【技术实现步骤摘要】
本专利技术属于cmos反相器的电磁可靠特性预测，具体涉及一种基于神经网络的cmos反相器电磁可靠性预测方法。
技术介绍
1、cmos反相器是数字电路的基本单元，业界对于研究cmos反相器在电磁环境下的损伤过程和损伤机理，以及相应的加固方法有愈加凸显的需求。cmos包含pmos和nmos，其在hpm作用下的损伤机理相对基本mosfet单器件更加复杂。业界基于电路模型的仿真方式通常难以获得准确的电磁可靠特性预测，而通过tcad等物理仿真软件通常耗时漫长，而且需要研究人员掌握大量数理知识，半导体知识与复杂的仿真软件操作方法。
2、目前业界对于cmos器件与电路的电磁可靠性研究通常是基于电路级仿真与基于器件数值模拟工具tcad建立模型的混合仿真。现有的cmos反相器的电路模型基于eda或者工艺厂商的器件模型与基于实际工艺或实验的提参方法。而tcad建立器件模型，需要利用软件建立结构模型、设置掺杂、划分网格，根据所需仿真设置物理模型，建立器件模型与电路模型的混合仿真电路，再通过求解器求解物理模型对应的载流子连续性方程、泊松方程、晶格温度方程等微分方程。
3、在电路级仿真中，由eda或者工艺厂商给出的器件数理模型以及其模型参数通常是电路在正常工作条件下实验与测试提取的结果，在hpm辐照等极端条件下，很难通过这种模型获得真实的器件与电路相应。基于tcad或者其他基于物理数值方程的仿真工具，通常涉及到大量的微分(差分)方程求解，对于选择完整的物理模型与较为精细的网格条件下进行单器件电磁仿真，仿真时长通常在数十分钟以上，对
4、现有的cmos反相器的电磁损伤特性及加固手段在业界尚未进行充分研究，而且基于现有的电磁可靠性的仿真研究方法，在效率，准确率等方面都难以满足要求。
技术实现思路
1、为了克服上述现有技术存在的不足，本专利技术的目的在于提供基于神经网络的cmos反相器电磁可靠性预测方法，该方法通过神经网络预测的方式，能够快速实现cmos反相器的电磁可靠特性预测，并且通过工作条件实现对cmos反相器电磁损伤类型的分类。
2、为了实现上述目的，本专利技术采用的技术方案是：
3、基于神经网络的cmos反相器电磁可靠性预测方法，包括以下步骤；
4、步骤1：通过tcad器件建模，完成cmos反相器的物理模型搭建与基本特性的验证；
5、步骤2：研究cmos反相器的电磁损伤机理，分析不同外部或内部变量对于cmos反相器电磁可靠性的影响，揭示cmos反相器在电磁脉冲影响下不同的毁伤类型；筛选影响cmos反相器电磁可靠特性的参数(输入参数)，并确定描述cmos反相器的电磁毁伤量化参数；
6、所述步骤2中，参数分别是hpm峰值电压、hpm频率，hpm上升时间以及cmos反相器偏置电源电压；并且选择电源电流峰值和毁伤时间作为描述cmos反相器的电磁毁伤的量化参数(输出参数)。电源电流峰值和器件的毁伤时间是衡量cmos电磁可靠性的关键参数。电源电流峰值表征了器件能够承受的最大电流，毁伤时间表征了器件能够承受的高功率电磁辐照时间；
7、步骤3：通过控制变量法改变所述参数的输入组合进行仿真实验，获得样本集；
8、步骤4：建立神经网络预测cmos反相器在不同条件之下的毁伤类型，针对不同毁伤类型的情况分别预测步骤2中的两种电磁毁伤量化参数；
9、步骤5：利用所述样本集训练神经网络；
10、步骤6：利用测试集对训练完成的网络进行功能验证和效果评估，基于满足要求的网络预测cmos反相器的电磁可靠性。
11、所述步骤1具体为：
12、基于tcad建立器件数值物理模型，搭建用于进行cmos反相器hpm损伤研究的仿真电路；
13、所述基本特性的验证包括器件物理结构与材料掺杂模型搭建、电磁注入仿真电路搭建与电气特性的功能正确性验证；
14、将建模的cmos反相器器件模型接入hpm损伤研究仿真电路，由hpm损伤研究电路模拟hpm注入源，向cmos模型注入hpm电流。
15、所述器件数值物理模型为cmos反相器，cmos反相器内部设置寄生晶体管q1、寄生晶体管q2、寄生电阻rs和寄生电阻rw；
16、其中寄生晶体管q1的集电极连接在n阱的接触n型重掺杂区，发射极连接在nmos的n重掺杂源区，基极连接在衬底区，寄生晶体管q2的集电极连接在衬底区，发射极连接在pmos的n重掺杂源区，基极连接在n阱；而rs和rw两个寄生电阻分别在p衬底的p重掺杂接触区和衬底之间，和n阱的n重掺杂接触区和n阱之间。
17、衬底区的掺杂类型是均匀硼掺杂，n阱通过扩散生成，在p型衬底和n阱中分别通过离子注入生成nmos源漏区和pmos源漏区。
18、所述cmos反相器电磁损伤研究的仿真电路中，cmos反相器的工作电压为1.5v，栅极输入周期为20ns的方波信号，方波信号的高电平为1.5v，低电平为0v，上升/下降时间为1ns，占空比为50％；
19、hpm的电磁脉冲通过互连线、电力电缆“后门”路径耦合进入集成电路中。
20、cmos反相器正常工作时nmos的源极和衬底接地，将hpm信号接在nmos的源极和地之间，设置cmos反相器内部初始温度为300k，cmos反相器衬底底部带有0.01cm2 k/w的表面热阻。
