一种具有稀疏特性的芯片单性能成品率预测方法技术

本发明专利技术公开了一种具有稀疏性的芯片单性能成品率预测方法。基于工艺参数扰动，设计具有随机性的芯片性能归一化模型；其次，根据扰动基函数关键度的高低，利用正则化稀疏算法自适应选取关键扰动基函数对性能模型进行稀疏表示；最后，利用贝叶斯理论和马尔科夫链方法对芯片单性能成品率进行准确预测。本发明专利技术考虑了工艺参数扰动的随机性影响，在对芯片成品率进行精确预测同时，可以通过最大限度地剔除影响不显著的扰动基，降低预测方法的复杂度，提高方法的高效性，也很好地解决了设计参数随机性所造成的芯片性能模型的高维性、高仿真成本形象的芯片单性能成品率预测问题，对手设计参数随机新更影响的芯片单性能成品率进行具有稀疏性的准确预测。

A single performance yield prediction method for chips with sparse characteristics

The invention discloses a single chip yield prediction method with sparsity. Based on the process parameter disturbance, the performance normalization model with randomness is designed. Secondly, according to the key degree of the disturbance base function, the performance model is sparse representation by using the regularized sparse algorithm to select the key disturbance base function adaptively. Finally, the Bias theory and Markov chain method are used to make the chip single. The rate of finished product is accurately predicted. The invention takes into account the randomness of the process parameter disturbance, and can accurately predict the yield of the chip, at the same time, to eliminate the disturbance which has no significant influence, reduce the complexity of the prediction method, improve the efficiency of the method, and well solve the chip performance modulus caused by the randomness of the design parameters. The high dimension, high simulation cost image of the chip single performance yield prediction problem, the design parameters of the opponent's design parameters are more impact on the single performance yield of the chip with sparse accuracy prediction.

