《ATPlace2.5D: Analytical Thermal-Aware Chiplet Placement Framework for Large-Scale 2.5D-IC》是一篇发表于ICCAD 2024的研究论文，旨在解决大规模2.5D集成电路（2.5D-IC）中芯粒（chiplet）布局的热感知优化问题。

🎯 核心创新点

1. 物理驱动的紧凑热模型（Compact Thermal Model）

ATPlace2.5D引入了一个基于物理的紧凑热模型，能够快速估算芯粒位置和旋转对温度分布的影响。该模型通过解析方法计算温度梯度，避免了传统热仿真工具（如HotSpot）在优化过程中的高计算开销。

2. 解析式热感知布局优化算法

该框架采用解析优化方法，将芯粒的位置和旋转角度作为连续变量进行优化，结合热模型和线长模型，实现了在热约束下的高效布局优化。​

3. 多阶段布局流程

ATPlace2.5D的布局流程包括：初始布局生成、热感知优化和合法化三个阶段。初始布局通过混合整数线性规划（MILP）生成，随后进行热感知优化，最后通过合法化步骤确保布局满足物理约束。​

4. Pareto最优解的探索

该框架能够在热约束和线长之间进行权衡，生成位于Pareto前沿的布局方案，提供多种优化目标下的最优解供设计者选择。

🧪 对比实验设计

实验对象

ATPlace2.5D与现有的热感知芯粒布局工具TAP-2.5D进行对比。

实验指标

• 最大温度（Max Temperature）：​评估布局方案的热性能。
• 总线长（Total Wirelength）：​评估布局方案的通信开销。
• 运行时间（Runtime）：​评估算法的效率。

实验结果

在多个大规模2.5D-IC测试案例中，ATPlace2.5D相较于TAP-2.5D表现出以下优势：

• 最大温度降低：平均降低5%。
• 总线长减少：平均减少42%。
• 运行时间缩短：平均加速23倍。

这些结果表明，ATPlace2.5D在热性能、通信开销和计算效率方面均优于现有方法。

🔗 相关资源

• 开源代码与测试用例：https://github.com/Brilight/ATPlace_pub