Una de las tendencias emergentes en el diseño y la fabricación de chips es la adopción de técnicas avanzadas de apilamiento en 3D, que aumentan considerablemente la densidad de los chips más allá de las posibilidades de los métodos tradicionales. En una reciente entrada de su blog oficial, Baskar Rajagopalan de NVIDIA explica cómo Ansys, una compañía especializada en simulación de ingeniería y software de diseño 3D, aprovecha la plataforma NVIDIA Omniverse para analizar diseños de semiconductores en 3D y predecir los perfiles de consumo de energía.
Esta tecnología aporta ventajas sustanciales a los diseñadores de chips, ya que les permite examinar diseños en 3D de forma exhaustiva. Ofrece a los ingenieros una visión más clara del rendimiento del chip bajo distintas condiciones. NVIDIA ha demostrado cómo este enfoque facilita la identificación y corrección de puntos conflictivos y problemas electromagnéticos (EM).
La identificación de puntos calientes es un aspecto crucial del diseño de chips en 3D, dada su tendencia a surgir entre obleas de silicio apiladas. Utilizar una perspectiva en 3D para examinar el diseño permite a los ingenieros determinar con precisión la profundidad de un punto caliente. En cambio, detectarlos en una vista 2D es complicado, ya que la ubicación puede aparecer en la parte superior, central o inferior del chip. Además, la posibilidad de simular la temperatura de todo el chip utilizando la plataforma NVIDIA Omniverse ayuda a detectar estos puntos calientes a través de varias curvas de potencia y planos de planta, permitiendo a los ingenieros solucionar problemas térmicos en un nuevo diseño de chip 3D antes de crear el primer prototipo.
Ansys realizó recientemente una demostración de su software de diseño 3D en la Design Automation Conference. La compañía ha colaborado con la arquitectura de modelado Fourier Neural Operator (FNO) de NVIDIA para desarrollar herramientas impulsadas por IA que prueban diseños de chips apilados en 3D. Los investigadores de Ansys han creado un modelo de agente de IA capaz de predecir la temperatura de cualquier chip en función de los coeficientes de transferencia de calor, el grosor, las propiedades de los materiales y otros parámetros del sistema, definidos por el perfil de temperatura para un perfil de potencia específico.
