CN116822301A - 一种处理器内部温度预测方法 - Google Patents
一种处理器内部温度预测方法 Download PDFInfo
- Publication number
- CN116822301A CN116822301A CN202310811060.0A CN202310811060A CN116822301A CN 116822301 A CN116822301 A CN 116822301A CN 202310811060 A CN202310811060 A CN 202310811060A CN 116822301 A CN116822301 A CN 116822301A
- Authority
- CN
- China
- Prior art keywords
- processor
- grid
- temperature
- solution
- boundary
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004364 calculation method Methods 0.000 claims abstract description 42
- 238000004088 simulation Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims abstract description 11
- 239000000463 material Substances 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 230000004907 flux Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000001351 cycling effect Effects 0.000 claims description 2
- 239000012530 fluid Substances 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 11
- 102100025471 Epiphycan Human genes 0.000 description 9
- 101001056751 Homo sapiens Epiphycan Proteins 0.000 description 9
- 238000013461 design Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 239000000758 substrate Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- JBRZTFJDHDCESZ-UHFFFAOYSA-N AsGa Chemical compound [As]#[Ga] JBRZTFJDHDCESZ-UHFFFAOYSA-N 0.000 description 1
- 229910002601 GaN Inorganic materials 0.000 description 1
- 229910001218 Gallium arsenide Inorganic materials 0.000 description 1
- JMASRVWKEDWRBT-UHFFFAOYSA-N Gallium nitride Chemical compound [Ga]#N JMASRVWKEDWRBT-UHFFFAOYSA-N 0.000 description 1
- 206010053615 Thermal burn Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000003822 epoxy resin Substances 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 229920000647 polyepoxide Polymers 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000001052 transient effect Effects 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/30—Arrangements for executing machine instructions, e.g. instruction decode
- G06F9/38—Concurrent instruction execution, e.g. pipeline or look ahead
- G06F9/3885—Concurrent instruction execution, e.g. pipeline or look ahead using a plurality of independent parallel functional units
