研究人员开发了一个名为自注意力U-Net傅里叶神经算子（SAU-FNO）的新框架，以应对3D集成电路（IC）中热仿真的挑战。这种新方法结合了自注意力和U-Net架构与傅里叶神经算子（FNO），以更好地捕捉长距离依赖关系和局部高频特征。通过采用迁移学习，SAU-FNO可以使用较低保真度的数据进行微调，从而减少对大量高保真数据集的需求并加速训练。实验结果表明，SAU-FNO在热预测方面达到了最先进的精度，并且与传统的有限元方法（FEM）相比，速度显著提升。 AI
影响 这种新型AI模型显著加速了3D-IC的热仿真，有望加速先进集成电路的设计周期。
排序理由 详细介绍新AI模型及其应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
