CN109918723B - 一种基于粒子入射随机性的单粒子故障注入方法 - Google Patents

Abstract

本发明提出了一种基于粒子入射随机性的单粒子故障注入方法，解决了传统电路级单粒子效应仿真中故障注入模型无法模拟粒子入射的随机性导致仿真精度差的问题。该方法通过最劣情况下单粒子瞬态效应的实际脉冲电流特性曲线修正器件单粒子瞬态电流源模型，并基于中心极限定理实现具有高斯分布单粒子脉冲故障注入模型，还根据被测电路的版图信息以及器件单粒子效应敏感区域信息计算有效入射概率，进而得出符合实际的有效入射粒子数量，从而模拟粒子入射的随机性，提高了仿真精度。

Description

一种基于粒子入射随机性的单粒子故障注入方法

技术领域

本发明属于空间辐射效应领域，涉及一种基于粒子入射随机性的故障注入方法。

背景技术

随着航空航天事业的进一步发展，无论是国防现代化还是国民经济建设都迫切需要同时具有高可靠性和高性能的电子元器件。单粒子效应(SEE)是指宇宙中单个高能粒子射入半导体器件灵敏区使器件逻辑状态发生翻转的一种现象。它将导致系统功能紊乱，严重时会发生灾难性事故。随着工艺技术的提高、晶体管尺寸的减小，单粒子效应成为影响与单粒子效应相关的可靠性问题的重要因素，也成为总的软错误率的主导因素之一。

针对空间环境中使用的半导体器件和电路，必须经过抗辐射加固才能保证正常工作。国内能进行单粒子效应的实验场所非常有限，且成本高昂。单粒子瞬态效应的仿真分析相对于实验十分低廉，同时单粒子瞬态效应仿真的速度较快。在单粒子实验中，粒子注入的具体位置是无法确定，无法定位是那些粒子导致了电路出现错误。相比之下，仿真分析能够准确定位是哪些注入的故障导致电路出现错误。此外，仿真分析可以针对某一个节点或者说某一个信号进行故障注入，从而分析这个信号的单粒子瞬态的敏感性。但在传统的单粒子仿真中，粒子注入位置、入射角度等因素均为定值，使得传统的单粒子故障注入模型难以模拟实际单粒子对电路造成的影响，最终导致电路级单粒子效应仿真具有一定的局限性。

发明内容

本发明的目的是解决传统电路级单粒子效应仿真中故障注入模型无法模拟粒子入射的随机性导致仿真精度差的问题，提出了一种基于粒子入射随机性的单粒子故障注入方法。

本发明的方案如下：

步骤一：采用双指数模型作为基础模型对被测电路单粒子效应进行建模，记为单粒子瞬态效应双指数模型；设定最劣情况的粒子入射角度和入射位置，进行单粒子瞬态效应实验，根据实验数据得出器件单粒子瞬态效应的实际脉冲电流特性曲线，修正单粒子瞬态效应双指数模型中的各个参数，获得该最劣情况下的器件单粒子瞬态电流源模型；

步骤二：根据步骤一中所述实验数据，获得单粒子实际LET分布，通过计算获得LET高斯分布的参数，最终得到基于实验统计结果的LET分布函数；

步骤三：将步骤二得到的LET分布函数代入步骤一建立的器件单粒子瞬态电流源模型，获得基于粒子入射随机性的单粒子故障模型，并采用VerilogA语言实现该故障模型；

步骤四：根据被测电路的电路网表获得电路节点列表，并根据入射粒子数量随机选择故障模型注入节点进行故障注入。

其中，步骤一中所述单粒子瞬态效应双指数模型，公式为：

I_SET＝I₀(e^-αt-e^-βt) (1)

