公开(公告)号：CN120046507A

公开(公告)日：2025-05-27

申请号：CN202510371312.1

申请日：2025-03-27

Applicant: 东南大学

Inventor： 牛丹 ,  张德慷 ,  陈鹏举 ,  金洲 ,  孙长银 ,  周振亚

IPC: G06F30/27 ,  G06F30/33 ,  G06F18/10 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0499 ,  G06N3/0455 ,  G06F119/08

Abstract: 本发明涉及一种用于2.5D集成电路快速高精度热预测的频域‑空间域融合感知方法，该网络包括频空热编码器模块、频域跨尺度交互模块、频域‑空间域混合损失函数(FSL)以及模型输入与预处理网络(PPNet)。频空热编码器模块结合自适应多频嵌入和3D卷积神经网络，提取高至低频的热耗散梯度特征和详细空间特征；频域跨尺度交互模块通过跨注意力机制实现多尺度特征交互，解决语义间隙问题；频域‑空间域混合损失函数损失函数结合空间均方误差和频域损失，抑制高频热梯度噪声。本发明首次实现频域‑空间域双域感知的热预测，显著提升预测精度和速度，且具有出色的泛化能力，可广泛应用于2.5D集成电路的热管理领域。

公开(公告)号：CN120046508A

公开(公告)日：2025-05-27

申请号：CN202510371313.6

申请日：2025-03-27

Applicant: 东南大学

Inventor： 牛丹 ,  张德慷 ,  曹毅超 ,  董毅超 ,  金洲 ,  周振亚

IPC: G06F30/27 ,  G06F30/33 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/042 ,  G06N3/0455 ,  G06F119/02

Abstract: 本发明公开了一种基于异构特征融合的静态IR Drop智能预测系统，旨在解决传统IR Drop分析方法计算复杂度高以及现有深度学习方法无法有效捕捉功率传输网络(PDN)全局空间特征和单元实例拓扑信息的问题。该框架结合了卷积神经网络(CNN)和图神经网络(GNN)的双重分支，通过CNN分支的长距离和局部细节编码器(LLE)以及分层和相邻补偿组(HACG)模块，实现PDN多尺度全局到局部空间功率特征的有效提取和特征融合补偿；通过GNN分支的单元实例电压感知(CVA)模块，自适应地聚合不同阶次的异构邻居的PDN拓扑特征。实验结果表明，与现有先进方法相比，该框架在预测精度上具有显著优势，预测误差大幅降低。