An integration of topology optimization and conformal minimal surfaces for additively manufactured liquid-cooled heat sinks
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
This study introduces a novel methodology that integrates thermal-fluidic topology optimization (TopOpt) with advanced latticing techniques to design high-performance heat sinks tailored for additive manufacturing (AM). Inspired by a liquid cooling case study utilizing triply periodic minimal surface (TPMS) lattices, developed through conformal mapping by the nTop-Puntozero design team, the methodology focuses on replicating, adapting, and optimizing the original design to enhance flow characteristics while maintaining effective heat dissipation, adhering to Design for Additive Manufacturing (DfAM) guidelines and constraints. Four design variants were evaluated: a conventional serpentine cold plate, a geometrically similar replica of the reference design, and two hybrid TopOpt-latticing heat sinks. Numerical simulations were conducted to characterize performance metrics across a range of fluid pumping powers ( P pump ≤ 0.15 Watts). The results demonstrate that the proposed approach significantly enhances thermal-hydraulic performance compared to conventional designs. Additionally, prototypes of the optimized heat sinks were successfully fabricated using laser powder bed fusion (LPBF), validating their manufacturability. This work highlights the potential of hybrid TopOpt-latticing methods in achieving superior heat sink performance and underscores the necessity for holistic design workflows to fully integrate optimization, manufacturability, and application-specific requirements. Future research will focus on further development of these workflows and experimental validation of the numerical findings.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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