[发明专利]集成电路仿真数据相关性建模方法及装置

说明书

本发明属于集成电路设计自动化领域，具体涉及一种基于相关性聚类和协方差收缩技术的集成电路仿真数据相关性建模方法及装置：本发明中首先获得建模所需的电路仿真数据，然后根据该数据构造一个原始多元正态分布，通过相关性聚类和协方差收缩技术，对该分布进行修正，得到一个以修正后的多元正态分布表示的相关性模型。本发明提高了相关性模型的可靠性和准确性，使得电路仿真数据的相关性模型可适用于任意规模的电路，利用该模型开发的算法在准确度和效率上都得以保证。

技术领域

本发明属集成电路设计自动化领域，具体涉及集成电路仿真数据相关性的建模。具体涉及基于相关性聚类和协方差收缩技术的集成电路仿真数据相关性建模方法及装置。

背景技术

现有技术公开了由于集成电路在制造过程中不可避免地受到工艺条件的影响，各晶体管的物理参数如，掺杂浓度、栅氧化层厚度、表面电荷等会产生随机波动，因此，晶体管的电学特性如，阈值电压、漏电流等和由这些晶体管组成的电路在表现（如延迟、增益等）上也有一定的随机性。随着集成电路工艺技术的发展，半导体工艺的技术节点已进入了纳米级别，这些偏差也变得越来越剧烈而不可忽视。业内认为在集成电路设计和验证的过程中，必须考虑这些偏差。

针对目前器件尺寸小、电路复杂、工艺参数繁多的现状，目前业内在电路设计和验证阶段最常用的工具是蒙特卡洛仿真，即通过电路分析软件生成工艺参数随机变化的若干电路样品，并对每个样品在各种不同的工作条件（如温度、电源电压、电路负载等）下逐一进行电路仿真，以此判断电路在工艺波动时是否满足设计需求。实践显示，蒙特卡洛仿真充分考虑了晶体管工艺参数和电路表现之间的复杂关系，数据可靠性好，且算法复杂度与工艺参数的数量无关，但如果要对各种工作条件下的所有电路表现逐一进行蒙特卡洛仿真，通常会耗费大量的研发时间。

然而，对于某一个电路样品而言，由于工艺参数已经确定，其在不同工作条件下表现值与标准值的偏差通常会表现出一定的相关性。另外，对于大多数模拟电路和数模混合电路而言，不同的电路表现之间也有一定的相关性。这些相关性若能得到合理利用，可以减少实际电路仿真的次数，提升电路设计和验证的效率。

研究显示，在统计上，多元数据的相关性由数据的协方差矩阵表征，数据中两个维度的相关性的强弱由相关系数矩阵中相应项的绝对值确定。对于一组给定的多元数据，其任意两个维度的相关性可以简单地由该多元数据的协方差矩阵的无偏估计或最大似然估计确定；但由于仿真成本的限制，集成电路的仿真数据往往具有维度高、样本少的特点，在该种情况下得到的协方差矩阵的估计值出现不稳定、且误差很大，通常无法直接用于计算机处理。

基于现有技术存在的问题，本申请的发明人拟提供一种准确、普适的仿真数据相关性模型，具体涉及基于相关性聚类和协方差收缩技术的集成电路仿真数据相关性建模方法及装置。

与本发明相关的现有技术有：

[1] A. Y. Ng, M. I. Jordan, and Y. Weiss, “On spectral clustering:Analysis and an algorithm,” Advances in Neural Information Processing Systems, 2:849-856, 2002.

[2] J. Zhang, G. Sudre, X. Li, W. Wang, D. J. Weber, and A. Bagic,“Cluster linear discriminant analysis for MEG-based brain computerinterfaces,” IEEE Trans. Neural Syst. Rehabil. Eng., vol. 19, no. 3, pp. 221–231, 2011.