变热条件下3D多层HBM芯片焊点温度与热点位置的神经网络代理模型
机器学习
2025-03-07 v1
摘要
随着对计算能力需求的增加，高带宽内存（HBM）已成为下一代计算系统的关键技术。然而，HBM 的广泛采用带来了显著的热管理挑战，特别是在多变热条件下的多层通过硅通孔（TSV）堆叠结构中，其中在早期设计阶段准确预测焊点温度和热点位置至关重要。本工作开发了一种数据驱动的神经网络模型，用于快速预测 3D HBM 芯片中的焊点温度和热点位置。该模型使用从由高维组合（高达 ）表征的广阔参数空间中采样的 13,494 种不同热条件参数组合的数据集进行训练，能够准确且快速推断参数空间中任意热条件下的焊点温度和热点位置。此外，它对参数空间中未考虑的其他热条件也表现出良好的泛化性。数据集使用精确的有限元求解器构建。该方法不仅减少了对昂贵的实验测试和广泛有限元分析计算资源的依赖，还加速了复杂 HBM 系统的设计与优化，使其成为提高高性能计算应用中热管理和性能的有价值工具。
引用
@article{arxiv.2503.04049,
title = {Neural Network Surrogate Model for Junction Temperature and Hotspot Position in $3$D Multi-Layer High Bandwidth Memory (HBM) Chiplets under Varying Thermal Conditions},
author = {Chengxin Zhang and Yujie Liu and Quan Chen},
journal= {arXiv preprint arXiv:2503.04049},
year = {2025}
}