[发明专利]一种芯片热布局方法

说明书

本发明提供一种基于粒子群优化与结温结合的芯片热布局方法，包括：确定要布局的芯片数量、芯片的尺寸大小、基板的尺寸大小；将各个芯片作为粒子，基板上的所有芯片构成粒子群，将芯片的结温作为适应度函数，采用粒子群优化算法寻找最优的芯片坐标；根据确定的最优的各芯片坐标将各芯片布局到基板上。本发明利用粒子群优化算法的优势，可以指定任意芯片的结温作为适应度函数，考虑了芯片的实际尺寸防止芯片出界或重叠，使得基板上的所有芯片在合理分布的基础上，使得某一高功率芯片、不耐高温芯片，或有特殊要求的芯片的温度尽量达到最低，从而更加降低整个基板上的热点温度，以及缩小了芯片间的温差，提高了器件的性能和可靠性。

技术领域

本发明属于芯片热布局技术领域，具体是一种芯片热布局方法。

背景技术

传统的热布局有热力导向方法，微元体热平衡法与优化方法结合等多种布局方法。

在《基于粒子群算法的PCB板上电子元件的热布局优化》以及《基于蚁群算法的PCB板电子元件的热布局优化研究》文章中，该两种方法均使用微元体热平衡法来建立温度分布模型，然而，微元体热平衡法需要分别导出各种相应的节点方程，在复杂的温度场和对流情况下，不能够准确的表达各个芯片相对应的稳态温度值，并且，该两种方法只适合一些在基板上工整摆放的简单规则的几何形状，然而在实际的工程应用中，电路板上的电子元件绝大多数不是规整的排列放置，此外，该两种方法也没有对芯片的几何条件进行限制，易产生芯片重叠和出界的问题。

在《Thermal Placement Algorithm Based on Heat Conduction Analogy》文章中，力导算法计算过程复杂，每次迭代都对每两点间的斥力进行了累加计算，即每次迭代的该部分时间复杂度达到O(n²)。若忽略边产生引力的部分计算，且假设迭代至趋于平衡的时间复杂度是O(n)，那么整个算法的时间复杂度为O(n³)，计算时间较长，易出现不收敛的结果，此外，该算法中，每个组件都是简化为质点的热源，忽略组件的尺寸大小这一问题相对比较严重，是不可忽视的问题，因为芯片间可能发生重叠和出界问题，这样一来，所得到的布局结果是不可采纳的，不具有实际布局意义。在《Thermal Placement Algorithm Basedon Heat Conduction Analogy》文章中，同样存在上述的问题。

在《Multiobjective Optimal Placement of Convectively Cooled ElectronicComponents on Printed Wiring Boards》文章中，引入了基于模糊模型的力导方法，来解决MCM上的热布局问题,这种方法相比遗传方法计算更快。然而,在该方法中,功耗越大的芯片往往被放置在基板的边界，导致了芯片的重叠，以及基板的四个角上更加容易产生热点，使得芯片高温失效。

常用的优化算法有遗传算法、模拟退火算法等。在《Thermal Placement Designfor MCM Applications》以及《Integration of simulation and response surfacemethods for thermal design of multichip modules》文章中，使用了遗传算法对PCB上的电子元器件进行了优化布局，然而这种方法需要更多的存储空间，因为它必须记亿种群中所有的个体结构，并且存在编码不规范及编码表示不准确的问题。此外，遗传算法对算法的精度、可行度、计算复杂性等方面，还没有有效的定量分析方法。

在《Object-Oriented Thermal Placement Using an Accurate Heat Model》文章中，运用了模拟退火算法，该算法优化过程过长，需要耗费非常多的时间，并且对某一个具体问题的求解需要更困难的参数调整，而且还不一定能够找到全局的最优解。此外，正如文章所示，该方法没有包含边界设定条件。