用于瞬态发热芯片电路板布局热设计优化的机器学习热路网络模型
应用物理
2022-11-16 v2 机器学习
系统与控制
系统与控制
摘要
本文描述了一种结合贝叶斯优化(BO)与集总电容热路网络模型的方法，该方法可有效加速具有瞬态发热芯片的电路板布局的热设计优化。随着电子设备日益小型化与复杂化，为确保散热性能而进行热设计优化的重要性日益增加。然而，此类热设计优化十分困难，因为必须考虑与封装以及发热元件瞬态温度变化相关的各种权衡。本研究旨在通过人工智能提升热设计优化的性能。将基于高斯过程的BO与集总电容热路网络模型相结合，并通过案例研究验证其性能。结果表明，BO成功找到了理想的电路板布局，其效果与粒子群优化(PSO)和遗传算法(GA)相当。BO的CPU时间分别为PSO和GA的1/5和1/4。此外，BO在约7分钟内从1000万种布局模式中找到了一个非直观的最优解。据估计，这相当于分析所有布局模式所需CPU时间的1/1000。
引用
@article{arxiv.2008.13571,
title = {Machine learning thermal circuit network model for thermal design optimization of electronic circuit board layout with transient heating chips},
author = {Daiki Otaki and Hirofumi Nonaka and Noboru Yamada},
journal= {arXiv preprint arXiv:2008.13571},
year = {2022}
}
备注
13 pages, 7 figures