【技术实现步骤摘要】
本专利技术涉及复合高导热填料设计，特别是一种多元复合高导热填料的物理信息机器学习设计方法。
技术介绍
1、随着电子技术的快速发展，电子器件的散热问题变得日益突出，散热直接关系着电子器件的工作性能以及使用寿命。在现有的电子器件散热解决方案中，通常采用微电子器件与金属散热器的直接接触来实现热传导，然而，由于接触面的不平整性，两者之间产生的空隙成为了限制散热效率的主要因素，这些空隙通常由导热系数极低的空气填充，严重阻碍了热量的有效传递。为了克服这一限制，现有技术转向使用导热聚合物复合材料作为热界面材料，以提高热传导效率。但是，由于纯聚合物的导热系数普遍较低，因此必须通过添加高导热性的填料来增强其导热性能。
2、在现有导热性能提升复合材料的研究中采取了如下两种策略。一种方法是通过使用功能化的填料来提高其在聚合物基体中的分散性和相容性，从而减少填料与基体之间的界面热阻。另一种方法是通过填料的定向排列、构建分离填料网络和采用多尺度填料复合等手段，增加导热路径，进一步提升复合材料的导热性能。上述的共同目标是在聚合物基体中形成有效的导热网络，以促进声子（声子是一种在凝聚态物质中原子（或分子）振动的集体激发，用来描述晶格振动规律的一种准粒子。声子传热是指声子作为热载体在材料中传递热量的过程）的传递和提高导热效率。尽管现有复合材料的性能提升方法在一定程度上提高了导热性能，但如何从填料堆积的角度优化导热路径的研究仍然不足，在实际应用中，高填充量是实现高导热性能的常用方法，但这种做法往往以牺牲复合材料的加工性能为代价，因此，开发多尺度填充系
技术实现思路
1、由于技术所限存在如
技术介绍
弊端，本专利技术提供了一种多元复合高导热填料的物理信息机器学习设计方法，在相关步骤共同作用下，通过构建综合数据集，并运用机器学习算法，从而达到了优化导热聚合物复合材料最佳填料的堆积结构，形成高效的导热路径，保持导热聚合物复合材料的加工性能基础上，同时简化设计和制造过程，提高了生产效率，为电子设备有效散热可靠稳定工作起到了有力的技术支持。
2、本专利技术解决其技术问题所采用的技术方案是：
3、一种多元复合高导热填料的物理信息机器学习设计方法，包括以下步骤：s1：材料本征属性数据集建立，在pc端通过激光粒度仪测试多元复合高导热填料应用的每种材料的累计级配曲线分布，并统一定义级配曲线的粒径检测点，为了避免单一测试结果的偶然性，每种材料的累计级配曲线分布应该测试为多次，并取平均值做最终的累计级配曲线分布情况，并将其作为数据的输入，数据输入到步骤s4；s2：三维空间最紧密堆积模型的建立，在pc端收集并整理有关三维空间最紧密堆积理论模型的建模公式，并根据不同模式所适用的填料粒径分布范围进行计算规则函数的编写，用于后续步骤s4的模型调用；s3：物理规则限定的边界约束条件设定，对于多元复配体系，需设定边界约束条件，使得所有体系的总体积之和等于100%，即，其中代表不同材料的体积掺量，代表种不同材料；s4：机器学习算法优化，通过机器学习算法优化加速计算过程，并与三维空间最紧密堆积模型所求理想级配曲线的最优配方进行对比，求不同材料组合条件下的计算结果与最优配方的误差；s5：比例转换，由于计算所得最佳配方为体积掺量比例，在实际操作中不便于操作，因此需要将各种材料的体积掺量比例转换为质量掺量比例。
4、进一步地，所述步骤s1中，材料本征属性数据集中的多元复合高导热填料包含金属基导热填料和陶瓷基导热填料，其中金属基导热填料是银、铜、铝、镍、钨中的一种或多种组合，陶瓷基导热填料是氮化铝、碳化硅、氧化铝、氧化镁、氧化锌、氮化硼中的一种或多种组合等。
5、进一步地，所述s2中，三维空间最紧密堆积理论模型是连续级配理论、间断级配理论和可压缩堆积理论中一种或多种，具体应用中，针对实际中不同材料的选取，选择对应的合适理论模型计算公式。
6、进一步地，所述s4中，具体包括如下流程，（1）定义超参数网格空间；（2）对超参数组合进行交叉验证；（3）选择最佳超参数组合；（4）训练并给出最终模型；（5）根据（1）～（4）建立起机器学习模型，提升模型的泛化能力，找到最适合当前任务的超参数配置。
