열 진화

XNUMX 년 전 HP 팀은 곧 출시 될 잉크젯 프린터의 프린트 헤드를 냉각하는 데 사용되는 덕트에서 더 많은 공기 흐름을 가져 오는 문제에 직면했습니다.

잉크를 적절한 온도로 유지하기위한 효율적인 냉각 없이는 프린터가 최고 속도로 작동 할 수 없습니다. 시뮬레이션 결과 기존의 덕트 설계로 인해 너무 많은 재순환과 난류가 효과적으로 작동하는 것으로 나타났습니다.

이 문제를 해결하기 위해 HP는 유체 흐름 시뮬레이션과 기술 기계 CAD 회사를 결합한 Siemens Digital Industries의 엔지니어와 협력하여 이제는 근본적으로 다른 구조를 고안하기 위해 생성 설계라고합니다.

덕트를 사용할 프린터를 출시 한 후 Siemens 시뮬레이션 엔지니어 Julian Gaenz는 "디자인이 형태를 형성하는 동안 모든 사람이 저를 포함하여 예상했던 모든 것을 무시했습니다."라고 말하면서 이전 제품이었던 최종 디자인에서 혀 모양의 돌출부를 가리 켰습니다. 부족.

이러한 종류의 생성 설계에 사용되는 두 가지 주요 전술이 있습니다. 하나는 각 시뮬레이션이 실행 된 후 하나 이상의 것이 더 잘 작동 할 것이라고 예상하여 무작위로 변형을 생성하는 것입니다. 또 다른 방법은 HP 프린터 덕트의 재순환과 같은 문제 영역에 집착하고 전체 부품을 시뮬레이션하기 전에 문제를 줄일 수있는 모양을 찾아서 변경 사항이 얼마나 잘 작동하는지 확인하는 것입니다. HP는 시뮬레이션 중심 설계를 활용하는 데있어 혼자가 아닙니다.

위 : 제너 레이 티브 디자인의 결과 – HP 덕트 텅

열 분석 도구 공급 업체 인 Future Facility의 제품 관리자 인 Tom Gregory는 회사의 6SigmaET 도구가 해당 스타일의 방열판에 사용되는 핀의 최적 모양을 결정하는 데 사용되었다고 말합니다.

“최적화는 CFD와 함께 유전 알고리즘을 사용하여 수행되었습니다. 최적화의 목적은 열 성능을 유지하면서 방열판 전체의 압력 강하를 줄이는 것이 었습니다.”

수동으로 변형 또는 반복을 생성하는 것이 전적으로 가능하지만, 기계 학습은 원칙적으로 변형을 빠르게 생성하고 반 직관적이지만 효과적인 예상치 못한 결과를 얻을 수 있기 때문에 생성 설계에 유용한 도구로 보입니다. Gregory는 여러 연구 논문에서 새로운 방열판 디자인을 제시했다고 지적합니다. ”생성 된 디자인은 인상적이고 시각적으로 놀랍습니다. 그러나 전통적인 방법으로는 제조 할 수 없습니다.”

필수가 아닌 3D 프린팅

연구 측면에서 히트 싱크에는 HP 노즐과 마찬가지로 3D 프린팅이 필요한 경우가 많습니다. 그러나 3 개의 사출 성형 부품을 대체하는 것이었기 때문에 XNUMXD 프린팅 프로세스가 최적화되면 새로운 부품이 더 비용 효율적으로 작동했습니다.

벨기에에 본사를 둔 제너 레이 티브 디자인 스타트 업 Diabatix의 CEO이자 공동 설립자 인 Lieven Vervecken은 3D 프린팅이 필수적인 것은 아니라고 말합니다.

Vervecken은“우리는 CNC 가공, 압출, 다이캐스팅 및 판금 성형과 같이 기본적으로 지원하는 몇 가지 제조 기술을 보유하고 있습니다. 각각 다른 시장에서 사용됩니다. 예를 들어, 판금 성형은 전기 자동차에 필요한 대형 배터리 냉각 판을 만드는 데 유용함이 입증되었습니다.

Diabatix는 열 흐름 및 기계 구조에 대한 도구 모음의 분석을 기반으로 방열판 또는 냉각 구성 요소의 구조를 반복적으로 개선하는 다양한 오픈 소스 설계 및 시뮬레이션 도구를 중심으로 생성 환경을 구축했습니다.

이 회사는 XNUMX 월에 도구의 클라우드 호스팅 버전 출시를 준비하고 있습니다.

제너 레이 티브 디자인은 무작위 화를 사용하여 새로운 디자인을 만들 수 있지만 이것은 Diabatix가 취한 접근 방식이 아닙니다. 무작위 화의 문제는 각 변형을 평가하는 데 필요한 시뮬레이션 오버 헤드가 기술을 너무 다루기 어렵게 만든다는 것입니다. 대신 Vervecken은 신생 기업이 사용하는 접근 방식은 기계 학습을 사용하여 대부분의 기존 설계에서 발견되는 평행 핀이 아닌 효과적이고 종종 예상치 못한 모양과 구조를 만들 수있는 알고리즘을 구축하고 제조 제약을 사용하여 제조하기에는 너무 비현실적입니다.

Vervecken은“이것이 우리가 최대 30 %의 추가 냉각 성능을 생성 할 수있는 이유입니다.

