事例
DfAMを活用した銅製3DプリントCPUクーラーで冷却性能を55％向上
コンピュータの計算性能は指数関数的に増加しており、それに対応するために適切な冷却システムの重要性が高まっている。ジェネレーティブデザインおよび3Dプリンティング技術は、冷却デバイスの設計・製造において有力なアプローチとして登場している。本論文では、ケーススタディを通じてCPUクーラーにおける機能的課題を説明する。また、市販製品と比較して熱抵抗を55%低減したジェネレーティブデザイン手法の付加価値と、銅の3Dプリンティング技術の革新的なアプローチを示す。
はじめに
中央処理装置（CPU）はコンピュータの中核となる主要な構成要素であり、プログラムから与えられた命令を処理する役割を担う。CPUは数値演算や論理演算、制御処理、入出力（I/O）処理といった基本的な処理を実行する。またCPUは、主記憶、制御装置、算術論理演算装置（ALU）によって構成される。
CPUはコンピュータ上でさまざまな処理を担うため、損傷が発生するとシステム全体の故障につながる可能性がある。またCPUは、他の電子部品と同様に動作中に多くの熱を発生させる。
温度が過度に上昇すると、安全機構が自動的に作動し、例えば動作周波数が低下することで消費電力が抑えられ、結果として温度も低下する。しかし、周波数が低下するとシステム性能も低下する。コンピュータの性能低下は、通常システム全体の機能に影響を及ぼす。したがって、CPUの機能と効率を維持し、寿命を延ばすためには適切な冷却機構が不可欠である。さらに、CPUを適切に冷却することで消費電力の低減にもつながる。
![図1：CPU用パッシブヒートシンク。出典：[1]](/coldstream/images/case/004/image2.png)
図1：CPU用パッシブヒートシンク。出典：[1]
コンピュータの冷却システムには、パッシブ方式とアクティブ方式があり、いずれも電子部品から発生する熱を放散することを目的としている。ヒートシンク（図1）は、発生した局所的な熱を外部へ放散することで電子部品の温度を低く保つために広く利用されている。金属製ヒートシンクはCPUチップよりも熱伝導率が高いため、受動的に熱を逃がすことができる。
![図2：ファンとヒートシンクを備えたCPU。出典：[2]](/coldstream/images/case/004/image3.png)
図2：ファンとヒートシンクを備えたCPU。出典：[2]
ヒートシンクとは異なり、ファンは空気を循環させることで熱源から熱を外部へ排出する。ファンは動作にエネルギーを必要とするため、アクティブ冷却システムに分類される。CPUでは通常、ファンはヒートシンクと組み合わせて使用され、ヒートシンクの上部に取り付けられる。（図2）
![図3：CPUの液体冷却システム。出典：[3]](/coldstream/images/case/004/image4.png)
図3：CPUの液体冷却システム。出典：[3]
第三の冷却方法として、液体冷却（図3）がある。これは電子部品の温度を低く保つための非常に効果的な手法である。この方式では、比熱容量と熱伝導率が高いことから、蒸留水が最も一般的に使用される。
液体はまずCPU上のヒートシンクへ流れ、その後ラジエータへと送られて冷却される。この方式は、CPU付近での熱伝達係数が高く、さらにラジエータ側で大きな熱交換面積を確保できるため、高い冷却性能を発揮する。
しかしながら、液体冷却システムであっても、高性能CPUやGPU（Graphics Processing Unit）においては性能の制約要因となる場合がある。これに対し、熱および流体挙動を考慮したトポロジー最適化と銅のアディティブマニュファクチャリングを組み合わせることで、非常に高い性能を持つ冷却コンポーネントを設計することができ、この用途にも容易に適用できる。
本論文では、まずジェネレーティブデザインの概念を紹介し、トポロジー最適化解析の手順について説明する。続いて、熱マネジメント用途のヒートシンク製造において銅を使用する利点を示し、その後、この種のヒートシンクを3Dプリンティングで製造する際の課題について述べる。さらに、複数のCPUクーラーを対象とした研究を通じて、それぞれの性能比較を行う。この部分では、CPUクーラーのモデリングおよび解析における前提条件を説明し、最終的に性能評価結果を示す。
最後に、市販されている高性能CPUクーラーのヒートシンクと、ジェネレーティブデザインによるヒートシンクを比較する。
