芯粒异构系统的多物理场量预测模型的训练方法以及装置

本申请提供一种芯粒异构系统的多物理场量预测模型的训练方法，应用于芯粒技术领域，包括：基于预先构建的芯粒异构系统的电‑热‑力耦合控制方程以及对应的边界条件，构建芯粒异构系统的多物理场量预测模型以及对应的损失函数，利用损失函数对多物理场量预测模型进行迭代训练，在每次迭代过程中，对多物理场量预测模型的网络参数以及损失函数的权重参数进行调节，直至损失函数达到最小值，完成多物理场量预测模型的训练。本申请中引入深度学习模型并通过预先构建的芯粒异构系统的电‑热‑力耦合控制方程以及对应的边界条件对其进行训练，以实现通过训练好的深度学习模型实现对多物理场耦合的芯粒异构集成系统进行仿真。