위 : Diabatix의 3D 디자인

열 공학

열 공학에서 기계 학습의 또 다른 잠재적 인 목표는 추가 진행이 이루어지기 전에 많은 변형을 병렬로 분석해야하는 경우 시뮬레이션으로 인한 병목 현상을 줄이는 것입니다.

훈련 된 모델은 슈퍼 컴퓨터에서도 완료하는 데 며칠이 걸릴 수있는 원래 시뮬레이션보다 빠르게 실행될 수 있기 때문에 광범위한 시뮬레이션 결과로 딥 러닝 모델을 훈련하는 것이 재료 및 입자 물리학 연구와 같은 영역에서 사용되었습니다. 완전한 정확도를 제공하지는 않지만 최종 세부 시뮬레이션을 실행하기 전에 매개 변수에 대한 빠른 경로에서 사용할 수 있습니다.

이미 머신 러닝의 강력한 지지자 인 GPU 제조업체 nVidia는 SimNet이라는 프로젝트에 동일한 기술을 적용하여 열 공학에 사용되는 CFD (전산 유체 역학) 모델에 대해 동일한 작업을 수행했습니다.

핵심 문제는 딥 러닝 자체가 계산 집약적이며 AI 모델이 매개 변수가 공간의 공기 및 열 흐름에 미치는 영향을 학습 할 수 있도록 충분히 큰 훈련 세트를 구축하려면 몇 주 동안 시뮬레이션이 필요하다는 것입니다.

Vervecken은 휴대 전화 프로세서 히트 싱크에서 트럭 스케일 배터리 냉각 판에 이르기까지 규모가 다양한 프로젝트가 관련된 프로젝트의 범위가 문제의 복잡성을 증가 시킨다고 말합니다.

"전체 범위를 포괄하도록 단일 모델을 훈련 시키려면? 어려운 일입니다.”라고 Vervecken은 시뮬레이션 엔진보다는 설계 도구에 대한 기계 학습의 우선 순위를 지정하는 것이 더 합리적이라고 말합니다.

가능한 AI 기반 속도 향상과 비교하여 단순히 CFD (전산 유체 역학) 알고리즘을 직접 최적화 할 때 발생할 수있는 기여도를 평가해야합니다.

Future Facility와 같은 전문 공급 업체는 전체 처리 시간을 단축하기 위해 멀티 코어 실행 및 기타 최적화를 채택했습니다. Rohde & Schwarz와의 연구에서 CAD 가져 오기에서 메쉬 생성에 이르는 시뮬레이션 실행에서 분석까지 걸리는 시간이 15 시간 이상에서 40 시간 미만으로 단축되었습니다.

히트 싱크뿐만 아니라 시뮬레이션 기반 머신 러닝을 핵심 장치 및 시스템 설계에 적용 할 수 있습니다.

"Future Facility가 기계 학습 연구 그룹과 협력하는 한 분야는 CFD 시뮬레이션을 사용하여 기계 학습 알고리즘을 훈련시키는 것입니다."라고 Gregory는 말합니다.

기계 학습이 유용 할 수있는 여러 영역이 있습니다. 하나는 멀티 코어 SoC에서 프로세서의 전원을 끌시기를 결정하는 데 사용되는 알고리즘을 안내 할 수있는 간단한 열 생성 및 전달 모델을 구축하는 것입니다.

“열 시뮬레이션은 프로세서 사용량에 따라 장치의 온도가 어떻게 변하는 지 기계 학습 알고리즘을 쉽게 훈련시킬 수 있습니다. 이것은 장치가 제조되기 전에 병렬로 신속하게 수행 할 수 있습니다.”라고 Gregory는 말합니다.

또 다른 용도는 과도한 열이 열 폭주 및 기타 안전 문제를 유발할 수있는 전력 전자 장치에 사용되는 것과 같은 새로운 유형의 장치에 대한 R & D에 있습니다. “효과적인 기계 학습 알고리즘을 위해서는 포괄적 인 교육 데이터가 필수적이지만 물리적 장치에서 교육 데이터를 얻는 것이 실용적이거나 안전하지 않은 경우가 많습니다. 새 장치 나 시스템을 최적화하는 경우 물리적 장치가 생성되지 않았을 수 있습니다.”라고 Gregory는 말합니다.

성능이 AI 기반 모델을 사용하는 유일한 동기는 아닙니다. Vervecken은 “그들이 찾고 있는 것은 더 저렴한 솔루션인 경우가 많습니다.”라고 덧붙입니다. “우리의 생각에는 오해가 있습니다. technology. 우리는 항상 가장 효율적인 방열판을 찾고 있는 것은 아닙니다. 우리는 고객이 가장 저렴한 솔루션을 찾는 프로젝트를 진행 중입니다. 고객은 성능이 문제가 되지 않는다고 말했습니다. 기존 설계는 이미 30% 초과 프로비저닝되었지만 그러한 유형의 설계를 더 저렴하게 만들 수는 없습니다.”

열 공학을위한 머신 러닝은 아직 초기 단계이지만, 제너 레이 티브 설계 기술은 더 잘 작동하거나 더 저렴하게 또는 둘 다 작동하는 설계를 내놓는 데있어 시뮬레이션과 빠른 반복의 가치를 보여주고 있습니다.