【技术实现步骤摘要】
一种具有稀疏特性的芯片单性能成品率预测方法
本专利技术属于计算机辅助设计领域，涉及一种基于稀疏表示的芯片单性能成品率准确预测方法，特别涉及考虑工艺参数扰动随机性的成品率精确预测。
技术介绍
准确预测芯片性能成品率，对芯片性能进行有效控制，在应用实践领域有着广泛的应用前景。但是，随着芯片制造工艺的不断发展，器件特征尺寸的缩小和芯片集成度的提高将严重影响IC芯片性能的可控性，并造成芯片成品率的显著下降。特别是目前针对工艺参数扰动随机性的估算更加困难，这也进一步影响了IC芯片的成品率水平。此时，考虑工艺参数扰动，构建准确、高效的参数成品率估算模型，对芯片参数成品率进行有效控制就变得至关重要。截至目前为止，考虑工艺参数扰动随机性的影响，对芯片成品率进行准确、快速、高效的预测已成为计算机辅助设计领域的研究热点。2014年，Xu等人将扰动基函数预设为工艺参数扰动的一阶形式进行漏电功耗成品率估算。同时，Kanj等人还将扰动基函数预设为门限电压的线性函数进行漏电功耗统计建模，并对芯片成品率进行预测。然而，以上方法均通过人为预设固定扰动基函数的方法进行芯片性能建模，而未根据关键度不同自适应选取基函数，使模型具有稀疏性，因此若要保证预测精度将会大大增加算法的复杂度。此外，由于Xu和Kanj等所提出的参数成品率估算方法仅适用于其预设的特定扰动基函数，当扰动基函数为其它形式时，上述方法将不再适用。因此，为避免以上问题，需要设计一种具有稀疏性的芯片单性能成品率精确预测新方法。
技术实现思路
本专利技术针对上述技术问题提出一种具有稀疏性的芯片单性能成品率精确预测方法，以解决考虑工艺参数扰动随机性的情况下，在保证芯片单性能成品率预测精度的同时有效降低预测算法复杂度的问题。为实现上述目的，本专利技术采用的技术方案为一种具有稀疏性的芯片单性能成品率预测方法，具体包括以下步骤：A.利用SPICE进行仿真并提取仿真数据；B.考虑工艺参数扰动构造基于扰动基的芯片性能归一化统计模型；C.根据正则化稀疏方法构造具有稀疏性的芯片性能模型；D.通过马尔科夫链及贝叶斯理论准确预测芯片单性能成品率。进一步，上述构造基于扰动基的芯片性能归一化统计模型，包含以下步骤：B1.基于工艺参数扰动的性能表示：考虑工艺参数扰动影响，计算芯片性能的标称值，并将芯片性能表示为性能标称值与扰动函数积的形式；B2.构建扰动函数表达式：将扰动函数表示成以扰动基与关键度系数乘积之和为变量的函数的形式；B3.构造性能归一化统计模型：通过相应变换进行芯片性能归一化处理，将归一化后的性能构造为相应关键度系数与各扰动基相乘后累加的形式。进一步，上述构造具有稀疏性的芯片性能模型，包含以下步骤：C1.根据仿真数据将芯片性能构造为普通线性模型：提取SPICE仿真的性能采样集合和各工艺参数扰动集合，并根据归一化统计模型对性能采样值进行处理，构造芯片性能的普通线性采样模型；C2.引入罚函数控制芯片性能模型的稀疏度：根据稀疏性控制要求构造惩罚函数，其中为使模型具有稀疏性L1-罚是必须的，其他的罚函数组成部分可根据实际情况动态选取，并将惩罚函数与构造芯片性能的普通线性采样模型组合，构造关键度系数优化选择模型；C3.芯片性能稀疏模型构建：并利用优化算法及优度检验方法对各扰动基函数的关键度系数进行压缩选择及估计，将对芯片性能影响不显著的扰动基函数关键度系数压缩为零，仅保留较关键的扰动基函数，从而使芯片性能模型具有稀疏性。C2步骤中，所述其他的罚函数组成部分可以包含L2-罚、SCAD罚。C3步骤中，所述优化算法可以包含最小角回归、进化算法。C3步骤中，所述优度检验方法可以包含AIC准则、BIC准则。进一步，上述预测芯片单性能成品率，包含以下步骤：D1.构造性能累积分布域样本空间：根据SPICE仿真结果，利用马尔科夫链方法获得符合成品率标称值约束要求的工艺参数扰动样本空间；D2.芯片单性能成品率模型构建：将芯片单性能成品率表示为性能模型线性逼近的分布函数与比例因子乘积的形式，并且根据贝叶斯理论将比例因子进一步表示为满足成品率标称值约束要求的性能分布空间与其线性逼近分布空间的条件概率比值的形式；D3.芯片性能线性逼近分布函数计算：在工艺参数扰动样本空间中，依据联合概率密度函数最大原则选取极大似然点，分别在各工艺参数扰动点上进行一阶泰勒展开，得到芯片性能的线性逼近表达式，随后利用累积量母函数性质计算性能逼近函数的累积量母函数，并利用鞍点估计法计算性能线性逼近的累积分布函数；D4.比例因子计算：利用条件概率马尔科夫链法，模拟求解比例因子，通过模拟计算满足成品率标称值约束的性能空间样本点落入线性逼近分布空间的样本容量、线性逼近空间样本点落入性能空间的样本容量、性能空间的样本容量、以及线性逼近空间的样本容量，然后通过比值计算得到比例因子；D5.芯片单性能成品率准确预测：将最优估计所得的具有稀疏性的关键度系数向量带入步骤D2所得到的模型，并利用步骤D3和步骤D4获得的性能线性逼近分布函数与比例因子进行芯片单性能成品率准确预测。与现有技术相比，本专利技术具有的有益效果：1，本专利技术考虑的是具有稀疏性的芯片单性能成品率精确预测。考虑了工艺参数扰动的随机性影响，在对芯片成品率进行精确预测同时，可以通过最大限度地剔除影响不显著的扰动基，降低预测方法的复杂度，提高方法的高效性。2，本专利技术很好的解决了设计参数随机性所造成的芯片性能模型的高维性、高仿真成本形象的芯片单性能成品率预测问题，对手设计参数随机新更影响的芯片单性能成品率进行具有稀疏性的准确预测。附图说明图1为本专利技术方法中芯片单性能成品率预测流程图。图2为本专利技术方法中芯片性能归一化统计模型构建流程图。图3为本专利技术方法中芯片性能稀疏表示流程图。图4为本专利技术方法中芯片单性能成品率预测流程图。具体实施方式下面结合附图和实施例对本专利技术的技术方案进行详细说明。在芯片计算机辅助设计过程中，需考虑工艺参数扰动随机性的影响，在保证成品率预测精度的前提下有效降低预测算法的复杂度，以提高成品率预测的高效性。本专利技术方法提出了一种具有稀疏性的芯片单性能成品率精确预测方法，其特征在于，如图1所示，包括以下步骤：步骤s101：进行SPICE仿真并提取相应的仿真数据，得到性能仿真向量F＝[l,Δp]N×1，其中，lN×1表示仿真得到的性能指标的采样向量，ΔpN×k表示用于仿真的k个工艺参数扰动的采样向量，N表示SPICE仿真的次数；步骤s102：构造基于扰动基的性能归一化统计模型。考虑工艺参数扰动随机性的影响，计算性能的标称值，确定扰动基函数，并通过归一化变换构造芯片性能的归一化统计模型；步骤s103：芯片性能的稀疏表示。根据提取的仿真结果，构造芯片性能采样结果的普通线性模型。并且引入罚函数控制性能模型的稀疏度，构造惩罚目标函数。进而对模型中关键度系数进行优化估计，并利用优度检验方法选择最优系数对芯片性能进行稀疏表示。步骤s104：芯片单性能成品率预测。根据贝叶斯理论，将芯片单性能成品率表示为性能线性逼近的分布与比例因子之积的形式。并利用鞍点估计法及条件概率马尔科夫链法对性能线性逼近的分布与比例因子进行数值及模拟求解，进而对芯片单性能成品率进行准确预测。构造性能归一化统计模型的流程如图2所示，包含以下步骤：步骤s本文档来自技高网...

