MétaCan
Menu
Retour à la cohorte
Enregistrement W2907761539 · doi:10.1109/therminic.2018.8593279

Variable Pumping Control for Low Power Microfluidic Chip Cooling

2018· preprint· en· W2907761539 sur OpenAlexaff
Sabrina da Luz, G. Kattinger, Gerard Laguna, Hassan Azarkish, Montse Vilarrubí, Louis-Michel Collin, Luc G. Fréchette, Jérôme Barrau, S. Billat

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésMicrochannelMicroelectronicsComputer coolingPressure dropChipMicrofabricationMaterials scienceMicrofluidicsTemperature controlThermal resistanceVolumetric flow rateMechanical engineeringOptoelectronicsElectrical engineeringNanotechnologyHeat transferMechanicsEngineeringThermal management of electronic devices and systemsFabrication

Résumé

récupéré en direct d'OpenAlex

As microelectronic modules increase in power density, liquid cooling has become increasingly required to maintain acceptable chip temperatures. Liquid cooling in microchannels offers low thermal resistance and can be integrated into modules given their small size and implementation by microfabrication methods [1]. Microchannel cooling is therefore particularly well suited for embedded or portable applications. Their performance and compact form factor come, however, to the cost of increased pressure drop compared to larger scale cold plates. Since energy is limited in portable applications, power consumption by the cooling system (product of pressure drop and flow rate) should be minimized. This can be done by reducing the pressure drop with optimal design [2] or by distributing the flow in parallel microchannels or cell arrays [3], [4]. This work focuses on reducing the flow rate by adapting the pumping conditions to only provide the minimal flow rate required to maintain the maximum chip temperature.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,952
Score d'incertitude au seuil1,000

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 Opus0,009
Tête enseignante GPT0,215
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
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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHeat Transfer and OptimizationTravaux en français237 207