CN101789048A - 一种快速提取版图关键面积的方法 - Google Patents

Abstract

本发明公开了一种快速提取版图关键面积的方法，包括提取版图信息、建立分块有序多级索引表、随机模拟生产工艺缺陷分析统计影响、利用分块有序多级索引表计算关键面积。本发明运用对集成电路版图的基本图形单元进行先分类后分层遍历版图树提取出所有与缺陷多边形重合的图形的方式在有效时间和空间范围内完成对深度与广度非常大的版图树中所有与缺陷多边形重合的图形的快速提取，计算出版图关键面积，并用于指导在实际集成电路生产中提高成品率。

Description

一种快速提取版图关键面积的方法

技术领域

本发明涉及集成电路计算机辅助设计领域，特别涉及一种快速提取集成电路版图关键面积的方法。

背景技术

集成电路的制造效益完全取决于其生产成品率.尤其在先进工艺下(150nm以下)，如何提高成品率至关重要。

目前，人们对成品率作了大量的研究，基于关键面积的概念提出了许多可用于预测集成电路制造成品率的模型并通过计算机进行模拟。在这些方法中，蒙特卡罗(MONTE CARLO)方法因其效果好速度快被广泛采用，如公开号为CN101183399A、名称为“一种分析和提高半导体生产线的成品率的方法”的中国专利公开了一种分析和提高半导体生产线的成品率的方法，该方法先假设某一尺寸大小的缺陷图形，然后应用适当的分布模拟缺陷落到集成电路版图上，最后统计缺陷造成版图失效的比例，乘上版图面积从而计算出关键面积并建立成品率预测模型。

为了判断模拟的缺陷图形是否造成版图失效，需要遍历版图结构提取与缺陷重叠的单元，然后验证是否造成开路或短路，即图形造成分割或合并，最终统计出失效缺陷比例。由于基于蒙特卡罗的统计方法只有在样本数达到特定数量的情况下才能获得好的效果，因此模拟缺陷数往往很大，需要反复实施上述判断过程，造成严重的性能瓶颈。

再者，传统的版图工具一般采用对版图中的所有单元数据“打散(flatten)”的方式进行版图验证，在深亚微米工艺下，版图中的图形已经达到十亿(1G)的数量级，采用打散方式需要对版图中所有的数据逐个验证，在时间和空间效率上远远不能满足用户的需求，甚至不可能完成。即使采用“层次(hierarchical)”的方式进行版图验证(即对版图中相同单元重复出现多次的数据只检查一次)可以在一定程度上提高时间和空间效率。

如图1所示，为集成电路的典型的版图结构。在计算机领域，集成电路版图数据被表示为树结构，由于集成电路版图差异非常大，所表示的版图数据通常为无序树，无法使用特殊树的成熟算法完成搜索功能。而且，在建立成品率预测模型时，为了验证模拟的缺陷图形是否造成失效，需要遍历版图树提取出所有与缺陷多边形重合的图形，然而，现在随着版图工艺尺寸减小，面积不断增大，版图层次的增多，规模的扩大以及复杂度的增加，造成集成电路基本图形单元数量级成亿计算，因此版图树的深度与广度也非常之大，常规的广度遍历算法或深度遍历算法无法在有效时间和空间范围内完成该步骤。

发明内容

本发明提出一种快速提取版图关键面积的方法，在有效时间和空间范围内完成对深度与广度非常大的版图树中所有与缺陷多边形重合的图形的快速提取，计算出版图关键面积，并用于指导在实际集成电路生产中提高成品率。

本发明方法运用对集成电路版图的基本图形单元进行先分类后分层遍历版图树提取出所有与缺陷多边形重合的图形的方式。

一种快速提取版图关键面积的方法，包括以下步骤：

(1)提取版图数据特征，对基本图形单元按照polygon类和instance类分别处理，其中polygon为多边形，instance为实例，即多边形的聚合体；每个多边形都具有层属性用来表示不同的工艺步骤，实例通常以阵列的形式递归引用多边形形成整个集成电路版图。

(2)若基本图形单元为polygon类：

A、提取polygon类每个基本图形单元的位置和尺寸信息，并将polygon类基本图形单元划分成独立的层区，对于每个层区，建立层区索引表；

B、对polygon类划分的每个层区利用分散度模型确定最佳分块方向，利用均衡模型寻找最适宜分块边界并划分块区，建立多边形区块索引表；

(3)若基本图形单元为instance类：

C、提取各instance的位置和尺寸信息，对各instance根据分散度模型确定分块方向，根据均衡模型寻找最适宜分块边界划分块区并建立instance第一层块区索引表；

