谢丫丫

用于存储器设计的高西格玛

0
阅读(70) 评论(0)

WiCkeD中高西格玛分析和优化 - 亮点

  • 快速,高效,经济高效

  • 稳健和标准的产量估算

  • 高西格玛产量和稳健性估计

  • 基于抽样和确定性的产量分析方法

  • 节省不必要的芯片运行


电路应用实例


  • 存储器(SRAM,DRAM,CRAM,闪存,嵌入式,FPGA等) - 读出放大器,位单元,存储器接口

  • 标准单元,触发器,多位寄存器,查找表

  • 比较器,ADC,收发器,带隙,电荷泵

  • PLL,VCO,振荡器,滤波器,OpAmp,SerDes

  • ... 还有很多


高sigma电路和设计面临的挑战


与其他电路相比,高产电路(如需要高西格玛稳健性的SRAM或CRAM)的良率估算,优化和验证非常具有挑战性: 

  • 这种电池通常在一个芯片上出现数千甚至数百万

  • 如果没有实现冗余,任何单个单元的故障都可能导致整个系统或芯片的故障


对于这些电池,设计具有极低故障概率的电池至关重要。 

通常,产量估算方法必须能够预测在分布尾部的产量高于0.9999 - >(高斯分布>6σ),特别是如果某些电路性能(例如写入时间ICfans)显示具有长尾的非高斯分布。 

WiCkeD中的高西格玛估计 - 蒙特卡罗分析


MunEDA WiCkeD包括几种蒙特卡罗方法,如: 

  • 直接蒙特卡洛(DMC)

  • 准蒙特卡罗(QMC)

  • 重要采样(IS)


蒙特卡洛被认为是既定且非常稳健的产量估算方法,但是所有蒙特卡罗方法都是有限的,无法有效处理超高西格玛(>6σ)稳健性分析,甚至无法处理电路优化任务。同样如下图所示,对计数方法DMC具有95%置信度的产量Y> Ymin的验证是由于所需的大量模拟数量不可行或不现实。 

WiCkeD中的高西格玛估计 - 最坏情况分析


WiCkeD中的最坏情况分析方法基于最坏情况点(WCP)和所谓的最坏情况距离(WCD)的计算。这是最接近平均值的规格边界上的点。在WiCkeD中,同时为每个参数计算WCP / WCD以验证一致的设计。

WiCkeD最坏情况分析(WCA): 

  • 查找最有可能违反spec - > Yield的过程参数值的组合

  • WCA是高效的,可以处理长尾的非高斯规格

  • 努力仅随工艺参数的数量线性增长

  • 可以轻松处理> 6 sigma和更高的稳健性措施

  • 与蒙特卡罗方法相比,需要的样本少得多

  • WCA / WCD结果可以有效地用于稳健性和产量优化



WiCkeD中的高σ估计 - 灵敏度分析


使用WiCkeD BAS灵敏度分析设计人员可以使用各种工业SPICE / FastSPICE仿真器对各种分析(DC,AC,Tran,RF ......)进行灵敏度计算(例如几何结构,工艺,工作条件,不匹配)和扫描。扫描包括约束违规标记,以验证不会违反设计。 

WiCkeD中的高σ估计 - 失配分析


WiCkeD确定性失配分析MMA识别和分析所选电路性能上的失配相关晶体管对。将基于设备对几何形状的依赖性来分析这些局部变化的方差。 


MunEDA WiCkeD - 技术支持


  • WiCkeD集成并支持主要设计框架和模拟器以及独立或定制环境

  • MunEDA WiCkeD支持许多不同技术节点中的许多不同的代工技术和PDK