【技术保护点】
一种具有稀疏性的芯片单性能成品率预测方法，其特征在于，包括以下步骤：A.利用SPICE进行仿真并提取仿真数据；B.考虑工艺参数扰动构造基于扰动基的芯片性能归一化统计模型；C.根据正则化稀疏方法构造具有稀疏性的芯片性能模型；D.通过马尔科夫链及贝叶斯理论准确预测芯片单性能成品率。

【技术特征摘要】
1.一种具有稀疏性的芯片单性能成品率预测方法，其特征在于，包括以下步骤：A.利用SPICE进行仿真并提取仿真数据；B.考虑工艺参数扰动构造基于扰动基的芯片性能归一化统计模型；C.根据正则化稀疏方法构造具有稀疏性的芯片性能模型；D.通过马尔科夫链及贝叶斯理论准确预测芯片单性能成品率。2.如权利要求1所述的具有稀疏性的芯片单性能成品率预测方法，其特征在于所述构造基于扰动基的芯片性能归一化统计模型，包含以下步骤：B1.基于工艺参数扰动的性能表示：考虑工艺参数扰动影响，计算芯片性能的标称值，并将芯片性能表示为性能标称值与扰动函数积的形式；B2.构建扰动函数表达式：将扰动函数表示成以扰动基与关键度系数乘积之和为变量的函数的形式；B3.构造性能归一化统计模型：通过相应变换进行芯片性能归一化处理，将归一化后的性能构造为相应关键度系数与各扰动基相乘后累加的形式。3.如权利要求1所述的具有稀疏性的芯片单性能成品率预测方法，其特征在于，所述构造具有稀疏性的芯片性能模型，包含以下步骤：C1.根据仿真数据将芯片性能构造为普通线性模型：提取SPICE仿真的性能采样集合和各工艺参数扰动集合，并根据归一化统计模型对性能采样值进行处理，构造芯片性能的普通线性采样模型；C2.引入罚函数控制芯片性能模型的稀疏度：根据稀疏性控制要求构造惩罚函数，其中为使模型具有稀疏性L1-罚是必须的，其他的罚函数组成部分可根据实际情况动态选取，并将惩罚函数与构造芯片性能的普通线性采样模型组合，构造关键度系数优化选择模型；C3.芯片性能稀疏模型构建：并利用优化算法及优度检验方法对各扰动基函数的关键度系数进行压缩选择及估计，将对芯片性能影响不显著的扰动基函数关键度系数压缩为零，仅保留较关键的扰动基函数，从而使芯片性能模型具有稀疏性。4.如权利要求3所述的具有稀疏性的芯片单性能...

【专利技术属性】
技术研发人员：李鑫，张登银，丁飞，殷俊，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32