ジェネレーティブデザイン：最適なヒートシンク設計の鍵
従来の設計プロセスでは、設計者が設計コンセプトの検討から最終的な解決策に至るまで、すべての工程に直接関与する。このプロセスは、設計者が構想したモデルの作成から始まる。その後、担当者はモデリング、シミュレーション、ポスト処理、解析を通じて設計案の性能を検証する。最終設計が十分な性能に達していない場合は、新たな設計反復が行われる。このような時間のかかる設計プロセスは、ジェネレーティブデザイン技術の導入によって大きく変革される。ジェネレーティブデザインでは、ユーザーの介入を最小限に抑えながら設計を進めることができる。
ジェネレーティブデザインでは、人工知能（AI）技術を用いて、設計空間、目的関数、制約条件といったシステム要件に基づき、1つまたは複数の設計案を自動的に生成する。アルゴリズムは与えられた入力条件に基づいてさまざまな設計案を探索し、得られた情報を活用して、より優れた新しい設計解を生成する。このサイクルは、設定された制約条件を満たす実現可能な設計が見つかるまで繰り返される［5, 6］。
設計サイクルの中で数値シミュレーションによって生成された設計案を評価することで、最適化プロセスは完全に自動化される。この手法では初期設計を与える必要がないため、人間の関与は問題設定と最終設計の評価に限定される。設計プロセスから人為的なバイアスを取り除くことで、設計空間をより広範に探索することが可能となり、全体最適解を見つけられる可能性が高まる。
トポロジー最適化を用いたジェネレーティブデザイン
ジェネレーティブデザインの反復プロセスでは、前段階で設計を評価して得られた情報を、さまざまな手法を用いて活用できる。
代表的なジェネレーティブ戦略の一つがトポロジー最適化である。本手法では、設計空間における材料分布の最適化により新たな設計が得られる［7, 8, 9］。
概念的には、ベース材料の一部が別の材料へと変換され、それが設計形状を定義する。
形状最適化などの従来の設計手法とは異なり、トポロジー最適化は初期設計入力を必要としない。そのため、設計空間をより網羅的に探索でき、局所最適解への収束リスクを低減できる。実際の最適化プロセスは図4に示す4つのステップから構成される。これらのステップは最適設計が得られるまで繰り返される。
図4：トポロジー最適化プロセスのフローチャート
- 設計評価
所与の設計に対して、CFD（数値流体力学）シミュレーションにより流体の流れ場および温度分布を評価する。このシミュレーションの結果として、流体領域における速度場・圧力場・温度場、および固体領域全体における温度場が得られる。 - 性能評価
(1)で得られた数値解を用いて、最適化目標に対する設計性能を評価する。性能が目標を満たせば最適化プロセスは終了し、設計が出力される。満たさない場合は最適化ループを継続する。 - 感度解析
本ステップでは、性能向上のために設計をどのように変更すべきかを決定する。これは材料分布に対する設計性能の感度を評価することで実現される。設計空間には多数の自由度が存在するため、随伴法（adjoint approach）により感度を計算する。この数学的枠組みにより、計算効率の高い感度解析が可能となる。本解析では、連続随伴法［6］に基づいて随伴方程式を構築する。 - 設計更新
最適化アルゴリズムは、現在の設計および感度解析の結果に基づいて新しい設計案を提案する。この設計は次の最適化反復の出発点となる。
ケーススタディ解析では、CPUクーラーの冷却チャネル設計にトポロジー最適化が適用されている。流体冷却問題におけるトポロジー最適化の目的は、最適な材料分布を見つけることである。この手法では、運用条件および製造上の制約を満たしながら、目的関数を最小化することを目指す。言い換えると、初期の流体領域の中で各セルの固体部分を増減させることにより、最適な固体構造が生成される。
銅：ヒートシンクに適した材料
銅は高い熱伝導率（398 W/(m · K)）を有することが知られており、熱マネジメント部品を3Dプリンティングで製造する材料として有望である。しかし、一般的に使用される赤外線レーザー（λ = 1070 nm）に対する反射率が高いため、溶融に必要なレーザー光の吸収が制限される。
さらに、熱伝導率が高いことから、レーザーによって吸収されたエネルギーが急速に拡散してしまう。そのため、レーザーを用いた3Dプリンティング技術で銅部品を製造することは容易ではない。
