改进模拟器参数的设备和方法技术

提供了一种用于优化和/或改进半导体器件的模拟器参数的设备。该设备包括：存储器，被配置为存储进化池和输入张量

【技术实现步骤摘要】
改进模拟器参数的设备和方法


[0001]本公开涉及半导体器件的模拟器，尤其涉及用于优化和/或改进模拟器中使用的参数的设备和方法。

技术介绍

[0002]半导体器件正朝着高规格和高性能的方向发展。随着硬件技术的发展，克服硬件技术局限性的软件技术正在发展。半导体器件中的软件架构是复杂的。在半导体器件中负责每个功能的模块和算法中有许多变量。需要用于半导体器件的每个环境中的最优和/或改进的变量(参数)的高维设计空间搜索和验证环境。
[0003]以前，用于电子器件或半导体器件的设计或验证的设计参数或验证向量一直是基于开发者的直觉设置的。然而，即使当基于有经验的开发者的经验和直觉或者在试错方案中调整参数时，调整值是局部值的概率也非常高。此外，因为大多数参数是相互竞争或冲突的，所以可能要花费不切实际的长时间来找到最优和/或改进的参数。此外，在该过程中确定的参数可能导致不期望的和/或未说明的副作用。因此，如果执行模拟的模拟器的精度低，则设计和制造的半导体器件的性能可能由于半导体器件的特性的不准确预测而降低。
[0004]参数优化和/或改进方法主要是基于开源框架设计的，并且正在机器学习和深度学习领域中被积极研究。在这点上，由于系统的复杂性，假设了黑盒预期(black box due)。主要使用诸如网格搜索、随机搜索和贝叶斯优化和/或改进的参数优化和/或改进算法或方法。