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Geometry (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Graphics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种处理器内部温度预测方法。本发明对处理器的几何结构使用CAD软件进行三维建模仿真，得到处理器的几何模型；对处理器材料参数、内部热源和边界条件等信息用输入卡导入；对处理器的几何模型进行网格划分，进而对每个网格单元进行分析，用有限个自由度、由单元插值函数拼接而成的近似解来逼近无限个自由度的精确解，然后将这一过程在多处理器上完成。利用并行运算的特性来缩短大规模矩阵运算带来的长时间等待。同时本发明针对复杂的有限元算法得出自适应网格加密的方法，分别在估计解误差高或低的区域对网格进行自动细化或粗化，将计算资源更合理地划分，进一步提高了计算效率和准确性，优化实现了处理器热仿真计算。
Description
技术领域
本发明属于热传导仿真技术领域，具体涉及一种处理器内部温度预测方法。
背景技术
如今电子设备发展迅猛，热耗上升化、设备小巧化、环境多样化。伴随的过热问题成为电子设备故障的首要原因，芯片等温度过高会影响电子设备正常工作，影响电子设备寿命，甚至存在安全上的隐患，如造成烫伤或爆炸。
而热仿真对热设计具有极大的辅助作用，比如一种新型处理器的开发过程中，如果直接对其进行科学实验，通常是将目标对象实体作为黑盒，对其进行实验测试，或者在某些关键元件中提前预置传感器以采集特定数据，这种方法的设备、材料成本过高，且很难对目标元器件各场进行全面、实时的监测和数据采集。
与实验相比，热仿真不仅可以减少成本，缩短开发周期，还更加便于对元器件各物理场性能变化进行数据采集，从而进行分析。通过计算并显示其计算结果，可以看到处理器内部温度是否过高而影响其性能，其内部温度场随时间的变化等。没有实物和样机也能进行热可靠分析和实验；计算机建模，比组装样机节约时间，缩短项目周期；减少整机或者散热设备打样试错次数，节约时间和样品费用成本；可以任意查看产品不同环境和工况条件下的温度状况，而且几乎没有成本。
20世纪初期，人们开始使用数值方法求解热传导方程，进行热仿真。但由于当时计算机技术的限制，只能处理简单的几何形状和边界条件。随着计算机技术的不断发展，尤其是有限元方法的出现，使得三维热传导仿真求解的计算精度和计算效率有了显著提高。目前，三维热传导仿真求解已经成为工程设计和优化的重要工具。它可以帮助工程师更好地理解物体内部的温度分布，为解决实际问题提供依据。例如，在电子元器件散热设计中，通过三维热传导仿真求解可以预测元器件内部的温度分布，从而评估散热器的设计效果并作出优化。
目前市面上常用的热场仿真软件在处理大规模问题时往往需要耗费较长的计算时间，这对于工程设计和优化来说是一个严重的问题。为了解决这一问题，本发明中实现了对处理器热仿真的有限元求解过程进行并行计算，并采用了网格自适应调整技术，分别在估计解误差高或低的区域对网格进行二次细化或粗化，优化计算资源分配，在保证精度的前提下，提高了软件的计算效率，满足用户对大规模问题的需求。
发明内容
本发明针对现有技术中存在的问题，提出一种处理器内部温度场预测方法。本发明基于有限元方法，在热仿真算法中利用并行计算来代替传统串行计算，加速矩阵计算；并加以自适应网格加密技术，在保证计算精度的条件下优化分配计算资源，显著降低计算时间。本发明可以显著提高处理器热传导仿真的计算效率和精度。
为了实现上述技术方案，本发明采用如下技术方案：
第一方面，本发明提供一种处理器内部温度预测方法，包括以下步骤：
步骤1、对处理器的几何结构使用CAD软件进行三维建模仿真，得到处理器的几何模型；
步骤2、对步骤1处理器的几何模型进行网格划分，将划分完网格后的文件导入求解器；对处理器的材料、初始条件、边界条件填写输入卡并导入求解器；
步骤3、对于每个网格单元进行拉格朗日插值，得到基函数Nj(x,y,z)；
步骤4、基于Galerkin有限元算法求解处理器的热传导问题；
步骤5、利用牛顿迭代法对式(6)处理器的热传导问题处理，得到简化后的热传导问题；
步骤6、利用基于MPI的分区域并行算法对简化后的热传导问题求解，得到处理器内部各网格单元的Tj(t)；
步骤7、基于解温度Tj(t)梯度跨单元差异，对处理器内部各网格单元进行调整；步骤8、迭代全部完成后，输出当前处理器各网格单元的温度至可视化软件中，显示出温度场变化云图。
第二方面，本发明提供处理器内部温度预测系统，包括：
几何模型搭建模块，用于搭建处理器的几何模型；
预处理模块，将处理器的几何模型进行网格划分，将划分完网格后的文件、处理器的材料、初始条件、边界条件导入；
第一计算单元，对每个网格单元求解简化后的热传导问题，得到处理器内部各网格单元的温度Tj(t)；
第二计算单元，基于温度Tj(t)梯度跨单元差异，对处理器内部各网格单元进行调整；
输出模块，输出当前处理器各网格单元的温度至可视化软件中，显示出温度场变化云图。
第三方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行所述的方法。
第四方面，本发明提供一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现所述的方法。
本发明实现对处理器进行快速热仿真。基于传统有限元方法的基础上，采用并行计算和自适应网格，对计算过程进行了优化，在保证准确性的前提下，提升了热仿真效率。
附图说明
图1是本发明的流程示意图；
图2是本发明实施例的几何建模图；(a)为立体图，(b)为正视图，(c)为俯视图；
图3是本发明实施例的网格划分图；
图4是八节点六面体单元示意图；
图5是本发明实施例的自适应网格示意图；
图6是本发明实施例的热仿真等温面云图；
图7是本发明实施例的中轴线上数值结果对比图。
具体实施方式
为了更清楚地说明本发明实施例，下面将对照附图说明本发明的具体实施方式。
实施例1：
