基于一阶模型的统计参数提取工具准确性的验证

摘要

本文分析了传统基于角的静态时序分析方法在应对65nm和以下节点工艺可变性的缺陷,并说明了统计技术在解决这些问题的优势。然后,简要地阐述了Synopsys基于一阶模型的考虑工艺变化影响的解决方案-Star-RCXT VX和PrimeTime VX,并说明了基于角的方法在验证Star-RCXT VX基于一阶模型参数提取方法时的不足。最后,提出文章的重点--运用基于Raphael NXT的MonteCarlo的方法来优化Star-RCXT VX的一阶模型,并验证了优化的一阶模型在统计意义下准确性。
　　 文章在对电容随金属厚度变化的曲线分析的基础上,提出一个优化一阶模型的简单规则,即对于不同的工艺变化参数,根据电容随该工艺参数变化的总体趋势来选择不同的一阶模型计算方案。在三个工艺参数变化条件下,优化的一阶模型与Star-RCXT VX所采用的一阶模型相比,平均误差下降53％,标准方差下降22％。这一更精确的一阶模型为Star-RCXT VX的进一步加速预留了空间。
　　 文章还从精度和计算复杂度的角度,比较了一阶模型和二阶模型。虽然,二阶模型的精度比一阶模型高一倍左右,但是二阶模型计算复杂度O(N6)比一阶模型计算复杂度O(N)高很多倍。所以,我们认为一阶模型的精度和速度比较适合大规模集成电路的设计,而二阶模型比较适合精度要求更高的设计,如标准单元和模拟电路的设计。
　　 文章中所用的验证方法和优化的一阶模型已得到Synopsys,Inc的认可。

目录

文摘

英文文摘

第一章 引言

1.1 背景

1.2 统计静态时序分析方法的必要性

1.2.1 传统基于角的静态时序分析方法过于悲观

1.2.2 传统基于角的静态时序分析方法覆盖面不全

1.2.3 统计静态时序分析方法的优点

1.3 Synopsys统计解决方案-Star-RCXT VX和PrimeTime VX

1.4 Star-RCXT VX验证的不足

1.4.1 基于角的验证方法具有局限性

1.4.2 一阶模型计算方案是否最优没有验证过

1.5 本文研究目的及内容

1.6 论文构架

第二章 互连工艺变化的分类及其建模

2.1 背景

2.1 系统或晶粒内变化

2.2 随机或晶粒间变化

2.3 随机变化和系统变化的分离

2.4 随机变化的建模

2.5 小结

第三章 统计寄生参数提取一阶模型的建立与验证

3.1 基本思想

3.2 一阶模型敏感度的定义

3.2.1 工艺参数变化系数

3.2.2 电容敏感度定义

3.2.3 电阻敏感度定义

3.3 测试工艺和测试版图

3.4 一阶模型的优化

3.4.1 基于Raphael NXT的Monte Carlo方法

3.4.2 电容拟合曲线的分析

3.4.3 一阶模型的四种计算方案

3.4.4 误差统计方法及其意义

3.4.5 一阶模型的四种计算方案的比较

3.5 优化的一阶模型的验证

3.5.1 一阶模型敏感度的计算公式

3.5.2 一阶模型敏感度最佳计算方案的验证

3.5.3 一阶模型统讣结果的具体分析

3.6 小结

第四章 统计寄生参数提取二阶模型的建立与验证

4.1 基本思想

4.2 二阶模型的计算与验证

4.2.1 采用13个样本点的计算方案

4.2.2 采用100个样本点的计算方案

4.3 小结

第五章 统计寄生参数提取一阶模型与二阶模型的比较

5.1 一阶模型和二阶模型的精度比较

5.2 一阶模型和二阶模型的速度比较

5.3 小结

第六章 总结和展望

参考文献

后记