D、对第一层各块区内的基本图形单元按照polygon类和instance类进行分类，对polygon类基本图形单元划分成独立的层区，建立各自的层区索引表，并对每个层区划分块区，建立各自的多边形区块索引表；对instance类递归处理，重复上述步骤，直到遍历所有层块区，完成instance各层块区的多级索引表；

(4)将得到的层区索引表、多边形区块索引表、第一层块区索引表、多级索引表综合建立最终的类区索引表；

(5)随机模拟生产工艺缺陷分析统计影响，利用建立的类区索引表提取版图关键面积。

所述的利用分散度模型确定对所分的层区的最佳分块方法为：

polygon类划分的每个图层内的基本图形单元在超过一定数量级时利用快速搜索算法依然达不到满意效率，因此需要进一步对层区进行分块建立次级索引表。

对于不同结构的版图来说，如何分块是建立性能良好的多级索引表并提高速度的关键。分块过程涉及两步，确定最佳分块方向和寻找最适宜块边界。

对于最佳分块方向的确定，本发明通过分散度模型来判断并选出最佳分块方向，分散度模型为：

$f\left(x\right)=\underset{i=1}{\overset{i=n}{\mathrm{\Σ}}}{\mathrm{\α}}_i{\mathrm{\β}}_i{D}_{x\left(i\right)}/W_{x\left(i\right)}$

其中f(x)为分散度因数，x为分块方向，即水平方向或垂直方向。D_x(i)表示第i个多边形位置到参考位置的间隔，参考位置通常取边界多边形，W_x(i)表示第i个多边形在扫描方向上的尺寸，α_i为D_x(i)的权重因数，β_i为W_x(i)的权重因数，n为多边形的个数，取正整数，i∈n。

如图2不同版图的分散度模型对比示意图：图2(A)为适合做垂直方向分块的版图模型，图2(B)为适合做水平方向分块的版图模型，图2(C)为含有特殊多边形结构的版图模型。

从图2(A)、图2(B)的模型可以看出，D_x(i)越大，W_x(i)越小则版图的分散性越好，即f(x)越大则越适合作为分块方向。

上述分散度模型中权重因数α_i、β_i的详细表示为：

α_x(i)＝g₁(D_x(i))，β_x(i)＝g₂(W_x(i))

权重因数表示不同间隔和尺寸对整个模型的影响，由于D_x(i)/W_x(i)仅仅反映了间隔和尺寸的相对比例，而事实上由于按照位置分块，图形间隔对版图分散性的影响更佳值得关注，因此可以根据实际情况取不同的间隔权重及尺寸权重。

举例说明，如图2(C)，由于狭长多边形的存在，若不是用权重因数，则会得出f(x)＞f(y)并确定水平分块方向，而事实上该版图确定垂直分块更加均衡。经过实验，原则上0.9＜β_x(i)＜＝α_x(i)＜1.1，且当D_x(i)/W_x(i)过大时将权重因数值零的策略会得到较好的效果。

对于寻找最适宜块边界，可以采取两种方式，等距分块和均匀分块。如图3所示为等距分块方式与均匀分块方式的分块效果对比示意图。

等距分块，即将所有多边形分割到若干个距离相等的位置区间，使每个区间的距离保持一致，分块效果如图3左边图形所示。该方法操作简单，运行速度快，而且在版图均衡情况下效果好。但该方法的缺点在于版图不均衡情况下，容易使得每个区间所装的多变形数差异过大，在极端情况下反而需要增加比较过程。

均匀分块，即将所有多边形按照位置序列分割到若干个数量相等的位置区间，使每个区间内包含的多边形数保持一致，分块效果如图3右边图形所示。该方法对于任意版图都具有良好的均衡性能，但需要对所有多边形位置进行排序，因此在运行速度上无法达到等距划分块一样满意的效果。

本发明利用方差分析原理建立一种均衡模型用以衡量等距分块，若达不到要求，则进一步使用均匀分块。采用等距方式，动态调整的方法能够确定最优分块边界，兼顾了均衡性和速度。均衡模型为：

$\mathrm{\γ}=\frac{\sqrt{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(M_i-M_{\mathrm{average}})}^2}}{M_{\mathrm{average}}N}$

其中，γ为均衡度，N为块区数，M为多边形总数，N、M取正整数，M_i为第i个块区内的多边形数，M_average为均匀分块所得块区内的多边形数，即M_average＝M/N。在完全均衡情况下，γ等于零，完全不均衡情况下，即有所有多边形均放置于一个块区内，则γ等于γ越小，表明等距划分的均衡性越好，反之则说明均衡性较差。实际运用该模型时，根据实际情况选择合适的值，通常可以选择0.2～0.3的范围作为取舍标准，当大于该范围时表明等距分块的均衡性能不达标，需要使用均匀分块来进一步优化分块过程。

