近年來 AI 產業快速成長，從生成式 AI、智慧製造到自駕與高效能運算應用，全面帶動算力基礎建設需求提升。相關硬體架構涵蓋資料中心（Data Center）、高效能運算（HPC）、雲端與邊緣計算（Cloud / Edge Computing）以及 AI PC 等關鍵領域。
隨著 AI 模型訓練與推論運算量持續攀升，GPU、CPU、光通訊元件與高速互連封裝（如 CoWoS、先進封裝）等高效能核心元件所產生的高熱通量問題，已逐漸成為影響系統穩定度與能源效率的重要挑戰。
因此，液冷散熱技術（Liquid Cooling）憑藉優異的熱傳導能力，逐步成為新世代 AI 基礎設施的主流散熱解決方案，主要應用架構包含 Direct-to-Chip（DTC）液冷板散熱，以及浸沒式散熱（Immersion Cooling），其中浸沒式又可區分為單相與兩相系統。相關關鍵零組件如冷卻劑分配裝置（Cooling Distribution Unit, CDU）與液冷板冷卻劑分配歧管（Cooling
Distribution Manifold, CDM），其設計優化將直接影響整體散熱效能與系統能耗表現，並對資料中心 PUE（Power Usage Effectiveness）改善具有關鍵性影響。
為加速高效能散熱系統開發，並降低傳統實體測試所需時間與成本，導入 CAE 模擬結合 AI 最佳化分析已成為重要發展方向。
本課程將運用 COMSOL Multiphysics® 多物理場模擬平台，針對液冷散熱系統進行流場與溫度場分佈分析，並探討熱流耦合行為與散熱效能評估方法。同時結合 AI 與深度學習演算法建立代理模型（Surrogate Model），以進行設計參數探索與最佳化分析，協助縮短反覆模擬與設計迭代時間。
此外，課程亦將介紹 App Builder 模擬應用程式建置技術，將模擬模型轉換為可操作介面，讓非 CAE
背景人員亦能快速進行參數調整與結果評估，提升團隊協作效率。
COMSOL
具備完整中文化操作介面與彈性多物理耦合設定流程，能協助學員在短時間內建立建模概念並掌握分析重點。誠摯邀請從事散熱技術、AI 硬體設計及資料中心基礎建設相關領域之產學研人士共同參與。
