Karakterisasi Bahan untuk Pendinginan Komputasi Generasi Berikutnya

Pertumbuhan pesat kecerdasan buatan, komputasi berkinerja tinggi, dan elektronik canggih menimbulkan tantangan manajemen termal yang belum pernah terjadi sebelumnya. Seiring meningkatnya KepadatanDensitas massa didefinisikan sebagai rasio antara massa dan volume. kepadatan daya dan perangkat keras komputasi yang semakin ringkas, pembuangan panas yang efektif telah menjadi faktor krusial yang memengaruhi kinerja, keandalan, efisiensi energi, dan biaya operasional.

Webinar ini membahas bahan dan teknologi yang mendukung solusi manajemen termal modern, mulai dari pengemasan semikonduktor dan bahan antarmuka termal (TIM) hingga sistem pendingin cair, cairan pendingin imersi, penyebar panas canggih, dan bahan perubahan fase. Peserta akan memperoleh pemahaman mengenai sifat termal utama yang memengaruhi kinerja pendinginan, termasuk Konduktivitas TermalKonduktivitas termal (λ dengan satuan W/(m-K)) menggambarkan pengangkutan energi - dalam bentuk panas - melalui benda bermassa sebagai hasil dari gradien suhu (lihat gbr. 1). Menurut hukum termodinamika kedua, panas selalu mengalir ke arah suhu yang lebih rendah.konduktivitas termal, Difusivitas TermalDifusivitas termal (a dengan satuan mm2 /s) adalah properti khusus material untuk mengkarakterisasi konduksi panas yang tidak stabil. Nilai ini menggambarkan seberapa cepat suatu bahan bereaksi terhadap perubahan suhu.difusivitas termal, kapasitas panas, Stabilitas TermalSuatu bahan dikatakan stabil secara termal jika tidak terurai di bawah pengaruh suhu. Salah satu cara untuk menentukan stabilitas termal suatu zat adalah dengan menggunakan TGA (penganalisis termogravimetri). stabilitas termal, dan reologi fluida.

Presentasi ini akan mendemonstrasikan bagaimana teknik karakterisasi termal seperti Analisis Laser Flash (LFA), Kalorimetri Pemindaian Diferensial (DSC), Analisis Termogravimetri (TGA), Analisis Mekanik Dinamis (DMA), dan Reologi digunakan untuk mengevaluasi dan mengoptimalkan bahan untuk akselerator AI, infrastruktur pusat data, pengemasan elektronik, dan teknologi pendinginan canggih.

Melalui contoh-contoh praktis dan aplikasi industri, peserta akan mempelajari bagaimana pemilihan bahan dan pengukuran sifat termal dapat meningkatkan transfer panas, meningkatkan keandalan, memperpanjang masa pakai komponen, dan mendukung pengembangan sistem komputasi generasi berikutnya.

Peserta akan mempelajari:

• Mengapa AI dan komputasi berkinerja tinggi memicu tantangan baru dalam manajemen termal.
• Sifat termal kritis yang memengaruhi kinerja sistem pendinginan.
• Bagaimana bahan antarmuka termal, penyebar panas, cairan pendingin, dan bahan perubahan fase dievaluasi.
• Bagaimana LFA, DSC, TGA, DMA, dan Rheologi dapat digunakan untuk mengkarakterisasi bahan manajemen termal.
• Praktik terbaik untuk meningkatkan kinerja termal dan keandalan dalam aplikasi elektronik dan pusat data.

Pembicara:
Peter Ralbovsky
Manajer Penjualan Wilayah Timur Laut di NETZSCH Instruments North America, LLC
NETZSCH Analisis & Pengujian