CN1981254A

CN1981254A - 实时估计和预测微处理器单元的热状态的方法和系统

Info

Publication number: CN1981254A
Application number: CNA2005800230303A
Authority: CN
Inventors: 斯里·M·斯里-加亚塔; 海恩·P.·党; 阿鲁恩·莎玛
Original assignee: International Business Machines Corp
Current assignee: International Business Machines Corp
Priority date: 2004-07-16
Filing date: 2005-06-15
Publication date: 2007-06-13
Also published as: KR100985543B1; US8096705B2; US20080059111A1; KR100968176B1; KR20070039035A; US20080215283A1; US20100274522A1; US20060013281A1; TWI371683B; US8235593B2; US7695188B2; WO2006008215A2; TW200606623A; US20100262399A1; US7748895B2; US7347621B2; JP2008507744A; EP1769310A2; KR20100017948A; WO2006008215A3

Abstract

提供一种用于预测瞬时热系统的热状态的方法(和系统)，包括组合传感器输出和热参数以构建瞬时热系统的内部温度的一组一致的估计。

Description

实时估计和预测微处理器单元的热状态的方法和系统

技术领域

本发明一般涉及用于估计和预测电子装置的热状态的方法和装置，更特别地，涉及用有限的一组温度和电流测量实时估计和预测微处理器单元的热状态(例如，整体温度分布)的方法和装置。

背景技术

目前，计算机系统不具有在解释系统的热动力时提取温度(例如，热能)的空间分布的能力。

一般地，使用一个或两个热传感器以将处理器触发到保护模式中。结果，为了避免突破结温指标，芯片上的可容许温度被保守地保持为低于必须值。这是低效率的并且可产生问题。

另外，在某一区域上的持续的电力耗散可在硅上产生“热点”，这会降低芯片的完整性。但是，保守的温度指标限制处理器的性能，因此，在保持芯片“安全”和优化芯片的性能方面存在折衷。

在本发明之前，没有致力于实时提取芯片上的局部和整体最高温度或便于开发管理芯片上的温度的构成方法的装置和技术。

根据预测，在这十年，微处理器(20mm×20mm硅芯片)中的功率消耗将增加远超过100瓦特。图1A表示机器指令流的执行确定在X-Y面(例如，参见图1B)中耗散的功率的量Q(x，y，t)的典型的冷却配置。

功率具有称为“泄漏电流”的稳态(DC)分量。各时钟周期释放沿处理器电路层中的X-Y面分布的“能量分组的量子”，由此引起不稳定的AC分量。

处理器中的AC和DC功率耗散的累积效应是实现其全部潜在性能的主要限制因素。增加功率耗散的趋势可望给处理器和冷却系统设计带来更大的挑战。瞬时功率产生随时间变化的温度，这里，如图1C所示，Tij表示在任意给定时间的选择的区域(i，j)的平均温度。坐标xi和yi对应于矩形(i，j)的中心。严格地讲，Tij实际上是连续时间系统的Tij(t)。

计算机系统的冷却能力决定处理器系统的平均温度。但是，指令的执行在处理器中导致在空间上不均匀且随时间变化的功率耗散Q(x，y，t)，这里，“t”表示时间。相应的温度T(x，y，t)可在给定的时间具有局部最高值和整体最高值。

分类算法例如会使芯片的运算单元(AU)负重担，而复杂的流体动力学问题的解决方案会使浮点单元(FPU)负重担。得到的瞬时温度T(x，y，t)可相对于冷却系统的平均整体温度波动几度。包含的时标可为从几分之一毫秒到几毫秒的某值。处理器具有几个逻辑上分开的单元，诸如运算单元、浮点单元、高速缓存、指令解码单元等。注意，不是所有的单元都在计算操作中被均一地激活，并且可以理解，出现最高温度的位置随时间偏移。

在理论上，在包含有源电路器件的硅表面上分布的较大的温度传感器阵列可提供与沿X-Y方向的芯片的目前温度的定量链接。

但是，在数字电子电路内嵌入大量的基于晶体管(二极管)的温度传感器不仅妨碍数字电路设计，而且影响处理器系统的成本、性能和可靠性。

事实上，一种测量微处理器的温度的方式是，使用二极管作为温度传感器。该二极管可以在外部或内置于芯片中。外部温度二极管被制造在对模拟电路优化的半导体处理器上，并趋于具有比内部二极管更好的分辨率。现有技术的当前状态是+/-1℃。内置二极管必须与数字电路采取折衷办法，并具有更差的指标。

例如，Motorola Power PC具有分辨率为+/-4℃的温度感测二极管。众所周知，二极管两端的正向压降V_d线性地与温度成比例，如下式所示：

V_d＝(N*k*T/q)*ln(I_f/I_s)

这里，N＝非线性因子，k＝玻尔兹曼常数，T＝绝对温度，q＝电子电荷，I_f＝正向电流，I_s＝饱和电流，N和I_s依赖于工艺和器件。因此，每个二极管在使用前都必须被校准。这是有问题的并且是耗时的。

但是，存在几种绕过校准的方式。一种方式是，如Sanchez的美国专利No.5829879建议的那样，使一个二极管远大于其它的二极管(32x)，并观察两个V_d电压的比值，在此包含该专利作为参考。另一方式是，改变正向电流I_f，并同样观察两个电压的比值，以确定非线性因子。两种方式均有相当大的代价：更大的芯片面积(情况1)或多个电流源(情况2)。

温度感测二极管给出约2mV/℃，需要稳定的电流源、低噪声放大器和用于适当的操作的高分辨率ADC。主要的挑战是，使所有的模拟部件与有噪声的高速数字电路结合以在许多不同的位置精确地测量温度。

