欧美在线观看视频网站,亚洲熟妇色自偷自拍另类,啪啪伊人网,中文字幕第13亚洲另类,中文成人久久久久影院免费观看 ,精品人妻人人做人人爽,亚洲a视频

一種AI算法驅(qū)動的布線層參數(shù)化結(jié)構(gòu)2.5-D寄生電容提取方法

文檔序號:40559707發(fā)布日期:2025-01-03 11:19閱讀:9來源:國知局
一種AI算法驅(qū)動的布線層參數(shù)化結(jié)構(gòu)2.5-D寄生電容提取方法

本發(fā)明涉及集成電路eda技術(shù),尤其涉及一種ai算法驅(qū)動的布線層參數(shù)化結(jié)構(gòu)2.5-d寄生電容提取方法。


背景技術(shù):

1、隨著集成電路(integrated?circuit,ic)產(chǎn)業(yè)的高速發(fā)展,晶體管的特征尺寸不斷縮小,使得ic中晶體管數(shù)量與布線層金屬互連線密度不斷上升,這將極大地增加片上的寄生效應(yīng)。同時,由布線層中互連線寄生效應(yīng)帶來的rc延遲將在先進工藝節(jié)點上更為明顯,其中尤以寄生電容為主。高速電路,尤其是高速數(shù)字電路的性能與電路的rc延遲息息相關(guān),因此,高精度的布線層寄生電容提取成為ic后端設(shè)計流程中重要的環(huán)節(jié)之一。

2、傳統(tǒng)2.5-d布線層寄生電容提取流程通過進行垂直方向的截面離散,獲得大量的布線層2-d垂直方向截面圖。對離散后所產(chǎn)生的各個布線層2-d垂直方向截面圖進行采樣窗口離散,使用基于邊界元法(boundary?element?method,bem)或有限元法(finite?elementmethod,fem)的場求解器,對采樣窗口中主導(dǎo)體周圍的空間電磁場進行求解。最終累加所有采樣窗口中同名主導(dǎo)體的寄生電容提取結(jié)果,從而獲取單個布線層2-d垂直方向截面圖中該主導(dǎo)體的總寄生電容值。對采樣窗口中金屬導(dǎo)體間具有類似拓撲關(guān)系的一類截面圖進行分類,該類采樣窗口稱為一種pattern。對某類pattern中的各個導(dǎo)體的寄生電容計算進行公式擬合,構(gòu)建相應(yīng)的pattern庫,從而在下次提取相同pattern中的寄生電容時,直接調(diào)用對應(yīng)公式進行計算,其寄生電容提取流程如圖1所示。

3、然而,面對先進工藝節(jié)點下的超大規(guī)模集成電路(very?large?scaleintegration,vlsi),其片上布線層寄生電容元件數(shù)超過數(shù)十億,這導(dǎo)致芯片版圖設(shè)計在單次迭代時,使用基于場求解器的寄生電容提取流程長達數(shù)天甚至數(shù)月,大大降低了先進制程下芯片迭代的速度。同時,針對不同工藝所產(chǎn)生的大量pattern類型,需要寄生參數(shù)提取(parasitic?extraction,pex)工程師對pattern庫及pattern庫內(nèi)擬合公式進行不斷地調(diào)整,確保后續(xù)調(diào)用pattern庫中擬合公式進行寄生電容提取的精準度,該過程極大增加了pattern庫的構(gòu)建周期、更新頻率與人工成本。

4、近年來也有部分學(xué)者對該方向內(nèi)容進行研究,但由于不同工藝間采樣點文件描述方式不同,對于單個采樣點上的input文件的參數(shù)化結(jié)構(gòu)設(shè)計復(fù)雜度沒有統(tǒng)一的標準,使得基于ai算法驅(qū)動的布線層寄生電容提取依然停留在學(xué)術(shù)研究階段。日本弘前大學(xué)學(xué)者在2019年提出一種基于ann模型的3-d寄生電容提取方法[1],該方法通過對特定的3-d結(jié)構(gòu)進行特征提取作為該3-d結(jié)構(gòu)的結(jié)構(gòu)化參數(shù)特征向量,構(gòu)建ann模型,進行對應(yīng)3-d結(jié)構(gòu)寄生電容的提取。該方法雖然可以直接提取3-d結(jié)構(gòu)的寄生電容,但由于3-d結(jié)構(gòu)的pattern類型種類遠多于2-d結(jié)構(gòu)的pattern類型,因此該方法僅可應(yīng)用于部分特定的3-d結(jié)構(gòu)的寄生電容提取,且所提取出的3-d結(jié)構(gòu)的結(jié)構(gòu)化參數(shù)特征向量在3-d結(jié)構(gòu)pattern類型識別時會產(chǎn)生匹配錯誤的問題。