技术实现思路

[0005]提供了一种用于优化和/或改进模拟器参数的方法和设备，其提供了针对半导体器件的工艺、设计或验证而优化和/或改进的参数。
[0006]本公开提供了一种用于优化和/或改进模拟器参数的方法和设备，其能够在高维空间中调整优化和/或改进的参数。
[0007]本公开提供了模拟模型的参数，该模拟模型能够使用进化生成神经网络模型来验证半导体器件的解决方案，并且能够自动化半导体器件的最优设计。
[0008]本公开提供了一种基于模拟模型的半导体器件及其解决方案，在该模拟模型中半导体器件的设计是自动化的。
[0009]本公开不限于上述示例。根据本公开的未提及的其他示例和优点可以基于以下描述来理解，并且可以基于根据本公开的示例实施例来更清楚地理解。此外，将容易理解的是，根据本公开的目的和优点可以使用权利要求及其组合中所示的手段来实现。
[0010]本公开的一个示例提供了一种用于改进半导体器件的模拟器参数的设备，该设备包括:存储器，被配置为存储进化池和输入张量
‑
分数对；以及处理器，其被配置为对进化池中的生成器网络进行采样，初始化评价网络来以反向传播方式训练被采样的生成器网络，从训练后的生成器网络生成输入张量，初始化被训练为输出用于半导体设计的模拟器参数
的模拟器以对输入张量执行黑盒操作并输出分数作为黑盒操作的结果，以及将输入张量和输出分数作为输入张量
‑
分数对存储在存储器中，当输出分数大于存储在存储器中的最小分数时，将在黑盒操作中使用的信息存储在进化池中，以及对存储的信息进行排序，以及更新进化池，使得在进化池中仅留下预设数量的信息。
[0011]本公开的另一个示例提供了一种连接到模拟器的模拟器参数改进设备，其中模拟器参数改进设备包括:存储器，被配置为存储输入张量
‑
分数对；以及GEO(生成进化优化器)神经网络模块，其被配置为使用从基于存储的输入张量
‑
分数对训练的评价网络计算的预测分数来初始化生成器网络的反向传播训练，初始化训练后的生成器网络以生成输入张量，对生成的输入张量执行黑盒操作，生成分数作为黑盒操作的结果，将成对的输入张量和生成分数存储在存储器中作为输入张量
‑
分数对，将生成器网络和生成分数之间的映射信息存储在进化池中，重新排列映射信息，以及基于重新排列的信息更新进化池，使得仅留下满足预设条件的信息，以及基于更新的进化池训练生成器网络，以及基于训练结果计算模拟器的参数，模拟器被配置为执行半导体器件的模拟操作。
[0012]本公开的其他示例提供了一种使用模拟器参数改进设备来改进模拟器参数的方法，该方法包括从进化池中随机采样生成器网络，基于从评价网络计算的预测分数反向传播训练被采样的生成器网络，由训练后的生成器网络生成输入张量，由被训练为输出半导体设计的模拟器参数的模拟器对输入张量执行黑盒操作，以及基于黑盒操作的结果计算分数，模拟器被配置为执行半导体器件的模拟操作，当计算出的分数大于预设的最小分数时，将输入张量和计算出的分数彼此映射，将输入张量和计算出的分数作为输入张量
‑
分数对存储在存储器中，基于输入张量
‑
分数对训练评价网络，将输入张量
‑
分数对和生成器网络之间的映射信息存储在进化池中，重新排列存储的映射信息，以及基于重新排列结果更新进化池。
附图说明
[0013]通过参考附图详细描述本公开的示例实施例，本公开的上述和其他方面和特征将变得更加明显，其中:
[0014]图1是用于说明根据本公开的一些实施例的用于优化和/或改进半导体器件的模拟器参数的方法的概念图。
[0015]图2是具体示出根据一些实施例的模拟器参数优化和/或改进设备的图。
[0016]图3是示出根据本公开的一些实施例的用于优化和/或改进半导体器件的模拟器参数的方法的流程图。
[0017]图4是示出根据本公开的一些实施例的用于优化和/或改进半导体器件的模拟器参数的方法的流程图。
[0018]图5是示出根据图4的模拟器参数优化和/或改进设备的模拟性能结果的图。
[0019]图6是示出根据比较示例(Comparative Example)的根据用于优化和/或改进半导体器件的参数的方法的实验结果的图。
[0020]图7是示出根据本公开的一些实施例的根据用于优化和/或改进半导体器件的参数的方法的实验结果的图。
[0021]图8是根据比较示例的根据模拟器参数优化和/或改进方法的Styblinski
‑
Tang测
试函数的优化实验结果与根据本公开的一些实施例的根据模拟器参数优化和/或改进方法的Styblinski
‑
Tang测试函数的优化实验结果之间的比较的图。
[0022]图9是示出根据本公开的一些实施例的用于优化和/或改进半导体器件的模拟器参数的设备的图。
具体实施方式
[0023]不同附图中的相同附图标记表示相同或相似的元件，因此执行相似的功能。此外，为了简化描述，省略了公知步骤和元件的描述和细节。此外，在本公开的以下详细描述中，阐述了许多具体细节，以便提供对本公开的透彻理解。然而，将会理解，本公开可以在没有这些具体细节的情况下实施。在其他情况下，没有详细描述公知的方法、过程、组件和电路，以免不必要地模糊本公开的方面。各种实施例的示例在下面进一步示出和描述。应当理解，这里的描述并不旨在将权利要求限制于所描述的具体实施例。相反，其旨在涵盖可能包含在由所附权利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于改进半导体器件的模拟器参数的设备，所述设备包括:存储器，被配置为存储进化池和输入张量
‑
分数对；和处理器，被配置为对所述进化池中的生成器网络进行采样，初始化评价网络来以反向传播方式训练被采样的生成器网络，从训练后的生成器网络生成输入张量，初始化被训练以输出用于半导体设计的模拟器参数的模拟器，以对所述输入张量执行黑盒操作以及输出分数作为所述黑盒操作的结果，以及将所述输入张量和所述输出分数作为所述输入张量
‑
分数对存储在所述存储器中，当所述输出分数大于存储在所述存储器中的最小分数时，将在所述黑盒操作中使用的信息存储在所述进化池中，以及对存储的信息进行排序，以及更新所述进化池，使得在所述进化池中只留下预设数量的信息。2.根据权利要求1所述的设备，其中所述评价网络包括被训练以模拟所述黑盒操作的输入
‑
输出关系的神经网络模型。3.根据权利要求2所述的设备，其中所述评价网络的训练包括基于存储在所述存储器中的所述输入张量
‑
分数对更新所述评价网络，使得通过对所述输入张量的模拟黑盒操作计算的预测分数更接近所述输出分数。4.根据权利要求1所述的设备，其中，所述评价网络的训练和所述进化池的更新被执行，直到其迭代次数达到预设的最大次数。5.根据权利要求1所述的设备，其中，所述进化池的更新包括基于所述输出分数的等级对存储的信息进行排序，从最大分数开始按降序仅留下预设数量的信息，以及删除所述信息的剩余部分。6.根据权利要求1所述的设备，其中，所述进化池的更新包括按每个设定的周期重新计算和重新排列存储的信息的分数，以及仅留下满足预设条件的信息以及删除所述信息的剩余部分。7.根据权利要求1所述的设备，其中所述进化池的更新包括基于所述信息被存储的时间以最早的顺序对存储的信息进行排序，仅留下具有预设定时之后的存储时间的信息，以及删除所述信息的剩余部分。8.根据权利要求1所述的设备，其中，存储在所述进化池中的信息包括所述生成器网络、所述输入张量、所述输出分数和所述信息的存储时间，以及所述生成器网络、所述输入张量、所述输出分数和所述存储时间被彼此相关联地存储。9.根据权利要求4所述的设备，其中所述处理器被配置为当所述评价网络的训练次数和所述进化池的更新次数中的每一个达到预设的最大迭代次数时，确定基于训练后的评价网络生成的所述生成器网络，其中所述处理器被配置为向所述模拟器输出输入张量数据，以及其中所述输入张量数据基于所确定的生成器网络。
10.一种连接到模拟器的模拟器参数改进设备，所述模拟器参数改进设备包括:存储器，被配置为存储输入张量
‑
分数对；和生成进化优化器(GEO)神经网络模块，被配置为使用从基于存储的输入张量
‑
分数对训练的评价网络计算的预测分数来初始化生成器网络的反向传播训练，初始化训练后的生成器网络以生成输入张量，对所生成的输入张量执行黑盒操作，生成分数作为所述黑盒操作的结果，在所述存储器中存储所述输入张量和所生成的分数...

【专利技术属性】
技术研发人员：朴彰辉，郑椙旭，车文铉，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：