論文の概要: Generative Design for Direct-to-Chip Liquid Cooling for Data Centers

• arxiv url: http://arxiv.org/abs/2604.10941v1
• Date: Mon, 13 Apr 2026 03:20:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.290097
• Title: Generative Design for Direct-to-Chip Liquid Cooling for Data Centers
• Title（参考訳）: データセンター用直結液冷房の発電設計
• Authors: Zheng Liu,
• Abstract要約: AIワークロードはデータセンターの電力密度を高め、高度な熱管理の必要性を高めている。 本研究は,NVIDIA GB200 Grace Blackwell Superchip のチャネルジオメトリを冷却するための生成設計フレームワークを提案する。 物理に基づく有限差分熱モデルにより、高速な定常温度予測と空間熱フィードバックが提供される。
• 参考スコア（独自算出の注目度）: 5.435523531334183
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rapid growth in artificial intelligence (AI) workloads is driving up data center power densities, increasing the need for advanced thermal management. Direct-to-chip liquid cooling can remove heat efficiently at the source, but many cold plate channel layouts remain heuristic and are not optimized for the strongly non-uniform temperature distribution of modern heterogeneous packages. This work presents a generative design framework for synthesizing cooling channel geometries for the NVIDIA GB200 Grace Blackwell Superchip. A physics-based finite-difference thermal model provides rapid steady-state temperature predictions and supplies spatial thermal feedback to a constrained reaction-diffusion process that generates novel channel topologies while enforcing inlet/outlet and component constraints. By iterating channel generation and thermal evaluation in a closed loop, the method naturally redistributes cooling capacity toward high-power regions and suppresses hot-spot formation. Compared with a baseline parallel channel design, the resulting channels achieve more than a 5 degree Celsius reduction in average temperature and over 35 degree Celsius reduction in maximum temperature. Overall, the results demonstrate that coupling generative algorithms with lightweight physics-based modeling can significantly enhance direct-to-chip liquid cooling performance, supporting more sustainable scaling of AI computing.
• Abstract（参考訳）: 人工知能(AI)ワークロードの急速な成長は、データセンターの電力密度を高め、高度な熱管理の必要性を高めている。 直接対チップの液体冷却はソースの熱を効率的に除去することができるが、多くのコールドプレートチャネルレイアウトはヒューリスティックであり、現代の異種パッケージの強い非均一温度分布に最適化されていない。 本研究は,NVIDIA GB200グレース・ブラックウェル・スーパーチップのための冷却チャネルジオメトリーを合成するための生成設計フレームワークを提案する。 物理に基づく有限差分熱モデルは、高速な定常温度予測を提供し、入出力と成分制約を強制しながら新しいチャネルトポロジーを生成する制約付き反応拡散過程に空間熱フィードバックを提供する。 閉ループにおける流路生成と熱評価を繰り返すことにより、自然に冷却能力を高出力領域に再分配し、ホットスポット形成を抑制する。 その結果, 平均温度は5度以上, 最大温度は35度以上低下した。 全体として、生成アルゴリズムと軽量物理モデルとの結合は、チップ間直接冷却性能を大幅に向上させ、AIコンピューティングのより持続可能なスケーリングをサポートすることを実証している。

関連論文リスト

• 2D-ThermAl: Physics-Informed Framework for Thermal Analysis of Circuits using Generative AI [9.414651358362388]
  ThermAl"は物理インフォームドな生成AIフレームワークで、熱源を効果的に同定し、全チップの過渡的および定常的な熱分布を推定する。 本モデルは,COMSOLを用いて生成した単純な論理ゲート(インバータ,NAND,XORなど)から複雑な設計まで,広範な熱散逸マップのデータセットに基づいて訓練されている。 実験結果から、ThermAlは0.71Cのルート平均二乗誤差(RMSE)を持つ大回路に対して正確な温度マッピングを行い、200倍高速に動作することで従来のFEMツールより優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-12-01T00:45:26Z)
• HeatGen: A Guided Diffusion Framework for Multiphysics Heat Sink Design Optimization [0.0]
  ジオメトリは複数のフィンの境界表現を用いて表現される。 本研究では, 偏波拡散確率モデルを訓練し, 観測値と一致した特性のヒートシンクを生成する。 我々は2つの異なる残留ニューラルネットワークを訓練し、各幾何学における圧力降下と表面温度を予測する。
  論文  参考訳（メタデータ） (2025-11-12T08:07:46Z)
• Chemical Reaction Neural Networks for Fitting Accelerating Rate Calorimetry Data [37.69303106863453]
  化学反応ニューラルネットワーク(CRNN)は、モリセル21700 P45Bから得られたARCデータにN方程式のアレニウスODEの運動パラメータを適合させるために訓練される。 この手法の柔軟性は、2方程式と4方程式のモデルを用いて実験することによって実証される。
  論文  参考訳（メタデータ） (2024-08-21T20:39:41Z)
• Building Vision Models upon Heat Conduction [66.1594989193046]
  本研究は, 物理的熱伝導原理に基づく熱伝導演算子 (HCO) について紹介する。 HCOは熱源としてイメージパッチを概念化し、適応的な熱エネルギー拡散を通じて相関をモデル化する。 vHeatは、Swin-Transformerと比較して最大で3倍のスループット、GPUメモリ割り当ての80%削減、計算FLOPの35%削減を実現している。
  論文  参考訳（メタデータ） (2024-05-26T12:58:04Z)
• Machine Learning-Assisted Thermoelectric Cooling for On-Demand Multi-Hotspot Thermal Management [12.515874333424929]
  熱電冷却器 (TEC) は、高度電子システムにおける局所ホットスポットの直接冷却とアクティブな熱管理のための有望なソリューションを提供する。 TECは空間冷却、暖房、電力消費に大きなトレードオフをもたらす。 本研究では,大域的最適温度を達成できる熱電冷却器の機械学習支援最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-04-20T18:35:45Z)
• TCI-Former: Thermal Conduction-Inspired Transformer for Infrared Small Target Detection [58.00308680221481]
  赤外線小目標検出(ISTD)は国家安全保障に重要であり、軍事分野で広く応用されている。 ほとんどの ISTD ネットワークは特徴抽出ブロックや特徴融合モジュールの設計に重点を置いているが、特徴写像の進化の観点から ISTD プロセスを記述することは稀である。 熱伝導理論に基づく熱伝導型変圧器(TCI-Former)を提案する。
  論文  参考訳（メタデータ） (2024-02-03T05:51:22Z)
• Deep encoder-decoder hierarchical convolutional neural networks for conjugate heat transfer surrogate modeling [0.0]
  共役熱伝達(CHT)解析は多くのエネルギー系の設計に不可欠である。 高忠実CHT数値シミュレーションは計算集約的である。 我々は,CHT解析のためのモジュール型ディープエンコーダ・デコーダ階層型畳み込み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)
• 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)
• 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)
• Uhlmann Fidelity and Fidelity Susceptibility for Integrable Spin Chains at Finite Temperature: Exact Results [68.8204255655161]
  奇数パリティ部分空間の適切な包含は、中間温度範囲における最大忠実度感受性の向上につながることを示す。 正しい低温の挙動は、2つの最も低い多体エネルギー固有状態を含む近似によって捉えられる。
  論文  参考訳（メタデータ） (2021-05-11T14:08:02Z)

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。