Multi-die chips, conocidos como circuitos integrados tridimensionales o 3D-ICs, representan un paso revolucionario en el diseño de semiconductores. Los chips están apilados verticalmente para crear una estructura compacta que mejora el rendimiento sin aumentar el consumo de energía.
Desafíos en la gestión de estrés electromagnético y térmico
Sin embargo, a medida que los chips se vuelven más densos, presentan desafíos más complejos en la gestión de estrés electromagnético y térmico. Para comprender y abordar esto, las visualizaciones avanzadas de multiphísica en 3D se vuelven esenciales para los procesos de diseño y diagnóstico.
Presentación en la Design Automation Conference
En esta semana en la Design Automation Conference, un evento global que muestra los últimos desarrollos en chips y sistemas, Ansys — una empresa que desarrolla software de simulación de ingeniería y diseño 3D — compartirá cómo está utilizando la tecnología de NVIDIA para superar estos desafíos y construir la próxima generación de sistemas de semiconductores.
Uso de NVIDIA Omniverse para visualizaciones en 3D
Para habilitar visualizaciones en 3D de los resultados de simulaciones para sus usuarios, Ansys utiliza NVIDIA Omniverse, una plataforma de interfaces de programación de aplicaciones, kits de desarrollo de software y servicios que permite a los desarrolladores integrar fácilmente las tecnologías Universal Scene Description (OpenUSD) y renderizado NVIDIA RTX en las herramientas de software y flujos de trabajo de simulación existentes.
Optimización de chips con Ansys Icepak en NVIDIA Omniverse
La plataforma potencia las visualizaciones de los resultados 3D-IC de los solucionadores de Ansys para que los ingenieros puedan evaluar fenómenos como campos electromagnéticos y variaciones de temperatura, optimizando así los chips para un procesamiento más rápido, mayor funcionalidad y mejor confiabilidad.
Simulación de temperaturas con Ansys Icepak
Con Ansys Icepak en la plataforma NVIDIA Omniverse, los ingenieros pueden simular temperaturas en todo un chip según diferentes perfiles de potencia y diseños de piso. Identificar puntos calientes en los chips puede llevar a un mejor diseño de los chips y dispositivos de enfriamiento auxiliares. Sin embargo, estas simulaciones 3D-IC son computacionalmente intensivas, limitando el número de simulaciones y puntos de diseño que los usuarios pueden explorar.
Uso de NVIDIA Modulus y modelos de sustitución basados en IA
Usando NVIDIA Modulus, combinado con técnicas novedosas para manejar patrones de potencia arbitrarios en el pipeline de datos electrotermales de Ansys RedHawk-SC y el marco de entrenamiento de modelos, el equipo de I+D de Ansys está explorando la aceleración de flujos de trabajo de simulación con modelos de sustitución basados en IA. Modulus es un marco de IA de código abierto para construir, entrenar y ajustar modelos de física-ML a escala con una interfaz sencilla en Python.
Predicción eficiente de perfiles de temperatura
Con la arquitectura NVIDIA Modulus Fourier neural operator (FNO), que puede parametrizar soluciones para una distribución de ecuaciones diferenciales parciales, los investigadores de Ansys crearon un modelo de sustitución de IA que predice eficientemente perfiles de temperatura para cualquier perfil de potencia y un diseño de piso definido por parámetros del sistema como el coeficiente de transferencia de calor, el espesor y las propiedades del material. Este modelo ofrece resultados casi en tiempo real a costos computacionales significativamente reducidos, permitiendo a los usuarios de Ansys explorar un espacio de diseño más amplio para nuevos chips.
Exploración de integración de modelos de sustitución de IA
Después de una prueba de concepto exitosa, el equipo de Ansys explorará la integración de tales modelos de sustitución de IA para su plataforma RedHawk-SC de próxima generación utilizando NVIDIA Modulus.
Mejora de la generalidad y precisión de los modelos
A medida que se desarrollan más modelos de sustitución, el equipo también buscará mejorar la generalidad y precisión del modelo mediante el ajuste fino en situ. Esto permitirá a los usuarios de RedHawk-SC beneficiarse de flujos de trabajo de simulación más rápidos, acceso a un espacio de diseño más amplio y la capacidad de refinar modelos con sus propios datos para fomentar la innovación y la seguridad en el desarrollo de productos.
