मल्टीफ़िज़िक्स विषय को जारी रखते हुए, मैंने हाल ही में एमसीएडी और ईसीएडी के बीच निरंतर अभिसरण पर मेलिका रोशनडेल (कैडेंस में उत्पाद प्रबंधन निदेशक) के साथ बात की। आपको पहले यह जानना चाहिए कि मेलिका के पास मैकेनिकल इंजीनियरिंग में पीएचडी है और ब्रॉडकॉम और क्वालकॉम में थर्मल इंजीनियरिंग में व्यापक पृष्ठभूमि है, जो इस विषय के लिए बहुत प्रासंगिक है। मेरे लिए इस चर्चा से एक तात्कालिक रहस्योद्घाटन यह हुआ कि चिप्स और सिस्टम के लिए थर्मल विश्लेषण और अनुकूलन आमतौर पर इलेक्ट्रिकल डिजाइन टीमों के साथ मिलकर काम करने वाले मैकेनिकल इंजीनियरों द्वारा किया जाता है। समझ में आता है, लेकिन विशेषज्ञता और विषयों में अंतर डिज़ाइन के इन तत्वों के बीच महत्वपूर्ण गति बाधाओं का कारण बन सकता है और अक्सर होता है, जिससे निष्पादन और अनुकूलन में अक्षमताएं होती हैं। सेल्सियस स्टूडियो का लक्ष्य इन गति बाधाओं को समतल करना है।
वहाँ एक है भौतिकी में पुराना मजाक. एक डेयरी किसान यह समझने के लिए स्थानीय विश्वविद्यालय से मदद मांगता है कि उसके फार्म में दूध का उत्पादन क्यों गिर गया है। विश्वविद्यालय में अपने फार्म के दौरे, विस्तृत चर्चाओं और काफी अध्ययन की मेजबानी करने के बाद उन्हें सैद्धांतिक भौतिकी विभाग से एक पत्र प्राप्त होता है। उन्होंने उसे बताया कि उन्हें एक समाधान मिल गया है, लेकिन यह केवल शून्य में गोलाकार गायों के लिए काम करता है। मुद्दा यह है कि भौतिकविदों को विश्लेषणात्मक समाधान खोजने के लिए केवल एक घटक को प्राथमिकता देते हुए किसी समस्या को बहुत सरल बनाना चाहिए।
कंप्यूटर-आधारित संख्यात्मक विश्लेषण उस सीमा से ग्रस्त नहीं है, जो भी सटीकता की आवश्यकता होती है, अनुमानित उत्तरों के लिए सटीक उत्तर देता है। यह एक समय में केवल भौतिक प्रभाव पर विचार करने तक ही सीमित नहीं है। जो ठीक ही है क्योंकि चिप और सिस्टम डिज़ाइन में, डिज़ाइन के सभी स्तरों पर कई भौतिक कारक महत्वपूर्ण होते हैं और उन्हें बड़े करीने से अलग नहीं किया जा सकता है।
विद्युत गतिविधि अपरिहार्य रूप से गर्मी उत्पन्न करती है (ऊष्मागतिकी का दूसरा नियम): एक ट्रांजिस्टर में, तर्क का एक ब्लॉक, एक चिप/चिपलेट, एक पैकेज, एक बोर्ड पर और एक रैक में। सक्रिय उपयोग के क्षेत्रों में स्थानीय स्तर पर गर्मी उत्पन्न होती है, जिसे यदि प्रभावी ढंग से नष्ट नहीं किया गया तो गलत व्यवहार या शारीरिक क्षति हो सकती है। हीटिंग को कम करने का एक तरीका पर्याप्त रूप से ठंडा होने तक घड़ी की गति को कम करना है, लेकिन यह कमी भी प्रदर्शन से समझौता करती है। इष्टतम संचालन के लिए, विद्युत गतिविधि (गतिशील और रिसाव) से उत्पन्न गर्मी को निष्क्रिय रूप से (थर्मल प्रसार, विकिरण और संवहन) और/या सक्रिय रूप से (बलपूर्वक वायु या तरल शीतलन) नष्ट किया जाना चाहिए। अनेक प्रकार की भौतिकी का एक साथ विश्लेषण किया जाना चाहिए।
