigated by removing fin material near the center along the length and height of the fins. The junction-to-ambient temperature difference and pressure drop are adopted as thermal performance characteristics. Five design variables related to the fin shape were considered and the most significant influential geometric parameters for minimizing the objective functions identified using the analysis of variance (ANOVA) approach. Different fin shapes have been studied with the objective of searching for a new optimal heat sink design by optimizing the variables that improve the thermal performance without increasing pressure drop across the heat sink.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,614
Score d'incertitude au seuil0,999

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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,216
Écart entre enseignants0,206 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHeat Transfer and OptimizationTravaux en français237 207