另一实际考虑是，由于空间限制常常不能将二极管传感器直接放在热点上。因此，即使采用最好的传感器，仍需要空间外推以确定真实的热点温度。

并且，带宽限制的传感器最多可提供某一位置的目前温度的延迟的测量(由于其时间常数)，并且不具有在给定的计算负载下预测温度特性的能力。

由于热容(thermal capacitance)导致的沿X-Y面的附加传播延迟使得任意位置的目前温度偏离附近的传感器的目前温度。

如果能通过结合有限的一组传感器(温度、电流等)使用智能方法在几毫秒之前预测微处理器芯片的目前和将来的温度，那么可以开发新的管理处理器温度的方法。可以通过改进的热状态的知识应用动态热管理(DTM)技术(例如，参见D.Brooks和M.Martonosi，“Dynamic Thermal management for High PerformanceMicroprocessors”，IEEE，2001，171-182)。自适应冷却系统可被配置为优化芯片的性能。

因此，“热点”会根据应用的类型在芯片上移动。由此，使用整体范围或离散温度传感器不是最佳的。并且，2-3度保守预测会抑制性能。另外，存在将离散的传感器放在正确的点中的问题。事实上，许多应用阻止传感器被放在感兴趣的区域中。

在本发明之前，另一问题是，将外来的(例如，单独的)温度感测电路放在优化的数字单元(例如，为改进型优化以在最高速度下工作的处理器、浮点单元等)中会损害处理器(特别是诸如游戏芯片的专用芯片)的性能。

因此，不能总是将传感器放在所喜欢的位置上，并因此会需要估计温度。同样，在不将传感器放在处理器/浮点单元中间的情况下以良好的精度知道处理器/浮点单元内的温度会是有用的。

因此，在本发明之前，既没有开发这种最佳技术，也没有认识到常规技术和装置的问题。即，在通过芯片温度的实时可执行估计和预测进行芯片的温度管理中没有革新。

发明内容

鉴于常规方法和结构的上述和其它示例性的问题、缺点和不利之处，本发明的示例性特征在于，提供用于实时提取芯片上的局部和整体最高温度的方法和结构。

本发明的另一特征在于，提供用于管理芯片上的温度的构建的方法和系统。

本发明的另一特征在于，提供用有限的一组温度和电流测量实时估计和预测电子芯片表面上的整体温度分布图的方法(和系统)。

在本发明的第一方面中，提供用有限的一组温度和电流测量实时估计和预测电子芯片表面上的整体温度分布图的方法(和系统)。

为了有利于芯片最高温度的计算(例如，是指估计或预测)，本方法提供其中组合具有不确定的参数的系统的热瞬间动力学和在策略上部署的传感器的输出的逻辑框架。该方法对在测量温度时涉及的空间偏移和时间延迟进行校正。通过权衡温度的计算值的复杂性和精度，进一步实现方法的简化。

本发明的方法(和系统)提供可包括以下的实时可执行算法：

1)在X-Y面中将硅芯片表面分成有限且连续的区域(例如，矩形区域)；

2)形成用于从芯片表面向环境动态传热的低阶次估计器模型；

3a)部署温度传感器并估计未得到的温度分量；

3b)(有益地将温度传感器部署在处理器表面上或远离处理器表面；

3c)(测量进入各个区域的实际电流以提高估计精度)；

4)将指令高速缓存映射到一系列X-Y分布的“热分组的量子”；

5)通过假定步骤4中的高速缓存内容的执行，预测将来的芯片温度；

6)使用功率历史，增加预测前导时间或者降低算法复杂性；

7)从平均计算温度计算“代表性的”峰值温度图；

8)将复合温度提供给DTM模块；

9)以等量的采样速率实时重复上述步骤3c～7；和

10)例行地估计和升级模型参数和温度预测能力。

然后，利用X-Y面上的预测温度分布，以实现硅表面上的温度的改进的管理。可以考虑同时实现简单动态热管理(DTM)方法或实时反馈控制。

根据处理器/冷却系统的种类，示出使用更简单的预测算法或具有独特的内插方案的传感器阵列以构建温度分布的替代性方法。

因此，本发明可基于指令流(例如，高速缓存指令流)估计/预测功率，并且可以估计将输入多少功率到芯片中以处理这些指令(例如，1Mb指令流导致预定量的电流，等等)。这会使得设计人员能够先验地查明指令流，并且，要“被集总”到芯片中的温度(电流)可以在其发生前被预测。这使得能够在确定违反一些建立的功率特性准则等时“重组”程序的指令。由此，例如，计算序列可以被管理，使得一组指令可以以有利于另一组的方式被选择性地执行，由此通过改变执行指令等的次序重新分布功率需求。

另外，在不同应用中，假定在芯片的顶部存在一些细微形式的温度控制装置，那么能够将冷却能力引导(例如，移动)到最需要它的芯片区域(例如，“热点”)。即，可以基于做出的预测(例如，基于即将被处理的指令)将冷却移动到“热点”。由此，即使冷却能力被固定，也能够基于本发明的预测以及通过获知温度图在周围对其进行重新分布(移动)。因此，本发明提供预先的控制。

虽然这里示例性地讨论的方法(和系统)适用于微处理器的热管理中的应用，但应理解，依赖于不可直接测量的关键温度的任何化学处理工业或制造工业都可利用本发明的方法。

另外，本发明可检测有故障或有缺陷的温度传感器，因为本发明可将传感器的测量/预测值输出与传感器的期望的输出相比较。如果在测量/预测值与期望值之间存在较大的差异，那么本发明可断言该传感器有故障，并且，可以从本发明的算法去除该传感器。

由此，如果一个传感器“工作不正常”，那么它必定产生相应的输出。由此，看到期望值和测量值之间的误差，以及，如果它在一些预定的极限/阈值之上，那么传感器可被判断为有缺陷/有故障，并且重新配置算法以与新的一组传感器一起工作。

