NVIDIA Omniverse与Modulus如何帮助加快模拟工作流

Ansys 在设计自动化会议上探讨 NVIDIA Omniverse 与 Modulus 如何帮助加快模拟工作流。

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结构，在不增加功耗的情况下提升性能。

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复杂的挑战。为了解并解决这一问题，需要在设计和诊断过程中使用先进的 3D 多物理场可视化技术。

在设计自动化会议（展示芯片和系统最新发展的全球盛会）上，工程模拟和 3D 设计软件开发公司 Ansys 将介绍如何使用 NVIDIA 技术克服这些挑战，构建出新一代半导体系统。

为了让用户能够实现模拟结果的 3D 可视化，Ansys 使用了NVIDIA Omniverse。NVIDIA Omniverse 是一个由应用编程接口（API）、软件开发套件（SDK）和服务组成的平台。借助该平台，开发者能够轻松地将通用场景描述（OpenUSD）和NVIDIA RTX渲染技术集成到现有的软件工具和模拟工作流中。

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、温度变化等现象对芯片进行优化，获得更快的数据速率、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模拟整个芯片的温度。在找到芯片热点后，就可以更好地设计芯片本身以及辅助冷却装置。但这些 3D-IC 模拟工作的计算量很大，限制了用户可以探索的模拟和设计点的数量。

Ansys 研发团队正在将 NVIDIA Modulus 与 Ansys RedHawk-SC 电热数据管线和模型训练框架中处理新任意功率模式的新技术相结合，以便探索如何使用基于 AI 的代理模型加速模拟工作流。Modulus 是一个用于通过简单的 Python 接口构建、训练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提供参数。借助该架构，Ansys 的研究人员创建了一个 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。它能在大幅降低计算成本的同时，提供近乎实时的结果，使 Ansys 用户能够探索更加广阔的芯片设计空间。

Ansys 使用三维 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。

即使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 也能够使用 3D FNO 模型来推理芯片表面温度。

在成功进行概念验证后，Ansys 团队将探索如何使用 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发，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模拟工作流、获得更加广阔的设计空间并且利用自己的数据来完善模型，提高产品开发的创新性和安全性。