式中：I₀是单粒子瞬态电流的幅值，1/α为电荷收集的时间常数，1/β为建立粒子轨迹的时间常数，e为自然常数；

式中：LET为线性能量转移值，q为电子的电量，μ_n为电子迁移率，N_A为衬底掺杂浓度，Xp为空间电荷区在衬底一侧的宽度，ε为介电系数。

进一步可基于TCAD软件，获得最劣情况下单粒子瞬态效应的实际脉冲电流特性曲线，通过曲线数值拟合获得参数α和β，完成单粒子瞬态效应双指数模型的修正。

步骤二可按照以下具体步骤进行：

步骤1：利用中心极限定理通过均匀分布获得高斯分布，公式为：

式中，n为正整数，n一般大于30，rand()为0到1之间均匀分布的随机函数，rand(1,n)为生成1行n列的随机数；E为高斯分布的期望，δ²为高斯分布的方差；

步骤2：根据粒子效应实验数据，获得单粒子LET实际分布曲线，通过曲线数值拟合获得单粒子LET高斯分布的期望E_LET和方差

最终得到基于实验统计结果的LET分布函数，公式为：

步骤三可按照以下具体步骤进行：

步骤1：基于公式(1)、(2)、(5)，获得基于粒子入射随机性的单粒子故障模型，公式为：

步骤2：基于公式(6)，采用VerilogA语言实现该故障模型。

步骤四可按照以下具体步骤进行：

步骤1：基于集成电路电路网表的命名规则，采用Perl语言实现自动获取目标电路的节点列表；

步骤2：基于粒子有效入射概率，计算获得实际有效注入的粒子数量，公式为：

N_vaild＝N_inject×P_inject (7)

公式中，N_vaild为实际有效注入的粒子数量，N_inject为注入到目标电路上的粒子的数量，P_inject为粒子有效入射概率；

步骤3：采用Perl语言中的随机函数，从被测电路的节点列表中随机选取N_vaild个节点作为注入节点；

步骤4：采用Perl语言实现在目标电路的电路网表中被选取的节点处插入基于粒子入射随机性的单粒子故障模型。

上述粒子有效入射概率建议根据被测电路的版图信息以及器件单粒子效应敏感区域信息来确定。

进一步的，所述粒子有效入射概率的确定方法，具体包括：

步骤1：根据被测电路中包括的逻辑门的型号以及对应工艺的标准单元库，获得各逻辑门的单粒子敏感区域的面积；

步骤2：根据目标电路的电路网表，获得该目标电路中各逻辑门的数量；

步骤3：计算获得粒子有效入射概率，公式为：

式中：N_gate为逻辑门的数量，S_sensitive为逻辑门敏感区域的面积，S_all为目标电路的版图面积。

本发明具有以下有益效果：

本发明通过最劣情况下单粒子瞬态效应的实际脉冲电流特性曲线修正器件单粒子瞬态电流源模型，并基于中心极限定理实现具有高斯分布单粒子脉冲故障注入模型，从而模拟粒子入射的随机性，提高了仿真精度。

本发明中，根据被测电路的版图信息以及器件单粒子效应敏感区域信息计算有效入射概率，进而得出符合实际的有效入射粒子数量，进一步提高了仿真精度。

附图说明

图1为本发明的基于粒子入射随机性的单粒子故障注入方法的步骤的流程示意图。

图2为最劣情况下，粒子注入位置示意图。

图3为最劣情况下，粒子注入角度示意图。

图4为基于LET分布函数多次产生的LET的统计结果(10000次)。

图5为生成100次单粒子故障注入的波形图(E_LET＝13.6MeVcm²/mg，δ_L ² _ET＝0.083)。

具体实施方式

以下结合附图和实施例对本发明作进一步详述：

本发明建立了一种基于粒子入射随机性的单粒子故障注入方法，如图1所示。

在步骤一中，采用双指数模型作为单粒子效应基础模型，公式为：

I_SET＝I₀(e^-αt-e^-βt) (1)

