Termal evrim

İki yıl önce bir HP ekibi, yeni çıkacak bir mürekkep püskürtmeli yazıcının baskı kafalarını soğutmak için kullanılan bir kanaldan daha fazla hava akışı elde etme sorunuyla karşı karşıyaydı.

Mürekkebin doğru sıcaklıkta akmasını sağlayacak etkili soğutma olmadan yazıcı tam hızda çalışamaz. Simülasyonlar, geleneksel kanal tasarımının etkili bir şekilde çalışması için çok fazla devridaime ve türbülansa neden olduğunu gösterdi.

Sorunları aşmak için HP, Siemens Digital Industries'deki mühendislerle birlikte çalıştı; bu mühendisler akışkan akışı simülasyonlarını mekanik CAD şirketlerinin artık üretken tasarım olarak adlandırdığı bir teknikle birleştirerek kökten farklı bir yapı ortaya çıkardı.

Kanalı kullanacak yazıcının piyasaya sürülmesinden sonra Siemens simülasyon mühendisi Julian Gaenz, önceki modelin son tasarımındaki dile benzer bir çıkıntıya işaret ederek, "Tasarım şekillenirken, ben de dahil olmak üzere herkesin beklentilerine meydan okudu" dedi. eksik.

Bu tür üretken tasarımda kullanılan iki ana taktik vardır. Bunlardan biri, bir veya daha fazlasının daha iyi çalışacağı beklentisiyle her simülasyon çalıştırmasından sonra rastgele değişkenler oluşturmaktır. Bir diğeri, HP yazıcının kanalındaki devridaim gibi sorunlu alanlara odaklanmak ve değişikliklerin ne kadar iyi çalıştığını görmek için tüm parçayı simüle etmeden önce sorunu azaltacak gibi görünen şekiller bulmaktır. HP, simülasyon odaklı tasarımdan yararlanma konusunda yalnız değil.

Üstte: Üretken tasarımın sonucu – HP kanal dili bolluğu

Termal analiz araçları tedarikçisi Future Tesisleri'nin ürün müdürü Tom Gregory, şirketinin 6SigmaET aracının, bu tip soğutucuda kullanılan pinlerin optimum şeklini belirlemeye yardımcı olmak için kullanıldığını söylüyor.

"Optimizasyon, CFD ile birlikte genetik algoritmalar kullanılarak gerçekleştirildi. Optimizasyonun amacı termal performansı korurken ısı emicideki basınç düşüşünü azaltmaktı."

Varyantları veya yinelemeleri elle oluşturmak tamamen mümkün olsa da, makine öğrenimi üretken tasarım için yararlı bir araç gibi görünüyor çünkü prensipte hızlı bir şekilde varyasyonlar oluşturabilir ve mantığa aykırı ama etkili, beklenmedik sonuçlar ortaya çıkarabilir. Gregory, birçok araştırma makalesinin yeni ısı emici tasarımları ortaya çıkardığına dikkat çekiyor. ”Oluşturulan tasarımlar etkileyici ve görsel olarak büyüleyici. Ancak geleneksel yöntemlerle üretilemezler.”

3D baskı şart değil

Araştırma açısından, HP püskürtme ucu gibi soğutucular da sıklıkla 3D baskıya ihtiyaç duyar. Ancak bu altı adet enjeksiyonla kalıplanmış parçanın yerini aldığından, 3D baskı süreci optimize edildikten sonra yeni parça daha uygun maliyetli oldu.

Belçika merkezli üretken tasarım girişimi Diabatix'in CEO'su ve kurucu ortağı Lieven Vervecken, 3D baskının gerekli olmadığını söylüyor.

Vervecken, "CNC işleme, ekstrüzyon, basınçlı döküm ve sac metal şekillendirme gibi varsayılan olarak desteklediğimiz birkaç üretim tekniğimiz var" diyor. Her birinin farklı pazarlarda kullanımı vardır. Örneğin, sac metal şekillendirmenin elektrikli araçların ihtiyaç duyduğu büyük akü soğuk plakalarının yapımında faydalı olduğu kanıtlanmıştır.

Diabatix, araç takımının termal akış ve mekanik yapı analizine dayalı olarak bir soğutucu veya soğutma bileşeninin yapısını tekrar tekrar iyileştiren çeşitli açık kaynaklı tasarım ve simülasyon araçları etrafında üretken bir ortam oluşturdu.

Şirket, Nisan ayında araçların bulutta barındırılan bir sürümünü piyasaya sürmeye hazırlanıyor.

Her ne kadar üretken tasarım yeni tasarımlar yaratmak için rastgeleleştirmeyi kullanabilse de Diabatix'in yaklaşımı bu değildi. Rastgeleleştirmeyle ilgili sorun, her bir değişkeni değerlendirmek için gereken simülasyon yükünün tekniği çok kullanışsız hale getirmesidir. Bunun yerine Vervecken, start-up'ın kullandığı yaklaşımın, geleneksel tasarımların çoğunda bulunan paralel kanatçıklar yerine, etkili ancak çoğu zaman beklenmedik şekil ve yapılar ortaya çıkarabilen algoritmalar oluşturmak için makine öğrenimini kullandığını ve bunların dönüşmesini engellemek için üretim kısıtlamalarının kullanıldığını söylüyor. üretimi çok pratik değildir.