采用AMD公司生产的AMD EPYC处理器为热仿真算例。AMD EPYC是AMD公司基于x86架构开发的一系列数据中心处理器，旨在为企业级应用提供高性能、高可靠性和高安全性的解决方案。该处理器采用了Zen架构，支持多线程技术，可提供高达64个核心的处理能力。AMD EPYC系列处理器还采用了Infinity Fabric技术，这是一种高速互连技术，可实现处理器之间的快速数据传输，从而提高系统性能和吞吐量。在结构上，当前的EPYC采用多芯片模块设计，将多个芯片集成到一个处理器基板上。本发明采用简化版本的EPYC为例，对其进行热仿真计算。
步骤1：对上述EPYC几何模型进行三维建模仿真，使用软件为Solidwork。此EPYC处理器封装外壳长为9.8cm，宽6.4cm，高1.1cm。基板长为8.6cm，宽5.2cm，高1cm。其上中心大芯片长为4cm，宽2cm，高0.5cm。其余8块小芯片长为1.5cm，宽1cm，高0.5cm。建模完成后如图2所示，在封装处理器中有一层基板，其上有8块小芯片和1块大芯片，其中基板和左侧5块芯片(图中标号为ABCDE)材料为硅，右侧上方2块芯片(图中标号为FG)材料为氮化镓，右侧下方2块芯片(图中标号为HI)材料为砷化镓，封装外壳为环氧树脂，封装内部媒介为空气。不同芯片以不同功率产生热量，代入本例中的边界条件，初始条件Tw为293.15K，热源边界模拟芯片产生的热量，对流热通量模拟封闭空间中的空气和与之接触的固体表面之间的热量传递过程，绝热边界模拟不允许热量进行传递的边界，即热量传递可忽略的部分固体壁：
其中，Ω1为芯片产生热源的区域，Ω2为封装结构底部区域，Ω3为封装侧面和顶部,Ω4为其余边界。
步骤2：对上述处理器几何模型进行网格划分，使用软件为Pointwise。本实施例中采用结构化网格划分，网格形状为六面体。网格划分效果图如图3所示。
本实施例中，用户只需将网格文件导入后，填写好输入卡后运行本发明中程序即可进行有限元计算。输入卡格式采用类COMSOL设计，主要内容包括材料类型和参数、边界条件、初始条件、瞬态/稳态计算类型等：
步骤3、本实施例中，对于每个六面体网格单元进行拉格朗日插值，得到基函数Nj(x,y,z)；以某个六面体单元e为例：如图4所示，它有8个节点位于其8个角上。在该单元内，未知函数可表示成：
φe(x,y,z)＝ae+bex+cey+dez+eexy+feyz+gezx+hexyz (2)
分别用8个节点的函数表示系数ae、be、ce、…he，由于拉格朗日插值法推导过程为一种公知过程，这里不再阐述。再将上式重写成：
其中
式中，和/>表示单元e中心点的坐标值，/>和/>表示单元e的边长，而表示单元e的体积。
步骤4、基于Galerkin有限元算法求解处理器的热传导问题；具体是：
带热源的传热问题核心控制方程描述为：
其中ρ表示材料密度，Cp表示材料比热容，T表示温度，t表示时间，κ表示材料热传导系数，S表示热源，表示哈密顿算子；
对方程(1)求解Galerkin有限元弱解，形式为：
分部积分后：
其中ψ为试函数；其中Γ表示边界面，Ω表示求解域。
解的近似展开为：
T＝∑jTj(t)Nj(x,y,z) (7)
其中j为自由度序号；
以第i个自由度为例，取试函数ψi＝Ni(x,y,z)，并将公式(7)代入到公式(6)，得到第i个自由度的方程：
代入近似解，循环所有自由度后有矩阵形式：
其中：
矩阵K的元素：
Kij＝∫ΩρCpNi(x,y,z)Nj(x,y,z)dΩ (10)
矩阵D的元素：
F1的元素：
F2的元素：
F2i＝∫ΩSNi(x,y,z)dΩ (13)
其中Γ2和Γ3分别表示需要施加第二类和第三类边界条件的几何面，第二类和第三类边界表示为：
其中n表示几何面上向外法线方向；h为物体边界与周围流体间的对流换热系数，本实施例中对应区域分别为15或100；本实施例中Tw为外界温度293.15K；q为边界热流密度；T’为紧邻边界的内点温度。
步骤5、利用牛顿迭代法对式(9)处理器的热传导问题处理，得到简化后的热传导问题。
由于物性参数是温度本身的函数，方程式(9)为非线性形式。为了高效求解非线性方程组，这里采用牛顿迭代法。非线性方程组形式为：
F(x)＝0 (16)
应用牛顿法后有：
F'(x(k))Δx(k)＝-F(x(k)) (17)
迭代推进按x(k+1)＝x(k)+Δx(k)进行。
其中而F'(x)为向量F(x)的雅可比矩阵。
步骤6、利用基于MPI的分区域并行算法对简化后的热传导问题求解，得到处理器内部各网格单元的Tj(t)；具体是：
利用MPI给不同进程分配CPU或GPU计算不同网格单元的Tj(t)，用以形成局部矩阵，最后将局部矩阵组建成整体矩阵；
步骤7、基于解温度Tj(t)梯度跨单元差异，对处理器内部各网格单元进行调整；具体是：
对两个相邻网格单元的交界面上两侧的温度梯度差异值E：
其中为交界面的向外法矢量，/>为当前单元温度梯度，/>为相邻单元温度梯度。
判断E是否大于阈值，本实施例中阈值设定为0.5。若是则表明当前网格单元温度数值变化大，解误差相对较高，对当前网格单元进行二次网格细化，网格信息由八叉树结构储存，原本的1个六面体矩形网格等分细化为8个小矩形。若否则表明当前区域温度数值变化小，解误差相对较低，对当前网格单元进行网格粗化，8个矩形网格合并为1个六面体大网格。返回步骤3，直至当前迭代次数达到最大迭代次数，本实施例中迭代次数设置为3。一般迭代3次即可，不超过5次。自适应网格示意图如图5所示。
