芯片设计为何不再把热分析留到最后签核阶段——Keysight 谈多物理场左移

在设计流程的每个阶段应用适当级别的仿真与抽象，是高效热分析的关键。

AI、高性能计算和先进半导体封装推动了功率密度不断上升，这意味着散热管理正成为电子设计中最重大的挑战之一。

问题不再仅仅是芯片设计完成后如何散热。热行为现在影响着从器件性能、封装架构、机械应力、可靠性、布局规划到最终系统性能等各方面的决策。因此，工程团队必须在考虑更广泛的多物理场策略时，将热分析提前到设计流程的更早阶段。

传统上，工程师可以对许多物理效应进行隔离并分别分析。电气性能可以在一个环境中评估，热行为在另一个环境中评估，机械应力再在另一个环境中评估，以此类推。但随着集成度不断提高，为改善某一领域性能而做的改动，可能在其他领域产生意想不到的后果。更高的功率会升高温度；温度会改变电气行为；而热膨胀会引入机械应力，最终影响可靠性。

这在涉及芯粒（chiplet）、3D-IC 和其他先进封装架构时尤其令人担忧。多个裸片、互连、基板、材料和散热方案在一个高度集成的结构内相互作用。设计者不仅需要了解单个裸片内部发生的情况，还需要了解整个组件作为一个系统的表现。

解决这个问题意味着要同时审视精度和规模。开发芯片的工程师可能需要关于局部行为和潜在热点的详细信息。封装工程师需要不同级别的抽象，而系统架构师可能需要在更大的环境中评估热与性能的权衡。以最高保真度仿真整个系统中的每个元素，在计算上是不切实际的。

答案不仅仅是更多的仿真，而是在设计流程的每个阶段应用适当级别的仿真与抽象。降阶建模和叠加等技术可以帮助工程团队在扩展分析规模的同时，保留做出架构决策所需的信息。这些技术为每位工程师提供其任务所需的保真度，同时保持相互影响的物理领域之间的关联。

这也改变了多物理场分析需要开展的时机。如果等到最终验证才发现布局规划导致不可接受的热或机械状况，可能会导致代价高昂的重新设计，甚至是完全（且昂贵的）设计重流片。如果工程师将多物理场分析引入架构探索和布局规划阶段，他们就可以在仍有灵活性进行有意义修改的时候，综合评估性能、封装尺寸、热行为和可靠性。

AI 和智能体工程工作流通过使用模型上下文协议（MCP）来帮助编排日益复杂的工具、模型和工程数据，为加速这一过程提供了另一个机会。但 AI 并不能消除对可信的基于物理的仿真的需求。AI 生成的决策可能难以追溯，模型也可能出错。因此，工程团队需要将自动化与可靠的仿真以及对结果产生过程的充分可见性相结合的工作流。

这一日益严峻的热挑战是电子设计更大变革的一部分。电气、热、机械和其他物理效应不再能被视为孤立的学科，它们是同一个工程问题中相互关联的要素。

Keysight 的目标是让工程师在开发流程的更早阶段将这些领域结合起来，在正确的时机应用正确的物理、精度和自动化。通过将多物理场分析左移——从最终验证转向架构和设计探索——工程团队可以更早发现问题，做出更明智的权衡，并在投入物理硬件之前，更加确信日益复杂的电子系统将按预期运行。

那么，这里是不是越来越热了？绝对是。但只要以正确的方法进行设计探索和分析，它就不必成为你的问题。

Chris Mueth

（全部文章）
Chris Mueth 是 Keysight EDA 软件解决方案业务部门新市场管理总监。