CN116484674A - 一种芯粒微系统的多层次热优化设计方法 - Google Patents
一种芯粒微系统的多层次热优化设计方法 Download PDFInfo
- Publication number
- CN116484674A CN116484674A CN202310371321.1A CN202310371321A CN116484674A CN 116484674 A CN116484674 A CN 116484674A CN 202310371321 A CN202310371321 A CN 202310371321A CN 116484674 A CN116484674 A CN 116484674A
- Authority
- CN
- China
- Prior art keywords
- parameters
- temperature
- ttsv
- local
- global
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013461 design Methods 0.000 title claims abstract description 59
- 239000007771 core particle Substances 0.000 title claims abstract description 46
- 238000005457 optimization Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000013507 mapping Methods 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 239000002245 particle Substances 0.000 claims description 46
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 230000009191 jumping Effects 0.000 claims description 6
- 230000001902 propagating effect Effects 0.000 claims description 2
- 238000012827 research and development Methods 0.000 abstract description 7
- 238000011161 development Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 24
- 239000010949 copper Substances 0.000 description 10
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 8
- 229910052802 copper Inorganic materials 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 229910004298 SiO 2 Inorganic materials 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/32—Circuit design at the digital level
- G06F30/337—Design optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种芯粒微系统的多层次热优化设计方法，包括：根据所述芯粒微系统的温度场有限元模型得到TTSV阵列的设计参数与等效热导率的映射关系模型；对所述映射关系模型进行有限元计算，建立设计参数与温度指标之间的关系；将所述TTSV阵列的设计参数进行分类，得到分类结果；基于所述映射关系模型和多目标函数，根据多层次优化方法对所述全局参数和所述局部参数进行分层交替优化，以得到热优化设计结果。本发明可以高效地确定芯粒微系统器件参数的设计尺寸，提高集成系统设计效率，降低研发成本，缩短芯片研制周期。
Description
技术领域
本发明属于三维集成电路技术领域，涉及一种芯粒微系统的多层次热优化设计方法。
背景技术
集成电路已经成为各行各业实现信息化、智能化的基础，其技术水平和产业能力已成为衡量国家产业竞争力与综合国力的重要标志之一。
而芯粒微系统作为未来打破摩尔定律的关键技术之一，近几年受到研发人员的大力追捧。芯粒微系统的开发，较多地依赖于研发人员的设计经验和软件的重复迭代仿真验证，设计人员通过不断调整集成电路中器件的尺寸参数，以获得期望的电路模块性能指标。
