一种用于评估稀有失效事件的电路良率分析方法及其系统，其可提高重要性采样蒙特卡罗(ISMC)模拟效率及准确性。所述方法包括：执行初始采样，以检测在多维度参数空间中分别位于一个或多个失效区处的失效样本；产生失效样本沿每一维度在离散值处的分布；识别所述失效样本；执行变换以将所述失效样本投影到变换空间中的所有维度中；以及针对所述参数空间中的每一维度来分类失效区的类型。
【技术实现步骤摘要】
用于评估稀有失效事件的电路良率分析方法及系统
本揭露的一些实施例大体来说涉及集成电路(IC)良率分析以及执行集成电路良率分析的系统，集成电路良率分析包括一种通过减少对影响产品良率的一个或多个稀有失效事件(failureevent)进行识别及分析所需的模拟的次数来提高重要性采样蒙特卡罗(importancesamplingMonteCarlo,ISMC)模拟的效率及准确性的方法。
技术介绍
在集成电路(integratedcircuit，IC)良率分析的领域中，当存在许多工艺变化性来源时(例如，当存在多于100个工艺变化性来源时)，对极稀有失效事件(即，很少发生的失效事件)进行评估已变得越来越具有挑战性。这些情况可被归类为高维度问题，其中维度的数目是指不同电路中的工艺变化性来源的数目。不同的工艺变化性来源可因例如与将被分析良率的电子电路对应的代表性单元中具有数十或数百个晶体管而造成。另外，每一个晶体管可具有多个特性，其中，一个或多个晶体管的一个或多个特性可因工艺变化性而极大地偏离预期形式。作为更具体的实例，静态随机存取存储器(staticrandomaccessmemory，SRAM)的动态性能规范可通过对实际电路设计模拟进行测试而得到评估。为对静态随机存取存储器的动态规范进行评估，可能需要包括对所分析的静态随机存取存储单元与未选择的/虚设的相邻单元的连接进行分析。由于不能在可接受数目的所模拟样本中收敛到稳定的稀有失效率，因此将相邻单元引入到分析中会本质上导致高维度问题，从而使传统的重要性采样(importancesampling，IS)方法将不足以检测并识别极稀有失效事件。失效率在“高西格玛”尾部(“high-sigma”tail)(例如，6σ或高于6σ)的分布处颇为重要，这是因为阵列需要数十亿的寿命循环，且由于即使只有少量单元的失效便可为灾难性的。为确保在基于模拟的评估/生效阶段中捕获极其稀有失效事件，在实际中，可需要多于1e11次标准蒙特卡罗(MonteCarlo，MC)模拟，此可使恒定采样预算紧绷。另外，现有的重要性采样方法一般来说因“维度灾难(thecurseofdimensionality)”而不稳定且不准确，这意味着对于任何类型的采样来说，样本的准确性或覆盖范围(coverage)与待分析的维度/工艺变化性来源的数目成反比。在给定恒定数目的样本条件下，如果样本散布在极高维度的空间中，则覆盖范围的基数(basis)将非常小。另外，已证明代理模型(surrogatedmodel)及其他采样方式在分析大数目的维度时会失效，这是因为它们一般来说不能准确地检测失效区。作为另一实例，对于一些新兴技术(例如，自旋转移力矩磁性随机存取存储器(spin-transfer-torquemagneticrandom-access-memory，STT-MRAM))来说，自由层(freelayer)与被钉扎层(pinnedlayer)之间极小的初始磁化角(例如，近似为零的初始角)会引起内在的装置写入操作失效/写入误差率(write-error-rate，“WER”)。因此，无法直接应用重要性采样(IS)函数的传统最优化方法，这是因为在高西格玛区处无法使用移位的或被重新塑形的高斯采样来捕获稀有失效区。因此，提供用于在较少数目的所模拟样本中识别稀有失效事件的新方法可为有用的。
技术实现思路
本揭露的一些实施例提供用于提高重要性采样蒙特卡罗(ISMC)模拟效率及准确性的方法以及执行所述方法的系统。根据一些实施例，提供一种用于评估稀有失效事件的电路良率分析方法，所述方法包括：执行初始采样，以检测在多维度参数空间(parametricspace)中分别位于一个或多个失效区处的失效样本(failedsample)；产生失效样本沿每一维度在离散值处的分布；识别(identifying)所述失效样本；执行变换以将所述失效样本投影到变换空间(transformspace)中的所有维度中；以及针对所述参数空间中的每一维度来分类(classifying)失效区的类型。所述方法还可包括以迭代(iterative)方式将重要性采样(IS)函数最优化，以通过维度缩减来抑制所述维度中的每一维度的不良影响。进行所述最优化的方法可对应于所述失效区的类型。所述方法还可包括：判断是否因对所述重要性采样函数进行所述最优化而发生向稀有失效率的收敛；以及进一步以迭代方式将所述重要性采样函数最优化，直到发生所述收敛为止。所述方法还可包括执行重要性采样蒙特卡罗(importancesamplingMonteCarlo)以计算所分析电路的失效率。所述变换可包括离散余弦变换(discretecosinetransform，DCT)、离散正弦变换(discretesinetransform，DST)或离散傅里叶变换(discreteFouriertransform，DFT)。所述分类可包括基于变换空间中的所述维度的标记(signature)来确定所述维度中的哪一维度是重要的。