एक अन्य महत्वपूर्ण विचार हीटिंग के तहत संरचनाओं के विकृत होने की प्रवृत्ति है। चिप्स/चिपलेट सामग्री की कई परतों से निर्मित होते हैं, जिनमें से प्रत्येक में अलग-अलग थर्मल विस्तार गुण होते हैं। चिपलेट्स इंटरपोज़र्स और अन्य परतों के ऊपर बैठते हैं, एक मल्टीलेयर पीसीबी के शीर्ष पर बैठे पैकेज के अंदर, और इसी तरह - विभिन्न विस्तार गुणांक के साथ अधिक विभिन्न सामग्री। जब दो (या अधिक) जुड़ी हुई परतें हीटिंग के तहत विस्तारित होती हैं, तो एक दूसरे की तुलना में अधिक विस्तारित होगी। यदि यह अंतर विस्तार काफी बड़ा है तो संरचना विकृत हो जाएगी। इससे परतों के बीच विद्युत कनेक्शन पर तनाव बढ़ जाता है जो टूट सकता है और टूट सकता है। इस प्रकृति की समस्याएं शांत होने के बाद स्वयं ठीक नहीं होती हैं; यदि कनेक्शन टूट जाए तो अपने फ़ोन को ठीक करने का एकमात्र तरीका नया फ़ोन लेना है। अधिक बहुभौतिकी विश्लेषण की आवश्यकता है।
एक और शिकन थर्मल प्रबंधन समस्या को और भी जटिल बना देती है। इस सभी विश्लेषण को बहुत व्यापक पैमाने पर काम करना चाहिए, आईसी डिज़ाइन में दसियों माइक्रोन से लेकर एक बोर्ड पर दस सेंटीमीटर तक, एक रैक में मीटर रेंज तक। गर्मी सभी स्तरों पर उत्पन्न की जा सकती है और शीतलन सभी स्तरों पर प्रभावी होना चाहिए। बहुभौतिकी विश्लेषण को भी बहु-स्तर पर निष्पादित किया जाना चाहिए।
सेल्सियस स्टूडियो डिजिटल सर्किट के लिए इनोवस, कस्टम/एनालॉग सर्किट के लिए वर्चुओसो, 3डी-आईसी के लिए इंटीग्रिटी, माइक्रोवेव आईसी के लिए एडब्ल्यूआर और बोर्ड डिजाइन के लिए एलेग्रो से थर्मल विश्लेषण और कार्यान्वयन अंतर्दृष्टि को एक साथ एकीकृत करता है। ये अंतर्दृष्टि गर्मी कम करने की रणनीतियों, प्लेसमेंट अनुकूलन, और थर्मल थ्रू और तापमान सेंसर प्लेसमेंट के साथ-साथ समग्र थर्मल और तनाव विश्लेषण का मार्गदर्शन करती हैं।
थर्मल और तनाव मॉडलिंग को परिमित तत्व विश्लेषण (एफईए) के माध्यम से पूरा किया जाता है, जिसमें विस्तृत पैमाने की सीमा में बारीक-बारीक संरचनाओं से लेकर मोटे-दाने वाली संरचनाओं तक आवश्यक सटीकता का समर्थन करने के लिए डिज़ाइन किए गए जाल होते हैं। संवहन और/या सक्रिय शीतलन (पंखे, आदि) के माध्यम से गर्मी अपव्यय को कैडेंस सेल्सियस ईसी सॉल्वर में मॉडल किया गया है।
जाहिर है, इस विश्लेषण के लिए MCAD मॉडल की आवश्यकता होती है जिसे टूल में बनाया जा सकता है या कई लोकप्रिय MCAD प्रारूपों से आयात किया जा सकता है। सुनने में आसान लगता है लेकिन ऐतिहासिक रूप से, मेलिका के अनुसार, एमसीएडी और ईसीएडी को निर्बाध रूप से जोड़ने में कठिनाइयों ने उन गति बाधाओं में महत्वपूर्ण योगदान दिया है। सेल्सियस स्टूडियो में, कैडेंस इन-हाउस एमसीएडी और ईसीएडी विशेषज्ञों ने विश्लेषण प्रवाह पर आयात प्रयास को दिनों से घटाकर नगण्य कर दिया है। इसलिए बोर्डों और इन-रैक पर थर्मल, तनाव और शीतलन विश्लेषण के लिए एक सुव्यवस्थित मार्ग प्रदान करना।