由此，本发明可有利地用于温度传感器失效检测。

附图说明

通过参照附图阅读本发明的示例性实施例的以下详细说明，将更好地理解以上和其它示例性目的、方面和优点，其中，

图1A～1C表示具有微处理器芯片的典型冷却系统100；

图2A～2C表示热量的面内和正交传播的示意图；

图3表示从分布的传感器系统估计和预测温度；

图4表示使用铜柱405的一维瞬时实验400；

图5表示由于阶跃输入电流导致的测量温度；

图6表示铜柱405的随机加热；

图7表示一维瞬时热模型700；

图8表示使用集总参数模型800的简单预测；

图9表示参数不匹配(例如，膜传热误差)对预测精度的影响；

图10表示改进的提高预测精度的模型参数；

图11表示由于膜传热系数的误差导致的预测温度的相对误差；

图12表示参数不匹配(例如，热阻误差)对预测精度的影响；

图13表示由于热阻的误差导致的预测温度的相对误差；

图14表示用于构建“未得到的”温度分量的估计方法/结构1400；

图15表示用于其它温度测量的“未得到的”温度的构建；

图16A表示简单预测和基于估计器的构建之间的误差；

图16B表示与未得到的状态相比的测量温度的估计的误差；

图17A～17C表示由于瞬时加热导致的二维的温度分布；

图18A～18B表示用于多维热系统的集总参数模型；

图19表示用于模型验证的二维热源；

图20是提供实时可执行算法的本发明的方法2000的流程图。

具体实施方式

本发明的实施例

现在参照附图，更具体地，参照图1A～20，示出根据本发明的方法和结构的示例性实施例。

示例性实施例

图1A表示常规的冷却系统100，在该常规的冷却系统100中，处理器电路110开关通过一系列指令组115被驱动，并且由V(电压)-I(电流)积(由于晶体管开关操作)产生的热通量120最终通过热界面材料(TIM)140被传导到散热片130。如示出和理解的那样，热通量将是空间分布的不稳定的热通量。

处理器芯片110本身面积为约20mm×20mm，厚度为约500μm。图1B表示上面有有源器件的芯片110的硅表面1101的底端。如图1B所示，热产生表面1101由X-Y面中的一组连续的矩形或正方形150划界。

典型处理器热系统的集总参数模型可由公式表示(例如，T.Goh，K.Seetharamau，G.Quadir和Z.Zainal，“Thermal methodology forevaluating the performance of microelectronics devices withnon-uniform power dissipation”，IEEE-Electronics packagingtechnology conference，2002，pp.312-315)。

因此，热产生表面(例如，硅表面)被看作具有具有多个区域(例如，矩形区域)的网格形状的平面器件。各个矩形区域(i，j)与平均温度(Tij)相关。应当理解，Tij是区域(ij)的绝对最高温度的代理变量。下面讨论将Tij与代表性的Tij最大值(Tij-max)相关联的方法。问题变为温度是否可被实时估计和预测。

简单的内插法：

在说明本发明的估计特征之前，说明更简单的跟踪芯片上的最高温度的方法。

通过在具有(nxn个)区域(例如，参见图1B)的芯片表面上布置温度传感器的阵列，测量(nxn个)瞬间温度值。由于以尽可能分开的方式分布传感器是经济的，因此，测量数据需要用于确定真实的局部和整体最大值的内插方案。

另一方面，传感器必须具有最小的间隔，使得真实的最大值不会由于任何空间混叠效应被无法得到。由于具有相关的热容的硅表面上的温度分布不能具有突变的不连续性，因此认为2D温度分布是平滑表面是合理的。

图2A～2C表示系统的离散热模型的示意图，其中，热通量路径220以其中存在热通量的正交扩展(例如，如图2B所示)和热通量的面内扩展(如图3中那样)的电阻网络(例如，参见图2B和图2C)的形式被模型化。还如图1A～1C所示的那样注明了硅微处理器210、散热片230和热界面材料(TIM)(导热糊)240。注意，只能通过相邻的区域出现进入某一区域的节点(ij)中的热通量220。

假定节点(ij)和围绕的四个(4个)节点之间的温度分布是(x，y)的更高阶函数，那么可以使用拉格朗日内插法以确定可能的最高温度。注意，五个(5个)节点的参与将产生x和y的10次多项式。可以进行包含典型处理器系统的热特性的知识的数值简化，并且这可以是后面的发明和申请的主题。

通过对各个节点进行重复内插和最大值计算，对给定的时间实例的各个测量组获得整体最大值。如果在各个采样时间之后重复计算操作，那么可以获得包含最大值的实时温度图。由于热容和热阻的效应不是明确地被考虑，因此简单的温度内插法中的置信度降低。本申请寻求进一步提高最高温度的计算中的置信度水平。

由此，本发明的第一示例性特征是要建立用于估计以坐标(xi，yj)为中心的矩形(或正方形)的温度Tij的简单的动态模式。

第二特征是要通过连同预计的电流(或热耗散)使用估计器-预测器预测(project)将来的温度。(提取将来的电流波形的机构本身是独立的发明。在逻辑上，通过分析要被执行的指令队列，可以构造电流分布)。

本发明的第三特征是要通过变换操作将某一区域的估计温度变换成最可能的峰值温度。以下详细讨论这些阶段中的每一个。

建立模型：

处理器芯片及其相关的冷却系统可在数学上被视为在大三维空间中分布和耦合的一组离散的热阻和热容(例如，T.Wang，Y.Lee和C.Chen，“3D Thermal-ADI-An efficient chip-level transient thermalsimulator”，ISPD，2003年四月，pp.10-17)。

当前在市场上存在从热的观点估计处理器设计的精心设计模拟程序包(例如，D.Brooks，V.Tiwari和M.Martonosi，“Wattch：Aframework for architectural-level power analysis and optimizations，”ISCA，2000，pp.83-94)。