5、開羅美國大學(xué)學(xué)者與西門子電子設(shè)計自動化工程師于2021-2022年間陸續(xù)提出了3種基于神經(jīng)網(wǎng)絡(luò)的布線層寄生電容提取方法[2]-[4],對不同pattern類型進行建模,構(gòu)建深度神經(jīng)網(wǎng)絡(luò)(deep?neural?network,dnn),從而實現(xiàn)已知pattern類型的寄生電容提取。但三種方法在參數(shù)化結(jié)構(gòu)描述不同pattern類型的input文件時,所生成的參數(shù)化結(jié)構(gòu)特征向量維度較高,導(dǎo)致模型訓(xùn)練負擔(dān)較大,難以實現(xiàn)自動構(gòu)建dnn模型,在針對未知pattern類型時仍然需人工構(gòu)建對應(yīng)pattern類型的dnn模型。

6、[1]kasai?r,kanamoto?t,imai?m,et?al.neural?network-based?3d?icinterconnect?capacitance?extraction[c]//2019?2nd?international?conference?oncommunication?engineering?and?technology(iccet).ieee,2019:168-172.

7、[2]abouelyazid?m?s,hammouda?s,ismail?y.connectivity-based?machinelearning?compact?models?for?interconnect?parasitic?capacitances[c]//2021acm/ieee?3rd?workshop?on?machine?learning?for?cad(mlcad).ieee,2021:1-6.

8、[3]abouelyazid?m?s,hammouda?s,ismail?y.fast?and?accurate?machinelearning?compact?models?for?interconnect?parasitic?capacitances?consideringsystematic?process?variations[j].ieee?access,2022,10:7533-7553.

9、[4]abouelyazid?m?s,hammouda?s,ismail?y.accuracy-based?hybridparasitic?capacitance?extraction?using?rule-based,neural-networks,and?field-solver?methods[j].ieee?transactions?on?computer-aided?design?of?integratedcircuits?and?systems,2022,41(12):5681-5694.


技術(shù)實現(xiàn)思路

1、本發(fā)明目的在于提供一種ai算法驅(qū)動的布線層參數(shù)化結(jié)構(gòu)2.5-d寄生電容提取方法,以解決上述現(xiàn)有技術(shù)存在的問題。

2、本發(fā)明中所述一種ai算法驅(qū)動的布線層參數(shù)化結(jié)構(gòu)2.5-d寄生電容提取方法,針對已知pattern類型的input文件使用ai?model求解;針對未知pattern類型的input文件使用bem場求解器求解,同時自動提取該未知pattern類型的全體參數(shù)化特征,使用主成分分析法自動對全體參數(shù)化特征降維,獲取該未知pattern類型的參數(shù)化結(jié)構(gòu)特征向量,調(diào)用可添加工藝波動的布局模式生成器生成該未知pattern類型的訓(xùn)練數(shù)據(jù),用于訓(xùn)練該未知pattern類型的ann模型,將訓(xùn)練結(jié)果更新到所述ai?model,將該未知pattern類型轉(zhuǎn)化為已知pattern類型。

3、本發(fā)明中所述一種ai算法驅(qū)動的布線層參數(shù)化結(jié)構(gòu)2.5-d寄生電容提取方法,其優(yōu)點在于,可針對2.5-d寄生電容提取過程中各采樣點所產(chǎn)生的input文件進行寄生電容的提取,自動完善ai?model庫,實現(xiàn)未知pattern類型轉(zhuǎn)化為已知pattern類型,從而逐漸加速寄生電容提取的速度。該方法目前已在某28nm工藝制程下對9種pattern類型進行驗證,相較于9種pattern類型均為未知pattern類型,9種pattern類型轉(zhuǎn)化為已知pattern類型后,在較高寄生電容提取精度的前提下(單個采樣點的平均相對誤差≤1%),寄生電容提取速度提升192.9%至598.8%。

當前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1
昌乐县| 霍州市| 玛纳斯县| 读书| 寿阳县| 盐津县| 高雄县| 宣汉县| 深州市| 郯城县| 南乐县| 廊坊市| 耿马| 石河子市| 乐亭县| 农安县| 长宁县| 临江市| 尼勒克县| 辉县市| 福贡县| 延长县| 门源| 玛曲县| 湖口县| 泸定县| 任丘市| 阳高县| 重庆市| 万山特区| 乡宁县| 淄博市| 南陵县| 离岛区| 丰镇市| 安福县| 通城县| 齐齐哈尔市| 同仁县| 郓城县| 宜川县|