वह सुव्यवस्थित मार्ग इन-डिज़ाइन विश्लेषण (आईडीए) को और अधिक यथार्थवादी प्रस्ताव बनाता है। इंजीनियरिंग और थर्मल इंजीनियरिंग के बीच पिछले ओवर-द-वॉल आदान-प्रदान ने स्पष्ट रूप से सह-डिज़ाइन/अनुकूलन के लिए सीमित अवसर दिए, थर्मल टीमों को मार्गदर्शन करने के लिए सर्वोत्तम अनुमान लगाने की प्रवृत्ति के बाद इलेक्ट्रॉनिक्स टीमों से अंतिम विश्लेषण के खिलाफ संरेखित करने के लिए अंत में हाथापाई हुई। अब मैकेनिकल मॉडल अपडेट आयात करने के लिए तेज़ टर्न-टाइम के साथ, डिज़ाइन के माध्यम से सह-अनुकूलन संभव हो गया है, जिससे देर से होने वाली परेशानियों और शेड्यूल/बीओएम परिवर्तनों का जोखिम कम हो जाता है।
तेज़ टर्न-टाइम भी एआई-सक्षम विश्लेषण की अनुमति देता है। मैं यहां अपनी कुछ अटकलों के साथ कुछ हद तक आगे बढ़ने जा रहा हूं। कई मापदंडों के साथ एक जटिल डिज़ाइन का विश्लेषण/अनुकूलन करने के लिए आप उन मापदंडों को सभी संभावित सेटिंग्स और संयोजनों पर स्वीप कर सकते हैं। हालाँकि जैसे-जैसे अधिक पैरामीटर जोड़े जाते हैं, स्वीपिंग की जटिलता तेजी से बढ़ती जाती है। प्रयोगों के डिज़ाइन में एक अवधारणा है जिसे कवरिंग एरेज़ कहा जाता है हमने एक इनोवेशन ब्लॉग में इसके बारे में लिखा है, संयोजनों की संख्या को बड़े पैमाने पर कम करने के लिए आपको केवल कवरेज को मामूली रूप से कम करते हुए विचार करना चाहिए। केवल एक ही समस्या है - चुनने के लिए सही विकल्पों का पता लगाने के लिए बहुत अधिक मानवीय प्रतिभा की आवश्यकता होती है। मशीन लर्निंग कई अन्य मापदंडों के पार वहां पहुंचने का एक और तरीका हो सकता है।
मुझे नहीं पता कि यह ऑप्टिमैलिटी या इस प्रकृति के अन्य उपकरणों के पीछे की विधि है, लेकिन मुझे लगता है कि कुछ संबंधित तकनीक एक भूमिका निभा सकती है। विशेष रूप से चूंकि इस विधि को किसी भी समस्या, यांत्रिक या इलेक्ट्रॉनिक पर लागू किया जा सकता है, अन्यथा अव्यवहारिक स्वीप रेंज से एक छोटे और प्रबंधनीय उपसमूह का चयन करने के लिए, विश्लेषण में लगभग-इष्टतम कवरेज प्राप्त करने के लिए 😀
आप सेल्सियस स्टूडियो के बारे में अधिक पढ़ सकते हैं यहाँ.
इस पोस्ट को इसके माध्यम से साझा करें:
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
- प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
- प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
- स्रोत: https://semiwiki.com/artificial-intelligence/341997-cadence-debuts-celsius-studio-for-in-design-thermal-optimization/
