《芯粒集成热仿真方法》

    徐勤志 博士

   中国科学院微电子研究所 研究员

演讲摘要：

随着芯片尺寸的不断缩小，芯粒异构集成成为延续摩尔定律的重要方向，但也面临严峻的热管理挑战。近年来，物理信息神经网络在集成电路热仿真方面展现出潜在应用前景，但其应用于复杂几何结构时，容易陷入局部最小值。本研究将数值计算方法嵌入神经算子学习，提出一种将DeepONet与硬约束投影相结合混合训练框架，并将其拓展应用于芯粒异构集成系统热仿真，同时结合拉丁超立方采样和网格采样加强物理约束，实现芯粒系统的高精度温度仿真。数值实验结果证明所提出的方法实现了与数值模拟结果一致的温度预测，速度提高了接近400倍，这凸显了物理引导深度学习在先进电子封装热分析中的应用潜力。

演讲人简介：

徐勤志，博士，中国科学院微电子所研究员，博士生导师。长期从事三维集成芯片多物理场仿真、纳米芯片可制造性设计方法学、先进器件工艺多物理场建模方法、基于第一性原理的纳米复合材料构效关系和EDA软件工具研究，在纳米芯片关键工艺仿真模型和集成芯片多场仿真EDA关键技术领域具有多年研发经验。提出了多点聚合物纳米复合材料密度泛函-积分方程耦合仿真方法，研发了HKMG、FinFET和铜互连CMP系列多物理场仿真模型引擎以及芯粒集成多场仿真工具，承担了国家、北京市、中科院、企业横向课题近30项，相关技术成果在知名企业进行转化。以第一作者或通讯作者发表SCI论文、专利和软件著作权100 余项，获北京市科学技术三等奖和中国电子学会科学技术二等奖等奖励。