上述の課題に対処するため、産業界では主に3つの戦略が採用されている。ひとつが、銅に対して反射率が低く、すなわちレーザー吸収率が高いグリーンレーザーまたはブルーレーザーを使用する方法である。このアプローチは有望と考えられているが、現時点ではグリーンレーザーおよびブルーレーザーは高価である。また、レーザービームの品質（M²係数で評価される）も、十分に研究され広く商業利用されている赤外線レーザーの水準にはまだ達していない。
ふたつ目が、出力1 kWの赤外線レーザーを使用する方法である。この方法では、高出力レーザーによってキーホールモード溶融が発生し、溶融池内部でレーザー光が多重反射することでレーザー吸収率が向上する。この技術により、ほぼ完全緻密で高い熱伝導性を持つ銅部品の製造が可能となる。しかし、この方法はエネルギー消費が大きいプロセスであり、溶融池が大きく深くなるため、造形解像度が低下するという課題がある。さらに、プロセスウィンドウが狭いこと、キーホールモードが不安定であるためキーホールポロシティが発生しやすいこと、加工時の粉末床温度が高くなることなども、製造プロセスにおける追加の懸念点となる。
最後に、レーザー吸収性を高めた銅粉末を利用する方法がある。このアプローチには、主に次の3つの利点がある。(i) 材料を伝導モード溶融で溶融できるため造形速度を高めることができ、さらに溶融池が小さく浅くなることで高い造形解像度を実現できる。(ii) 高い信頼性と優れたビーム品質を備えたレーザーを搭載した、標準的なL-PBF装置を使用することができる。(iii) レーザー吸収性銅粉末は、優れた流動性と耐酸化性を備えている。これらの利点により、広いかつ安定した加工条件のもとで銅部品を製造することが可能となる。さらに、この粉末は時間の経過による劣化が生じないため、長期間にわたって安定した加工条件を維持することができる。
レーザー吸収性銅粉末：3Dプリントヒートシンクに適した材料
各手法の利点を比較検討した結果、Amnovis社［4］では、さまざまな産業用途向けの銅部品を製造するために3つ目の手法を採用している。このアプローチにより、高い熱伝導率と高い強度を備えた銅部品を、信頼性が高くかつ経済的な方法で製造することが可能となる。また、複雑形状の熱マネジメント部品を設計する際には、材料の熱伝導率だけでなく降伏強さも重要な要素であり、この点についても十分に理解しておく必要がある。
このアプローチの主な利点は次のとおりである。
(i) 完全緻密な材料を得ることができ、導電性と強度のバランスに優れている点である。CuCr1Zr材料では、引張強さは最大637 MPa、降伏強さは最大509 MPa、延性は最大30%、電気伝導率は最大90%IACS、熱伝導率は最大360 W/(m·K)に達する。
(ii) 厚さ200 µmまでの薄肉構造や複雑形状の構造を形成することが可能である。
(iii) 加工条件の許容範囲が広く、安定した再現性のある造形品質を実現できる。
(iv) 最終部品の特性を用途に応じて調整することが可能である。
(v) この手法では400 Wレーザーを使用するため、ベースプレートや粉末を過度に加熱することがなく、粉末のリサイクル性を向上させることができる。
副次的な利点として、(i) 優れた流動性を有するレーザー吸収性粉末であること、(ii) 粉末の劣化を抑制し、再利用性および保存寿命を向上させる耐酸化性粉末であることが挙げられる。
図5：銅の3Dプリントモデルにおける間隔および厚さの例
また、この耐酸化性粉末は最終部品中の酸素含有量を極めて低く抑えることができる。酸素が多く含まれると、後熱処理後の部品強度に悪影響を及ぼす可能性がある。
この技術により、厚さ200 µmまでの薄肉構造や、微細形状間の間隔250 µmまでの構造を実現することができる（図5）。
CPU冷却システムのモデリングに適した材料
液体式CPUクーラーは、通常、1つまたは複数の固体部品と液体冷却材で構成される。
このようなシステムのシミュレーションは、共役熱伝達（Conjugate Heat Transfer：CHT）問題として知られている。CHT問題では、流体の挙動はナビエ–ストークス方程式およびエネルギー方程式によって記述される。一方、固体領域における熱伝達は熱伝導方程式によって記述される。さらに、これら異なる領域の解は相互に連成される。
流体領域のモデリング
流体領域で解かれる基本方程式は、次のナビエ–ストークス方程式で構成される［11］。
- 質量保存則
- 運動量保存則
- エネルギー保存則