但是，这种耗时耗力的设计方法降低了集成系统设计效率，提高了研发成本，延长了芯片研制周期。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种芯粒微系统的多层次热优化设计方法。本发明要解决的技术问题通过以下技术方案实现：
本发明实施例提供了一种芯粒微系统的多层次热优化设计方法，所述多层次热优化设计方法包括：
步骤1、根据所述芯粒微系统的温度场有限元模型得到TTSV阵列的设计参数与等效热导率的映射关系模型，所述TTSV阵列包括M*N个TTSV单元；
步骤2、对所述映射关系模型进行有限元计算，建立设计参数与温度指标之间的关系；
步骤3、将所述TTSV阵列的设计参数进行分类，得到分类结果，所述分类结果包括全局参数和局部参数；
步骤4、基于所述映射关系模型和多目标函数，根据多层次优化方法对所述全局参数和所述局部参数进行分层交替优化，以得到热优化设计结果。
在本发明的一个实施例中，所述步骤1包括：
步骤1.1、建立热量沿TTSV阵列的纵向传播的芯粒微系统的温度场有限元模型，其中，芯片位于TTSV阵列的顶层，热源为芯片功耗；
步骤1.2、基于所述芯粒微系统的温度场有限元模型，利用长方体等效原则得到所述映射关系模型。
在本发明的一个实施例中，所述温度指标包括芯粒微系统的峰值温度、体平均温度和芯片底面温度差。
在本发明的一个实施例中，所述全局参数包括TTSV阵列的行数和列数、以及相邻两个TTSV单元的间距。
在本发明的一个实施例中，所述局部参数包括所述TTSV单元的半径和绝缘层的高度。
在本发明的一个实施例中，所述多目标函数表示为：
F＝α(PT-PTdes)2+β(AT-ATdes)2+γ(DT-DTdes)2
DT＝DTmax-DTmin
其中，F为多目标函数，α、β和γ为权重系数，PT为TTSV阵列的峰值温度，AT为TTSV阵列的体平均温度，PTdes为期望的峰值温度，ATdes为期望的体平均温度，DT为芯片底面温度差，DTdes为芯片底面的温度差的期望值，DTmax为芯片底面的温度的最大值，DTmin为芯片底面的温度的最小值。
在本发明的一个实施例中，α+β+γ＝1。
在本发明的一个实施例中，所述步骤4包括：
步骤4.1、初始化所述全局参数的全局最优粒子和局部最优粒子，以及初始化所述局部参数的全局最优粒子和局部最优粒子；
步骤4.2、固定所述局部参数，基于所述映射关系模型和所述多目标函数，利用粒子群优化算法优化所述全局参数，得到优化后的全局参数；
步骤4.3、固定所述优化后的全局参数，基于所述映射关系模型和所述多目标函数，利用粒子群优化算法优化所述局部参数，得到优化后的局部参数；
步骤4.4、在当前迭代中，调整局部参数的惯性权值，并判断所述多目标函数的计算结果是否最小，若否，则跳转至所述步骤4.3，直至所述多目标函数的计算结果最小，得到最优的局部参数；
步骤4.5、在当前迭代中，调整全局参数的惯性权值，并判断所述多目标函数的计算结果是否最小，若否，则跳转至所述步骤4.2，直至所述多目标函数的计算结果最小，得到最优的全局参数；
步骤4.6、根据得到的最优的局部参数和最优的全局参数修改所述映射关系模型的设计参数，得到温度指标，以根据温度指标和温度期望指标得到最终结果。
与现有技术相比，本发明的有益效果：
本发明针对现有的集成电路研发过于依赖设计人员的经验和效率较低的难题，根据设计规则，将TTSV阵列的设计参数分类为全局参数和局部参数，利用基于粒子群优化算法的多层次优化方法对TTSV阵列的全局参数和局部参数进行分层交替优化，可以高效地确定芯粒微系统器件参数的设计尺寸，提高集成系统设计效率，降低研发成本，缩短芯片研制周期。
本发明的设计方法的发明和推广应用对降低芯粒微系统芯片研发成本和缩短其研制周期具有重要工程意义。
通过以下参考附图的详细说明，本发明的其它方面和特征变得明显。但是应当知道，该附图仅仅为解释的目的设计，而不是作为本发明的范围的限定，这是因为其应当参考附加的权利要求。还应当知道，除非另外指出，不必要依比例绘制附图，它们仅仅力图概念地说明此处描述的结构和流程。
附图说明
图1为本发明实施例提供的一种芯粒微系统的多层次热优化设计方法的流程示意图；
图2为本发明实施例提供的一种芯粒微系统温度场有限元模型；
图3为本发明实施例提供的一种TTSV的结构示意图；
图4为本发明实施例提供的一种第一部分的俯视图；
图5为本发明实施例提供的一种第二部分的俯视图；
图6为本发明实施例提供的一种TTSV阵列经过长方体等效之后的等效热导率模型温度分布示意图；
图7为本发明实施例提供的一种TTSV等效热导率模型的示意图；