本实施例中采用单机多进程并行计算，计算所得稳态下的AMD EPYC处理器温度场分布云图如图6所示，本实施例中所使用的后处理可视化软件为Paraview。并以中轴线上温度数值为例，将本实施例的数值结果导出，与商用软件COMSOL进行对比，结果如图7所示，从图中可以看出在粗网格下采用自适应网格算法的计算结果与密网格的计算结果差异非常小，但是在粗网格下采用自适应网格算法计算时所耗费时间远少于直接采用密网格计算的耗时，因此该算法可以在保证计算精度的前提下优化分配计算资源，显著降低计算时间，提高计算效率。在计算时间上，相比于全加密网格计算用时110秒，而采用自适应网格加密用时45s，运算时间减少了59.1％，极大地优化了热仿真计算的运算效率。
综上所述，本发明通过热仿真对处理器运行过程温度场预测。主要依据有限元方法进行三维固体热传导计算。在此基础上，本发明通过并行矩阵计算和自适应网格算法，对传统有限元方法进行优化，能精确快速地计算出最终结果，得到处理器运行过程中的温度场预测结果。本发明针对目前热仿真领域计算大规模问题速度较慢和计算资源分配不均衡的弊端，将串行的矩阵求解改变为并行，大大提升了求解速度。并提出了自适应网格加密方法，在误差小的区域粗化网格，在误差大的区域细化网格，更合理地分配计算资源，在不改变计算结果准确性的前提下，大大提高了计算速度。
显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本发明中的方法仿真求解其他算例。
Claims (7)
1.一种处理器内部温度预测方法，其特征在于所述方法包括以下步骤：
步骤1、对处理器的几何结构使用CAD软件进行三维建模仿真，得到处理器的几何模型；
步骤2、对步骤1处理器的几何模型进行网格划分；
步骤3、对于每个网格单元进行拉格朗日插值，得到基函数Nj(x,y,z)；
步骤4、基于Galerkin有限元算法求解处理器的热传导问题；
步骤5、利用牛顿迭代法对式(6)处理器的热传导问题处理，得到简化后的热传导问题；
步骤6、利用基于MPI的分区域并行算法对简化后的热传导问题求解，得到处理器内部各网格单元的Tj(t)；
步骤7、基于解温度Tj(t)梯度跨单元差异，对处理器内部各网格单元进行调整；
步骤8、迭代全部完成后，输出当前处理器各网格单元的温度至可视化软件中，显示出温度场变化云图。
2.根据权利要求1所述方法，其特征在于步骤2中所述网格形状为四面体、六面体、金字塔以及三棱柱中的至少一种。
3.根据权利要求1所述方法，其特征在于步骤4具体是：
带热源的传热问题核心控制方程描述为：
其中ρ表示材料密度，Cp表示材料比热容，T表示温度，t表示时间，κ表示材料热传导系数，S表示热源，表示哈密顿算子；
对方程(1)求解Galerkin有限元弱解，形式为：
分部积分后：
其中ψ为试函数；其中Γ表示边界面，Ω表示求解域；
解的近似展开为：
T＝∑jTj(t)Nj(x,y,z) (4)
其中j为自由度序号；
对于每个网格单元，取试函数ψi＝Ni(x，y，z)，并将公式(4)代入到公式(3)，得到第i个自由度的方程：
代入近似解，循环所有自由度后有矩阵形式：
其中：
矩阵K的元素：
Kij＝∫ΩρCpNi(x，y，z)Nj(x，y，z)dΩ (7)
矩阵D的元素：
F1的元素：
F2的元素：
F2i＝∫ΩSNi(x，y，z)dΩ (10)
其中Γ2和Γ3分别表示需要施加第二类和第三类边界条件的几何面，第二类和第三类边界表示为：
其中n表示几何面上向外法线方向；h为物体边界与周围流体间的对流换热系数；Tw为边界温度；q为边界热流密度；T′为紧邻边界的内点温度。
4.根据权利要求1所述方法，其特征在于步骤7具体是：
对两个相邻网格单元的交界面上两侧的温度梯度差异值E：
其中为交界面的向外法矢量，/>为当前单元温度梯度，/>为相邻单元温度梯度；
判断E是否大于阈值，若是则表明当前网格单元温度数值变化大，解误差相对较高，对当前网格单元进行二次网格细化；若否则表明当前区域温度数值变化小，解误差相对较低，对当前网格单元进行网格粗化，返回步骤3，直至当前迭代次数达到最大迭代次数。
5.实现权利要求1-4任一项所述方法的处理器内部温度预测系统，其特征在于包括：
几何模型搭建模块，用于搭建处理器的几何模型；
预处理模块，将处理器的几何模型进行网格划分，将划分完网格后的文件、处理器的材料、初始条件、边界条件导入；
第一计算单元，对每个网格单元求解简化后的热传导问题，得到处理器内部各网格单元的温度Tj(t)；
第二计算单元，基于温度Tj(t)梯度跨单元差异，对处理器内部各网格单元进行调整；
输出模块，输出当前处理器各网格单元的温度至可视化软件中，显示出温度场变化云图。
6.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-4中任一项所述的方法。
7.一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310811060.0A CN116822301A (zh) | 2023-07-04 | 2023-07-04 | 一种处理器内部温度预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310811060.0A CN116822301A (zh) | 2023-07-04 | 2023-07-04 | 一种处理器内部温度预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116822301A true CN116822301A (zh) | 2023-09-29 |
Family
ID=88121838
