一种制造技术

本发明专利技术属于芯片散热技术领域，公开了一种

【技术实现步骤摘要】
一种3D
‑
IC嵌入式液冷热沉构形演化设计方法及系统


[0001]本专利技术属于芯片散热
，尤其涉及一种
3D
‑
IC
嵌入式液冷热沉构形演化设计方法及系统
。

技术介绍

[0002]目前，集成电路在各个领域应用广泛，并不断朝着微型化
、
高密度
、
高性能
、
低成本的方向发展，晶体管的尺寸不断缩小，已逐渐趋于物理极限
。
为了突破逐渐失效的“摩尔定律”，以硅通孔（
TSV
）技术为核心技术的三维集成电路（
3D
‑
IC
）快速发展
。
将芯片在垂向堆叠，可获得更高的集成度和更好的性能，但这也使
3D
‑
IC
具有更大的产热密度，面临了更为严峻的热管理挑战
。
[0003]为了满足日益增长的
3D
‑
IC
散热需求，电子器件热管理技术已发展到第三代冷却技术
——
近结点冷却
。
该技术通过直接在逻辑芯片中嵌入液冷微通道，使芯片结点热量以最短的传热路径散发出去，因此也称为嵌入式冷却技术
。
为了进一步提高嵌入式微通道热沉的散热性能，常在微通道中布置内肋阵构成复合热沉，对内肋阵形状或布置进行优化设计，以增大换热面积，并通过扰动工质的流动来增强换热
。
[0004]由于在逻辑芯片中嵌入液冷微通道热沉时，对热沉所占的空间存在明确限制，因此在对热沉结构进行优化设计时，需要给定全局约束进行构形演化设计
。
但是，现有的技术方案对
3D
‑
IC
嵌入式液冷热沉结构的构形演化设计，约束较多，设计自由度较少，只能得到近优结构，热沉散热性能的潜力未得到充分释放，采用实验或全
CFD
方法对热沉结构进行高自由度设计，计算成本巨大，设计效率低下
。
[0005]通过上述分析，现有技术存在的问题及缺陷为：
[0006]现有的技术方案对
3D
‑
IC
嵌入式液冷热沉结构的构形演化设计，约束较多，设计自由度较少，只能得到近优结构，热沉散热性能的潜力未得到充分释放，如果采用实验或全
CFD
方法对热沉结构进行高自由度设计，计算成本巨大，设计效率低
。