ここで、ρ は流体の密度、υ は流速、p は圧力、µt は乱流粘性係数、f は一般的な運動量の力項（例：重力）、h は流体のエンタルピー、κ は熱伝導率、cp は定圧比熱を表す。
運動量方程式の閉鎖は、乱流粘性係数 µt を計算するために乱流モデルを適用することで与えられる。さまざまな乱流モデルが存在し、どのモデルを用いるかは各アプリケーションにおける物理現象に依存する。
乱流モデルの主な手法には、RANS（Reynolds-Averaged Navier-Stokes）とLES（Large Eddy Simulation）の2種類がある。RANSは、ナビエ–ストークス方程式に対して時間平均およびレイノルズ分解を適用することで得られる手法である。一方、LESはナビエ–ストークス方程式に空間フィルタを適用することで導かれる。壁面に拘束された流れの場合、RANSが最も一般的に用いられる手法である。そのため、本ケーススタディの解析ではRANSを乱流モデルとして採用している。
固体領域のモデリング
固体領域では、エネルギー保存則のみが適用される［5］。
ここで、ρ、cp、κ、および h はそれぞれ材料の密度、比熱容量、熱伝導率、エンタルピーを表し、Q は熱源を表す。さらに、関係式 dh = cp dT を用いることで、この式は温度を用いた次の形に書き換えることができる。
流体–固体連成
固体と流体の間の熱交換は、壁面に隣接するそれぞれのセル間の温度差のみに依存する。この壁面では、界面の平衡条件（式6）が適用され、界面を通過する熱流束が連続であることが要求される。流体側からの熱流束は、有効熱伝導率のみに依存する。
この有効熱伝導率は、流体の熱伝導率と乱流拡散率を考慮したものである。なお、固体同士の界面には追加の接触熱抵抗が含まれる場合がある。ここで、κₛₒₗᵢd および κfₗᵤᵢd はそれぞれ固体領域および流体領域の熱伝導率を表し、∇Tₛₒₗᵢd および ∇Tfₗᵤᵢd はそれぞれ固体領域および流体領域における温度勾配を表す。
さらに、流体領域と固体領域の界面においては、界面の両側の温度が一致する必要がある。
このアプローチは計算コストが高いものの、対象となる物理現象を詳細に把握することができる。また、最適化アルゴリズムに対して、各設計の性能をより現実に近い形で評価することが可能となる。このような現実に即した評価は、設計空間を適切に探索し、最終的に最適な設計を見つけるうえで重要である。
CPUクーラー：比較ケーススタディ
本ケーススタディでは、市販されている従来型のスカイブフィンヒートシンクと、最適化されたカスタムCPUクーラー設計を比較する。
図6：CPUクーラーの寸法と、入口および出口の位置
プレートの寸法は、図6に示すように 60.00 × 59.90 mm である。コールドプレートおよびマイクロチャネルの材料には、L-PBF用の銅が使用されている。この銅の物性値は、密度 ρ = 8910 kg/m³、比熱容量 cp = 370 J/(K·kg)、熱伝導率 κ = 300 W/(m·K) である。
冷却材は、水とグリコールを 40/60 の割合で混合したものである。冷却材の物性値は次のとおりである。密度 ρ = 1050 kg/m³、動粘度 µ = 0.00178 Pa·s、比熱容量 cp = 3220 J/(K·kg)、熱伝導率 0.376 W/(m·K) である。入口では、流量を 0.82 L/min、温度を T = 313.15 K（40 ℃） に固定している。図6には冷却材の入口および出口も示されている。熱源とは、モデルへ熱が入力される位置を指す。本研究では、Intel 1700 CPU を熱源として設定しており、直接熱源としてモデル化している。これは、ケース設定時に直接指定される熱入力である。この熱量 Q は、定義された領域全体に均一に分布する。つまり、もし Q がある表面パッチに指定された場合、その局所的な熱流束（q [W/m²]）は一様となる。
ここで A は表面パッチの面積を表す。したがって、本研究では境界条件として、表面パッチ上に直接熱源を与える加熱壁を設定している。Intel 1700 の熱源は Q = 250 W であり、この熱量はこの表面パッチの全面にわたって均一に分布している。ハウジングの材料には熱硬化性エポキシ樹脂が用いられており、その物性値は次のとおりである。密度 ρ = 1150 kg/m³、比熱容量 cp = 1100 J/(K·kg)、熱伝導率 κ = 0.17 W/(m·K)。
従来設計
図7：銅製ヒートシンクを備えた