提取版图关键面积时，利用蒙特卡罗方法随机模拟生产工艺缺陷，分析统计影响；

根据缺陷图形的工艺属性锁定已建立的类区及层区；

根据各步骤中寻找的分块边界利用建立的类区索引边搜索锁定块区内的所有与缺陷图形重叠的基本图形单元，判断是否失效；

递归提取所有基本图形单元，获得与缺陷图形重叠的所有版图基本图形单元并验证是否失效，计算得出版图关键面积。

有益效果：本发明通过建立分块有序多级索引表的方法来实现版图关键面积的快速提取，在效率上远远超过打平方法及传统的层次方法。传统的索引方式在动态调整情况下优势将不复存在，而成品率预测过程不会影响版图的数据结构，因此只需建立静态索引不需要动态调整，效率极高。

另一方面，在预测先进工艺下集成电路版图成品率时，利用蒙特卡罗统计方法模拟的缺陷数量级在K以上，因此建立该静态分块有序多级索引表的过程与整个预测过程比较起来几乎可以忽略不计。在亿级版图大小情况下，传统的算法往往需要数星期，无法商业化应用，而本发明算法可以使软件运行时间缩短数百倍，应用到实际产品生产中，可以为国内外的集成电路生产工厂带来良好的经济效益。

附图说明

图1为典型的集成电路层次版图结构示意图；

图2为不同版图的分散度模型对比示意图；

图3为等距分块方式与均匀分块方式的分块效果对比示意图；

图4为本发明方法的流程图；

图5为本发明分块有序多级索引表的建立流程图；

图6为本发明建立的分块有序的多级索引表示意图。

具体实施方式

图4本发明方法的流程图，该方法在具体操作中主要为四个步骤，即提取版图信息、建立分块有序多级索引表、随机模拟生产工艺缺陷分析统计影响、利用分块有序多级索引表计算关键面积；其中的技术关键在于分块有序的多级索引表。

图5所示为本发明分块有序多级索引表的建立流程图。下面结合图5以设计尺寸为0.25um的版图为例具体说明如何建立分块有序的多级索引表。

(1)遍历版图树，提取该版图包含的所有图层，存储图层编号，如POLY，DIFF，ME1，CT分别编号为1，2，3，4等，以节省存储空间。

(2)再次遍历版图树，判断每个基本图形单元是否属于多边形，若属于，则进入polygon类区的分层分支，否则，压入堆栈，记录instance编号，进入instance类区的分块分支。

(3)进入polygon多边形处理分支，提取各图层所属多边形的位置和尺寸信息，如每个多边形的左下角和右上角的坐标，由此计算出水平垂直方向的尺寸D_x(i)，W_x(i)，D_y(i)，W_y(i)，极值边界等，其中以ME1图层为例进行说明，该图层包含8个多边形，提取的相关信息见下表：

表1：图层ME1提取的信息表

ME1	(x1，y1)	(x2，y2)	Dx(i)	Wx(i)	Dy(i)	Wy(i)	Num
								a	(1，1)	(3，8)	0	2	0	7	1

ME1	(x1，y1)	(x2，y2)	Dx(i)	Wx(i)	Dy(i)	Wy(i)	Num
								b	(3，1)	(12，2.3)	2	9	0	1.3	3
c	(2.8，9)	(12，11.2)	1.8	9.2	8	2.2	2
								d	(6.9，2.3)	(12，8)	5.9	5.1	1.3	5.7	4
e	(12.4，9)	(15，11.2)	11.4	2.6	8	2.2	6
								f	(12，1)	(22.7，2.3)	11	10.7	0	1.3	5
g	(15，8.2)	(19.2，14.2)	14	4.2	7.2	6	7
								h	(22.7，1)	(25.7，20)	21.7	3	0	19	8

其中，(x1，y1)为多边形左下角坐标，(x2，y2)为多边形右上角坐标。

(4)根据分散度模型确定分块方向，然后根据均衡模型策略分块。

根据分散度模型，ME1的水平垂直分散度因数分别为f(x)＝17.5，f(y)＝8.7，由于f(x)＞f(y)，因此确定水平分块方向。

根据前述等距分块动态调整的方法，设分块数为4，则水平边界分别为1，6.5，12，17.5，则多边形a，b，c属于块区1，多边形d属于块区2，多边形e，f属于块区3，多边形g，h属于块区4，利用均衡模型：得到

若取标准为0.2～0.3，则可否定等距划分，进一步采取均匀划分，即排序后确定块边界为1，3，12，15，则多边形a，c属于块区1，多边形b，d属于块区2，多边形e，f属于块区3，多边形g，h属于块区4。

