[发明专利]考虑性能相关结构不确定的芯片多元参数成品率预测方法

说明书

本发明公开了考虑性能相关结构不确定的芯片多元参数成品率预测方法。具体方法流程如下：首先，设计芯片性能的一般统计模型，描述芯片性能指标间的不确定性和多样性；其次，考虑设计参数扰动的随机不确定性，通过鞍点估计和截断累积量母函数逼近设计芯片单性能成品率预测策略；最后，构造自适应Copula，通过惩罚选择获取芯片多元参数成品率最优预测表达式，对芯片成品率进行精确预测。本发明很好地解决了设计参数扰动分布的随机不确定性影响所造成的芯片性能边缘分布预测问题，对受设计参数扰动随机性影响的芯片性能边缘分布进行准确估算，有效提高了芯片多元参数成品率的预测精度以及芯片多元参数成品率预测的普适性。

技术领域

本发明属于计算机辅助设计领域，涉及一种基于性能相关结构不确定性的芯片多元参数成品率精确预测方法，特别涉及芯片设计参数扰动具有随机不确定性情况下的成品率精确预测。

背景技术

芯片多元参数成品率预测问题在应用实践领域有广泛应用，如：芯片性能设计、芯片投产前评测等。但是，随着半导体器件特征尺寸不断缩小和芯片集成度持续提高，设计参数扰动对芯片性能可控性的影响正在不断加剧，甚至会造成芯片参数成品率呈断崖式下降。而且，由于设计参数扰动通常同时作用于不同的芯片性能指标，这造成了芯片性能指标间相关结构的多样性和不确定性。此时，如果忽略上述性能相关结构不确定性的影响，进行芯片多元参数成品率预测，将会导致成品率预测结果的失真。

截至目前为止，在已知芯片成品率预测的方法中，性能指标间的强相关性影响已引起了众多学者的关注。其中，Tang等人提出了一种基于遗传算法的GenFin框架，通过将多个参数成品率同时作为优化目标，达到不同性能指标参数成品率间的全局均衡优化。然而从根本上来说，该方法的优化目标仍是多个单一性能指标成品率，未能同时考虑多个性能指标的共同作用对芯片多元参数成品率进行准确估算。为解决此问题，Li等人提出了一种新的芯片多元参数成品率预测框架，通过马尔科夫链蒙特卡罗方法及相依参数估计，对不同性能约束同时作用的芯片多元参数成品率进行了估算。但是，该方法仅针对固定分布的设计参数扰动，通过预设相关结构对芯片多元参数成品率进行估算，仍具有一定的局限性。因此，上述成品率预测方法均无法有效的考虑性能指标间相关结构的不确定性和多样性影响，需要设计一种考虑性能相关结构不确定性的芯片多元参数成品率精确预测新方法。

发明内容

本发明提出一种考虑性能相关结构不确定的芯片多元参数成品率预测方法，以解决考虑芯片性能指标相关结构多样性和不确定性的芯片多元参数成品率精确预测问题。

为实现上述目的，本发明采用的技术方案为考虑性能相关结构不确定的芯片多元参数成品率预测方法，具体包括以下步骤：

A.搜集SPICE仿真数据；

B.根据性能组成分量的先验知识设计芯片性能一般统计模型；

C.考虑设计参数扰动的随机不确定性预测芯片单性能成品率；

D.根据性能指标相关结构的不确定性构造自适应Copula；

E.通过惩罚选择对芯片多元参数成品率进行精确预测。

进一步，所述设计芯片性能一般统计模型，包含以下步骤：

B1.将芯片性能表达式构建为各性能组成分量之和的形式：根据性能影响因素的不同，将对芯片性能造成主要影响的部分作为性能组成分量，累加得到性能表达式；

B2.构建性能组成分量表达式：对各组成分量，计算其分布均值，并乘以对应扰动函数得到组成分量表达式；

B3.依据设计参数扰动构建扰动函数：根据参数扰动影响的先验知识，设计包含相应参数扰动的不同扰动基。将扰动函数表示为相应系数与各扰动基相乘后累加的形式。利用搜集的SPICE仿真数据，拟合得到各扰动基对应的系数。

作为优选，上述拟合方法可以是SPSS或非线性回归。