論文の概要: Machine Learning-Assisted Thermoelectric Cooling for On-Demand Multi-Hotspot Thermal Management
- arxiv url: http://arxiv.org/abs/2404.13441v1
- Date: Sat, 20 Apr 2024 18:35:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-23 19:00:27.519512
- Title: Machine Learning-Assisted Thermoelectric Cooling for On-Demand Multi-Hotspot Thermal Management
- Title(参考訳): オンデマンドマルチホットスポット熱管理のための機械学習支援熱電冷却
- Authors: Jiajian Luo, Jaeho Lee,
- Abstract要約: 本稿では,大域的最適温度を達成できる熱電冷却器(TEC)の機械学習支援最適化アルゴリズムを提案する。
開始モジュールを持つ畳み込みニューラルネットワーク(CNN)を訓練し、システムの基盤となる熱-電気物理の結合を理解する。
我々のアルゴリズムは、平均1.07秒で地球規模の最適温度と対応するTECアレイ制御を提供することができる。
- 参考スコア(独自算出の注目度): 12.515874333424929
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid emergence of System-on-Chip (SoC) technology introduces multiple dynamic hotspots with spatial and temporal evolution to the system, necessitating a more efficient, sophisticated, and intelligent approach to achieve on-demand thermal management. In this study, we present a novel machine learning-assisted optimization algorithm for thermoelectric coolers (TECs) that can achieve global optimal temperature by individually controlling TEC units based on real-time multi-hotspot conditions across the entire domain. A convolutional neural network (CNN) with inception module is trained to comprehend the coupled thermal-electrical physics underlying the system and attain accurate temperature predictions with and without TECs. Due to the intricate interaction among passive thermal gradient, Peltier effect and Joule effect, a local optimal TEC control experiences spatial temperature trade-off which may not lead to a global optimal solution. To address this issue, a backtracking-based optimization algorithm is developed using the designed machine learning model to iterate all possible TEC assignments for attaining global optimal solutions. For arbitrary m by n matrix with NHS hotspots (n, m less than 10 and NHS less than 20), our algorithm is capable of providing global optimal temperature and its corresponding TEC array control in an average of 1.07 second while iterating through tens of temperature predictions behind-the-scenes. This represents a speed increase of over four orders of magnitude compared to traditional FEM strategies which take approximately 18 minutes.
- Abstract(参考訳): システム・オン・チップ(SoC)技術の急速な出現は、システムに空間的および時間的進化を伴う複数の動的ホットスポットを導入し、オンデマンド熱管理を実現するためにより効率的で洗練されたインテリジェントなアプローチを必要とする。
本研究では,全領域にわたるリアルタイムマルチホットスポット条件に基づいてTECユニットを個別に制御することにより,大域的最適温度を実現することのできる,熱電冷却器(TEC)の機械学習支援最適化アルゴリズムを提案する。
開始モジュールを持つ畳み込みニューラルネットワーク(CNN)は、システムの基盤となる熱-電気物理の結合を理解し、TECと非接触で正確な温度予測を行うように訓練されている。
受動的熱勾配, ペルチェ効果, ジュール効果の複雑な相互作用により, 局所最適TEC制御は空間温度トレードオフを経験し, 大域的最適解には至らない。
この問題に対処するために、バックトラックに基づく最適化アルゴリズムが設計された機械学習モデルを用いて開発され、グローバルな最適解を達成するために可能なTECの割り当てを反復する。
NHSホットスポット(n, m 以下 10 以下 NHS 以下 20 未満)を持つ n 個の任意の m に対して,我々のアルゴリズムは,地球規模の最適温度と対応する TEC アレイ制御を平均 1.07 秒で提供し,その裏側温度予測を反復的に行うことができる。
