Cooling Channel Design Optimization for High Power Multi-chip Packages

Resumo Técnico: Otimização do Projeto de Canais de Resfriamento para Pacotes Multichip de Alta Potência

Declaração do Problema
Sistemas modernos de computação de alto desempenho, particularmente pacotes multichip heterogêneos como o Superchip NVIDIA GB200 Grace Blackwell, enfrentam desafios críticos de gerenciamento térmico devido ao aumento das densidades de potência em GPUs e aceleradores de IA. Métodos de resfriamento tradicionais são frequentemente insuficientes para os altos fluxos de calor gerados, e estudos computacionais existentes dependem frequentemente de modelos térmicos simplificados que não representam explicitamente o transporte do fluido refrigerante dentro das redes de canais. Essa omissão pode levar a previsões imprecisas de não uniformidade térmica e formação de pontos quentes, especialmente em geometrias onde a conectividade do fluido refrigerante impacta diretamente o desempenho térmico. O desafio específico abordado neste trabalho é a otimização de layouts de microcanais embutidos para um pacote multichip representativo (duas GPUs e uma CPU) a fim de minimizar as temperaturas de pico e média dos chips, mantendo o realismo físico quanto ao aquecimento e distribuição do fluido refrigerante.

Metodologia
Os autores desenvolveram um framework computacional baseado em física que acopla a condução de calor no plano em regime permanente com uma representação de ordem reduzida do transporte do fluido refrigerante. A metodologia envolve os seguintes componentes principais:

• Modelo Térmico: A temperatura do substrato é governada por uma equação de balanço de energia em regime permanente que acopla a condução com a remoção de calor por convecção. O coeficiente de transferência de calor efetivo é espacialmente variável, aplicando resfriamento aprimorado apenas dentro das regiões de canal, enquanto mantém um nível de resfriamento de fundo fraco em todo o substrato.
• Transporte do Fluido Refrigerante: Para capturar a evolução térmica do fluido sem o custo computacional de CFD 3D completo, o modelo emprega um balanço de energia do fluido refrigerante por fileira. À medida que o fluido flui através do coletor, sua temperatura é atualizada com base no calor absorvido do substrato nas fileiras anteriores, garantindo que a capacidade reduzida de resfriamento do fluido mais quente próximo à saída seja considerada.
• Parametrização do Projeto: A arquitetura de resfriamento é definida como um layout entrelaçado parametrizado por três variáveis geométricas: o número de canais ($N$), a largura do canal ($W$) e a largura de expansão sobre as regiões do chip ($E$). O espaço de projeto é restrito para garantir simetria e realizabilidade física (por exemplo, a largura de expansão deve ser maior ou igual à largura do canal).
• Estratégia de Otimização: Devido ao acoplamento não linear entre a condução de calor e o transporte de fluido, a otimização direta é computacionalmente proibitiva. Os autores empregam uma abordagem baseada em substitutos (surrogate-based). Um planejamento fatorial completo de experimentos (116 projetos candidatos) é simulado usando o solver completo baseado em física. Esses resultados treinam modelos substitutos quadráticos para aproximar a relação entre parâmetros geométricos e métricas térmicas ($T_{max}$ e $T_{avg}$). O problema de otimização é então resolvido usando um algoritmo de Programação Quadrática Mista-Inteira (MIQP) via Otimizador Gurobi para minimizar uma função objetivo ponderada que prioriza a redução da temperatura de pico.

Principais Contribuições
O artigo reivindica duas contribuições primárias:

1. O desenvolvimento de um modelo térmico acoplado que integra a condução de calor em regime permanente com uma representação de ordem reduzida do transporte do fluido refrigerante, especificamente adaptada para sistemas multichip.
2. O estabelecimento de um framework de projeto de canais orientado por otimização que identifica layouts de resfriamento capazes de reduzir significativamente as temperaturas de pico e média dos chips sob condições operacionais realistas, indo além de layouts de canais fixos para uma abordagem paramétrica e baseada em otimização.

Resultados
O framework foi aplicado a um substrato de 120 mm × 120 mm contendo duas GPUs (1200 W cada) e uma CPU (300 W).

• Desempenho de Referência: Uma configuração simétrica alimentada por coletor com largura de canal moderada e expansão limitada resultou em uma temperatura máxima do chip ($T_{max}$) de 220,36°C e uma temperatura média ($T_{avg}$) de 102,14°C.
• Desempenho Otimizado: O algoritmo MIQP identificou uma configuração ótima com 7 canais, uma largura de 4 mm e uma largura de expansão de 28 mm. Este projeto alcançou uma $T_{max}$ de 79,91°C e uma $T_{avg}$ de 66,27°C.
• Melhoria: Em comparação com a referência, o projeto otimizado reduziu a temperatura de pico em 140,45°C e a temperatura média em 35,87°C.
• Relevância Física: O projeto otimizado mantém as temperaturas bem abaixo do limite operacional recomendado de 95°C para processadores de alto desempenho. Os resultados destacam que o aumento da cobertura de resfriamento especificamente próximo às regiões das GPUs (via expansão de canal) é o fator dominante na mitigação de pontos quentes, enquanto a distribuição equilibrada do fluxo permanece crítica para a uniformidade geral. Os modelos substitutos demonstraram alta precisão com Erros Quadráticos Médios (RMSE) de 8,051°C para $T_{max}$ e 2,442°C para $T_{avg}$.

Significado
Os autores posicionam este trabalho como fornecendo uma "abordagem prática e extensível" para o projeto de resfriamento consciente da topologia em sistemas avançados de embalagem eletrônica. O significado reside em demonstrar que a combinação de modelagem térmica de ordem reduzida com otimização matemática pode identificar efetivamente topologias de resfriamento que melhoram drasticamente o desempenho térmico sem o custo proibitivo da otimização baseada em CFD completa. O estudo valida que a exploração sistemática de projetos, restringida pela relevância física (como o aquecimento do fluido refrigerante e a expansão localizada), pode gerar projetos que atendem aos requisitos térmicos rigorosos de pacotes de computação heterogênea de próxima geração. Os autores observam que trabalhos futuros poderiam estender este framework para validação CFD de maior fidelidade, análise transitória e sistemas em escala de data center maiores.