Npj Comput. Mater.：芯片总发烫 : 摩尔时代要滚蛋

摘要：在 7 nm、5 nm 乃至 3 nm 的晶体管森林里，声子的平均自由程动辄与器件尺寸同阶；热量不再像水一样“渗”过去，而是沿着特定的方向直直的“冲”过去——傅里叶定律说好的局部热平衡就此崩塌。想要看清声子们走哪条“高速路”，声子玻尔兹曼输运方程（BTE）是

海归学者发起的公益学术平台

分享信息，整合资源

交流学术，偶尔风月

在 7 nm、5 nm 乃至 3 nm 的晶体管森林里，声子的平均自由程动辄与器件尺寸同阶；热量不再像水一样“渗”过去，而是沿着特定的方向直直的“冲”过去——傅里叶定律说好的局部热平衡就此崩塌。想要看清声子们走哪条“高速路”，声子玻尔兹曼输运方程（BTE）是目前最靠谱的“高德地图”。

Fig. 1 | Results of 1D cross-plane phonon transport.

可惜，这张地图太大：空间 × 频率 × 方向，多维卷在一起就是亿级未知数；传统 CPU 上求解，单次迭代也得排队好几个小时。更别提我们还想问：如果薄膜再薄一点温度能降几度？如果热源换位置能不能让芯片凉快一点？——这些问题都需要做“反向推理”，而传统的BTE数值求解器并不能提供梯度信息，难住了优化算法。

Fig. 2 | Results of 3D FinFET simulations with diffusive reflecting boundary conditions of all faces except the bottom surface, which is set at 300 K as an isothermal boundary condition.

美国圣母大学尚文杰、周嘉航等同学不服，他们在导师罗腾飞、康奈尔王建勋教授的指导下下，开发出了JAX‑BTE，一口气解决了以下三个痛点。

Python 接口 + JIT 编译：用户只需十几行 Python 即可设定材料、网格与边界条件；JAX 的 just-in-time 编译把脚本自动转成高度优化的 GPU 内核，解决了 Python “慢”的顾虑。

FVM → GNN 的算法重构：团队首次把有限体积法 (FVM) 的计算流抽象为图神经网络 (Graph Neural Network)的信息传递（message passing）过程：把每个网格单元视作图节点，守恒方程算出来的结果则化为消息；再利用 JAX 的向量化广播在 GPU 上同时推送到所有节点，实现亿级自由度的并行更新。

可微分 + 端到端反演：JAX 原生自动微分让温度场对“薄膜厚度”“热源强度”等设计参数可直接求梯度，通过手中的数据，可以直接反向求解找到适用于当前数据的最优参数，首度实现高效反演。