Thermal Simulator for Advanced Packaging and Chiplet-Based Systems
Notice bibliographique
Résumé
Heterogeneous chiplet-based integration is expected to provide performance scalability and cost-effectiveness for the next generation of microelectronic systems. Practical deployment of chiplet-based platforms, however, requires developing novel electronic design automation (EDA) tools that support advanced packaging approaches. Compact thermal simulators are essential EDA tools for the evaluation of design alternatives at the early stages of the design. Developing efficient compact thermal simulators for advanced heterogeneous integration platforms is a key requirement, as the available tools provide limited support for heterogeneity and advanced packaging technologies. ARTSim 2.0, a robust thermal simulator for heterogeneous integration platforms, is presented in this work. ARTSim 2.0 includes three main features, i.e., robust hybrid meshing, modeling of heterogeneous layers, and an efficient solver that utilizes parallel processing. Several case studies on advanced chiplet-based platforms, including TSV-based 3-D integrated circuits (ICs), Intel EMIB, and TSMC InFO_PoP, are conducted to demonstrate the novel capabilities of ARTSim 2.0. The performance of ARTSim 2.0 for both transient and steady-state conditions is compared to results obtained from state-of-the-art finite element method (FEM) tools. Simulation results confirm that the temperature accuracy of the thermal maps that are generated by ARTSim 2.0 is within a maximum error of 1.17% while exhibiting a reduction in runtime of at least two orders of magnitude, as compared to the FEM tools.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».