これは、約18分を要する従来のFEM戦略と比較して4桁以上のスピードアップを示している。
関連論文リスト
- Adaptive Decoding via Latent Preference Optimization [55.70602730588745]
モデルに付加されたレイヤであるAdaptive Decodingを導入し、推論時にサンプリング温度を動的に選択する。
我々の手法は、異なる温度を必要とする様々なタスクにおいて、すべての固定デコード温度を上回ります。
論文 参考訳(メタデータ) (2024-11-14T18:31:39Z) - Deep convolutional encoder-decoder hierarchical neural networks for
conjugate heat transfer surrogate modeling [0.0]
共役熱伝達(CHT)モデルは、多くの工学系の設計に不可欠である。
高忠実性CHTモデルは計算集約的であり、設計最適化のようなアプリケーションでの使用を制限する。
モジュール型深層畳み込みエンコーダ・デコーダ階層型ニューラルネットワーク(DeepEDH)を開発した。
論文 参考訳(メタデータ) (2023-11-24T21:45:11Z) - Autonomous Payload Thermal Control [55.2480439325792]
小さな衛星では、熱制御装置、科学機器、電子部品のスペースは少ない。
深部強化学習を用いた自律型熱制御ツールを提案する。
提案するフレームワークは,運用範囲の温度を維持するためにペイロード処理能力の制御を学べる。
論文 参考訳(メタデータ) (2023-07-28T09:40:19Z) - Machine learning based surrogate models for microchannel heat sink
optimization [0.0]
本稿では,二次チャネルとリブを用いたマイクロチャネルの設計を計算流体力学を用いて検討する。
ラテンハイパーキューブサンプリング、機械学習に基づく代理モデリング、多目的最適化を組み合わせたワークフローを提案する。
論文 参考訳(メタデータ) (2022-08-20T13:49:11Z) - Collaborative Intelligent Reflecting Surface Networks with Multi-Agent
Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。
本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文 参考訳(メタデータ) (2022-03-26T20:37:14Z) - A scalable helium gas cooling system for trapped-ion applications [51.715517570634994]
複数のイオントラッピング実験を同時に行うためのモジュラー冷却システムを提案する。
冷却システムは、70Kで111Wのネット冷却電力を最大4実験に供給することが期待されている。
論文 参考訳(メタデータ) (2021-06-14T16:37:54Z) - Machine-Learning Assisted Optimization Strategies for Phase Change
Materials Embedded within Electronic Packages [0.0]
位相変化材料(PCMs)の潜熱を緩和することで、電子機器のピーク温度と過渡的な温度変化を低減できる。
本研究では、電子機器のシリコンデバイス層内にPCMを埋め込むことにより、ソースとPCMとの間の熱抵抗を最小限に抑える。
組み込みPCM領域の形状と材料特性は、パラメトリックアルゴリズムと機械学習アルゴリズムの組み合わせを使用して最適化されます。
論文 参考訳(メタデータ) (2021-04-21T19:20:04Z) - Tensor Network for Supervised Learning at Finite Temperature [1.4717465036484292]
有限温度テンソルネットワーク(fttn)は熱摂動を行列積状態フレームワークにインポートする。
FTTNは環境との絡み合いから計算した熱損失とみなしている。
温度のようなパラメータは自動的に最適化され、各データベースに個々の温度を与える。
論文 参考訳(メタデータ) (2021-04-09T05:02:36Z) - Towards Optimal District Heating Temperature Control in China with Deep
Reinforcement Learning [0.0]
室内温度を予測するために,シミュレーションデータに基づくリカレントニューラルネットワークを構築した。
このモデルは、供給水温の最適制御のために、2つのDRLエージェントを専門家の指導なしに訓練するために使用される。
論文 参考訳(メタデータ) (2020-12-17T11:16:08Z) - Controlling Rayleigh-B\'enard convection via Reinforcement Learning [62.997667081978825]
固定外熱勾配下での対流熱交換を抑制または促進するための効果的な制御戦略の同定は、重要な基本的かつ技術的問題である。
本研究では,最先端の強化学習(RL)アルゴリズムに基づく新しい手法を提案する。
我々のRL制御は導電系を安定させ、対流の開始をレイリー数にすることができることを示す。
論文 参考訳(メタデータ) (2020-03-31T16:39:25Z) - NeurOpt: Neural network based optimization for building energy
management and climate control [58.06411999767069]
モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。
イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
論文 参考訳(メタデータ) (2020-01-22T00:51:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。