Corsair ICUE H100i Elite Capellix 液体CPUクーラー
（カバーを取り外した状態）
従来設計は、図7に示す Corsair ICUE H100i Elite Capellix 液体CPUクーラーに採用されているスカイブ加工ヒートシンクである。
図8：従来モデルにおけるシリコーンゴムの位置
比較を行うため、両モデルにおいて解析条件および材料は同一とした。シリコーンゴムは従来モデルにのみ存在する（図8）。このシリコーン系ポリマーの物性値は、密度 ρ = 1240 kg/m³、比熱容量 cp = 768 J/(K·kg)、熱伝導率 κ = 1.59 W/(m·K) である。
銅プレートの温度シミュレーション結果は、スカイブフィンの前面部分について 図9a、CPUが取り付けられる背面部分について 図10a に示されている。加熱壁の温度分布を見ると、最高温度は 349.3 K（76.1 ℃） に達し、システムによって 316.2 K（43.0 ℃） まで冷却されることが確認できる。加熱壁の温度分散は 124.6 K² であり、圧力損失は 10.7 kPa である。
a) スカイブフィン銅プレートのシミュレーション
b) ジェネレーティブデザインによる銅製コールドプレート
図9：温度分布（前面図，単位：K）
a) スカイブフィン銅プレートのシミュレーション
b) ジェネレーティブデザインによる銅製コールドプレート
図10：温度分布（背面図，単位：K）
ジェネレーティブデザイン
ジェネレーティブデザインでは、最適化されたモデルを得るために目標および制約条件を設定する。入口には圧力損失制約が課される。設計内部を流れる流体の静圧降下は、設定された値以下となるように制約される。これは、環境圧力に対して境界に最大圧力を設定することを意味する。例えば、入口に圧力損失制約を設定する場合、出口は周囲圧力（大気圧）にあると仮定される。このような条件は通常、流線形の設計を導き、流れの再循環を抑え、流れ方向の変化を滑らかにし、乱流の発生を低減する。
圧力損失制約の数学的定式化は次のとおりである。
ここで、C は制約値（Pa）、p は実際に設定された圧力（Pa）、pmax は制約値として設定された圧力（Pa）、pamb は周囲圧力（Pa）を表す。本ケースでは、この制約値を元の圧力損失 pmax = 10.7 kPa に設定している。CPUコンポーネントに対する最適化目標は温度の最小化である。この目的関数は、最も高い温度に着目することで、対象要素全体の温度を低減する。
この境界条件に対する数学的定式化は次のとおりである。
ここで、J は目的関数の値（K）、T は境界上の温度分布（K）、S は目的関数が計算される境界（m²）を表す。
図11：CPUクーラーのジェネレーティブデザイン
図11には、CPUクーラー構成に対する最終的なジェネレーティブデザインを示す。
ジェネレーティブデザインによるプレートの温度シミュレーション結果は、前面部分について 図9b、背面部分について 図10b に示されている。加熱壁（Intel 1700）の温度は 323.4 K（50.3 ℃）から 329.6 K（56.4 ℃） の範囲であり、温度分散は 2.4 K² である。圧力損失は 11.4 kPa である。
3Dプリンティング向けに設計を行う際の主要な制約の一つは、造形可能な最小フィーチャサイズである。このサイズが小さいほど、設計により微細な構造を導入することができ、熱伝達性能の向上が期待できる。本研究では、このフィーチャサイズを 0.28mm に設定した。このサイズを適切に表現するため、設計領域は 1700万（17M）の設計変数を用いてモデル化された。最適化ループ全体およびCFD解析は、256 CPUを用いて並列計算で実行された。
設計は Diabatix社の ColdStream［12］ を用いて作成され、Amnovis社［4］ によって3Dプリントされた。
考察
前の2つのセクションで示した結果は、ジェネレーティブデザインによるCPUクーラーの性能を示している。熱性能の改善は、各モデルの熱抵抗に基づいて次のように算出される。
ここで、T_max は熱源における最大温度、T_inlet は入口温度を表す。
従来モデルの熱抵抗は次のとおりである。
一方、ジェネレーティブデザインモデルの場合は、
温度の改善率は次のように算出できる。
したがって、ジェネレーティブデザインによるヒートシンクは、熱抵抗が 55％低減されていることが示された。
