多裸晶芯片，即三维集成电路（3D-IC）是半导体设计的一次巨大进步。这种设计通过将芯片垂直堆叠成一个紧凑的构造，在不增加功耗的情形下提升性能。
但随着芯片密度的增加，它们给电磁和热应力管理带来了更繁芜的寻衅。为理解并办理这一问题，须要在设计和诊断过程中利用前辈的 3D 多物理场可视化技能。
在设计自动化会议（展示芯片和系统最新发展的环球盛会）上，工程仿照和 3D 设计软件开拓公司 Ansys 将先容如何利用 NVIDIA 技能战胜这些寻衅，构建出新一代半导体系统。
为了让用户能够实现仿照结果的 3D 可视化，Ansys 利用了 NVIDIA Omniverse。NVIDIA Omniverse 是一个由运用编程接口（API）、软件开拓套件（SDK）和做事组成的平台。借助该平台，开拓者能够轻松地将通用场景描述（OpenUSD）和 NVIDIA RTX 渲染技能集成到现有的软件工具和仿照事情流中。
该平台实现了 Ansys 求解器 3D-IC 结果的可视化，使工程师能够通过评估电磁场、温度变革等征象对芯片进行优化，得到更快的数据速率、更强的功能和更高的可靠性。
借助 NVIDIA Omniverse 平台上的 Ansys Icepak，工程师可以根据不同的功率曲线和布局方案仿照全体芯片的温度。在找到芯片热点后，就可以更好地设计芯片本身以及赞助冷却装置。但这些 3D-IC 仿照事情的打算量很大，限定了用户可以探索的仿照和设计点的数量。
Ansys 研发团队正在将 NVIDIA Modulus 与 Ansys RedHawk-SC 电热数据管线和模型演习框架中处理新任意功率模式的新技能相结合，以便探索如何利用基于 AI 的代理模型加速仿照事情流。Modulus 是一个用于通过大略的 Python 接口构建、演习和调优物理机器学习模型的开源 AI 框架。
NVIDIA Modulus 傅里叶神经算子（FNO）架构可以为偏微分方程的分布求解供应参数。借助该架构，Ansys 的研究职员创建了一个 AI 代理模型。该模型能够根据任何给定功率配置以及由热传导系数、厚度和材料属性等系统参数定义的给定布局方案，高效预测温度曲线。它能在大幅降落打算本钱的同时，供应近乎实时的结果，使 Ansys 用户能够探索更加广阔的芯片设计空间。
Ansys 利用三维 FNO 模型来推断芯片表面在未知功率曲线、给定芯片高度和传热系数边界条件下的温度。
纵然面对从未见过的功率曲线、给定裸片高度和传热系数边界条件，Ansys 也能够利用 3D FNO 模型来推理芯片表面温度。
在成功进行观点验证后，Ansys 团队将探索如何利用 NVIDIA Modulus 为其新一代 RedHawk-SC 平台集成此类 AI 代理模型。
随着更多代理模型被开拓，该团队还将通过现场微调提高模型的通用性和准确性。这样，RedHawk-SC 用户就能受益于更加快速的仿照事情流、得到更加广阔的设计空间并且利用自己的数据来完善模型，提高产品开拓的创新性和安全性。
