一种用于 3D-IC 热建模的可组合 AI 加速迭代求解器

arXiv:2610.02461v1 公告类型：new 摘要：对异构 2.5D/3D-IC 封装进行精确热分析至关重要，但其计算成本极高。一次完整封装的 FEM 仿真可能需要数小时，而基于 AI 的代理模型将整个堆叠结构视为单一的整体预测目标，并且每当芯粒数量或拓扑结构发生变化时都必须重新训练。为解决这一局限，本文提出用于热分析的域分解 AI 加速迭代求解器（Domain-Decomposed AI-Accelerated Iterative Solver for Thermal Analysis，DAIST）。这是一种可组合的热求解器，将全局封装仿真分解为块级子域问题，使用神经算子替代子域求解器，并通过迭代交换界面温度和热通量将各子域耦合起来。这种从局部到全局的架构消除了整体模型的拓扑锁定：块级神经算子无需重新训练即可直接复用于未见过的封装组合。迭代耦合策略还提供了可控的精度—运行时间权衡，用户可以调整迭代预算，在精度和运行时间之间进行取舍。在多芯粒系统和先进封装系统上的评估表明，与传统 FEM 求解器相比，DAIST 的加速比最高可达 178 倍，平均温度误差分别为 0.068% 和 0.323%；同时，块级模型能够在结构不同的封装组合之间实现跨拓扑复用。