21、所述步骤2中，通过物理机理分析对影响cmos反相器的电磁可靠特性最重要的影响参数，确定cmos反相器的偏置电压(电源电压)、hpm峰值电压、hpm频率、上升下降时间为cmos反相器的电磁损伤特性最重要的影响因素，并将其设置为输入变量；选择电源电流峰值和毁伤时间作为描述cmos反相器的电磁毁伤的量化参数(输出参数)
22、对于cmos反相器电磁损伤最重要的影响因素，对cmos反相器的电磁可靠性进行加固通过对cmos反相器电磁损伤机理的研究，确定了两种存在的cmos反相器的毁伤类型：直接毁伤和闩锁毁伤。
23、进一步的，根据cmos反相器闩锁毁伤效应的特性，将nmos的源极和漏极调换位置，在紧贴着nmos源极处形成一个p+注入区；采用互连金属线将nmos源极和p+注入区连接；在该结构中，寄生电阻rs不再存在于寄生晶体管q1的基极和发射极之间；当有电流从nmos源极注入时，寄生电阻rs上的压降不再会使得寄生晶体管q1导通，有效地消除了该电阻对闩锁效应的影响；
24、互连金属线连接了nmos源极和p+注入区；当hpm从nmos源极注入时，新增加的p+注入区(衬底接触区)及其附近衬底的电压同样会发生变化；因此，在hpm作用下，加固结构中nmos衬-源pn结的压降相较于常规结构会更低。注入衬底的电子随pn结压降的降低而减少，有效地降低了相同脉冲条件下寄生晶体管q1集电极-发射极之间的电压，抑制闩锁效应的发生。
25、所述步骤3具体为：
<本文档来自技高网...【技术保护点】
1.基于神经网络的CMOS反相器电磁可靠性预测方法，其特征在于，包括以下步骤；
2.根据权利要求1所述的基于神经网络的CMOS反相器电磁可靠性预测方法，其特征在于，所述步骤1具体为：基于TCAD建立器件数值物理模型，搭建用于进行CMOS反相器HPM损伤研究的仿真电路；
3.根据权利要求2所述的基于神经网络的CMOS反相器电磁可靠性预测方法，其特征在于，所述器件数值物理模型为CMOS反相器，CMOS反相器内部设置寄生晶体管Q1、寄生晶体管Q2、寄生电阻RS和寄生电阻RW；
4.根据权利要求3所述的基于神经网络的CMOS反相器电磁可靠性预测方法，其特征在于，所述CMOS反相器电磁损伤研究的仿真电路中，CMOS反相器的工作电压为1.5V，栅极输入周期为20ns的方波信号，方波信号的高电平为1.5V，低电平为0V，上升/下降时间为1ns，占空比为50％；
5.根据权利要求4所述的基于神经网络的CMOS反相器电磁可靠性预测方法，其特征在于，所述步骤2中，确定CMOS反相器的偏置电压、HPM峰值电压、HPM频率、上升下降时间为CMOS反相器的电
6.根据权利要求5所述的基于神经网络的CMOS反相器电磁可靠性预测方法，其特征在于，根据CMOS反相器闩锁毁伤效应的特性，将NMOS的源极和漏极调换位置，在紧贴着NMOS源极处形成一个P+注入区；采用互连金属线将NMOS源极和P+注入区连接；
7.根据权利要求5所述的基于神经网络的CMOS反相器电磁可靠性预测方法，其特征在于，所述步骤3具体为：
8.根据权利要求5所述的基于神经网络的CMOS反相器电磁可靠性预测方法，其特征在于，所述步骤4具体为：
9.根据权利要求8所述的基于神经网络的CMOS反相器电磁可靠性预测方法，其特征在于，CMOS反相器烧毁类型分析的网络模型，该模型由全连接层构成，其中，模型输入为CMOS反相器电源电压以及HPM峰值电压、频率和上升/下降时间，输出根据自然顺序分为三类，分别为正常工作、闩锁烧毁以及直接烧毁；
10.根据权利要求1所述的基于神经网络的CMOS反相器电磁可靠性预测方法，其特征在于，所述步骤5具体为：
...【技术特征摘要】
1.基于神经网络的cmos反相器电磁可靠性预测方法，其特征在于，包括以下步骤；
2.根据权利要求1所述的基于神经网络的cmos反相器电磁可靠性预测方法，其特征在于，所述步骤1具体为：基于tcad建立器件数值物理模型，搭建用于进行cmos反相器hpm损伤研究的仿真电路；
3.根据权利要求2所述的基于神经网络的cmos反相器电磁可靠性预测方法，其特征在于，所述器件数值物理模型为cmos反相器，cmos反相器内部设置寄生晶体管q1、寄生晶体管q2、寄生电阻rs和寄生电阻rw；
4.根据权利要求3所述的基于神经网络的cmos反相器电磁可靠性预测方法，其特征在于，所述cmos反相器电磁损伤研究的仿真电路中，cmos反相器的工作电压为1.5v，栅极输入周期为20ns的方波信号，方波信号的高电平为1.5v，低电平为0v，上升/下降时间为1ns，占空比为50％；
5.根据权利要求4所述的基于神经网络的cmos反相器电磁可靠性预测方法，其特征在于，所述步骤2中，确定cmos反相器的偏置电压、hpm峰值电压、hpm频率、上升下降时间为cmos反相器的电磁损伤特性的影...
【专利技术属性】
技术研发人员：王树龙，陈荟锴，潘锦斌，周浩，黎浏滔，冯旺龙，严杏圆，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
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。