基于稀疏字典学习的VLSI温度场重构技术

张天一，李文昌*，肖金玉，刘 剑

(1. 中国科学院半导体研究所 北京 海淀区 100083；2. 中国科学院大学微电子学院 北京 石景山区 100049；3. 华润上华科技有限公司 江苏 无锡 214028；4. 中国科学院大学材料科学与光电技术学院 北京 石景山区 100049)

随着集成电路工艺的发展，晶体管的特征尺寸越来越小，多核处理器等超大规模集成电路(very large scale integration, VLSI)单位面积上集成的器件越来越多，导致芯片功率密度增加，工作温度上升，从而引起严重的热问题。过高的温度会降低芯片的运行性能，减少芯片的使用寿命，严重时甚至导致芯片直接损坏[1-2]。高性能芯片采用动态热管理(dynamic thermal management, DTM)技术处理热问题[3-4]。DTM通过集成在芯片上的温度传感器监测芯片温度场信息，当芯片温度超过阈值时，触发管理机制并采用调整芯片工作负载、降低时钟频率或者启动冷却装置等方式降低芯片温度，可以有效地抑制芯片过热的情况发生[5]。温度场监测精度对DTM准确、高效运行至关重要。温度场监测误差会导致DTM过早或过晚触发。不必要地过早触发DTM会使芯片低性能运行；而延迟触发DTM则可能导致芯片的温度过高，甚至导致芯片失效。因此，精确监测芯片温度场对于保障芯片运行性能和可靠性十分必要。

在实际应用中，受芯片资源限制，只允许少量温度传感器布置在被监测芯片上。因此，如何通过有限数量的温度传感器精确地获得温度场信息成为研究热点[6-7]。文献[8]利用奈奎斯特-香农采样定理，通过频域傅里叶分析技术实现了多核处理器的温度场重构，研究证明温度场在频域表现为稀疏性，所谓稀疏性即大部分数据为零或者接近零，非零数据的个数称为稀疏度。……