مروری بر روش های هوشمند مدیریت فرسودگی لینک های عمودی در شبکه های روی تراشه سه بعدی

شبکه های روی تراشه سه بعدی (D-NoC) به عنوان یکی از نوآورانه ترین معماری ها در طراحی سیستم های VLSI، با استفاده از اتصال های عمودی از نوع TSV امکان ارتباط میان لایه ای را با کارایی بالا فراهم می سازند. این فناوری با مزایایی چون کاهش تاخیر انتقال داده، مصرف توان کمتر و تراکم بیشتر شناخته می شود. با این حال پیوندهای عمودی TSV در طول زمان تحت تاثیر عوامل مخربی نظیر مهاجرت الکترونی، نوسانات حرارتی و بارهای گذرا دچار فرسایش تدریجی می شوند؛ پدیده ای که منجر به کاهش اطمینان پذیری و افت عملکرد کلی سیستم می گردد. در این مقاله مروری رویکردهای نوین و هوشمند برای مقابله با این چالش بررسی و طبقه بندی شده اند. این رویکردها شامل روش های زمان محور، مبتنی بر بار، پیش بینی کننده، مبتنی بر یادگیری ماشین و تکنیک های بازپیکربندی دینامیک هستند که هر کدام با منطق و مزیت های خاص خود، به کاهش نرخ خرابی TSVها کمک می کنند. همچنین در این مطالعه یک مقایسه تحلیلی میان روش های مطرح بر پایه معیارهایی نظیر دقت تشخیص، میزان سربار محاسباتی، پیچیدگی پیاده سازی سخت افزاری و قابلیت مقیاس پذیری صورت گرفته است. نهایتا با برجسته سازی مزایا و محدودیت های هر دسته چالش های باز و مسیرهای تحقیقاتی آتی برای توسعه سیستم های مقاوم و خودترمیم گر در بستر ۳D-NoC مورد بحث قرار گرفته اند.

Keywords:

شبکه بر روی تراشه , اتصال های عمودی , یادگیری ماشین , فرسودگی