Numerical and Parametric Investigation of the Effect of Heat Spreading on Boiling of a Dielectric Liquid for Immersion Cooling of Electronics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract In a two-phase immersion cooling system, boiling on the spreader surface has been experimentally found to be nonuniform, and it is highly related to the surface temperature and the heat transfer coefficient. An experimentally obtained temperature-dependent boiling heat transfer coefficient has been applied to a numerical model to investigate the spreader's cooling performance. It is found that the surface temperature distribution becomes less uniform with higher input power. But it is more uniform when the thickness is increased. By defining the characteristic temperatures that represent different boiling regimes on the surface, the fraction of the surface area that has reached the critical heat flux has been numerically calculated, showing that increasing the thickness from 1 mm to 6 mm decreases the critical heat flux reached area by 23% at saturation liquid temperatures. Therefore, on the thicker spreader, more of the surface is utilized for nucleate boiling while localized hot regions that lead to surface dry-out are avoided. At a base temperature of 90 °C, the optimal thickness is found to be 4 mm, beyond which no significant improvement in heat removal can be obtained. Lower coolant temperatures can further increase the heat removal; it is reduced from an 18% improvement in the input power for the 1 mm case to only 3% in the 6 mm case for a coolant temperature drop of 24 °C. Therefore, a tradeoff exists between the cost of maintaining the low liquid temperature and the increased heat removal capacity.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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