본 논문은 집적 회로의 조기 설계 단계에서 열 분석의 어려움을 해결하기 위해 'ThermAl'이라는 물리 기반 생성적 AI 프레임워크를 제안한다. ThermAl은 활동 프로필로부터 열원 식별 및 전체 칩의 과도 및 정상 상태 열 분포를 직접 추정한다. 하이브리드 U-Net 아키텍처, 위치 인코딩 및 Boltzmann 정규화기를 사용하여 물리적 정확성을 유지하며, COMSOL을 통해 생성된 다양한 열 발산 맵 데이터 세트로 학습되었다. 실험 결과는 ThermAl이 0.71°C의 평균 제곱근 오차(RMSE)로 정확한 온도 매핑을 제공하고, 기존 FEM 도구보다 최대 200배 빠르게 실행됨을 보여준다.
