Ansys 在設計自動化會議上探討 NVIDIA Omniverse 與 Modulus 如何幫助加快模擬工作流。

多裸晶芯片，即三維集成電路（3D-IC）是半導體設計的一次巨大進步。這種設計通過將芯片垂直堆疊成一個緊湊的結構，在不增加功耗的情況下提升性能。

但隨著芯片密度的增加，它們給電磁和熱應力管理帶來了更復雜的挑戰。為了解并解決這一問題，需要在設計和診斷過程中使用先進的 3D 多物理場可視化技術。

在設計自動化會議（展示芯片和系統最新發展的全球盛會）上，工程模擬和 3D 設計軟件開發公司 Ansys 將介紹如何使用 NVIDIA 技術克服這些挑戰，構建出新一代半導體系統。

為了讓用戶能夠實現模擬結果的 3D 可視化，Ansys 使用了NVIDIA Omniverse。NVIDIA Omniverse 是一個由應用編程接口（API）、軟件開發套件（SDK）和服務組成的平臺。借助該平臺，開發者能夠輕松地將通用場景描述（OpenUSD）和NVIDIA RTX渲染技術集成到現有的軟件工具和模擬工作流中。

該平臺實現了 Ansys 求解器 3D-IC 結果的可視化，使工程師能夠通過評估電磁場、溫度變化等現象對芯片進行優化，獲得更快的數據速率、更強的功能和更高的可靠性。

借助 NVIDIA Omniverse 平臺上的 Ansys Icepak，工程師可以根據不同的功率曲線和布局方案模擬整個芯片的溫度。在找到芯片熱點后，就可以更好地設計芯片本身以及輔助冷卻裝置。但這些 3D-IC 模擬工作的計算量很大，限制了用戶可以探索的模擬和設計點的數量。

Ansys 研發團隊正在將 NVIDIA Modulus 與 Ansys RedHawk-SC 電熱數據管線和模型訓練框架中處理新任意功率模式的新技術相結合，以便探索如何使用基于 AI 的代理模型加速模擬工作流。Modulus 是一個用于通過簡單的 Python 接口構建、訓練和調優物理機器學習模型的開源 AI 框架。

NVIDIA Modulus 傅里葉神經算子（FNO）架構可以為偏微分方程的分布求解提供參數。借助該架構，Ansys 的研究人員創建了一個 AI 代理模型。該模型能夠根據任何給定功率配置以及由熱傳導系數、厚度和材料屬性等系統參數定義的給定布局方案，高效預測溫度曲線。它能在大幅降低計算成本的同時，提供近乎實時的結果，使 Ansys 用戶能夠探索更加廣闊的芯片設計空間。

Ansys 使用三維 FNO 模型來推斷芯片表面在未知功率曲線、給定芯片高度和傳熱系數邊界條件下的溫度。

即使面對從未見過的功率曲線、給定裸片高度和傳熱系數邊界條件，Ansys 也能夠使用 3D FNO 模型來推理芯片表面溫度。

在成功進行概念驗證后，Ansys 團隊將探索如何使用 NVIDIA Modulus 為其新一代 RedHawk-SC 平臺集成此類 AI 代理模型。

隨著更多代理模型被開發，該團隊還將通過現場微調提高模型的通用性和準確性。這樣，RedHawk-SC 用戶就能受益于更加快速的模擬工作流、獲得更加廣闊的設計空間并且利用自己的數據來完善模型，提高產品開發的創新性和安全性。