ملخص تقني: 2D-ThermAl: إطار عمل قائم على الفيزياء للتحليل الحراري للدوائر باستخدام الذكاء الاصطائي التوليدي

1. بيان المشكلة

تواجه الدوائر المتكاملة (ICs) الحديثة تحديات حرارية متصاعدة نتيجة لعدم انتظام تبديد الطاقة وكثافة الترانزستورات العالية، مما قد يؤدي إلى ارتفاعات سريعة في درجات الحرارة وفشل في الموثوقية. يعتمد التحليل الحراري التقليدي على محاكاة طريقة العناصر المحدودة (FEM)، والتي توفر دقة عالية ولكنها مكلفة حاسبياً لعمليات استكشاف التصميم في المراحل المبكرة، وغالباً ما تتطلب إعادة تصميم تكرارية لحل حالات الفشل الحراري في المراحل المتأخرة. وفي المقابل، تفتقر النماذج الحالية ذات الحبيبات الخشنة (مثل شبكات RC التحليلية) وتقنيات رسم الخرائط الحرارية العكسية إلى الدقة المكانية للكشف عن البقع الساخنة دقيقة التفاصيل، أو تواجه صعوبة في التعميم عبر مختلف تخطيطات الدوائر والظروف الحدية. هناك حاجة ماسة لطريقة تنبؤية توازن بين دقة مستوى الدائرة، والكفاءة الحاسبية، والتكامل السلس في سير عمل أتمتة التصميم الإلكتروني (EDA) المبكر.

2. المنهجية

يقترح المؤلفون ThermAl، وهو إطار عمل ذكاء اصطناعي توليدي قائم على الفيزياء، يعيد صياغة التحليل الحراري كمهمة ترجمة "صورة إلى صورة". تدمج المنهجية التعلم العميق مع القيود الفيزيائية للتنبؤ بالتوزيعات الحرارية الكاملة للرقاقة في الحالات العابرة والمستقرة مباشرة من ملفات تعريف النشاط المدخلة.

أ. توليد مجموعة البيانات

تم تدريب النموذج على مجموعة بيانات اصطناعية واسعة تضم أكثر من 200 تكوين للدائرة، تتراوح من البوابات المنطقية البسيطة (العاكسات، NAND، XOR) إلى الكتل الوظيفية المعقدة.

• خط أنابيب التوليد: يتم توليد تصميمات الدوائر وبيانات توزيع الطاقة باستخدام أدوات EDA قياسية (Cadence) ومكتبات الخلايا القياسية (TSMC 65nm). ويتم ربط هذه البيانات بمعلمات حرارية ومحاكاتها باستخدام COMSOL Multiphysics® لتوليد خرائط حرارية ثنائية الأبعاد عالية الدقة.
• الدقة: تُمثل الخرائط الحرارية كشبكات بكسلية بأبعاد $256 \times 256$، حيث يمثل كل بكسل تقريباً $3.9\mu m \times 3.9\mu m$ من السيليكون، وهو ما يتوافق مع طول الانتشار الحراري المميز في السيليكون عبر الميكروثانية.
• النطاق: تغطي مجموعة البيانات الأساسية نطاق درجة حرارة من $25^\circ\text{C}$ إلى $55^\circ\text{C}$ (أنظمة التصميم المبكرة النموذجية)، مع مجموعة تحقق تقاطعي ممتدة تتراوح من $25^\circ\text{C}$ إلى $95^\circ\text{C}$ لاختبار المتانة تحت الإجهاد.

ب. بنية الشبكة

يستخدم ThermAl بنية U-Net هجينة معززة بآليات محددة للتعامل مع الديناميكيات الحرارية:

1. ترميز المدخلات: يقبل النموذج صورة استعلام ($I$، الحالة الحرارية الحالية) وزوج مصدر-هدف ($E, E'$، خرائط حرارية مرجعية من خطوات زمنية/أعباء عمل مختلفة).
2. الدمج الميزاتي والترميز الموضعي: بخلاف الدمج على مستوى البكسل، يستخدم الإطار الدمج على مستوى الميزات للمصادر والأهداف وخرائط الاستعلام المشفرة. ويتم تعزيز ذلك بـ ترميز موضعي (دوال جيبية لإحداثيات البكسل) لدمج العلاقات المكانية صراحةً، وهو أمر بالغ الأهمية لنمذجة الانتشار الحراري عبر الرقاقة.
3. المفكك (Decoder): يقوم مفكك يستخدم عمليات الالتفاف المتسامحة (transposed convolutions) والوصلات المتخطية بإعادة بناء الخريطة الحرارية بالدقة الأصلية، مما يحافظ على التفاصيل المكانية دقيقة التفاصيل.

ج. التنظيم القائم على الفيزياء

لضمان التزام النموذج بالقوانين الديناميكية الحرارية بدلاً من مجرد تعلم الارتباطات البيانية، تم دمج منظم مدرك للفيزياء في دالة الخسارة.

