SYSTEM AND METHOD FOR MULTI-CORRELATIVE LEARNING THERMAL MANAGEMENT OF A SYSTEM ON A CHIP IN A PORTABLE COMPUTING DEVICE

휴대용 컴퓨팅 디바이스 ("PCD") 에서 구현된 다중 상관 학습 열 관리 ("MLTM") 기술들을 위한 방법들 및 시스템들의 다양한 실시형태들이 개시된다. 특히, 다수의 PCD들에서, PCD 에서 개별 온도 센서들에 의해 측정된 열 에너지 레벨들은 복수의 프로세싱 컴포넌트들, 즉 열 어그레서들에 기인할 수도 있다. 일반적으로, 더 많은 전력이 열 어그레서들에 의해 소비될수록, 결과적인 열 에너지의 생성은 칩 주위에 위치된 온도 센서들과 연관된 온도 임계치들이 초과되게 하고, 따라서 열 에너지 생성을 감소시키기 위한 노력으로 PCD 의 성능이 희생되는 것이 필요할 수도 있다. 유리하게, MLTM 시스템들 및 방법들의 실시형태들은, 다수의 열 어그레서들이 개별 온도 센서들의 온도 판독치들에 상이하게 영항을 주는 것을 인식하고, 센서들에서의 열 에너지 레벨들을 미리 결정된 온도 임계치들 내에서 유지하면서 서비스 품질 ("QoS") 을 최적화하는 최적의 성능 레벨 세팅들 조합들을 식별하고 적용하려고 하는 것을 추구한다. Various embodiments of methods and systems for multi-correlative learning thermal management ("MLTM") techniques implemented in a portable computing device ("PCD") are disclosed. Notably, in many PCDs, thermal energy levels measured by individual temperature sensors in the PCD may be attributable to a plurality of processing components, i.e. thermal aggressors. Generally, as more power is consumed by the thermal aggressors, the resulting generation of thermal energy may cause the temperature thresholds associated with temperature sensors located around the chip to be exceeded, thereby necessitating that the performance of the PCD be sacrificed in an effort to reduce thermal energy generation. Advantageously, embodiments of MLTM systems and methods recognize that multiple thermal aggressors affect temperature readings of individual temperature sensors differently and seek to identify and apply optimum performance level settings combinations that optimize quality of service ("QoS") while maintaining thermal energy levels at the sensors within predetermined temperature thresholds.