در سالهای اخیر، افزایش اهمیت توان در تجهیزات الکترونیکی نیاز به توسعه راهکارهای مؤثر مدیریت حرارتی را بیش از پیش آشکار ساخته است. در این میان، هیتسینکهای پینفین به دلیل نسبت سطح به حجم بالا و توانایی ایجاد اختلاط جریان، از گزینههای مناسب برای بهبود انتقال حرارت جابجایی محسوب میشوند. با این حال، افزایش انتقال حرارت معمولاً با افزایش افت فشار همراه بوده و دستیابی به تعادل بهینه میان عملکرد حرارتی و هزینه هیدرولیکی همچنان چالشبرانگیز است. در این پژوهش، عملکرد حرارتی–هیدرولیکی هیتسینکهای پینفین حفرهدار با سه شکل هندسی استوانهای، مربعی و لوزیشکل بهصورت عددی مورد بررسی قرار گرفت. اثر سه پارامتر کلیدی شامل شکل هندسی پره، تعداد حفرهها (یک، دو و سه حفره) و قطر هیدرولیکی پره بر افت فشار (ΔP) و ضریب انتقال حرارت جابجایی متوسط (h) در بازهای از سرعتهای جریان مورد تحلیل قرار گرفت. نتایج نشان داد که پرههای لوزیشکل بیشترین ضریب انتقال حرارت را ایجاد میکنند، اما با بیشترین افت فشار نیز همراه هستند. در مقابل، پرههای استوانهای کمترین افت فشار و کمترین مقدار انتقال حرارت را نشان دادند، در حالیکه پرههای مربعی رفتاری میانی و متعادل ارائه کردند. افزایش تعداد حفرهها منجر به کاهش افت فشار و همزمان کاهش ضریب انتقال حرارت شد. همچنین افزایش قطر هیدرولیکی موجب افزایش همزمان ΔP و h گردید که بیانگر وجود یک مصالحه حرارتی–هیدرولیکی در طراحی این سامانههاست. بهمنظور کاهش هزینه محاسباتی و توسعه یک مدل پیشبینی سریع، از الگوریتم یادگیری ماشین XGBoost بهعنوان مدل جانشین استفاده شد. مدلهای بهینهشده توانستند افت فشار و ضریب انتقال حرارت را با دقت بسیار بالا (R² بالاتر از 0.99) پیشبینی کنند. نتایج نشان داد که ترکیب شبیهسازی عددی و مدلسازی دادهمحور میتواند ابزاری کارآمد برای طراحی و بهینهسازی سریع هیتسینکهای پینفین حفرهدار فراهم آورد. در مجموع، این پژوهش چارچوبی هیبریدی مبتنی بر CFD و یادگیری ماشین ارائه میدهد که میتواند در طراحی سامانههای خنککاری با عملکرد حرارتی–هیدرولیکی بهینه مورد استفاده قرار گیرد.
