IC-ThermBench: An Open, Progressive Benchmark for Generalizable 2.5D/3D-IC Thermal Learning

热量是现代计算领域的无形敌人。随着计算机芯片变得越来越小、功能越来越强大，它们在微小的空间内积聚了更多的能量，产生了剧烈的热量，这可能会导致精密的电路变形或导致系统关机。为了防止这种情况，工程师必须在芯片制造之前，精确预测热点会在哪里形成。几十年来，实现这一目标的唯一可靠方法是对每一次设计变更进行缓慢且复杂的物理模拟。最近，研究人员尝试通过教人工智能去“猜测”温度分布模式来加速这一过程，希望这些数字模型能够学习热流规律并提供即时答案。然而，一个主要问题阻碍了该领域的发展：由于缺乏统一的衡量标准，人们无法知道一种新的 AI 模型是否真的比另一种更好，因为每个人都在使用不同的数据集和不同的规则来测试他们的作品。

为了解决这种混乱，一个研究团队构建了一个名为 IC-ThermBench 的全新开放标准，旨在测试这些 AI 模型处理复杂芯片设计现实情况的能力。他们创建了一个包含五万个模拟芯片场景的海量共享库，涵盖了从简单的固定设计到复杂的、不断变化的布局（其中材料、冷却条件和物理形状都在变化）的所有内容。研究人员随后让八种不同的 AI 模型经历了一系列难度递增的测试。他们首先使用模型已经见过的熟悉设计进行测试，然后要求模型预测相同基本部件的新排列情况下的热量，最后，他们用模型从未遇到过的全新类型的芯片封装向其发起挑战。结果显示出一个清晰的模式：虽然模型可以处理设计和材料的渐变变化且准确度仅略有下降，但在面对全新的芯片结构时却表现得极其吃力。在这些陌生情况下，模型的预测变得极不准确，误差从不到一度飙升至接近十六度。然而，研究也发现，只要给模型提供极少量的全新信息——具体来说，仅需十个关于新芯片类型的温度样本数据——就能让它们恢复大部分丢失的准确度，将误差降回可控水平。

这项工作的核心在于意识到：擅长预测某一类芯片的热量并不自动意味着 AI 擅长预测所有芯片的热量。研究人员将他们的测试分为五个不同的难度等级。第一级测试模型对已学习过设计的表现，作为基准。接下来的三级引入了现实世界中可能遇到的变化：移动微型计算模块的位置、更换填充在它们之间间隙的材料，以及改变外部冷却条件。在这些场景中，模型的表现尚可，随着变化变得更加复杂，其误差缓慢上升。这表明，学习处理更广泛的已知物理条件对于这些系统来说是一个可以应对的任务。

真正的考验出现在最后一级，研究人员向模型展示了五种在训练数据中完全不存在的全新芯片封装。这好比要求一位精通法式料理的厨师，在完全不认识食材的情况下，瞬间烹饪出一道从未见过的菜系中的完美佳肴。结果是触目惊心的。那些在之前等级中表现良好的模型突然失败了，它们的预测误差骤然飙升。表现最好的模型在之前的测试中误差不到一度，但在这些新结构上却偏差了近十六度。这种性能的剧烈下降证明，在已知设计族群内进行泛化的能力，与适应一个完全新系统的能力有着本质的区别。研究明确排除了“仅仅通过扩大 AI 模型规模或增加复杂度来解决问题”的可能性；即使是测试中最庞大的模型，在面对这些未见的挑战时，表现也并未优于那些更小、更高效的模型。

研究人员还探索了是否可以快速教会这些模型处理新的芯片类型。他们发现，通过向模型展示仅十个关于新芯片温度行为的有标签样本，模型就可以实现快速适应。有了这少量的全新信息，误差率大幅下降，回到了接近早期较易测试时的水平。这表明，虽然这些 AI 系统无法凭空猜出全新芯片的行为，但它们可以在极少引导下学会这样做。研究结论指出，热建模未来的路径不仅在于构建更大的 AI，而在于创造能够高效适应新设计的系统。通过提供一个共享且严谨的测试场，这一新基准使工程师能够看清这些模型的成功之处与失败之处，确保未来的芯片设计工具建立在可靠、可重复的科学基础之上，而非孤立、不可比对的实验之上。