MétaCan
Menu
Retour à la cohorte
Enregistrement W4384158448 · doi:10.1109/itherm55368.2023.10177592

Design and Experimental Verification of Air Cooled Server Enclosure: A Novel Approach for Heat Sink Characterization

2023· article· en· W4384158448 sur OpenAlexaff
Ghazal Mohsenian, Yaman Manaserh, Mohammad Tradat, Srikanth Rangarjan, Ayushman Singh, Koroush Nemati, Alfonso Ortega, Bahgat Sammakia

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensFuture Earth
Organismes subventionnairesnon disponible
Mots-clésHeat sinkElectronicsElectronics coolingEnclosureReliability (semiconductor)BottleneckComputer scienceMechanical engineeringThermalElectronic componentCharacterization (materials science)Automotive engineeringReliability engineeringEngineeringMaterials scienceEmbedded systemElectrical engineeringNanotechnologyTelecommunications

Résumé

récupéré en direct d'OpenAlex

Semiconductor thermal management is becoming a bottleneck challenge that restricts further development in the electronics industry. Compromising processor thermal requirements will impact the processor performance and reliability. Heat sinks are designed to increase the available surface area of an electronic component and allow for more heat to be easily dissipated. As a result, the thermal characterization of the heat sinks plays a critical role in electronics thermal management. In this study, a flexible experimental apparatus is designed, built, and assembled to characterize and test various electronics components in different aerodynamics and thermal conditions. This novel experimental apparatus allows for controlled characterization of the various heat sinks with different heights as well as realistic scenarios with air bypass at server level. Moreover, a general guideline on precise experimental procedure to characterize air cooled heat sinks is developed. The results show that introduced method reduces the experimental error by 26%.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,028
Tête enseignante GPT0,228
Écart entre enseignants0,200 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHeat Transfer and OptimizationTravaux en français237 207