图8为本发明实施例提供的基于粒子群优化算法的多层次优化方法的流程示意图；
图9为本发明实施例提供的一种最优全局和局部参数下芯粒微系统有限元模型温度分布示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
实施例一
请参见图1，图1为本发明实施例提供的一种芯粒微系统的多层次热优化设计方法的流程示意图。本发明提供一种芯粒微系统的多层次热优化设计方法，该多层次热优化设计方法包括步骤1-步骤4，其中：
步骤1、根据芯粒微系统的温度场有限元模型得到TTSV(热硅通孔，thermalthrough silicon via)阵列的设计参数与等效热导率的映射关系模型，TTSV阵列包括M*N个TTSV单元。
在一个具体实施例中，步骤1具体可以包括：
步骤1.1、请参见图2，建立热量沿TTSV阵列的纵向传播的芯粒微系统的温度场有限元模型。其中，芯片位于TTSV阵列的顶层，热源为芯片功耗，使热量沿TTSV阵列的纵向传播。
请参见图3-图5，TTSV单元包括第一部分和第二部分B，第一部分包括第一子部分C和第二子部分A，第一子部分C、第二部分B和第二子部分A沿纵向从下至上排布，第一子部分C和第二子部分A均包括高度为h1的绝缘层和铜柱，第二部分包括高度为h2的阻挡层、绝缘层和铜柱，TTSV的高度h为2h1和h2的和，绝缘层的材料为SiO2，阻挡层的材料为Si。
步骤1.2、基于芯粒微系统的温度场有限元模型，利用长方体等效原则得到映射关系模型。
这里，参见图6，等效方法采用的是长方体等效方法，长方体等效方法是为了提高仿真计算效率，长方体等效方法为将含绝缘层的圆柱形TTSV结构等效为简化方柱结构。
利用长方体等效原则，获取TTSV阵列的设计参数与等效热导率的映射关系模型，包括步骤1.21-步骤1.22，其中：
S1、基于长方体等效原则，获取第一子部分和第二子部分的第一等效热导率，以及获取第二部分的第二等效热导率。
进一步地，第一等效热导率为：
其中，K1为第一等效热导率，KCu为铜柱的热导率，为绝缘层的热导率，α为第一子部分或第二子部分的铜柱和绝缘层的体积比，r1为TTSV半径，v为TTSV的体积，V‘Cu为第一子部分或第二子部分的铜柱的体积，/>为第一子部分或第二子部分的绝缘层的体积。
进一步地，第二等效热导率为：
其中，K2为第二等效热导率，KSi为阻挡层的热导率，V’‘Cu为所述第二部分的铜柱的体积，VSi为所述阻挡层的体积，r2为所述第二部分的绝缘层的厚度。
S2、根据第一等效热导率和第二等效热导率得到映射关系模型，映射关系模型也即等效热导率模型，该映射关系模型为：
其中，K为映射关系模型。
本实施例所建立的TTSV阵列的设计参数与等效热导率的映射关系模型是利用热阻基础理论的并联等效方法，构建描述TTSV不同平面的等效热导率模型。
步骤2、对映射关系模型进行有限元计算，建立设计参数与温度指标之间的关系。
这里，利用COMSOL软件对映射关系模型进行有限元计算，以建立设计参数与温度指标之间的关系。
其中，TTSV阵列的设计参数包括TTSV阵列的行数和列数、以及相邻两个TTSV单元的间距、TTSV单元的半径和绝缘层的高度，其中，TTSV单元的半径为铜柱的半径，请参见图7，图7中的d即为铜柱的直径。
其中，温度指标包括芯粒微系统的峰值温度、体平均温度和芯片底面温度差，芯片底面温度差为芯片底面温度的最大值和最小值之间的差值。
步骤3、将TTSV阵列的设计参数进行分类，得到分类结果，分类结果包括全局参数和局部参数。
这里，根据设计规则，将TTSV阵列的设计参数分类为全局参数和局部参数，设计规则是设计参数的分类标准，即是按照阵列布局是由什么参数所决定的和TTSV单元是由什么参数所决定的进行分类。
其中，全局参数包括TTSV阵列的行数和列数、以及相邻两个TTSV单元的间距。局部参数包括TTSV单元的半径和绝缘层的高度。
步骤4、基于映射关系模型和多目标函数，根据多层次优化方法对全局参数和局部参数进行分层交替优化，以得到热优化设计结果。
这里，基于芯粒微系统的峰值温度、体平均温度和芯片底面温度差构建多目标函数。
具体地，三维有限元模型的设计性能指标主要有芯粒微系统的峰值温度、体平均温度和芯片底面温度差决定，因此多目标函数表示为：
F＝α(PT-PTdes)2+β(AT-ATdes)2+γ(DT-DTdes)2
DT＝DTmax-DTmin
其中，F为多目标函数，α、β和γ为权重系数，α+β+γ＝1。PT为TTSV阵列的峰值温度，AT为TTSV阵列的体平均温度，PTdes为期望的峰值温度，ATdes为期望的体平均温度，DT为芯片底面温度差，DTdes为芯片底面的温度差的期望值，DTmax为芯片底面的温度的最大值，DTmin为芯片底面的温度的最小值。