技术实现思路

[0007]针对现有技术存在的问题，本专利技术提供了一种
3D
‑
IC
嵌入式液冷热沉构形演化设计方法及系统
。
[0008]本专利技术是这样实现的，一种
3D
‑
IC
嵌入式液冷热沉构形演化设计方法，包括以下步骤：
[0009]S101
，确定热沉结构构形演化设计的全局约束和设计自由度个数，由此确定构形演化设计的样本空间；
[0010]S102
，确定训练样本集和验证样本集的大小，然后在高自由度的热沉结构设计样本空间中进行随机采样；
[0011]S103
，使用全
CFD
模型对这些随机样本点的关键截面传热特征进行预测，由此构成训练样本集和验证样本集；
[0012]S104
，使用训练样本集和验证样本集对深度神经网络进行训练和准确性验证；
[0013]S105
，将训练好的深度神经网络作为代理模型对热沉关键截面的传热特征进行预测，并使用遗传算法对热沉结构进行构形演化设计
。
[0014]进一步，
S101
中包含以下步骤：
[0015]步骤一，基于工程实际需求，对嵌入式液冷热沉总体积
、
总面积
、
总质量等的限定作为全局约束条件，在全局约束的基础上对热沉及其中部件进行参数化几何建模，以便生成热沉结构的关键信息，热沉结构关键信息包括但不限于：微通道数量
、
横截面形状
、
布置等，肋片数量
、
形状
、
布置等
。
[0016]步骤二，选定决定热沉及其中部件几何结构的设计自由度个数
。
对于高自由度设计，自由度个数大于3个
。
并在全局约束下，确定每个设计自由度的取值范围，这些范围构成了构形演化设计的样本空间范围
。
[0017]进一步，
S102
中包含以下步骤：
[0018]步骤一，应用拉丁超立方的方法在每个设计自由度上均匀地覆盖样本空间，生成热沉结构样本点
。
若需要生成
N
个样本点，则在每个设计自由度上，样本空间等分为
N
个区间，每个区间内有一个样本点
。
所有样本点组合，形成一个拉丁超立方样本
。
[0019]步骤二，对每个设计自由度上的样本点位置进行随机化处理，以避免规则分布引入的偏差
。
在每个设计自由度，应在其对应区间内随机选取样本点的位置，而非选择区间的中心点
。
[0020]进一步，
S103
中包含以下步骤：
[0021]采用有限元全
CFD
方法求解每一个热沉结构样本点的“热
‑
流”多物理场耦合问题，并输出和保存所需的热沉关键截面传热特征
。
该传热特征包括但不限于各种物理量分布等；
[0022]所有热沉结构样本点和关键截面传热特征构成样本集
。
根据一定的比例将样本集分为训练样本和验证样本（如
70%
的训练样本和
30%
的验证样本），其中训练样本集用于训练模型，验证样本集用于评估模型的性能；
[0023]对样本数据进行预处理，包括但不限于进行特征选择
、
特征归一化等；
[0024]使用训练样本集训练模型，然后使用验证样本集评估模型的性能，根据评估结果，需要对模型结构
、
模型参数或者调整训练过程等进行调校
。
[0025]进一步，
S104
中包含以下步骤：
[0026]使用训练样本集对深度神经网络模型进行训练，该训练包括多个周期，在每个周期中，模型将对整个训练样本集通过优化算法（如梯度下降）来更新模型的权重和偏差；
[0027]在训练结束后，使用验证样本集对模型进行验证，计算模型在验证样本集上的预测准确性，并监测模型的过拟合和欠拟合状况；
[0028]根据验证结果，需要对模型结构
、
模型参数或者训练过程等进行调校，以提高模型的预测准确性；
[0029]重复上述训练和验证步骤，直到模型的预测准确性达到预期的标准
。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种
3D
‑
IC
嵌入式液冷热沉构形演化设计方法，其特征在于，包括以下步骤：
S101
，确定热沉结构构形演化设计的全局约束和设计自由度个数，由此确定构形演化设计的样本空间；
S102
，确定训练样本集和验证样本集的大小，然后在高自由度的热沉结构设计样本空间中进行随机采样；
S103
，使用全
CFD
模型对这些随机样本点的关键截面传热特征进行预测，由此构成训练样本集和验证样本集；
S104
，使用训练样本集验证样本集对深度神经网络进行训练和准确性验证；
S105
，将训练好的深度神经网络作为代理模型对热沉关键截面的传热特征进行预测，并使用遗传算法对热沉结构进行构形演化设计
。2.
如权利要求1所述
3D
‑
IC
嵌入式液冷热沉构形演化设计方法，其特征在于，
S101
中包含以下步骤：步骤一，基于工程实际需求，对嵌入式液冷热沉总体积
、
总面积
、
总质量的限定作为全局约束条件，在全局约束的基础上对热沉及其中部件进行参数化几何建模，以便生成热沉结构的关键信息，热沉结构关键信息包括但不限于：包括微通道数量
、
横截面形状
、
布置以及肋片的数量
、
形状
、
布置；步骤二，选定决定热沉及其中部件几何结构的设计自由度个数，对于高自由度设计，自由度个数大于3个，并在全局约束下，确定每个设计自由度的取值范围，这些范围构成了构形演化设计的样本空间范围
。3.
如权利要求1所述
3D
‑
IC
嵌入式液冷热沉构形演化设计方法，其特征在于，
S102
中包含以下步骤：步骤一，应用拉丁超立方的方法在每个设计自由度上均匀地覆盖样本空间，生成热沉结构样本点；若需要生成
N
个样本点，则在每个设计自由度上，样本空间等分为
N
个区间，每个区间内有一个样本点；所有样本点组合，形成一个拉丁超立方样本；步骤二，对每个设计自由度上的样本点位置进行随机化处理，以避免规则分布引入的偏差；在每个设计自由度，应在其对应区间内随机选取样本点的位置，而非选择区间的中心点
。4.
如权利要求1所述
3D
‑
IC
嵌入式液冷热沉构形演化设计方法，其特征在于，
S103
中包含以下步骤：采用有限元全
CFD
方法求解每一个热沉结构样本点的“热
‑
流”多物理场耦合问题，并输出和保存所需的热沉关键截面传热特征；该传热特征包括但不限于各种物理量分布；所有热沉结构样本点和关键截面传热特征构成样本集；根据一定的比例将样本集分为训练样本和验证样本，其中训练样本集用于训练模型，验证样本集用于评估模型的性能；对样本数据进行预处理，包括但不限于进行特征选择
、
特征归一化；使用训练样本集训练模型，然后使用验证样本集评估模型的性能，根据评估结果，需要对模型结构
、
模型参数或者调整训练过程进行调校
。5.
如权利要求1所述
3D
‑
IC
嵌入式液冷热沉构形演化设计方法，其特征在于，
S104
中包含以...

【专利技术属性】
技术研发人员：陆卓群，奚坤，谢志辉，林道光，纪祥鲲，
申请(专利权)人：中国人民解放军海军工程大学，
类型：发明
国别省市：