7、与现有技术相比本专利技术具有以下有益效果：本专利技术利用现有的机器学习技术，在相关步骤共同作用下，通过构建综合数据集，并运用机器学习算法，通过精确的材料粒径匹配来降低孔隙率和增加导热路径，根据材料本征属性对应选择不同的三维空间最紧密堆积理论模型，从而达到了优化导热聚合物复合材料最佳填料的堆积结构，形成高效的导热路径，保持导热聚合物复合材料的加工性能基础上，同时简化设计和制造过程，提高了生产效率，为电子设备有效散热可靠稳定工作起到了有力技术支持。
本文档来自技高网...【技术保护点】
1.一种多元复合高导热填料的物理信息机器学习设计方法，其特征在于，包括以下步骤：S1：材料本征属性数据集建立，在PC端通过激光粒度仪测试多元复合高导热填料应用的每种材料的累计级配曲线分布，并统一定义级配曲线的粒径检测点，为了避免单一测试结果的偶然性，每种材料的累计级配曲线分布应该测试为多次，并取平均值做最终的累计级配曲线分布情况，并将其作为数据的输入，数据输入到步骤S4；S2：三维空间最紧密堆积模型的建立，在PC端收集并整理有关三维空间最紧密堆积理论模型的建模公式，并根据不同模式所适用的填料粒径分布范围进行计算规则函数的编写，用于后续步骤S4的模型调用；S3：边界约束条件的设定，对于多元复配体系，需设定边界约束条件，使得所有体系的总体积之和等于100%，即，其中代表不同材料的体积掺量，代表种不同材料；S4：机器学习算法优化，通过机器学习算法优化加速计算过程，并与三维空间最紧密堆积模型所求理想级配曲线的最优配方进行对比，求不同材料组合条件下的计算结果与最优配方的误差；S5：比例转换，由于计算所得最佳配方为体积掺量比例，在实际操作中不便于操作，因此需要将各种材料的体积掺量比例转换为质
2.根据权利要求1所述的一种多元复合高导热填料的物理信息机器学习设计方法，其特征在于，步骤S1中，材料本征属性数据集中的多元复合高导热填料包含金属基导热填料和陶瓷基导热填料，其中金属基导热填料是银、铜、铝、镍、钨中的一种或多种组合，陶瓷基导热填料是氮化铝、碳化硅、氧化铝、氧化镁、氧化锌、氮化硼中的一种或多种组合等。
3.根据权利要求1所述的一种多元复合高导热填料的物理信息机器学习设计方法，其特征在于，S2中，三维空间最紧密堆积理论模型是连续级配理论、间断级配理论和可压缩堆积理论中一种或多种，具体应用中，针对实际中不同材料的选取，选择对应的合适理论模型计算公式。
4.根据权利要求1所述的一种多元复合高导热填料的物理信息机器学习设计方法，其特征在于，S4中，具体包括如下流程，（1）定义超参数网格空间；（2）对超参数组合进行交叉验证；（3）选择最佳超参数组合；（4）训练并给出最终模型；（5）根据（1）～（4）建立起机器学习模型，提升模型的泛化能力，找到最适合当前任务的超参数配置。
...【技术特征摘要】
1.一种多元复合高导热填料的物理信息机器学习设计方法，其特征在于，包括以下步骤：s1：材料本征属性数据集建立，在pc端通过激光粒度仪测试多元复合高导热填料应用的每种材料的累计级配曲线分布，并统一定义级配曲线的粒径检测点，为了避免单一测试结果的偶然性，每种材料的累计级配曲线分布应该测试为多次，并取平均值做最终的累计级配曲线分布情况，并将其作为数据的输入，数据输入到步骤s4；s2：三维空间最紧密堆积模型的建立，在pc端收集并整理有关三维空间最紧密堆积理论模型的建模公式，并根据不同模式所适用的填料粒径分布范围进行计算规则函数的编写，用于后续步骤s4的模型调用；s3：边界约束条件的设定，对于多元复配体系，需设定边界约束条件，使得所有体系的总体积之和等于100%，即，其中代表不同材料的体积掺量，代表种不同材料；s4：机器学习算法优化，通过机器学习算法优化加速计算过程，并与三维空间最紧密堆积模型所求理想级配曲线的最优配方进行对比，求不同材料组合条件下的计算结果与最优配方的误差；s5：比例转换，由于计算所得最佳配方为体积掺量比例，在实际操作中不便于操作，因此需要将各...
【专利技术属性】
技术研发人员：张哲，王乐佳，
申请(专利权)人：上海硼矩新材料科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。