基于物理信息神经网络的芯粒封装热场反演方法

本发明公开了一种基于物理信息神经网络的芯粒封装热场反演方法，包括：将芯片封装结构划分为多个子区域，针对每个子区域分别建立独立的多层感知器模型，以学习各自区域的温度场特性；为每个子区域嵌入相应的无量纲化物理损失函数，包括数据驱动损失、控制方程损失和边界条件损失，以确保各区域温度场的物理一致性，并在不同材料交界处引入温度和热流的连续性条件；引入不确定性参数，对不同损失项进行动态加权，以平衡各项物理约束的权重，提升模型的稳定性和收敛速度；利用有限的温度观测数据对分区耦合的物理信息神经网络模型进行训练，并输入芯片结构参数和时空坐标，以获得封装结构整体的温度分布预测结果。