用于芯片熱分析的混合隨機行走算法研究與實現(xiàn).pdf

1、芯片熱分析是高性能超大規(guī)模集成電路設(shè)計過程中非常重要的一個環(huán)節(jié)。在芯片設(shè)計的sign-off階段和電路設(shè)計優(yōu)化階段都需要進行準確高效的熱分析。在芯片設(shè)計的sign-off階段需要進行全芯片級熱分析來來驗證芯片的性能和可靠性。此外，在電路設(shè)計優(yōu)化階段，對不同功耗分布情況進行準確高效的熱分析同樣是不可或缺的?，F(xiàn)有的研究工作主要是通過對芯片熱模型進行體積元離散化，然后將該問題轉(zhuǎn)換為一個線性方程組。通過求解該線性方程組，可以獲得整個芯片上各點的

2、溫度值。然而，有時候只需要重點關(guān)注芯片上局部的少量熱點，而不需要對芯片進行全芯片級熱分析。
　　為了進行準確的芯片熱分析，有必要考慮芯片封裝中散熱部件的影響。本文對用于金字塔型芯片熱模型的混合隨機行走算法進行了深入研究，并且提出了混合隨機行走算法對應的芯片熱分析模型。其中混合隨機行走算法結(jié)合了基于網(wǎng)格的一般隨機行走(the Generic Random Walk)算法和基于長方體轉(zhuǎn)移區(qū)域的懸浮隨機行走(the Floating R

3、andom Walk)算法的優(yōu)點，不僅可以計算少量局部熱點，而且大幅度的減少了隨機行走算法的運行時間。為了加快混合隨機行走算法的計算效率，本文對芯片熱模型中的紐曼邊界(the Neumann boundary）條件和對流邊界(the Convective boundary)條件等復雜邊界條件進行了處理。最終，本文在多核系統(tǒng)環(huán)境下采用多線程技術(shù)實現(xiàn)了混合隨機行走算法的并行化，進一步提高了該算法的計算速度。
　　通過對幾組芯片測試用例

4、進行數(shù)值實驗，驗證了該混合隨機行走算法相對于基于網(wǎng)格的一般隨機行走算法的準確性與效率。從實驗中可以看出，在保證計算結(jié)果準確性的前提下，混合隨機行走算法相較于基于網(wǎng)格一般隨機行走算法獲得了15.9X的加速比。添加對紐曼邊界條件處理的混合隨機行走算法相較于一般隨機行走算法獲得了30.1X的加速比。同時添加對紐曼邊界條件和對流邊界條件處理的混合隨機行走算法相較于一般隨機行走算法獲得了44.4X的加速比。在6-core CPU的Linux服務(wù)器