热系统的状态变量表示与离散的热容的标称温度对应，并且驱动输入是进入热耗散元件中的电流。(处理器系统的完全有限元表示可导致具有例如2500或更高的阶次的模型，由此使得实时实现不可能。)

可在数学上降低芯片的电热模拟的模型阶次(例如，参见C.Tsai和S.Kang，“Substrate thermal model reduction for efficient transientelectrothermal simulation，”IEEE，2000，pp.185-190)。

在本发明中，使用处理器系统中的传热以及工程估算的原理，将模型复杂性降低到更低阶次系统(例如，10～50的范围)。

实现系统的更低阶次模型的关键是观察如图2A～2C进入正交(Z)和面内(XY)部件中的热通量的扩展(为了清楚起见，在图2A～2C中没有示出热容)。同样，图2B表示沿结温度T_J和环境温度T_amb的正交扩展。图2C表示面内扩展。

面内表面被分成有限数量的区域(例如，5×5个)。正交路径是包含(包括)与各XY区域对应的一组有限的热容和热阻的单个柱状体(column)。

热系统的状态变量模型可被电流输入驱动，并且模型输出可被组织为提供相应的温度值。一般地，如果模型是真实热系统的确切表示，那么它应能够在没有任何直接温度测量的情况下计算温度分布。

但是，在实际“真实世界”应用中，模型仅是热参数发生变化的复杂现象的近似。因此，要进行温度预测，需要鲁棒(即，可靠且精确)的方法和一定量的温度测量。

图3表示假定在芯片自身上能够进行非常有限的量的温度测量的配置(例如，通过传感器360(例如，直接分布和任选地嵌入硅中，具有噪声或没有噪声))。

但是，相当大的量(例如，10～20)的传感器361(具有噪声或没有噪声)可被分布在诸如散热片330(例如，散热器的平滑表面)的冷却系统上。附图标记331表示散热片330的TIM侧。由于这些传感器不影响处理器设计，因此它们是有利的。

但是，问题在于，这些传感器361必然与芯片表面分开某一距离(例如，在一些应用中为约600μm)，并且可能不能提供由硅表面310感觉到的瞬间峰值温度。因此，测量面362处于处理器的附近，但位置远离处理器。

但是，使用本发明，通过将热系统的低阶次状态变量模型耦合到分布的传感器361的测量中，开发逻辑过程，以实时构建硅表面310上的未得到的温度分布图。

本发明的方法示出在存在参数变化时具有精度。一般地，以下限制可以通过相同的方法被解决：

●传感器测量噪声的存在；

●有限的传感器带宽的影响；

●热参数的变化；和/或

●用于X-Y区域中的未知电流的放大模型。

实验验证

为了验证模型的精度，本发明的发明人进行了一系列的实验。首先是将一维(1D)传热问题公式化的实验。

图4表示具有示例性的12.5mm直径的实心铜柱405被热源415驱动的配置400。数字信号处理器(DSP)425将预定的电流波形435供给固定到示例性的75mm×75mm正方形铜板445上的一组功率电阻器(形成热源415)中。铜板445用作均匀的热源。图4中还示出数模转换器475、存储器485和模数转换器495。

来自源415的热通量通过铜柱405沿轴向传导。热通量最终通过铜柱405周围的空气的自然对流被转移到环境中。四个温度传感器(例如，热电偶)460被表面安装到铜柱405上，每一个示例性地分开约25mm。

第一温度(Tin)被选择为驱动输入，剩余的三个温度被模型化为状态矢量的分量。理想情况下，驱动输入Tin应被对热源415的电流输入代替。

为说明具有较低的复杂性的方法的关键特征，说明的问题已被模型化并参照图5～6被进一步说明，图5～6表示本发明的实际的简化。

图5表示为4安培的阶跃输入电流(例如，参见图5的插图)测量的瞬时温度。可以如期望的那样观察到所有温度数据的指数上升。

在时间原点(T＝0或T0)附近，与Tin相比，在T3中存在25秒的延迟。Tin表示T0或驱动通量进入铜柱中的温度，而其它的三个温度作为T1、T2和T3(呈指数增长)被监视。虽然传感器是等距的(25mm)，但相邻传感器之间的温差逐渐降低。这是由由于沿轴向流动时的对流而损失掉的热通量导致的。

由此，问题在于，是否可以通过使用模型、然后测量温度并将模型与测量值相比较、在获知其它的温度的情况下预测这些温度(例如，T1、T2、T3等)中的一些，以确定可以在简化的系统中跟踪这些温度的精确程度。

图6A～6C对应于叠加到DC电流上的随机电流波形(AC)，特别是铜柱的随机加热。由此，与仅使用阶跃输入电流的图5相反，图6在阶跃输入的顶部使用随机波形，由此模拟产生不同量电流的不同程序的执行(并由此模拟不同类型的指令的执行)。图6B示出图6A的细节，特别是进入加热器中的电流的时间次序。

从图6C(表示由于平均DC值的实际温度的指数增长)可以看出，DC分量导致温度的指数上升，并且，电流的随机波动基本上不显著影响测量的温度(例如，Tin、T1、T2和T3)。

并且，随着测量点远离热源，随机分量逐渐减少。由此，由于Tin波形最接近热源，因此它表示最大差异，并且，由于T3离源部最远，因此它表示最小的差异。

实际上，热源415和测量点之间的导热材料用作低通滤波器。因此，源415和观察点之间的距离被认为对估计过程十分关键。

一维热模型：

图7A表示与图4对应并包括DSP 725、电流源735和DAC 775的1D热系统的集总参数模型700(1D瞬态热模型)。附图标记610代表热容。

电阻与铜柱部分的热阻对应，并且，电容与铜柱部分的热容610对应。由点1、2和3表示的各节点必须满足能量平衡。例如，图2B的节点2必须满足(为了简化避免使用下标)以下的式1和2：

能量流入Q12＝(T1-T2)/R12

能量流出Q23＝(T2-T3)/(R23) (1)

