一种基于高斯过程回归模型的成品率估计方法技术

本发明专利技术属于集成电路设计自动化技术领域，具体涉及一种基于高斯过程回归模型的成品率估计方法。本发明专利技术通过高斯过程回归的方法，首先采样一定的初始采样点，并进行仿真，利用已有的蒙特卡洛分析数据对模型进行训练，在新的数据点，首先利用模型对仿真结果预测，利用预测的不确定性来确定是否可以直接利用预测值，或需要重新进行仿真，重新仿真的点积累到一定程度后，重新对模型进行训练，提升模型精度。经实践检测，结果表明，采样本发明专利技术的方式能有效的利用学习的方法降低采样点数目。的利用学习的方法降低采样点数目。的利用学习的方法降低采样点数目。

【技术实现步骤摘要】
一种基于高斯过程回归模型的成品率估计方法


[0001]本专利技术属于集成电路设计自动化
，具体涉及一种基于高斯过程回归模型的成品率估计方法。

技术介绍

[0002]现有技术公开了，随着集成电路特征尺寸缩小到纳米尺度，工艺偏差越来越严重，由工艺偏差导致的成品率下降也越来越严重。研究时间显示，模拟电路对工艺偏差更为敏感，因此对成品率也更为重视；而SRAM等大量重复单元的电路，失效率要求非常低，对单个单元的失效率的要求达到10
‑6量级，业内对这类电路的成品率分析也越来越受到重视。
[0003]对于成品率估计，最为常见也最为精确的方法是蒙特卡洛分析，但实践显示，蒙特卡洛分析通常需要大量的仿真才能达到足够的成品率估计精度，导致计算量过大；而对于SRAM等失效率要求高的电路，采用蒙特卡洛分析，电路仿真次数可能要达到106量级以上才能出现1次失效，仿真代价无法忍受。
[0004]为了提高蒙特卡洛分析的效率，近年来业内提出了一系列的方法。其中，拉丁超立方[1]和准蒙特卡洛方法[2]通过设计实验的方式降低蒙特卡洛采样的次数；利用早本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高斯过程回归模型的成品率估计方法，其特征在于，其包括步骤：步骤1:随机采样初始点，仿真获得初始点性能值；步骤2:基于训练集，构建高斯过程回归模型；步骤3:根据高斯过程回归模型预测新采样点上的性能值。如果预测精度满足要求，不重新仿真；如果性能预测值不满足要求，则重新仿真，并将仿真点加入训练集；步骤4:当新增训练点数超过某个域值时进入步骤2，重新对高斯过程回归模型进行训练；否则进入步骤3，继续预测。2.按权利要求1所述的基于高斯过程回归模型的成品率估计方法，其特征在于，所述的步骤1中，通过蒙特卡洛方法随机采样N个初始点，在该N个采样点上进行仿真，获得对应的电路性能采样，对于多个电路性能，分开进行建模。3.按权利要求1所述的基于高斯过程回归模型的成...

【专利技术属性】
技术研发人员：杨帆，曾璇，
申请(专利权)人：复旦大学，
类型：发明
国别省市：