行芯赛题专项奖设置
行芯赛题专项奖专门用于奖励选择行芯赛题的获奖赛队。行芯企业命题专项奖是初赛奖，参赛赛队可同时参加大其他大赛奖项的评审和获奖。
- 一等奖1队，每队奖金1万元
- 二等奖3队，每队奖金0.5万元
答疑邮箱
Campus@phlexing.com
软件及数据包申请
比赛所用的PhyBolt Thermal软件及赛题case数据包，在报名成功后，由队长向Campus@phlexing.com发送邮件申请获取。申请邮件命名规则：创芯大赛行芯赛题软件及数据包申请-（学校）-（队伍名称）；邮件申请要求参考数据包申请表：
https://cpipc.acge.org.cn/sysFile/downFile.do?fileId=a690e6cc6b3e41beb2049ecf45e71599
赛题文档下载链接
https://cpipc.acge.org.cn/sysFile/downFile.do?fileId=db353784d42444c196bf45b697a87ae7
赛题：集成电路温度仿真与预测算法设计
概述
随着集成电路制造工艺与封装技术的演进，芯片的发热问题逐渐成为系统设计的主要瓶颈之一。目前的量产高性能芯片大都会引入片上热传感器，并基于其反馈的数据进行动态调控避免过热。在产业界对先进制程，先进封装(如3DIC，Chiplet)，以及高算力(如AI)的需求不断增加的大背景下，发热会成为更加严峻的挑战，于是更高效的热管理手段就显得格外重要。
PhyBolt是杭州行芯科技自主研发的一款集成电路功耗-热集成仿真工具。其Thermal组件支持对先进封装芯片进行快速且准确的热仿真。请以PhyBolt Thermal工具的仿真数据为基础，使用任意自选方法(如线性回归，多项式回归，机器学习等)设计一个算法，用于实时预测芯片的温度。
Case说明
封装截面示意图
处理器分布示意图
- 2D FCBGA封装
- die面积 12mm x 8mm
- 芯片内有54个大小一致的处理器模块，每个模块的功耗范围在0.1W – 0.6W范围内随机变化
- 每个处理器模块正中心位置摆放一个热传感器
任务一：使用PhyBolt对给定case进行温度仿真
任务描述：
根据PhyBolt Thermal工具的用户手册以及赛题给出的case数据包，完成如下内容：
1. 运行稳态仿真，得到温度结果，统计所有core的平均温度
2. 运行瞬态仿真(5ms)，得到温度结果，统计所有core从0s到5ms的平均温度变化
3. 自行生成两份功耗分布文件(ptrace)，并进行稳态仿真，要求两次仿真的最大温度结果之间相差超过50C
评分标准：
- 此任务总分55分
- 1,2,3子任务各15分，报告10分
任务二：给定散热边界条件下预测片上温度变化
设计一个算法，用于预测芯片在给定初始温度与功耗条件下，一段时间以后的温度变化
算法输入：
- 初始时刻片上54个sensor的监测温度数据
- 后续时刻片上54个core的功耗值
算法输出：
- 5ms，20ms，100ms后54个sensor点位的温度
基本假设：
- 散热器表面传热系数固定为700 (可以在boundary_map文件中配置)
- 环境温度固定为30℃
- 各个模块的功耗值在初始时刻后保持不变
- 芯片初始温度在30个给定的场景中随机选取
- ./sim_data/init_temp目录下的temp_map.*.dat
评分标准
- 此任务总分30分
- 精度
- Golden数据：使用PhyBolt工具仿真5ms，20ms，100ms后，54个sensor的温度值
- 误差统计采用如下方式计算：
，其中n=54
- 要求模型能够应对任意的初始温度，以及任意的功耗，即评分时将采用部分没有包含在./sim_data 中的数据进行验收
- 性能
- 要求各参赛队对所设计的模型进行算法复杂度的说明，包括涉及到的核心运算形式，参数量等
- 要求单次预测计算的平均时间不超过5ms
任务三：根据过往温度与功耗变化推算散热边界条件变化
热边界条件(boundary condition) 对于芯片的片上温度有显著的影响。PhyBolt采用边界上传热系数(HTC, heat transfer coefficient)等效的方式模拟散热系统。在芯片的实际运行过程中，散热条件可能会发生改变（比如风速变化）。这要求预测算法能够自动识别边界条件的变化，以便根据新的边界条件预测后续温度。
假设芯片在t0时刻发生了一次热边界条件变化(即HTC值的改变)，请设计一个算法，根据t0到t0+2s时间的温度采集数据以及功耗数据，推算变化后的HTC值
算法输入：
- 可自行在芯片内加入不超过5个新的sensor，点位自选，用于监测实时温度
- t0至t0+2s时间段内，片上所有sensor的监测温度数据，默认每0.1s采样一次，可以自行调节采样频率
- t0至t0+2s时间段内，片上 54个core的功耗值。功耗固定每0.1s发生一次随机变化，取值范围为0.1W-0.6W
算法输出：
- 变化后的HTC值
基本假设：
- t0时刻前的HTC值固定为700
- 变化后的HTC范围在200 – 1300之间
- 环境温度固定为30℃
- 芯片在t0时刻的初始温度在30个给定的场景中随机选取
- ./sim_data/init_temp目录下的temp_map.*.dat
评分标准
- 此任务总分15分
- 精度
- 算法输出的HTC值与实际采用的HTC值的差异
- 评分时将在200至1300间随机取值20组，同时取20组随机变化的power值进行仿真，计算算法的平均误差
- 性能
- 要求各参赛队对所设计的模型进行算法复杂度的说明，包括涉及到的核心运算形式，参数量等
- 要求单次预测计算的平均时间不超过20ms
参考文献
1. Inchoon Yeo, Chih Chun Liu, and Eun Jung Kim. 2008. Predictive dynamic thermal management for multicore systems. In Proceedings of the 45th annual Design Automation Conference (DAC '08). Association for Computing Machinery, New York, NY, USA, 734–739. https://doi.org/10.1145/1391469.1391658
2. Kevin Skadron, Mircea R. Stan, Wei Huang, Sivakumar Velusamy, Karthik Sankaranarayanan, and David Tarjan. 2003. Temperature-aware microarchitecture. SIGARCH Comput. Archit. News 31, 2 (May 2003), 2–13. https://doi.org/10.1145/871656.859620