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310811060.0A Pending CN116822301A (zh) | 2023-07-04 | 2023-07-04 | 一种处理器内部温度预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116822301A (zh) |
-
2023
- 2023-07-04 CN CN202310811060.0A patent/CN116822301A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hartmann et al. | Model order reduction a key technology for digital twins | |
| US8104006B2 (en) | Method and apparatus for thermal analysis | |
| Beneventi et al. | An effective gray-box identification procedure for multicore thermal modeling | |
| CN105760624A (zh) | 一种支持大规模三维集成电路的热仿真和热设计方法 | |
| CN104408237B (zh) | 一种获取电机瞬态温度场的方法与装置 | |
| Liu et al. | JAUMIN: a programming framework for large-scale numerical simulation on unstructured meshes | |
| CN116258042B (zh) | 一种基于ddm的大规模传热异构并行仿真方法 | |
| Zanini et al. | A control theory approach for thermal balancing of MPSoC | |
| CN113177290B (zh) | 基于深度代理模型归一化的卫星组件温度场预测方法 | |
| Yuan et al. | PACT: An extensible parallel thermal simulator for emerging integration and cooling technologies | |
| CN114896920A (zh) | 一种三维堆叠芯片热仿真模型建立及热点温度预测方法 | |
| CN112861374B (zh) | 基于预控制器的多物理耦合仿真处理方法、装置和设备 | |
| Upreti et al. | Stochastic Finite Element Thermal Analysis of a Ball Grid Array Package | |
| WO2005086034A1 (ja) | 数値解析モデルデータ生成プログラム、数値解析モデルデータ生成方法、および数値解析モデルデータ生成装置 | |
| Yeylaghi et al. | ISPH modelling for hydrodynamic applications using a new MPI-based parallel approach | |
| Günther et al. | Multi-scale meshfree parallel computations for viscous, compressible flows | |
| Liu et al. | Dynamic compact thermal models for skin temperature prediction of portable electronic devices based on convolution and fitting methods | |
| Beneventi et al. | Thermal analysis and interpolation techniques for a logic+ wideio stacked dram test chip | |
| CN112347638B (zh) | 一种基于对偶单元法的三维集成微系统电热耦合分析方法 | |
| Gavranovic et al. | Topology optimization using gpgpu | |
| Oh et al. | Runtime temperature-based power estimation for optimizing throughput of thermal-constrained multi-core processors | |
| CN116822301A (zh) | 一种处理器内部温度预测方法 | |
| Akkurt et al. | An efficient edge based data structure for the compressible Reynolds‐averaged Navier–Stokes equations on hybrid unstructured meshes | |
| Pei et al. | Three-dimensional paddle shift modeling for IC packaging | |
| Sabry | Flexible profile compact thermal models for practical geometries |
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 |