能量流出Q2g＝(T2-Tg)/R2g

存储的能量＝C2×d(T2)/dt

能量平衡：Q12＝Q23+Q2g+C2d(T2)/dt (2)

这里，下标“g”是指接地(在电学系统的说法中)，并且，在热系统中，它被称为环境温度，d()/dt是时间导数，R是指节点之间的热阻，C是热容。注意，铜的热导率和/或气膜传热系数(h)确定热阻。

如果T1、T2和T3被称为相对于环境的温度，那么式(2)可被重新整理如下：

C2×d(T2)/dt＝(1/R12)×T1+(-1/R12-1/R23-1/R2g)×T2+(1/R23)×T3

(3)

对各个节点重复类似的步骤，并以矩阵的形式将这些步骤集合在一起，这里，矩阵由[]表示，并且列向量为黑体，这时，获得以下动态模型：

dT/dt＝[A_c]×T+[B_c]×U (4)

在式4中，[A_c]和[B_c]为与热系统的连续时间表示有关的一般矩阵，并且[T]和[U]是不同长度的列向量。在图4的例子中，[U]是一维变量。使用公知的离散方法，式(4)可被转换为表示仅在离散时间上观察的热系统。对于选择的采样率，式4变为：

Tn+1＝[A]×Tn+[B]×Un (5)

这里，矩阵[A]和[B]是[A_c]、[B_c]和采样时间的公知的整函数。矩阵[A]在被应用于选择的例子中时是3×3阶，并且具有带状对角矩阵，有3个非零元素在第2行中。为了使模型阶次保持较低，将柱体的延展部分视为没有热容的热阻。

由Tm表示的测量的温度矢量一般由下式表示：

Tmn＝[C]×Tn+[D]×Un (6)

例如，状态变量的三个元素代表T1、T2和T3，并且这三个均被直接测量，[C]是单位矩阵，[D]是零矩阵。

图8表示包括DSP 825、电流源835、DAC 875、存储器885和ADC 895的使用集总参数的简单预测的模型800。温度随时间变化，并且Tn表示给定节点/位置的当前温度，Tn+1表示某一时间之后的温度。

观察表明，这是用于计算的简单结构，并且该结构对参数变化较为敏感。因此，预测其它位置上的期望的温度(例如，T1、T2、T3等)的一种方式是，测量一个位置上的温度、构建热模型，并且通过使用该模型，可以使用导热率和热容预测温度，并得到预测值。

用简单的外推法计算芯片上的温度：

由式5表示的模型可被用于测试其精度。对于阶跃输入电流，温度可被监视。

对于假定的膜传热系数h＝50W/m²s，图9表示当Tin被用作驱动输入时由模型预测的T1、T2和T3的时间历史。可观察到与测量值偏差较大。因此，图9表示，如果对模型参数进行假定但这些假定不正确，那么模型将不能很好地预测并且不知道从实际值的偏离程度。

例如，如果系统要被风扇冷却，那么强制“对流”会具有相应的“h”值。但是，如果风扇不是在ON(接通)，那么出现自然对流(这是实验情况)。如图10所示，如果选择柱体上的自然对流的h值(＝5.5)，并且对所有的元素进行重新计算，那么可以获得高度改进的预测。

因此，图10表示没有温度信息但具有更好的参数(例如，同样具有h值＝5.5)的简单的模型预测。由此，如果h值＝5.5被输入模型，那么预测的温度将具有很小的偏离。由此，可以进行好的预测。

图11中示出相应的误差曲线。该实验的关键方面在于，如果驱动点(Tin)温度已知，并且模型参数被选择为密切反映实际，那么，在这种情况研究下，简单的正向预测(forward projection)可产生最差情况精度为6％的温度。如图11所示，温度3被示为具有约2％的稳定误差。

在微处理器环境中，如果要研究正交扩展，那么应考虑不同的情景。

诸如热传导性的TIM材料的(140、240、340)性能没有被明确限定，并且存在变化。如果假定R12对应于扰动25％的TIM的热阻，那么使用式5的简单的预测产生图12中所示的特性。在图13中示出相应的误差曲线。在这些情况下，如图所示误差可高达16％。

因此，问题在于，如何在热系统的操作寿命周期中补救参数变化的影响。

更重要的是，采用芯片上的有限数量的温度测量，构建与芯片上的其它位置对应的未得到的温度分量的方法是所希望的。本发明提供这种方法。特别地，为了迎接这种挑战，如下面以及图14讨论的那样，本发明采用状态变量估计器技术。以下说明如何克服这些问题以及如何利用通过传感器进行的测量。

使用估计器方法计算“未得到的”温度次序：

设计估计器(estimator)的理论框架得到很好地建立。这种方法的重构未得到的温度测量以及降低状态估计对参数变化的敏感性的新用途是本发明的重要属性。

图14表示瞬时温度估计器的操作。估计器提供数学上严格的框架以使用一系列观察(即，测量)估计动态系统的状态。测量与系统的内状态链接。式6表示测量与状态/输入矢量之间的关系。由于观察被用于沿统计上最佳的路径更新状态估计，因此，该方法对模型参数变化不敏感。

图14表示估计的分量由(^)符号表示的估计算法。为了简化，在以下的讨论中这种符号被删掉。图14表示包含DSP 1425、电流源1435、DAC 1475、存储器1485和ADC 1495的本发明的模型/算法1400。

估计器执行几种基本的计算。第一种与讨论的(例如，结合图8讨论的)简单模型相同，其中，给定最近状态Tn-1⁽⁺⁾和控制输入Un-1和测量Tmn-1，通过使用式(7)外推与本测量实例(n)对应的期望的状态Tn⁽⁺⁾。