如，期望的峰值温度为325K，体平均温度为315K，芯片底面温度差为8K。
在本实施例中，多目标函数的制定依据的是芯粒微系统设计时所考虑的峰值温度、体平均温度和芯片底面温度差。为了区分不同温度指标在多目标函数中所具有的重要程度，分别给与不同的权重系数α、β和γ，并且权重系数α、β、γ的和为1。
基于上述内容，在一个具体实施例中，请参见图8，步骤4具体可以包括：
步骤4.1、初始化全局参数的全局最优粒子和局部最优粒子，以及初始化局部参数的全局最优粒子和局部最优粒子；
步骤4.2、固定局部参数，基于映射关系模型和多目标函数，利用粒子群优化算法优化全局参数，得到优化后的全局参数；
步骤4.3、固定优化后的全局参数，基于映射关系模型和多目标函数，利用粒子群优化算法优化局部参数，得到优化后的局部参数；
步骤4.4、在当前迭代中，调整局部参数的惯性权值，并判断多目标函数的计算结果是否最小，若否，则跳转至步骤4.3，直至多目标函数的计算结果最小，得到最优的局部参数；
步骤4.5、在当前迭代中，调整全局参数的惯性权值，并判断多目标函数的计算结果是否最小，若否，则跳转至步骤4.2，直至多目标函数的计算结果最小，得到最优的全局参数；
步骤4.6、根据得到的最优的局部参数和最优的全局参数修改所述映射关系模型的设计参数，得到温度指标，以根据温度指标和温度期望指标得到最终结果。
步骤4.7、根据得到的最优的局部参数和最优的全局参数修改映射关系模型的设计参数，得到温度指标，以根据温度指标和温度期望指标得到最终结果。
具体地，在COMSOL Multiphysics软件中，将得到的最优的全局参数和最优的局部参数带入映射关系模型中，基于设计参数与温度指标之间的关系，由此可以得到温度指标，温度指标包括芯粒微系统的峰值温度、体平均温度和芯片底面温度差，然后将该温度指标与温度期望指标相比较，若小于或者等于温度期望指标，则最终结果为当前优化出来的设计参数满足要求，否则，不满足需求。
其中，惯性权值为：
w为惯性权值，iter为当前迭代次数，itermax为最大迭代次数，wmax为惯性权值的最大值和wmin为惯性权值的最小值。
这里，粒子群优化算法是一种常用的种群优化算法，具有结构简单和易于实施等优点。基于设计参数分类为全局参数和局部参数的特点，建立多层次优化方法，同时将建立的映射关系模型和多目标函数集成到多层次粒子群优化算法中，利用惯性权值线性递减的粒子群优化算法分层交替优化TTSV阵列的全局参数和局部参数。
进一步的，本实施例所述的粒子群优化算法具体可以包括：
S1、初始化种群的参数，参数包括初始化群体中粒子的数目和最大迭代次数，参数还包括学习因子、惯性权值、搜索空间维数，如表1所示，表1为粒子群优化算法的初始化参数。
表1
S2、设定温度期望指标，温度期望指标包括芯粒微系统的峰值温度、体平均温度、芯片底面温度差。
S3、随机初始化种群中粒子的位置和速度。
S4、利用多目标函数计算各个粒子的适应度，并得到当前的局部最优值和全局最优值。其中，随机分配若干粒子组成多个子粒子群，每个子粒子群对应一个最小的适应度，该最小的适应度即为该子粒子群的局部最优值，所有局部最优值中的最小值即为全局最优值。
S5、计算各个粒子的速度，判断粒子的速度是否超出范围，若是，则将该粒子拉大到边界。
具体地，本实施例预先根据需求设定一范围，计算各个粒子的速度，由此可以确定粒子的速度是否超出预先设定的速度范围，若是超过，便将该粒子拉大到边界。
S6、利用多目标函数计算经步骤S5处理后所有粒子的适应度，判断该适应度是否小于局部最优值，若是，则将局部最优值替换成该适应度，以作为新的局部最优值，否则，局部最优值不变，之后判断当前的局部最优值是否小于全局最优值，若是，则将全局最优值替换成该局部最优值，以作为新的述全局最优值，否则，全局最优值不变。
S7、利用惯性权值线性递减模型处理步骤S6后的粒子，惯性权值线性递减模型为：
vi(t+1)＝wvi(t)+c1r1(pi-xi(t))+c2r2(pg-xi(t))
xi(t+1)＝xi(t)+vi(t+1)
其中，xi为第i个粒子的位置向量，vi为第i个粒子的速度向量，w为惯性权值，pi为局部最优位置，pg为全局最优位置，c1和c2是常数，r1和r2均为[0,1]之间的随机数，iter为当前迭代次数，itermax为最大迭代次数，wmax为惯性权值的最大值和wmin为惯性权值的最小值。
S8、判断迭代次数是否达到最大迭代次数，若否，则基于步骤S7后的粒子循环执行步骤S4-S8，若是，则选取所有迭代中所得到的全局最优值的最小值，该最小值对应的粒子即为优化后的局部参数或者全局参数。