• دالة الخسارة: تجمع الخسارة الكلية $L$ بين جذر متوسط مربع الخطأ لكل بكسل ($L_{RMSE}$) وحدود متبقية قائمة على الفيزياء ($L_{physics}$).
• القيد الفيزيائي: مشتق الحد الفيزيائي من صيغة Cattaneo–Vernotte (CV) للمعادلة الحرارية الزائدية (وهي تبسيط لمعادلة بولتزمان للنقل). تأخذ هذه الصيغة في الاعتبار سرعات الانتشار الحراري المحدودة وتأثيرات الاسترخاء ($\tau$)، والتي تفترض معادلة فورييه الكلاسيكية أنها لحظية.
  $$\frac{\partial T}{\partial t} + \tau \frac{\partial^2 T}{\partial t^2} - \alpha \nabla^2 T = 0$$
  حيث تعاقب $L_{physics}$ الانحرافات عن نموذج التوصيل الحراري.
  $$L = L_{RMSE} + \lambda L_{physics}$$

3. المساهمات الرئيسية

1. إطار توليدي للتحليل الحراري: يقدم ThermAl نموذجاً توليدياً شرطياً يتنبأ بالخرائط الحرارية للرقاقة الكاملة بدقة عالية، محققاً تسريعاً في الاستدلال يبلغ حوالي 200 ضعف مقارنة بأدوات FEM التجارية (COMSOL).
2. مجموعة بيانات شاملة: جمع المؤلفون مجموعة بيانات متنوعة لخرائط تبديد الحرارة لأكثر من 200 تكوين للدائرة باستخدام تدفقات EDA وFEA تجارية، تغطي من البوابات البسيطة إلى أعباء العمل المعقدة تحت ظروف حدية متنوعة.
3. بنية هجينة: تفصل الورقة بنية U-Net مبتكرة معززة بالترميزات الموضعية والدمج على مستوى الميزات، مما يحسن الاتساق المكاني ودقة التنبؤ لكل من الخرائط الحرارية العابرة والمستقرة بشكل كبير.
4. التعلم المدرك للفيزياء: من خلال دمج معادلة Cattaneo–Vernotte الحرارية في خسارة التدريب، يضمن الإطار الدقة الفيزيائية، خاصة في المناطق ذات التدرج العالي وفي الأنظمة العابرة، متفوقاً على النهج المعتمد على البيانات فقط.
5. التحقق من النطاق الممتد: يظهر النموذج متانة خارج ظروف التشغيل الاسمية، محافظاً على دقة عالية (جذر متوسط مربع الخطأ كامل النطاق $< 2.2\%$) عبر نطاق درجة حرارة ممتد من $25^\circ\text{C}$ إلى $95^\circ\text{C}$.

4. النتائج التجريبية

• الدقة: على شبكة $256 \times 256$، يحقق ThermAl جذر متوسط مربع خطأ (RMSE) قدره $0.71^\circ\text{C}$ (انحراف معياري $0.26^\circ\text{C}$) ومعامل تشابه بنيوي (SSIM) قدره $0.97$. بالنسبة للمدخلات ذات الدقة الأعلى$512 \times 512$، يبلغ RMSE$1.18^\circ\text{C}$.
• السرعة: وقت الاستدلال هو 7–10 مللي ثانية لكل عينة (يتجاوز 100 خريطة/ثانية)، مقارنة بـ 3–4 ثوانٍ لمحللات FEM التجارية في ظل ظروف مماثلة.
• دراسات الاستئصال (Ablation Studies):
  • إزالة المنظم الفيزيائي تزيد RMSE من $0.71^\circ\text{C}$ إلى $1.12^\circ\text{C}$ وتقلل SSIM من $0.97$إلى$0.91$.
  • استخدام الدمج على مستوى الميزات بدلاً من الدمج على مستوى البكسل يحسن RMSE من $1.18^\circ\text{C}$ إلى $0.71^\circ\text{C}$.
  • دمج أزواج صور المصدر-الهدف يقلل RMSE من $1.12^\circ\text{C}$ إلى $0.84^\circ\text{C}$.
• التعميم: يحافظ النموذج على معدلات خطأ منخفضة عبر تخطيطات وأعباء عمل متنوعة للدوائر، مما يؤكد قدرته على التعميم لما وراء تكوينات التدريب المحددة.

5. الأهمية والادعاءات

تضع الورقة ThermAl كحل عملي للكشف المبكر عن البقع الساخلة حرارياً وتعلم الأنماط ضمن سير عمل EDA. تكمن أهميته الأساسية في سد الفجوة بين الدقة العالية لأدوات FEM والسرعة المطلوبة لاستكشاف التصميم التكراري.

• تأثير التصميم: من خلال تمكين التقدير الحراري السريع المرتبط بالتخطيط، يسمح ThermAl للمصممين بتحديد وتصحيح المشكلات الحرارية أثناء عمليات التوزيع (placement) وتخطيط الأرضية (floorplanning)، مما قد يمنع عمليات إعادة التصميم المكلفة في المراحل المتأخرة.
• الاتساق الفيزيائي: على عكس النماذج المعتمدة على البيانات فقط والتي قد تفشل تحت ظروف حدية جديدة، يضمن نهج ThermAl المدرك للفيزياء أن التنبؤات تلتزم بقوانين انتقال الحرارة الأساسية، مما يعزز الموثوقية في السيناريوهات العابرة وذات التدرج العالي.
• القيود والعمل المستقبلي: يقر المؤلفون بتواضع بالقيود الحالية، بما في ذلك الاقتصار على النمذجة ثنائية الأبعاد (2D) (تجاهل انتقال الحرارة الرأسي في الدوائر المتكاملة ثلاثية الأبعاد المكدسة)، وافتراض مقاومة حرارية ثابتة عند الواجهة بين الشريحة والمحيط، ونقص التحقق التجريبي الواقعي (الاعتماد على بيانات FEM اصطناعية). تشمل الاتجاهات المستقبلية توسيع الإطار ليشمل 3D، والتعميم عبر تقنيات التصنيع المتقدمة (مثل sub-7nm)، ودمج استراتيجيات التعلم بنقل المعرفة (transfer learning).

الكود ومجموعة البيانات متاحة للجمهور لتسهيل المزيد من الأبحاث في التحليل الحراري القائم على الفيزياء.