MétaCan
Menu
Retour à la cohorte
Enregistrement W3043116824 · doi:10.1109/jmems.2020.3007072

Fabrication and Demonstration of a Self-Adaptive Microvalve Array for Distributed Liquid Cooling in Microelectronic Interposers

2020· article· en· W3043116824 sur OpenAlexaff
Amrid Amnache, Gerard Laguna, Étienne Léveillé, Rajesh Pandiyan, Louis-Michel Collin, Montse Villarrubi, Simon Hamel, Jérôme Barrau, Luc G. Fréchette

Notice bibliographique

RevueJournal of Microelectromechanical Systems · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensInstitut interdisciplinaire d'innovation technologiqueUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésMicroelectronicsOverheating (electricity)MicrochannelInterposerMicrofluidicsMicroelectromechanical systemsMaterials scienceHeat sinkFabricationThermalComputer coolingOptoelectronicsComputer scienceThermal management of electronic devices and systemsElectronic engineeringMechanical engineeringNanotechnologyElectrical engineeringEngineeringEtching (microfabrication)Layer (electronics)Physics

Résumé

récupéré en direct d'OpenAlex

We demonstrated the implementation and self-adaptive behavior of an array of thermostatic microvalves that locally control the water-cooling flow to prevent hot spots in microelectronics while minimizing the pumping power. This strategy enables the compact integration of multiple chips on an interposer without constraints of overheating or thermal cross talk. The performance of microfluidic cell array with self-adaptive valve is assessed experimentally, and compared to other conventional microchannel cooling device showing high efficiency and temperature uniformity. This paper presents the first MEMS implementation and experimental demonstration of this concept, which is part of the STREAMS European project.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,001

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0000,000

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 Opus0,010
Tête enseignante GPT0,208
Écart entre enseignants0,198 · 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 source (Gemma direct ou Codex distillé), 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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Microelectromechanical SystemsMême sujetHeat Transfer and OptimizationTravaux en français237 207