在确定最优的全局参数和最优的局部参数之后，将参数优化结果带入到未等效的芯粒微系统有限元模型中，完成有限元验证计算，获得芯粒微系统的峰值温度、体平均温度和芯片底面温度差等温度指标。
本实施例中，按照期望的性能指标，利用上述芯粒微系统的多层次优化设计方法，对芯粒微系统的TTSV阵列的设计参数分类为全局参数和局部参数，全局参数包括TTSV单元的行/列数和相邻两个TTSV单元的间距，局部参数为TTSV单元的半径和绝缘层的高度，然后基于粒子群算法的多层次优化方法对全局参数和局部参数进行分层交替优化。优化出的TTSV单元的行/列数和相邻两个TTSV单元的间距分别为8和17μm，优化出的TTSV单元的半径和绝缘层的高度分别为4.9μm和3μm。将绝缘层薄膜的厚度固定为0.3μm。在优化出的设计参数下，利用COMSOL软件进行有限元验证，实验结果如图9所示，性能参数如表2所示，几乎达到了期望的性能指标，这说明提出方法能有效地优化芯粒微系统中TTSV阵列的设计参数。
表2
本发明在粒子群优化算法的框架下，以芯粒微系统的峰值温度、体平均温度和芯片底面温度差为目标，提出一种简单、高效的芯粒微系统的TTSV设计参数的多层次优化设计方法，为研究芯粒微系统中的散热技术提供了高效的方法和途径。
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特数据点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特数据点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外，本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (8)
1.一种芯粒微系统的多层次热优化设计方法，其特征在于，所述多层次热优化设计方法包括：
步骤1、根据所述芯粒微系统的温度场有限元模型得到TTSV阵列的设计参数与等效热导率的映射关系模型，所述TTSV阵列包括M*N个TTSV单元；
步骤2、对所述映射关系模型进行有限元计算，建立设计参数与温度指标之间的关系；
步骤3、将所述TTSV阵列的设计参数进行分类，得到分类结果，所述分类结果包括全局参数和局部参数；
步骤4、基于所述映射关系模型和多目标函数，根据多层次优化方法对所述全局参数和所述局部参数进行分层交替优化，以得到热优化设计结果。
2.根据权利要求1所述的芯粒微系统的多层次热优化设计方法，其特征在于，所述步骤1包括：
步骤1.1、建立热量沿TTSV阵列的纵向传播的芯粒微系统的温度场有限元模型，其中，芯片位于TTSV阵列的顶层，热源为芯片功耗；
步骤1.2、基于所述芯粒微系统的温度场有限元模型，利用长方体等效原则得到所述映射关系模型。
3.根据权利要求1所述的芯粒微系统的多层次热优化设计方法，其特征在于，所述温度指标包括芯粒微系统的峰值温度、体平均温度和芯片底面温度差。
4.根据权利要求1所述的芯粒微系统的多层次热优化设计方法，其特征在于，所述全局参数包括TTSV阵列的行数和列数、以及相邻两个TTSV单元的间距。
5.根据权利要求1所述的芯粒微系统的多层次热优化设计方法，其特征在于，所述局部参数包括所述TTSV单元的半径和绝缘层的高度。
6.根据权利要求1所述的芯粒微系统的多层次热优化设计方法，其特征在于，所述多目标函数表示为：
F＝α(PT-PTdes)2+β(AT-ATdes)2+γ(DT-DTdes)2
DT＝DTmax-DTmin
其中，F为多目标函数，α、β和γ为权重系数，PT为TTSV阵列的峰值温度，AT为TTSV阵列的体平均温度，PTdes为期望的峰值温度，ATdes为期望的体平均温度，DT为芯片底面温度差，DTdes为芯片底面的温度差的期望值，DTmax为芯片底面的温度的最大值，DTmin为芯片底面的温度的最小值。
7.根据权利要求6所述的芯粒微系统的多层次热优化设计方法，其特征在于，α+β+γ＝1。
8.根据权利要求6或7所述的芯粒微系统的多层次热优化设计方法，其特征在于，所述步骤4包括：
步骤4.1、初始化所述全局参数的全局最优粒子和局部最优粒子，以及初始化所述局部参数的全局最优粒子和局部最优粒子；
步骤4.2、固定所述局部参数，基于所述映射关系模型和所述多目标函数，利用粒子群优化算法优化所述全局参数，得到优化后的全局参数；
步骤4.3、固定所述优化后的全局参数，基于所述映射关系模型和所述多目标函数，利用粒子群优化算法优化所述局部参数，得到优化后的局部参数；
步骤4.4、在当前迭代中，调整局部参数的惯性权值，并判断所述多目标函数的计算结果是否最小，若否，则跳转至所述步骤4.3，直至所述多目标函数的计算结果最小，得到最优的局部参数；
