一种基于深度学习的GPU自适应液冷控制方法

本发明公开了一种基于深度学习的GPU自适应液冷控制方法，涉及GPU自适应液冷控制技术领域，本发明通过深度学习方法与物理规律的深度融合，克服了现有GPU液冷控制在稀疏负载场景下的核心缺陷；模型结构解析器将神经网络计算特征与芯片物理布局动态关联，实现热源移动轨迹的预判式追踪，从根源上减少冷却盲区；时空注意力机制与可微离散化技术的结合，使冷却液分配既能响应毫秒级热浪尖峰，又保持流量控制的物理可实现性；引入对抗性残差模块与热力学硬约束，显著提升了系统在管路异常等极端工况下的鲁棒性。