所述分类可包括评估与所述失效样本对应的所述变换的第二变换系数(transformcoefficient)及第三变换系数。所述分类可包括判断所述第二变换系数与所述第三变换系数哪一者更大，其中当所述第二变换系数更大时，所述失效区的类型被分类为高西格玛失效类型(high-sigmafailuretype)，且其中当所述第三变换系数更大时，所述失效区的类型被分类为集中失效类型(concentratedfailuretype)。根据一些实施例，提供一种用于评估稀有失效事件的电路良率分析系统，所述系统包括处理器以及存储器，所述存储器上存储有指令(instruction)，所述指令在由所述处理器执行时使所述处理器：执行初始采样，以检测在多维度参数空间中分别位于一个或多个失效区处的失效样本；产生所述失效样本沿每一维度在离散值(discretevalue)处的分布；识别所述失效样本；执行变换以将所述失效样本投影到变换空间中的所有维度中；以及针对所述参数空间中的每一维度来分类所述失效区的类型。所述指令在由所述处理器执行时可进一步使所述处理器以迭代方式将重要性采样(IS)函数最优化，以通过维度缩减来抑制所述维度中的每一维度的不良影响。所述指令在由所述处理器执行时可进一步使所述处理器根据所述失效区的分类类型以迭代方式将所述重要性采样函数最优化。所述指令在由所述处理器执行时可进一步使所述处理器：判断是否因对所述重要性采样函数进行所述最优化而发生向稀有失效率的收敛；以及进一步以迭代方式将所述重要性采样函数最优化，直到发生所述收敛为止。所述指令在由所述处理器执行时可进一步使所述处理器执行重要性采样蒙特卡罗以计算所述电路的失效率。所述变换可包括离散余弦变换(DCT)、离散正弦变换(DST)或离散傅里叶变换(DFT)。所述指令在由所述处理器执行时可进一步使所述处理器通过基于变换空间中的所述维度的标记确定所述维度中的哪一维度是重要的来分类所述失效区的类型。所述指令在由所述处理器执行时可进一步使所述处理器通过评估与所述失效样本对应的所述变换的第二变换系数及第三变换系数来分类所述失效区的类型。所述指令在由所述处理器执行时可进本文档来自技高网...
【技术保护点】
1.一种用于评估稀有失效事件的电路良率分析方法，其特征在于，所述电路良率分析方法包括：执行初始采样，以检测在多维度参数空间中分别位于一个或多个失效区处的失效样本；产生所述失效样本沿每一维度在离散值处的分布；识别所述失效样本；执行变换，以将所述失效样本投影到变换空间中的所有维度中；以及针对所述参数空间中的每一维度来分类所述失效区的类型。
【技术特征摘要】
2017.04.12 US 62/484,850;2017.09.05 US 15/696,1501.一种用于评估稀有失效事件的电路良率分析方法，其特征在于，所述电路良率分析方法包括：执行初始采样，以检测在多维度参数空间中分别位于一个或多个失效区处的失效样本；产生所述失效样本沿每一维度在离散值处的分布；识别所述失效样本；执行变换，以将所述失效样本投影到变换空间中的所有维度中；以及针对所述参数空间中的每一维度来分类所述失效区的类型。2.根据权利要求1所述的电路良率分析方法，其特征在于，还包括以迭代方式将重要性采样函数最优化，以通过维度缩减来抑制所述维度中的每一维度的不良影响。3.根据权利要求2所述的电路良率分析方法，其特征在于，进行所述最优化的方法对应于所述失效区的类型。4.根据权利要求2所述的电路良率分析方法，其特征在于，还包括判断是否因对所述重要性采样函数进行所述最优化而发生向稀有失效率的收敛；以及进一步以迭代方式将所述重要性采样函数最优化，直到发生所述收敛为止。5.根据权利要求4所述的电路良率分析方法，其特征在于，还包括执行重要性采样蒙特卡罗以计算所分析电路的失效率。6.根据权利要求1所述的电路良率分析方法，其特征在于，所述变换包括离散余弦变换、离散正弦变换或离散傅里叶变换。7.根据权利要求1所述的电路良率分析方法，其特征在于，所述分类包括基于所述变换空间中的所述维度的标记来确定所述维度中的哪一维度是重要的。8.根据权利要求1所述的电路良率分析方法，其特征在于，所述分类包括评估与所述失效样本对应的所述变换的第二变换系数及第三变换系数。9.根据权利要求8所述的电路良率分析方法，其特征在于，所述分类包括判断所述第二变换系数是否大于所述第三变换系数，其中当所述第二变换系数大于所述第三变换系数时，所述失效区的类型被分类为高西格玛失效类型，且其中当所述第三变换系数大于所述第二变换系数时，所述失效区的类型被分类为集中失效类型。10.一种用于评估稀有失效事件的电路良率分析系统，其特征在于，所述电路良率分析系统包括：处理器；以及存储器，所述存储器上存储有指令，所述指令在由所述处理器执行时使所述处理器：执行初始采样，以检测在多维度参数空间中分别位于一个或多个失效区处的失效样本；产生所述失效样本沿每一维度在离散值处的分布；识别所述失效样本；执行变换，以将所述失效样本投影到变换空间中的所有维度中；以及...
【专利技术属性】
技术研发人员：许诺，王敬，崔祐晟，江正平，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：韩国,KR
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。