第二操作涉及通过使用在实例n的测量的期望值和测量的实际值之间的权重误差更新状态Tn^(-)。矩阵[L]提供测量误差的权重DTn。

从以前的已知状态Tn-1⁽⁺⁾和驱动输入Un-1预测

Tn^(-)＝[A]×Tn-1⁽⁺⁾+[B]×Un-1 (7)

使用测量误差更新的状态是：

Tn⁽⁺⁾＝Tn^(-)+[L]×DTn (8)

这里，

DTn＝(Tmn-{[C]×Tn^(-)+[D]×Un)) (9)

数学关系的推导(从式(7)到式(9))可在别处找到。

使用1D情况(例如，参见图4)，讨论重构“未得到的”状态例如T1的方法。状态分量T2和T3被假定为可为了估计目的从直接测量得到。对于某一步骤和电流的随机输入，状态矢量以10个采样/秒的速率被外推和更新。

因此，图14表示本发明的更新和外推操作。在该例子中，温度0如T2和T3那样是已知的。但是T1是未知的。使用本发明，可以精确地得到T1。

图15和图16A～16B表示使用估计器以重构未得到的状态元素T1的正面效果。

也就是说，图15表示偏离(1/R12)50％的未得到的测量的估计，其中，T1是未知的，而T2和T3是已知的。这是简单预测模型并且示出了偏移量。

图16A表示简单预测610和使用估计器特别是使用值T2和T3以预测温度值T1的预测620之间的估计误差比较。在本例子中，与简单预测方法相比，使用本发明(估计器)时误差减小8或9％。图16B表示偏离(1/R12)50％的未得到的测量的估计误差，其中，T2和T3被测量。

由此，可以使用更少的温度传感器实时构建大量的未得到的温度值。在发现一个热传感器有故障或有噪声的情况下，可以重构估计器以避免使用有故障的测量。

总之，通过在具有较少的(例如，经济的)一组温度传感器的商业应用中利用估计理论的一般技术，可以进行关于多个位置上的未知温度值的智能推测。

微处理器热系统的多维模型：

使用1-D例子给出的方法也可被扩展到微处理器系统。

图17A表示其中具有四个逻辑块的模拟2-D系统，其中，热只能在面内传播。为了说明的目的，在硅材料(尺寸为20×20mm)上的四个指定区域内产生热通量。热通量时间历史类似于叠加到斜面上的正弦波的时间历史。

图17B表示5ms后的温度分布，这里，图17C表示在25ms后，温度达到近80℃。从图17C的3-D曲线可以看出，温度分布不均匀，并且峰值温度随时间(未示出)在位置之间移动。

由此，如图17A～17C所示，在任何给定时间上，存在用于芯片的不同热图。任务是例如通过使用更加简单的模型作为时间的函数更加接近图17B和图17C。因此，以下说明如何将以一维(例如，上述铜柱)说明的本发明扩展到2-D(X，Y)芯片。

图18表示用于多维热通量流动的模型1800，包括硅1810、TIM1840和散热片1830。即，在图18A中，以透视图的形式阐述在图2中简要说明的面内扩展和正交扩展。

与在式(1)～(5)中展开的论证类似，状态变量公式可被构建为链接多维系统的热状态。以与由节点Tij驱动的1D系统类似的方式将热通量的垂直扩展模型化。

根据涉及的不同材料层的厚度，可以引入沿Z轴的附加状态。例如，如果温度传感器(在图18A中未示出)位于散热片1830的面向TIM 1840的表面上，那么该位置可被指定为额外状态Tij-L1，这里L1代表层1。很显然，包含附加状态元素非线性地增加计算负载，并且最好将不必要的状态元素的引入保持为最少。

与图18A的集总模型对应的状态矢量T的换位类似于：

转置T＝[T₁₁T_11-L1---T_ijT_ij-L1---T_nnT_nn-L1] (10)

对于被分成(nxn个)区域的X-Y面和单个温度测量层1，温度矢量将具有2(n²)个元素。

在图18B中限定相邻元素之间的相应能量流动。注意，正交扩展可具有几种流动(例如，首先，一个向散热片，另一个向支撑芯片的电路板)。常规的冷却系统从电路板侧至多发生约20％的热传递。

对等同的处理器模型的实验验证：

与1D例子类似，说明代表硅结构的多维传热问题的性能是十分重要的。为了构建柔性原型，硅晶片1905(例如，示例性地具有27×27mm的尺寸)被设计为具有如图19A的结构1900所示的分布的加热元件1915和传感器1960。图19A的变黑的区域如图所示代表加热器元件1915。图19B表示可为1μm厚的加热器元件的铜迹线区1951。还示出了其它示例性的尺寸。

通过DSP(未示出)驱动加热器元件，希望的热通量被赋予原型硅1905。

由此，参见图20，该图20示出提供实时可执行算法的本发明的方法2000(和系统)的流程图。该方法的步骤可包括以下步骤。

在步骤2005中，首先，硅芯片表面沿X-Y面被分成有限和连续的区域(例如，可包含多边形、正方形或矩形形状的分隔区域；为了计算的简化优选使用矩形形状并在以下假定使用矩形形状)。

然后，在步骤2010中，对从芯片表面到环境的动态传热形成低阶次估计器模型。

在步骤2015中，部署温度传感器并估计未得到的温度分量。传感器可有益地被部署在处理器表面上或远离处理器表面。

在步骤2020中，模型参数和温度预测能力可例行地(周期性地)被估计和更新。由此，随着芯片老化(例如，热糊剂劣化，散热片和硅芯片之间的间隙增加，等等)，本发明允许对芯片的寿命周期进行更新。该步骤用于校准。该步骤可以是任选的，并且，可以但不必每次执行该处理时被执行。

在步骤2025中，测量进入各个区域(例如，i，j)中的实际电流，以提高估计精度。

在步骤2030中，将指令高速缓存映射到一系列X-Y分布的“热分组的量子(quanta of heat packets)”，并且，在步骤2035中，假定执行步骤2030中的高速缓存内容，预测将来的芯片温度。由此，将指令组映射为硅晶片等上的温度(例如，能量释放)。

