MétaCan
Menu
Retour à la cohorte
Enregistrement W2615212327 · doi:10.1109/apec.2017.7930802

A 3D stacked step-down intergrated power module

2017· article· en· W2615212327 sur OpenAlexaff
Wenbo Liu, Yan‐Fei Liu, Laili Wang, Doug Malcolm

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSilicon Carbide Semiconductor Technologies
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésInductorFootprintFinite element methodPower (physics)ThermalThermal resistanceDissipationThermal conductivityElectronic engineeringMaterials scienceReduction (mathematics)Electrical engineeringComputer scienceEngineeringVoltagePhysicsStructural engineering

Résumé

récupéré en direct d'OpenAlex

This paper presents a 3D integrated power module design to effectively save footprint and improve thermal performance. The design reduces the footprint by 40% using a 3D structure in which the inductor is over the top of the regulator. A fixed inductor with a cavity is used to envelop the 3D power module, and the high thermal conductivity of the magnetic core significantly enhances heat dissipation. An efficiency-wise design is applied to the proposed power module and there is a reduction in inductor DC resistance, which can in turn further improve the thermal performance. An analytical thermal model is built to calculate the temperature, 3D FEA (Finite Element Analysis) simulation is also utilized to estimate the improvement in temperature field. A prototype is built to test the electrical and thermal performances as well. The DCR is reduced by more than 30% and the thermal performance is improved by 8-10°C compared with plastic molded power modules.

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 enseignants0,097
Score d'incertitude au seuil0,580

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 ouverte0,0010,000
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 Opus0,014
Tête enseignante GPT0,236
Écart entre enseignants0,221 · 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

Citations7
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSilicon Carbide Semiconductor TechnologiesTravaux en français237 207