芯片太热，怎么办？

公众号记得加星标⭐️，第一时间看推送不会错过。

你有没有注意到，现在新款智能手机的发布速度似乎不如十年前那么快了？部分原因是，在相同的空间内塞入更多处理能力，就会产生新的散热问题。

近年来，纯晶体管尺寸缩小的速度有所放缓，但IBM和其他公司仍在继续努力研发更小的制程节点。随着晶体管节点尺寸的缩小，发热问题日益突出。此外，人工智能技术也在推动芯片功率密度的提高，从而产生更多热量。

今天，IBM 研究院宣布了其在 DARPA 的 Thermonat （纳米级晶体管热设计）项目下的工作成果。在该项目中，IBM 团队对半导体的热行为进行了建模，直至原子级别。作为 IBM Thermonat 项目的一部分，基于 IBM 海量半导体数据训练的机器学习软件实现了一度以内的预测精度，速度比次优的模拟工具快数万倍。

对于像 IBM 的先进 2 纳米节点器件这样的技术，其组件非常薄，只有几个原子厚，物理教科书中的宏观方程无法解释它们的热特性。

“目前整个行业都受到散热问题的制约，”IBM研究院高级技术主管Russ Robison说道，他曾参与IBM的Thermonat项目。在狭小的空间内输入的功率越大，工程师就越容易遇到瓶颈，因为纳米级晶体管产生的热量难以散发。IBM参与Thermonat项目，旨在克服这一挑战。

IBM研究院子系统冷却与集成专家Timothy Chainer表示，能够精确模拟芯片中的热源将为设计新型芯片冷却系统的工程师提供强大的工具。“在设计芯片布局时，他们可以设计出考虑散热的布局，”他说道。

新技术需要新的工具

为了开发能够模拟特定晶体管发热行为的模型，罗宾逊和他的同事们需要将半导体工程知识与专用软件工具结合起来。他们必须考虑晶体管的超薄特性、原子尺度的材料特性以及用于测量这些特性的电路级工具。他们开发了新的机器学习代码来构建降阶模型，这种简化的系统仿真能够在保持精度的同时减少需要处理的数据点数量。

他们最终获得了对芯片内部热量产生方式、热量去向以及电路设计中哪些因素会影响这些特性的极其详尽的理解。罗宾逊表示，他们的研究成果超出了DARPA的要求，而DARPA的要求向来十分苛刻。对于学术研究项目而言，10%以内的精度或许就足够了，但DARPA要求模型能够以1%的精度预测半导体的热特性。在DARPA项目的实际应用场景中，几乎没有容错空间。此外，DARPA还希望找到比现有技术快100倍的解决方案——即构建新器件的物理模型来收集热数据。罗宾逊和他的同事们成功地将模型精度控制在实际实验数据1摄氏度以内，即0.002%，而且速度比现有方法快了5万倍。

罗宾逊说：“我们之前认为，对于我们建模的如此庞大的电路，不可能达到如此高的精度。”他的团队发现，他们的方法可以有效地扩展到模拟包含数百万个晶体管的电路。它能够精确地模拟瞬态和稳态特性，包括晶体管级别的极其精确的温度读数。

异花授粉（Cross-pollination）

罗宾逊将团队的高精度归功于IBM研究院内部汇聚的多学科人才。材料科学家、热系统专家、材料模拟专家以及其他人员都为解决方案贡献了他们的智慧。IBM现有的半导体技术也是宝贵的资源：罗宾逊和他的同事利用IBM内部关于全环栅纳米片技术的海量数据，开发出了一个能够表征晶体管热行为的模型。

“我们拥有巨大的优势，”罗宾逊说道。如今，随着晶体管节点尺寸的不断缩小，IBM 对可能出现的发热问题有了深入的了解。随着公司与合作伙伴共同推进这项研究，罗宾逊将 Thermonat 项目取得的进展比作一盏明亮的车灯，它将有助于揭示新技术未知的特性。“我们拥有一个工具，可以全面了解这些器件的发热机制，以及未来我们可能需要采取哪些措施。”

由于采用了降阶晶体管模型，结果不仅准确，而且速度也很快。这得益于IBM海量的数据资源，以及Synopsys公司在工程仿真方面的专业技术，该团队与Synopsys公司合作完成了这个项目。一种名为傅里叶神经网络算子的机器学习技术，采用了神经网络的训练格式，辅助开发了这些降阶模型。Robison表示，傅里叶神经网络算子是机器学习中专门用于求解偏微分方程矩阵的方法，因此非常适合此应用场景。

Chainer表示，该工具还有助于提升芯片的性能或效率。改进的散热方案可以在相同的运行温度下支持更高的芯片功率，从而提高计算性能。或者，更高效的散热方案可以降低芯片的运行温度，从而降低芯片的功耗，提高效率。IBM建模的精细程度应该能够对此有所帮助。“我们在设计散热方案时，既可以优化芯片的功耗，也可以优化散热，”Chainer说道。

罗宾逊表示，虽然IBM的Thermonat项目成果并非完全现成的工具，但其开发流程是可重复的。这些新成果的大部分将保留在IBM内部，用于IBM及其客户的项目。事实上，IBM内部一个从事晶体管研究的团队以及另一个开发未来三维集成电路（3D-IC）器件的团队已经在使用这项技术。而且，它用途广泛，可用于芯片封装和异构集成。

罗宾逊说：“我们可以将这种方法应用于半导体上任何可能出现发热问题的地方。而且我们相信，在这些情况下，这种方法也非常快速、非常准确。”

（来源：编译自IBM）

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第4309期内容，欢迎关注。

加星标⭐️第一时间看推送

求推荐