在步骤2040中，使用功率历史，增加预测前导时间或降低算法复杂性。注意，“功率历史”是指在特定的使用环境中的特定机器/处理器的功率历史(例如，航线预定系统等将具有某一类型的功率历史)因此，各个处理器可构建将使得能够在各种使用应用中更好地预测的功率历史知识。

在步骤2045中，从平均计算温度计算“代表性”峰值温度图。即，不仅各个区域具有平均温度，在区域内还将有一些非均匀的温度(峰值)。因此，与代表性峰值温度一起对各个区域计算平均值。注意，不需要找到实际峰值，而是要通过统计方法等找到代表性峰值。优选地，区域不要任意小，以避免计算强度的要求。即，区域(i，j)越小，就必须执行越多的计算，这是不希望有的。

在步骤2050中，将复合温度提供给动态热管理(DTM)模块。因此，存在在DTM结构中寻找温度分布信息的某个位置。本发明的算法将该信息提供给DTM。由此，可以将对通过DTM进行的决定操作与本发明的技术的温度估计方法去耦。

在步骤2055中，确定处理器是否处于空闲模式。如果处理器处于空闲模式(例如，“是”)，那么处理器等待(例如，进入“WAIT”模式)，直到处理器重新变为活动，并且处理循环到“START(开始)”。

如果处理器不是处于空闲模式(例如，“否”)，那么处理循环回到步骤2025，并且步骤2025～2045可以以等量采样速率被实时重复。

“等量的”意思是采样速率相互一致(例如，可以为微秒速度采样速率、毫秒速度采样速率等)，以保存芯片的完整性的可靠性(例如，对于几分之一毫秒可以为中等、平均温度，而对于几分之一微秒可以为高峰值)。事实上，由于诸如电迁移等的不同现象，有时很难确定温度的高峰值是否比赋予芯片的较低的平均温度负载差。

将指令高速缓存映射到将来的热通量：

在本发明的另一方面中并且如上面简要间接提到的那样，注意到，基于存储器的计算装置的独特特征在于，要被执行的指令组是事先已知的。在更复杂的处理器中，高速缓存包含可现出的有条件的分支，尽管这些分支仅仅可以有限的可靠性被预测。不管怎样，各个可能的路径的指令序列是明确知道的。

如上面讨论的那样，执行各个指令释放在芯片表面上分布的“能量的量子”。如果各指令类型的能量值的分布被“编码”成指令组，那么预测在执行序列时被释放的热能的量在逻辑上是可行的。换句话说，预测要在下一个“ms”时间间隔释放的能量的机构可被计算。

使采样时间“n”的相应预测功率由U_projected表示。观察在时间“n”测量的Un已变为可用并且已被用于改善目前的状态估计。但是，可考虑从与Un的最近的相关关系改善预测的估计U_projected并在下一个采样到达之前导出U_projected的最可能的值。

温度的预见(预测)：

使用U_projected的知识，可以通过使用下面的关系预测热系统的温度：

Tn+1^(-)＝[A]×Tn⁽⁺⁾+[B]×U_projected (11)

预测等式(11)假定提前一个采样实例执行预见预测。在U_projected对多个采样间隔已知的情况下，式(11)可被重复应用以预测将来的温度多个采样。

在另一种情况下，如果高速缓存内容仅对当前测量温度前面的一部分采样时间是已知的，那么式(11)的矩阵[A]和[B]必须相应地被调整(并使得对在真实世界中实现式(11)的模块可用)。

注意，连续时间系统的式(4)被用于推导假定完全采样间隔的矩阵[A]和[B]。例如，如果指令高速缓存包含以2千兆指令每秒的速率被执行的1兆指令，那么执行高速缓存内容将仅花费0.5ms。

但是，如果标称离散时间表示(式(5))假定0.75ms的采样时间，那么使用式(11)将按原样给出错误的预测。必须对0.5ms采样时间计算相应的离散时间矩阵[A]和[B]。这是不会产生预测值的显著变化的细致观察。但是，对于精确的温度控制，它会变得十分重要。

“高速缓存到U_projected”的详细实现机制是本发明对其自身。可以根据处理器体系结构(CISC对RISC)和分支预测的复杂程度管理预测精度。

将估计的温度与“热点”温度相关

已通过本发明建立了估计和预测温度分布的方法。还要解决通过与“微观”峰值温度Tn_-peak对应的单一温度值将估计温度Tn⁽⁺⁾相关的问题。可以通过一系列详细的离线模拟在概率上使微观温度和平均温度相关。关系是

Tn_-peak＝[f(i，j)]Tn⁽⁺⁾ (12)

通过早期的对于典型冷却配置的相关性研究获得大致对角的矩阵(2n×2n)[f(i，j)]。然后基于Tn_-peak提出测试是否违反微处理器上的区域的最终决定准则。很明显，随着矩形区域的尺寸接近亚毫米级，“微观”和平均温度会收敛于同一值。在这种情况下，式(12)的矩阵[f(i，j)]变为单位矩阵。

如上所述，使用本发明的独特和非显而易见的方面，提供其中组合具有不确定的参数的系统的热瞬间动力学和在策略上部署的传感器的输出的方法和系统，以便于芯片最高温度的计算(例如，是指估计或预测)。该方法对在测量温度时涉及的空间偏移和时间延迟进行校正。通过权衡温度的计算值的复杂性和精度，进一步实现方法的简化。

另外，利用X-Y面上的预测温度分布以在硅表面上实现改进的温度的管理。通过本发明可同时利用简单动态热管理(DTM)法或实时反馈控制。

另外，本发明可基于指令流(例如，高速缓存指令流)估计/预测功率，并且可以估计将输入多少功率到芯片中以处理这些指令(例如，1Mb指令流导致预定量的电流，等等)。这会使得设计人员能够先验地查明指令流，并且，要“被集总”到芯片中的温度(电流)可以在其发生前被预测。这使得能够在确定违反一些建立的功率特性准则等时“重组”程序的指令。

