arXiv 发布 FasterRW 论文：通过先验辅助随机行走，将热分析求解加速 28 倍

一句话结论

FasterRW 利用先验辅助随机行走框架，将热分析计算加速最高 28 倍，显著降低截断残差误差。

关键要点

• 论文提出了一种先验辅助的 Feynman-Kac 随机行走求解器，用于 IC 设计中的热分析计算。
• 通过证明停止时间残差恒等式，使截断偏差与先验误差成正比，而非绝对温度值。
• 在多点位查询场景下，将跨查询的通过尾部转化为伪样本，并利用克里金方法优化结果。
• 与现有最先进方法相比，该算法在保持精度的同时实现了最高 28 倍的加速效果。
• 研究代码已开源，方便开发者获取并复现相关的热仿真计算流程。

背景与事实

热仿真在现代 IC 设计和制造流程中扮演着日益重要的角色。传统的 Feynman-Kac 随机行走方法能够在不解决全局场方程的情况下估计局部温度，但在没有 Dirichlet 边界条件的实际工程场景中，这类方法往往需要极长的路径来控制截断残差，导致计算效率低下。针对这一痛点，该论文提出了一种名为 FasterRW 的延续值框架，旨在加速 Feynman-Kac 热随机行走的计算过程。其核心创新在于证明了一个停止时间残差恒等式，该恒等式表明截断后的期望尾部等于当前衰减权重与停止位置温度的乘积。

基于这一恒等式，研究者开发了一种经过先验校正的单点估计器。该方法使用一个廉价但带有噪声的先验值来替代未知的延续值，使得截断偏差不再取决于绝对温度，而是随着先验误差的变化而变化，从而建立了一种误差控制的阈值选择规则。在处理多点位查询时，FasterRW 进一步引入了空间统计方法，将不同查询之间的通过尾部转化为伪样本，并在先验误差坐标下通过克里金（kriging）技术对生成的观察值进行精炼，有效提升了局部估计的精度。实验数据显示，与之前最先进的热分析随机行走方法相比，FasterRW 在保持同等计算精度的前提下，实现了最高 28 倍的加速，展示了其在大规模芯片热管理计算中的实际应用潜力。

影响分析

对于从事芯片设计自动化和电子散热管理的工程师而言，该算法提供了更高效的热预算评估工具。在传统方法中，为了获得足够精度的局部热分布，往往需要运行数百万条随机行走路径，这在复杂 SoC 芯片的仿真中可能耗时数小时甚至数天。FasterRW 通过引入先验辅助机制，将计算复杂度大幅降低，使得在有限的计算资源下能够进行更频繁的热设计迭代。这意味着在流片前的设计阶段，工程师可以更快速地识别热瓶颈，从而优化电源网络布局和散热结构，直接缩短芯片的上市时间。

从方法论角度看，这项研究展示了概率数值方法与机器学习先验知识结合的巨大潜力。将先验误差作为误差控制的核心指标，而非传统的绝对误差，为其他依赖随机行走的数值模拟领域（如金融期权定价、随机微分方程求解）提供了通用的优化范式。开发者可以通过开源代码库快速集成该算法，并将其应用于现有的 EDA 工具链中，以应对日益复杂的 3D 集成和先进封装带来的热管理挑战，从而提升整个半导体行业的研发效率。

适用边界

该算法的加速效果主要依赖于能够提供合理先验估计的场环境，若先验值严重偏离真实温度分布，可能影响估计器的收敛速度和精度。此外，该方法专门针对没有 Dirichlet 边界条件的复杂几何域进行了优化，对于具有简单 Dirichlet 边界且路径较短的传统热分析场景，其相对于传统有限元方法的优势并不显著。开发者在使用该开源代码时，需根据具体的芯片架构特征和热物理参数调整阈值选择规则，以确保在多点位查询中伪样本转换和克里金精炼环节的稳定性和有效性。

孤本观察

将随机行走的路径截断问题转化为先验误差控制问题，是计算数学在 IC 领域的一次精准应用。它打破了数值模拟与数据驱动方法之间的壁垒，证明了即使在纯物理仿真中引入统计先验也能带来数量级的性能飞跃。

来源：arXiv cs.LG