式中：I₀是单粒子瞬态电流的幅值，1/α为电荷收集的时间常数，1/β为建立粒子轨迹的时间常数，e为自然常数。

式中：LET为线性能量转移，q为电子的电量，μ_n为电子迁移率，N_A为衬底掺杂浓度，Xp为空间电荷区在衬底一侧的宽度，ε为介电系数。基于SMIC公司0.13μm工艺建立NMOS和PMOS器件模型，采用TCAD仿真软件，获得粒子从NMOS漏区中心位置60°入射情况下(图2为最劣情况下粒子入射位置示意图，图3为最劣情况下粒子入射角度示意图，θ为入射角度，本发明中θ＝60°)，单粒子瞬态效应的实际脉冲电流特性曲线，通过曲线数值拟合获得参数α＝4.25×10¹¹和β＝2.13×10¹³，完成单粒子瞬态效应双指数模型的修正，获得最劣情况下，器件单粒子瞬态电流源模型。

在步骤二中，根据目标电路中包括的逻辑门的型号以及SMIC0.13μm工艺的标准单元库，获得各逻辑门的单粒子敏感区域的面积。根据目标电路的电路网表，获得该目标电路中各逻辑门的数量，最终计算获得粒子有效入射概率，公式为：

式中：N_gate为逻辑门的数量，S_sensitive为逻辑门敏感区域的面积，S_all为目标电路的版图面积。

在步骤三中，利用中心极限定理通过均匀分布获得高斯分布，公式为：

式中，n为正整数，n一般大于30，n值越大，产生的数据越符合高斯分布，本发明中采用100，rand()为0到1之间均匀分布的随机函数，rand(1,n)为生成1行n列的随机数。E为高斯分布的期望，δ²为高斯分布的方差。

根据粒子效应实验数据，获得单粒子LET实际分布曲线，通过曲线数值拟合获得单粒子LET高斯分布的期望E_LET和方差

最终得到基于实验统计结果的LET分布函数，公式为：

图4为E_LET＝13.6MeVcm²/mg，

时，基于公式(5)产生10000次LET的统计结果。

在步骤四中，基于公式(1)、(2)、(5)，获得基于粒子入射随机性的单粒子故障数学模型，公式为：

基于公式(6)，采用主流集成电路仿真器均支持的VerilogA语言实现该模型，rand(1，n)采用VerilogA中$random实现，具体实现代码如下：

最终采用VerilogA语言实现适用于集成电路仿真分析的基于粒子入射随机性的单粒子故障注入模型，图5为E_LET＝13.6MeVcm²/mg，

时，生成100次单粒子故障注入的波形图。

在步骤五中，基于集成电路电路网表的命名规则，采用Perl语言实现自动获取目标电路的节点列表。基于粒子有效入射概率，计算获得实际有效注入的粒子数量，公式为：

N_vaild＝N_inject×P_inject (7)

公式中，N_vaild为实际有效注入的粒子数量，N_inject为注入到目标电路上的粒子的数量，P_inject为粒子有效入射概率。

采用Perl语言中的随机函数rand(N_node)，N_node为目标电路节点的总数，从目标电路的节点列表中随机选取N_vaild个节点作为注入节点。采用Perl语言实现在目标电路的电路网表中被选取的节点处插入基于粒子入射随机性的单粒子故障注入模型。

在步骤六中，采用支持VerilogA语言的集成电路仿真器，如：Spectre XPS/Finesim等对目标电路的电路网表进行仿真。基于蒙特卡洛的方法，进行多次仿真并获得具有统计意义的单粒子效应仿真分析结果。

Claims (7)

1.一种基于粒子入射随机性的单粒子故障注入方法，其特征在于，包括：

步骤一：采用双指数模型作为基础模型对被测电路单粒子效应进行建模，记为单粒子瞬态效应双指数模型；设定最劣情况的粒子入射角度和入射位置，进行单粒子瞬态效应实验，根据实验数据得出器件单粒子瞬态效应的实际脉冲电流特性曲线，修正单粒子瞬态效应双指数模型中的各个参数，获得该最劣情况下的器件单粒子瞬态电流源模型；