因此，使用本发明，例如，计算次序可以被管理，使得一组指令可以以有利于另一组的方式被选择性地执行，由此通过改变执行指令等的次序重新分布功率需求。

另外，在本发明的不同应用中，能够将冷却能力引导(例如，移动)到最需要它的芯片区域(例如，“热点”)。即，可以基于做出的预测(例如，基于即将被处理的指令)将冷却移动到“热点”。由此，即使冷却能力被固定，也能够基于本发明的预测以及通过获知温度图在周围对其进行重新分布(移动)。因此，本发明提供预先的控制。

虽然关于几个示例性实施例对本发明进行了说明，但本领域技术人员能够认识到，在所附的权利要求的精神和范围内，可以对本发明进行修改。

例如，虽然这里示例性地讨论的方法(和系统)适用于微处理器的热管理中的应用，但应理解，依赖于不可直接测量的关键温度的任何化学处理工业或制造工业都可利用本发明的方法。

另外，以本申请作为整体，对于本领域技术人员来说，本发明可被有利地应用于整个处理器或被选择性地应用于其电路(例如，浮点单元等)是显而易见的。

并且，注意，申请人的意图在于包含所有权利要求要素的等同物，甚至是以后在执行的过程中被修改的权利要求要素。

Claims

1.一种估计瞬时热系统的热状态的方法，包括：

组合传感器输出和热参数以构建瞬时热系统的内部温度的一组一致的估计。

2.根据权利要求1的方法，其中，所述瞬时热系统包括微处理器单元。

3.根据权利要求1的方法，还包括：

通过使用传感器的阵列以提供所述传感器输出，估计芯片上的温度分量。

4.一种预测将来的温度的方法，包括：

通过使用指令高速缓存的内容，判断预期的功率耗散。

5.根据权利要求4的方法，还包括：

内插测量温度以提取最高温度。

6.根据权利要求4的方法，还包括：

计算要被所述指令高速缓存的未决指令执行耗散的将来的功率。

7.根据权利要求6的方法，还包括：

基于计算的所述将来的功率移动冷却能力。

8.一种估计热系统的瞬时性质的温度的方法，包括：

在没有温度测量可用的情况下，确定所述热系统的驱动电流和热参数。

9.根据权利要求1的方法，还包括：

将热系统的表面的估计温度和峰值温度相关联。

10.根据权利要求1的方法，其中，所述热系统包含芯片。

11.根据权利要求10的方法，其中，整个芯片表面的温度被估计。

12.根据权利要求1的方法，其中，所述热系统包含芯片，并且所述芯片表面的局部区域的温度被估计。

13.根据权利要求10的方法，还包括：

选择性地估计整个芯片表面的温度、或芯片表面的局部区域的温度。

14.根据权利要求1的方法，还包括：

通过获知要被处理的指令流，预测热系统的将来的温度。

15.一种判断芯片的温度的方法，包括：

使用有限的一组温度传感器并使用功率耗散的知识，估计芯片的表面上的温度；和

通过获知要被芯片处理的指令流特性，预测芯片的将来的温度。

16.根据权利要求15的方法，其中，实时且在所述芯片的整个硅基板上执行所述估计。

17.根据权利要求15的方法，还包括，

将冷却能力引导到被预测为具有比预定阈值高的温度的所述芯片的位置。

18.根据权利要求15的方法，还包括，

重新配置被确定为产生比预定的阈值高的预定温度的指令流。

19.根据权利要求18的方法，其中，所述指令流包含高速缓存指令流的一部分。

20.一种估计基板的温度的方法，包括：

使用有限数量的传感器输入和功率耗散特性的知识，在基板表面上实时测量当前温度；和

基于指令队列预测将来的温度变化。

21.一种用于估计芯片上的温度的方法，包括：

将芯片表面分成有限且连续的区域；

形成用于从芯片表面向环境动态传热的低阶次估计器模型；

部署温度传感器并估计未得到的温度分量；

在芯片表面上或远离芯片表面部署温度传感器，并测量进入各个区域的实际电流；

将与芯片有关的指令高速缓存映射到一系列X-Y分布的热分组的量子；

通过假定高速缓存内容的执行，预测将来的芯片温度；

将指令组映射到芯片表面上的温度；

使用功率历史，增加预测前导时间或者降低算法复杂性；

从平均计算温度计算代表性的峰值温度图；和

将复合温度提供给动态热管理(DTM)模块。

22.一种用于预测瞬时热系统的热状态的装置，包括：

用于提供多个传感器输出的多个传感器；和

用于组合传感器输出和热参数以构建瞬时热系统的内部温度的一组一致的估计的装置。

23.一种承载信号的介质，以有形的方式体现可由数字处理装置执行以执行估计瞬时热系统的热状态的方法的机器可读指令的程序，该方法包括：

24.根据权利要求3的方法，其中，在存在热系统的不准确的参数的情况下执行所述估计。

25.根据权利要求4的方法，还包括：

将信息嵌入所述指令高速缓存队列中的指令中。

26.根据权利要求1的方法，还包括：

使用由包含动态热管理单元的所述系统的功能单元共享的温度图，以使所述热系统的工作负载重新平衡。

27.根据权利要求1的方法，还包括：

使用由包含分布的冷却系统的所述系统的功能单元共享的温度图，由此管理所述冷却系统的冷却能力。

28.根据权利要求27的方法，还包括：

选择性地将所述冷却单元的所述冷却能力移动到需要更多的冷却的所述系统的位置上。

29.根据权利要求1的方法，还包括：

基于所述一组估计预测所述瞬时热系统的热状态。