随着摩尔定律逼近物理极限，3D堆叠集成电路（3D-IC）已成为突破先进制程性能瓶颈、实现高算力芯片异构集成的核心技术路径，而热管理能力则是决定3D-IC能效、可靠性与商用落地周期的核心制约因素。长期以来，行业依赖的传统有限元热模拟方法存在计算成本高、跨设计场景迁移能力弱的痛点，而近年来兴起的AI驱动热场预测技术，始终缺乏覆盖多场景、多精度的标准化训练数据集与评估基准，成为制约相关技术落地的核心障碍。
2026年5月22日，中国科学技术大学联合东方理工学院等研究机构共同研发的Therm-FM datasets热模拟数据集正式首发于arXiv平台，旨在支持三维集成电路热模拟的深度学习研究。据介绍，本次发布的Therm-FM数据集包含公开HotSpot基准测试集与工业级3D-IC封装案例两大核心板块，全面覆盖不同芯片堆叠结构、空间分辨率下的稳态、瞬态热分析任务需求。所有数据均通过高保真有限元仿真与热等效模型生成，同时采用多保真度训练策略构建，融合了低成本近似仿真数据与稀疏高保真样本，既有效降低了数据获取成本，也为热场预测模型提供了多尺度的物理特征支撑。
该数据集的落地，针对性解决了传统热模拟方法计算成本高、跨设计迁移能力弱的核心问题，为基于预训练物理先验的神经网络算子提供了标准化评估基准。从典型应用场景来看，Therm-FM数据集可广泛应用于高性能计算芯片热管理优化、先进封装热设计迭代、车规级芯片高温可靠性验证、数据中心算力芯片功耗调度、多芯片模组热流路径规划等多个领域，相关研发人员可基于数据集快速训练适配不同场景的AI热仿真模型，大幅缩短芯片研发周期、降低研发成本。
作为国内少有的面向半导体先进制造领域的高质量开放科研数据集，Therm-FM的发布也为科研数据要素的开放共享、产业转化提供了典型样本，对于推动半导体设计领域的数字化转型、完善我国数据要素市场在高端制造赛道的供给体系具有重要参考价值。
详情页内容：
_1769672084863.jpg)