MétaCan
Menu
Retour à la cohorte
Enregistrement W2143758006 · doi:10.1109/ccece.2003.1226355

Design and characterization of a silicon base micro heat exchanger

2004· article· en· W2143758006 sur OpenAlexafffund
S. Sadri-Lonbani, Mojtaba Kahrizi, Ion Stiharu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensConcordia University
Organismes subventionnairesConcordia UniversityCMC Microsystems
Mots-clésMicroelectronicsPlate fin heat exchangerMicro heat exchangerHeat exchangerMaterials scienceHeat transferMechanical engineeringHeat spreaderElectronic componentMicroelectromechanical systemsFinite element methodPlate heat exchangerConvective heat transferElectronicsConvectionMechanicsElectrical engineeringEngineeringStructural engineeringOptoelectronicsPhysics

Résumé

récupéré en direct d'OpenAlex

The need for greater computational power and speed in electronic devices has led to increase the circuit density. The large density is associated with larger amounts of heat generation. Most of the time, the free convection is unable to relief the heat from the components. Forced convection in conjunction with enhanced shape of the dissipation radiators are used to accelerate the heat dissipation from the electronic components. Using the field of integrated micro-sensors and micro-actuators, called MEMS, provides us an important link between microelectronics and nonelectronics applications, and a powerful enabling tool to realize such heat exchanger devices. In this work, the fundamental issues related to design of micro heat exchangers is presented. Based on these findings, a micro-heat exchanger made of non-uniform array of micro pins on silicon is designed. Finite element modeling (FEM) is used to simulate the size and shape of pins based on two different models of convection. It was found that square shape pins in compare with other shapes like circular and rectangular pins with the same area, exhibit the higher heat transfer capability with less pressure deference through the device.

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: aucune
Score de désaccord entre enseignants0,572
Score d'incertitude au seuil0,192

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 Opus0,013
Tête enseignante GPT0,194
Écart entre enseignants0,181 · 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

Citations1
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetHeat Transfer and OptimizationTravaux en français237 207