Uma das tendências emergentes no design e fabricação de chips é a adoção de técnicas avançadas de empilhamento 3D, que aumentam significativamente a densidade dos chips além das capacidades dos métodos tradicionais. Em uma publicação recente no blog oficial, Baskar Rajagopalan da NVIDIA discutiu como a Ansys, uma empresa especializada em simulação de engenharia e software de design 3D, utiliza a plataforma NVIDIA Omniverse para analisar designs de semicondutores 3D e prever perfis de consumo de energia.
Essa tecnologia proporciona vantagens substanciais aos projetistas de circuitos integrados, permitindo-lhes visualizar os desenhos de circuitos integrados em 3D de forma abrangente. Oferece aos engenheiros uma compreensão mais clara do desempenho do chip em diferentes condições. A NVIDIA ilustrou como essa abordagem facilita a identificação e correção mais rápida e fácil de pontos de acesso e problemas eletromagnéticos (EM).
A identificação de hotspots é um aspecto crucial do design de chips 3D, uma vez que esses hotspots ocorrem normalmente entre wafers de silício empilhados. A utilização de uma vista 3D para examinar um design de chip 3D permite aos engenheiros identificar a profundidade exata de um ponto de acesso. Em contrapartida, a detecção de hotspots em uma vista 2D é um desafio, uma vez que a localização pode aparecer na parte superior, central ou inferior do chip. Além disso, a capacidade de simular a temperatura de todo o chip utilizando a plataforma NVIDIA Omniverse ajuda na detecção de pontos quentes através de várias curvas de potência e plantas baixas, permitindo aos engenheiros resolver problemas térmicos em um novo design de chip 3D antes de criar o primeiro protótipo.
A Ansys demonstrou recentemente seu software de design 3D na Design Automation Conference. A empresa colaborou com a arquitetura de modelagem do Operador Neural de Fourier (FNO) da NVIDIA para desenvolver ferramentas geradas por IA para testar designs de chips empilhados em 3D. Os pesquisadores da Ansys criaram um modelo de agente de IA capaz de prever a temperatura de um determinado chip com base nos coeficientes de transferência de calor, espessura, propriedades do material e outros parâmetros do sistema definidos pelo perfil de temperatura para um perfil de potência específico.
