MétaCan
Menu
Retour à la cohorte
Enregistrement W2800213235 · doi:10.1115/imece2007-42927

Multi-Objective Parameterization of Graphite Heat Spreader for Portable Systems Applications

2007· article· en· W2800213235 sur OpenAlexaff
Arijit Banerjee, Nikhil Lakhkar, Shahi Riaz, Gamal Refai-Ahmed, Dereje Agonafer

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensAdvanced Micro Devices (Canada)
Organismes subventionnairesnon disponible
Mots-clésGraphiteHeat sinkHeat spreaderThermal conductivityMiniaturizationMaterials scienceHeat transferPower densityMechanical engineeringElectronicsNuclear engineeringProcess engineeringPower (physics)Electrical engineeringComposite materialMechanicsNanotechnologyThermodynamicsEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The advancement made in portable electronic systems has primarily been due to miniaturization of electronic systems. This in turn leads to an increase in power density which leads to higher temperatures and formation of hot spots. There is a temperature specification of system surfaces for human comfort (such as the surface close to a keyboard on laptops). Challenge in cooling portable devices is that there is not enough room to accommodate heat sinks. It is therefore important to have heat spreaders that can transfer the heat from critical devices to regions where cooling is available. Traditionally, copper has been the best heat spreader due to its high thermal conductivity. However, copper has a relatively high density and correspondingly high weight. Graphite is a suitable alternative. Recent advances in graphite technology have resulted in fairly high conductivity in the planar directions. In spite of these advances, the cost of graphite is an issue. In this paper, a multi-objective parameterization is utilized that considers weight and temperature distribution of the graphite heat spreader as objective parameters. The data is then compared to published data that utilizes graphite in a laptop.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,964
Score d'incertitude au seuil0,290

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 Opus0,015
Tête enseignante GPT0,240
Écart entre enseignants0,225 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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