.png){kind=icon}
返回
Intelligent computing framework for board-level multi-chip thermal design and layout optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ijheatfluidflow.2026.110390.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种用于提升车载多芯片系统热效率的混合优化方法，整合了目标检测与机器学习算法。实验表明，融合阶段采用的Slimneck + EMA网络相较于原始YOLOv8算法，精度（P）提升了25.9%，召回率（R）增加了11.7%，显著增强了目标定位和元件识别效率。研究方法通过降维分析识别对散热影响最小的芯片变量，并通过比较多后融合算法在布局优化期间的温度差异来预测偏差。进一步分析发现，当适应度函数和约束函数的容差水平分别达到1e-6和1e-4时，进一步增加迭代精度对热点温度优化的改进有限，提升率低于0.85%。通过努塞尔数分析验证了优化芯片布局在强制对流下的热性能优越性。所提出的优化方案相较于初始芯片布局实现了4%的实际改进，而SVR-GA框架在搜索空间内识别出8.4%的理论优化潜力。该方法有效提升了多芯片电路板的热性能，为高功率多设备板级设计和热管理提供了有效途径。
Keyword:
Target detection
YOLOv8
Nusselt number
SVR
Thermal management
期刊
I
IF:
3.1
论文数:
616
被引数:
0
机构
引用论文
.png){kind=icon}
Topology optimization of thermal-fluid systems with non-uniform thermal loads using a novel objective function使用新型目标函数对具有非均匀热负荷的热-流体系统进行拓扑优化
PREAI
分享收藏Multi-objective optimization on bionic fractal structure for heat exchanging of single fluids by genetic algorithm基于遗传算法的单流体换热仿生分形结构多目标优化
PREAI
分享收藏分享收藏
查看更多内容