步骤4.5、在当前迭代中，调整全局参数的惯性权值，并判断所述多目标函数的计算结果是否最小，若否，则跳转至所述步骤4.2，直至所述多目标函数的计算结果最小，得到最优的全局参数；
步骤4.6、根据得到的最优的局部参数和最优的全局参数修改所述映射关系模型的设计参数，得到温度指标，以根据温度指标和温度期望指标得到最终结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310371321.1A CN116484674A (zh) | 2023-04-07 | 2023-04-07 | 一种芯粒微系统的多层次热优化设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310371321.1A CN116484674A (zh) | 2023-04-07 | 2023-04-07 | 一种芯粒微系统的多层次热优化设计方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116484674A true CN116484674A (zh) | 2023-07-25 |
Family
ID=87220547
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310371321.1A Pending CN116484674A (zh) | 2023-04-07 | 2023-04-07 | 一种芯粒微系统的多层次热优化设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116484674A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115062576A (zh) * | 2022-06-13 | 2022-09-16 | 西安电子科技大学 | 一种三维集成系统散热tsv阵列的设计方法 |
| CN117130760A (zh) * | 2023-10-24 | 2023-11-28 | 中诚华隆计算机技术有限公司 | 一种芯粒智能选择调度方法及系统 |
| CN115062576B (zh) * | 2022-06-13 | 2024-09-27 | 西安电子科技大学 | 一种三维集成系统散热tsv阵列的设计方法 |
-
2023
- 2023-04-07 CN CN202310371321.1A patent/CN116484674A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115062576A (zh) * | 2022-06-13 | 2022-09-16 | 西安电子科技大学 | 一种三维集成系统散热tsv阵列的设计方法 |
| CN115062576B (zh) * | 2022-06-13 | 2024-09-27 | 西安电子科技大学 | 一种三维集成系统散热tsv阵列的设计方法 |
| CN117130760A (zh) * | 2023-10-24 | 2023-11-28 | 中诚华隆计算机技术有限公司 | 一种芯粒智能选择调度方法及系统 |
| CN117130760B (zh) * | 2023-10-24 | 2024-01-26 | 中诚华隆计算机技术有限公司 | 一种芯粒智能选择调度方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Structure optimization of parallel air-cooled battery thermal management system with U-type flow for cooling efficiency improvement | |
| Fan et al. | Multi-objective optimization design of lithium-ion battery liquid cooling plate with double-layered dendritic channels | |
| He et al. | Thermal management in hybrid power systems using cylindrical and prismatic battery cells | |
| CN116484674A (zh) | 一种芯粒微系统的多层次热优化设计方法 | |
| Wu et al. | Design and optimization of 3D printed air-cooled heat sinks based on genetic algorithms | |