加熱壁の温度分散も、性能を示す重要な指標である。従来モデルでは温度範囲が約 33 K、最適化設計では約 6 K であることから、後者では温度分散が小さくなることが予想される。
チップ全体で熱劣化を均一に進行させるためには、温度の均一性を維持することが重要である。そのため、加熱壁の温度分散が 2.3 K² のジェネレーティブデザインモデルは、温度分散 124.6 K² のスカイブフィンヒートシンクと比較して、熱劣化の観点で優れた性能を示している。加熱源（CPU）における温度分散の違いは 図10 に明確に示されている。ジェネレーティブデザインモデル（図10b）で温度の均一性が向上しているのは、図9b に示されているように、冷却チャネルが熱源全体の領域にわたって分布しているためである。一方、スカイブフィンヒートシンク（図9a）は、加熱源と比較して占める面積が小さい。この設計は流体の圧力損失を低く抑えることができるが、その代わりにCPUコンポーネントの冷却が不均一になり、温度分散が大きくなる。ジェネレーティブデザインによるヒートシンクでは、冷却チャネルがより効率的に分布しているため、従来のスカイブフィンヒートシンクと同程度の圧力損失を維持しながら、最高温度および温度ばらつきを低減することができる。
製造性
図12：Amnovis社［4］によって3Dプリントされた
ジェネレーティブデザインのCPUクーラーモデル
アディティブマニュファクチャリング（AM）では、従来の製造技術と比較して非常に複雑な形状を製造することが可能である。
しかし、このような形状の複雑さにも一定の制限があり、例えば長いブリッジ構造やほぼ水平な形状の特徴は、そのままでは造形することができない場合がある。このような形状を造形するためには、追加のサポート構造が必要となる。本研究のジェネレーティブデザインによるCPU設計では、これらのサポート構造は熱伝達を促進するピンとしても機能している。製造可能性は、設計領域を設定する際に定義される設計制約条件の一つとして扱われる。本研究で採用された製造技術は3Dプリンティングであり、最終モデルを図12に示す。
企業概要
ColdStream は、Diabatix社が提供するクラウドベースの独自プラットフォームである。この熱工学ソフトウェアには、熱解析、ヒートシンクの選定、およびジェネレーティブデザイン機能が含まれている。詳細については、Diabatix社のウェブサイトを参照するか、同社へ問い合わせることで確認できる。本研究におけるすべての解析は ColdStream［12］ を用いてシミュレーションされた。図13には、ColdStream によって生成されたジェネレーティブデザインの追加例を2つ示している。
Amnovis社は、ハイテクおよび医療用途に特化したアディティブマニュファクチャリングの製造・エンジニアリング企業である。詳細については、Amnovis社のウェブサイトを参照するか、同社へ問い合わせることで確認できる。ジェネレーティブデザインによる銅製CPUクーラーは、Amnovis社［4］の独自粉末および銅の3Dプリント向け特許製造プロセスを用いて製造された。図14には、Amnovis社によって3Dプリントされたモデルの追加例をいくつか示している。
(a) パワーエレクトロニクス用インバーター
(b) 冷却ジャケット
図13：ColdStream によるジェネレーティブデザインのその他の例
(a) 医療用インプラントのチタン3Dプリント
(b) コールドプレート設計の銅の3Dプリント
図14：Amnovis社による3Dプリントモデルのその他の例
結論
ジェネレーティブ熱設計プロセスの付加価値は、CPUクーラーの設計事例を通して示されている。この手法では、自然な自由曲面形状を持つ冷却システム形状が自動的に提案され、最適化された設計に到達する。その性能は、市販されている従来型の銅製スカイブフィン設計と比較された。
ジェネレーティブデザインによるCPUクーラーでは、スカイブフィンヒートシンクと比較して、チップの熱抵抗が 55%改善された。また、ジェネレーティブデザインのヒートシンクは、熱源における温度分散の改善にも寄与している。製造条件の観点では、このジェネレーティブデザインモデルは 3Dプリンティングの要件を満たす形で生成されている。最小造形解像度 0.28 mm および銅の3Dプリントに伴う課題がある中で、Amnovis社［4］の特許取得済み製造プロセスにより、この最適化されたCPU冷却構造を成功裏に3Dプリントすることができた。