(5)根据最终分块，建立多边形区块索引表，其中索引值为图形编号，指向多边形在版图树中的位置编号，如图6中Table 4。

(6)对于每个图层，建立层区索引表，如图6中Table 2。

(7)进入instance处理分支，提取各instance的位置和尺寸信息，根据前述分散度模型确定分块方向，然后根据前述均衡模型策略分块并建立instance第一层块区索引表，如图6中Table 3。

(8)对第一层各块区内的基本图形单元按照polygon类和instance类进行分类，对polygon类基本图形单元划分成独立的层区，建立各自的层区索引表，并对每个层区划分块区，建立各自的多边形区块索引表；对instance类递归处理，重复上述步骤，直到遍历所有层块区，完成instance各层块区的多级索引表；

将得到的层区索引表、多边形区块索引表、第一层块区索引表、多级索引表综合建立最终的类区索引表；

提取版图关键面积时，利用蒙特卡罗方法随机模拟生产工艺缺陷分析统计影响，对于每个缺陷图形，按照位置递归寻找重叠图形编号。

以ME1层工艺缺陷为例，假设其随机坐标为(8，5)，半径为1，首先遍历步骤(8)建立的Table 1，再根据缺陷图形所属图层利用步骤(6)建立的Table 2，按照块区边界利用步骤(5)建立的Table 4搜索重叠图形，即可得多边形d于缺陷重合，记录后进入类区的instance位置，递归搜索。

对于记录的所有重叠多边形，验证是否失效，即造成开路或短路，最后统计出失效比例乘上版图总面积即可得到关键面积。

Claims (5)

1.一种快速提取版图关键面积的方法，包括：

(1)提取版图数据特征，对基本图形单元按照polygon类和instance类进行分类，其中polygon为多边形，instance为多边形的聚合体；

(2)若基本图形单元为polygon类：

A、提取polygon类每个基本图形单元的位置和尺寸信息，并将polygon类基本图形单元划分成独立的层区，对于每个层区，建立层区索引表；

B、依次对polygon类划分的每个层区利用分散度模型确定最佳分块方向，利用均衡模型寻找最适宜分块边界并划分块区，建立多边形区块索引表；

(3)若基本图形单元为instance类：

C、提取各instance的位置和尺寸信息，对各instance根据分散度模型确定分块方向，根据均衡模型寻找最适宜分块边界划分块区，并建立instance第一层块区索引表；

D、对第一层各块区内的基本图形单元按照polygon类和instance类进行分类，对polygon类基本图形单元划分成独立的层区，建立各自的层区索引表，并对每个层区划分块区，建立各自的多边形区块索引表；对instance类递归处理，重复上述步骤，直到遍历所有层块区，完成instance类各层块区的多级索引表；

(4)将得到的层区索引表、多边形区块索引表、第一层块区索引表、多级索引表综合建立最终的类区索引表；

(5)随机模拟生产工艺的缺陷分析统计影响，利用建立的类区索引表提取版图关键面积。

2.根据权利要求1所述的方法，其特征在于：所述的步骤(2)中分散度模型为：

$f\left(x\right)=\underset{i=1}{\overset{i=n}{\mathrm{\Σ}}}{\mathrm{\α}}_i{\mathrm{\β}}_i{D}_{x\left(i\right)}/W_{x\left(i\right)}$

其中，f(x)为分散度因数，x为分块方向，即水平方向或垂直方向，D_x(i)表示第i个多边形位置到参考位置的间隔，参考位置通常取边界多边形，W_x(i)表示第i个多边形在扫描方向上的尺寸，α_i为D_x(i)的权重因数β_i为W_x(i)的权重因数，n为多边形的个数，取正整数；i∈n。

3.根据权利要求1所述的方法，其特征在于：所述的步骤(2)中均衡模型为：

$\mathrm{\γ}=\frac{\sqrt{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(M_i-M_{\mathrm{average}})}^2}}{M_{\mathrm{average}}N}$

其中，γ为均衡度，N为块区数，M为多边形总数，N、M取正整数，M_i为第i个块区内的多边形数，M_average为均匀分块所得块区内的多边形数，即M_average＝M/N。

4.根据权利要求1所述的方法，其特征在于：所述的步骤(2)中的分块方式为运用等距分块方式，并根据均衡模型使用均匀分块方式进行调整。

5.根据权利要求1所述的方法，其特征在于：所述的步骤(5)中分析统计影响，利用建立的类区索引表提取版图关键面积的方法为：

(1)、根据随机模拟生产工艺的缺陷图形的工艺属性锁定已建立的类区及层区；

(2)、根据建立的类区索引搜索锁定块区内的所有与缺陷图形重叠的基本图形单元，判断是否失效；

(3)、递归提取基本图形单元，获得与缺陷图形重叠的所有版图基本图形单元并验证是否失效，计算得出版图关键面积。

Images