步骤二：根据步骤一中所述实验数据，获得单粒子实际LET分布，通过计算获得LET高斯分布的参数，最终得到基于实验统计结果的LET分布函数；

步骤三：将步骤二得到的LET分布函数代入步骤一建立的器件单粒子瞬态电流源模型，获得基于粒子入射随机性的单粒子故障模型，并采用VerilogA语言实现该故障模型；

步骤四：根据被测电路的电路网表获得电路节点列表，并根据入射粒子数量随机选择故障模型注入节点进行故障注入。

2.根据权利要求1所述的基于粒子入射随机性的单粒子故障注入方法，其特征在于：

步骤一中所述单粒子瞬态效应双指数模型，公式为：

I_SET＝I₀(e^-αt-e^-βt) (1)

I₀是单粒子瞬态电流的幅值，1/α为电荷收集的时间常数，1/β为建立粒子轨迹的时间常数，e为自然常数；

LET为线性能量转移值，q为电子的电量，μ_n为电子迁移率，N_A为衬底掺杂浓度，X_p为空间电荷区在衬底一侧的宽度，ε为介电系数；

基于TCAD软件，获得最劣情况下单粒子瞬态效应的实际脉冲电流特性曲线，通过曲线数值拟合获得参数α和β，完成单粒子瞬态效应双指数模型的修正。

3.根据权利要求2所述的基于粒子入射随机性的单粒子故障注入方法，其特征在于：

步骤二具体包括：

步骤1：利用中心极限定理通过均匀分布获得高斯分布，公式为：

式中，n为正整数，取值大于30，rand(1,n)为生成1行n列的随机数；E为高斯分布的期望，δ²为高斯分布的方差；

步骤2：根据粒子效应实验数据，获得单粒子LET实际分布曲线，通过曲线数值拟合获得单粒子LET高斯分布的期望E_LET和方差

最终得到基于实验统计结果的LET分布函数，公式为：

4.根据权利要求3所述的基于粒子入射随机性的单粒子故障注入方法，其特征在于：

步骤三具体包括：

步骤1：基于公式(1)、(2)、(5)，获得基于粒子入射随机性的单粒子故障模型，公式为：

步骤2：基于公式(6)，采用VerilogA语言实现该故障模型。

5.根据权利要求1所述的基于粒子入射随机性的单粒子故障注入方法，其特征在于：

步骤四具体包括：

步骤1：基于集成电路电路网表的命名规则，采用Perl语言实现自动获取目标电路的节点列表；

步骤2：基于粒子有效入射概率，计算获得实际有效注入的粒子数量，公式为：

N_vaild＝N_inject×P_inject (7)

公式中，N_vaild为实际有效注入的粒子数量，N_inject为注入到目标电路上的粒子的数量，P_inject为粒子有效入射概率；

步骤3：采用Perl语言中的随机函数，从被测电路的节点列表中随机选取N_vaild个节点作为注入节点；

步骤4：采用Perl语言实现在目标电路的电路网表中被选取的节点处插入基于粒子入射随机性的单粒子故障模型。

6.根据权利要求5所述的基于粒子入射随机性的单粒子故障注入方法，其特征在于：

所述粒子有效入射概率根据被测电路的版图信息以及器件单粒子效应敏感区域信息来确定。

7.根据权利要求6所述的基于粒子入射随机性的单粒子故障注入方法，其特征在于：所述粒子有效入射概率的确定方法，具体包括：

步骤1：根据被测电路中包括的逻辑门的型号以及对应工艺的标准单元库，获得各逻辑门的单粒子敏感区域的面积；

步骤2：根据目标电路的电路网表，获得该目标电路中各逻辑门的数量；

步骤3：计算获得粒子有效入射概率，公式为：

式中：N_gate为逻辑门的数量，S_sensitive为逻辑门敏感区域的面积，S_all为目标电路的版图面积。

Images