Vervecken, "Bu nedenle yüzde 30'a kadar ek soğutma performansı üretebiliyoruz" diyor.

Üstte: Diabatix'ten 3 boyutlu bir tasarım

ısı mühendisliği

Isı mühendisliğinde makine öğreniminin bir diğer potansiyel hedefi, daha fazla ilerleme kaydedilmeden önce çok sayıda değişkenin paralel olarak analiz edilmesi gerekiyorsa simülasyonun getirdiği darboğazı azaltmaktır.

Kapsamlı simülasyonların sonuçlarıyla derin öğrenme modelinin eğitilmesi, malzeme ve parçacık fiziği araştırmaları gibi alanlarda kullanılmaktadır çünkü eğitilen modeller, bir süper bilgisayarda bile tamamlanması günler alabilen orijinal simülasyonlardan daha hızlı çalışabilir. Tam doğruluk sunmazlar ancak son ayrıntılı simülasyonu çalıştırmadan önce parametrelere hızlı bir şekilde ulaşmak için kullanılabilirler.

Halihazırda makine öğreniminin güçlü bir savunucusu olan GPU üreticisi nVidia, aynı tekniği termal mühendislik için kullanılan hesaplamalı akışkanlar dinamiği (CFD) modelleri türleri için yapmak amacıyla SimNet adlı bir projeye uyguladı.

Temel sorunlardan biri, derin öğrenmenin kendisinin hesaplama açısından yoğun olması ve bir yapay zeka modelinin parametrelerin uzaydaki hava ve ısı akışını nasıl etkilediğini öğrenmesine izin verecek kadar büyük bir eğitim seti oluşturmak için haftalarca simülasyon gerektirmesidir.

Vervecken, cep telefonu işlemci soğutucularından kamyon ölçekli akü soğuk plakasına kadar değişen ölçekteki projelerin, sorunun karmaşıklığını artırdığını söylüyor.

”Tüm aralığı kapsayacak tek bir modeli eğitmek mi istiyorsunuz? Bu zor,” diyor Vervecken, simülasyon motoru yerine tasarım araçları için makine öğrenimine öncelik vermenin daha mantıklı olduğunu söylüyor.

Olası bir yapay zeka tabanlı hızlanmaya karşı, hesaplamalı akışkanlar dinamiği (CFD) algoritmalarının doğrudan optimize edilmesinden gelebilecek katkıları tartmanız gerekir.

Future Tesisleri gibi uzman satıcılar, genel geri dönüş süresini kısaltmak için çok çekirdekli yürütme ve diğer optimizasyonları kullandı. Rohde & Schwarz ile yapılan bir çalışmada, CAD içe aktarımından ağ oluşturma ve analize kadar bir simülasyonun çalıştırılmasından itibaren geçen süre 15'ın üzerindeyken 40 saatin altına düştü.

Soğutucuların yanı sıra simülasyon odaklı makine öğrenimi de çekirdek cihaz ve sistem tasarımına uygulanabilir.

Gregory, "Future Tesislerinin makine öğrenimi araştırma gruplarıyla birlikte çalıştığı alanlardan biri de makine öğrenimi algoritmalarını eğitmek için CFD simülasyonunu kullanmaktır" diye belirtiyor.

Makine öğreniminin yararlı olabileceği birçok alan vardır. Bunlardan biri, çok çekirdekli bir SoC'de işlemcilerin ne zaman kapatılacağına karar vermek için kullanılan algoritmalara rehberlik edebilecek basit ısı üretimi ve aktarımı modellerinin oluşturulmasına yardımcı olmaktır.

"Termal simülasyon, makine öğrenimi algoritmasını, işlemci kullanımına bağlı olarak cihazın sıcaklığının nasıl değişeceğini kolayca eğitebilir. Bu, cihaz daha üretilmeden önce paralel olarak hızlı bir şekilde yapılabilir" diyor Gregory.

Başka bir kullanım alanı, aşırı ısının termal kaçağa ve diğer güvenlik sorunlarına neden olabileceği güç elektroniği için kullanılanlar gibi yeni cihaz türlerine yönelik Ar-Ge'de yatmaktadır. “Etkili bir makine öğrenimi algoritması için kapsamlı eğitim verileri şarttır, ancak fiziksel cihazlardan eğitim verileri elde etmek genellikle pratik veya güvenli değildir. Yeni bir cihazı veya sistemi optimize ediyorsanız fiziksel bir cihaz oluşturulmamış olabilir" diyor Gregory.

Yapay zeka tabanlı modelleri kullanmanın tek motivasyonu performans değil. Vervecken şunu ekliyor: "Çoğunlukla aradıkları daha ucuz bir çözümdür." "Bizim aramızda yanlış bir algı var. teknoloji. Her zaman en verimli soğutucuyu aramıyoruz. Müşterinin en uygun fiyatlı çözümü aradığı bir projemiz var. Müşteri, performansın bir sorun olmadığını söyledi: Mevcut tasarım zaten yüzde 30 oranında fazla tedarik edilmiş durumda ancak bu tür bir tasarımı daha ucuza alamazlar."

Isı mühendisliğinde makine öğrenimi için henüz erken günler, ancak üretken tasarım teknikleri, daha iyi çalışan, daha ucuza çalışan veya her ikisine birden sahip tasarımlar bulmada simülasyonun ve hızlı yinelemenin değerini gösteriyor.