DeepOHeat-v1은 3D-IC 설계에서 증가하는 전력 밀도와 복잡한 열 분산 경로로 인해 중요한 열 분석 문제를 해결하기 위한 향상된 물리학 기반 연산자 학습 프레임워크입니다. 본 논문은 다중 스케일 열 패턴 예측, 훈련 효율성, 설계 최적화 중 결과의 신뢰성에 대한 주요 과제를 해결하기 위해 Kolmogorov-Arnold Networks, 분리 가능한 훈련 방법, 신뢰도 점수를 통합한 혁신을 제시합니다. DeepOHeat-v1은 기존 방법에 비해 훈련 속도와 GPU 메모리 사용량을 개선하고, 유한 차분법(FD) 솔버를 사용한 최적화와 유사한 정확도를 달성하며, 전체 최적화 프로세스를 가속화하여 열 발생 구성 요소의 최적 배치를 통해 최고 온도를 효과적으로 최소화합니다.
