基于神经网络的芯粒热仿真有限元网格生成方法

本发明涉及一种基于神经网络的芯粒热仿真有限元网格生成方法。该方法包括几何与热特征提取模块、温度分布预测模块以及智能网格优化模块。几何与热特征提取模块通过张量构建，结合多尺度卷积、金字塔池化和可变形卷积，实现对芯片温度分布的精确预测；智能网格优化模块通过热梯度与几何约束的耦合，自适应地优化有限元网格，减少网格单元数量并提升计算效率。首次将深度学习与有限元网格生成相结合，通过神经网络预测热分布来替代传统的迭代网格细化过程，显著提升了网格生成速度，同时保持热仿真精度在0.8％以内。该方法特别适用于复杂的2.5D/3D芯片封装结构，能够有效应对现代集成电路设计中的热管理挑战，为芯片设计提供了快速且精确的热仿真工具。