| Voicu et al. | Thermal management and forced air-cooling of supercapacitors stack | |
| Cheng et al. | Multi-objective optimization of thermal-hydraulic performance in a microchannel heat sink with offset ribs using the fuzzy grey approach | |
| Purusothaman et al. | 3D natural convection on a horizontal and vertical thermally active plate in a closed cubical cavity | |
| CN102063543B (zh) | 层次式热驱动的布图规划及布局方法 | |
| Ge et al. | Optimal structural design of a heat sink with laminar single-phase flow using computational fluid dynamics-based multi-objective genetic algorithm | |
| CN111159828A (zh) | 电池箱散热优化设计方法及其装置、设备及存储介质 | |
| Ge et al. | Optimal arrangement design of a tube bundle in cross-flow using computational fluid dynamics and multi-objective genetic algorithm | |
| Balachandar et al. | Computational heat transfer analysis and combined ANN–GA optimization of hollow cylindrical pin fin on a vertical base plate | |
| CN115062576B (zh) | 一种三维集成系统散热tsv阵列的设计方法 | |
| CN105808820B (zh) | 一种求解区间热对流扩散问题的高精度数值方法 | |
| Yang et al. | Optimization of Pin arrangement and geometry in EV and HEV heat sink using genetic algorithm coupled with CFD | |
| CN112182909A (zh) | 一种用于工业cae方向的流动求解器建立方法 | |
| CN115062576A (zh) | 一种三维集成系统散热tsv阵列的设计方法 | |
| Han et al. | Heat transfer characterization of two isothermal circular cylinders in proximity | |
| Li | Design and topology optimization of heat sinks for the cooling of electronic devices with multiple heat sources | |
| Fourmigue et al. | Explicit transient thermal simulation of liquid-cooled 3D ICs | |
| Huang et al. | Multi-objective optimization design of power pack structures based on floating projection topology optimization | |
| CN110276143B (zh) | 一种多芯片led器件封装方法及系统 | |
| Hu et al. | Design and optimization of air-cooled heat dissipation structure of an on-board supercapacitor box | |
| Rai | Robust optimal aerodynamic design using evolutionary methods and neural networks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |