Una delle tendenze emergenti nella progettazione e produzione di chip è l'adozione di tecniche avanzate di impilamento 3D, che migliorano significativamente la densità dei chip oltre le capacità dei metodi tradizionali. In un recente post sul blog ufficiale, Baskar Rajagopalan di NVIDIA ha illustrato come Ansys, un'azienda specializzata in software di simulazione ingegneristica e progettazione 3D, utilizza la piattaforma NVIDIA Omniverse per analizzare progetti di semiconduttori in 3D e prevedere i profili di consumo energetico.
Questa tecnologia offre notevoli vantaggi ai progettisti di chip, consentendo loro di visualizzare i progetti in 3D in modo completo e offrendo agli ingegneri una comprensione più chiara delle prestazioni del chip in diverse condizioni. NVIDIA ha mostrato come questo approccio faciliti l'identificazione e la correzione dei punti caldi e dei problemi elettromagnetici (EM) in modo più rapido ed efficiente.
L'identificazione dei punti caldi è cruciale nella progettazione di chip 3D, poiché questi si verificano tipicamente tra i wafer di silicio impilati. Utilizzare una vista 3D per esaminare un progetto di chip consente agli ingegneri di individuare con precisione la profondità di un punto caldo. Al contrario, l'individuazione dei punti caldi in una vista 2D è difficile, poiché la loro posizione potrebbe apparire in vari strati del chip.
Inoltre, la possibilità di simulare la temperatura dell'intero chip utilizzando la piattaforma NVIDIA Omniverse aiuta a individuare i punti caldi attraverso diverse curve di potenza e planimetrie. Questo consente agli ingegneri di risolvere i problemi termici di un nuovo progetto di chip 3D prima di creare il primo prototipo.
Ansys ha recentemente presentato il suo software di progettazione 3D alla Design Automation Conference, collaborando con l'architettura di modellazione Fourier Neural Operator (FNO) di NVIDIA per sviluppare strumenti alimentati dall'intelligenza artificiale volti a testare i progetti di chip impilati in 3D. I ricercatori di Ansys hanno creato un modello di agente di intelligenza artificiale capace di prevedere la temperatura di qualsiasi chip basandosi sui coefficienti di trasferimento del calore, sullo spessore, sulle proprietà dei materiali e su altri parametri di sistema definiti dal profilo di temperatura per un determinato profilo di potenza.
