PulseAugur
实时 04:02:02
English(EN) From Physics to Surrogate Intelligence: A Unified Electro-Thermo-Optimization Framework for TSV Networks

图神经网络加速3D集成TSV网络优化

研究人员开发了一个新框架,该框架使用图神经网络(GNN)来优化2.5D/3D异构集成的穿透硅通孔(TSV)网络。该方法将物理信息驱动的分析建模与GNN代理相结合,显著加快了模拟TSV阵列的计算密集型过程。该框架可以在几分钟内探索数百万种TSV配置,与传统方法相比,评估时间减少了六个数量级以上,并已通过行业标准仿真工具进行了验证。 AI

影响 通过实现快速的电热协同设计,加速了先进半导体封装的设计周期。

排序理由 该条目是一篇学术论文,详细介绍了使用图神经网络优化TSV网络的新计算框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

图神经网络加速3D集成TSV网络优化

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Mohamed Gharib, Leonid Popryho, Inna Partin-Vaisband ·

    从物理到代理智能:TSV网络统一的电热优化框架

    arXiv:2603.29268v2 Announce Type: replace Abstract: High-density through-substrate vias (TSVs) enable 2.5D/3D heterogeneous integration but introduce significant signal-integrity and thermal-reliability challenges due to electrical coupling, insertion loss, and self-heating. Conv…