在微电子技术中,三维集成电路是集成电路制造中的一种新工艺。它通过在垂直方向上堆叠晶片,并使用一种叫做硅通孔的技术让不同层的晶片能够实现信号垂直互联,使得堆叠后的晶片表现得就像一块芯片一样。这样制造得到的三维集成电路芯片比起传统的二维集成电路芯片来说,能够在减小功耗以及节省空间方面上得到性能的提升。但是凡事有利就有弊,三维集成电路也是一样。散热以及与之相关的热机械应力问题是阻碍三维集成电路发展和商业化进程的主要障碍。动态热管理技术可以被用来缓解这些问题,从而提高三维集成电路的热可靠性。但是在芯片运行的时候,随着时间一直变化的应力的数据信息是很难被实时获取的,这会导致动态热管理技术的有效性被限制。在这篇文章里,提出了一种在芯片运行时的应力快速预测方法。这种新的方法通过训练离线的温度和应力数据来搭建一个人工神经网络模型,训练完成后的人工神经网络模型可以在运行时为动态热管理方法提供一些重要信息,特别是可以得到每个硅通孔周围最大的热应力值信息。为了提高热应力预测的准确性和速度,本文在人工神经网络模型的建立中特别提出了经过精心设计的输入数据选择方案。此外,对于人工神经网络训练需要用到的离线数据,本文也在有限元软件中搭建并仿真了必要的三维集成电路模型。通过配置不同的人工神经网络模型参数进行实验,其所得的实验数据表明,这种新的方法能够在特征信息提取,特别是应力数据预测工作中,为增强运行时的三维集成电路的可靠性提供一种速度极快,有良好准确性的可用方案。