CN112560376A - 一种半导体器件模型参数的优化方法 - Google Patents
一种半导体器件模型参数的优化方法 Download PDFInfo
- Publication number
- CN112560376A CN112560376A CN202011528124.9A CN202011528124A CN112560376A CN 112560376 A CN112560376 A CN 112560376A CN 202011528124 A CN202011528124 A CN 202011528124A CN 112560376 A CN112560376 A CN 112560376A
- Authority
- CN
- China
- Prior art keywords
- parameter
- error rate
- model
- model parameter
- upper limit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000004065 semiconductor Substances 0.000 title claims abstract description 42
- 238000004088 simulation Methods 0.000 claims abstract description 40
- 238000005457 optimization Methods 0.000 claims abstract description 26
- 230000004048 modification Effects 0.000 claims abstract description 12
- 238000012986 modification Methods 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 abstract description 11
- 230000002159 abnormal effect Effects 0.000 abstract description 3
- 239000003607 modifier Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/32—Circuit design at the digital level
- G06F30/33—Design verification, e.g. functional simulation or model checking
- G06F30/3308—Design verification, e.g. functional simulation or model checking using simulation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种半导体器件模型参数的优化方法,包括以下步骤:1)获取模型参数表;2)获取测试数据和模型参数表仿真数据的误差率;依次获取模型参数表中的模型参数,并利用每一个模型每一个参数表的参数的上限调整数值和下限调整数值进行仿真得到每一个参数表的参数的上限误差率和下限误差率;3)将获取测试数据的仿真数据和模型参数表仿真数据的误差率与每一个参数表的参数的上限误差率和下限误差率作比较,获得每一个优化参数,并记录模型参数修改数;4)若模型参数修改数等于0,则得到最终的模型参数表。本发明的优化方法,能够在参数互相影响下依然能达到最优的结果,在出现异常仿真数据后立刻放回到原值,保证了自动提取过程的稳定性。
Description
技术领域
本发明涉及半导体器件建模和半导体器件模型参数提取技术领域,特别是涉及半导体器件模型参数的优化方法。
背景技术
半导体器件的测试数据在通过仿真工具进行模型参数提取时,通过手动调节参数,速度和效率上都较低,通过编码实现模型参数自动优化流程能极大的提高效率。自动优化流程中对参数自动优化的方法非常重要,它决定了最终优化的效果。但各模型参数间的互相影响、参数范围很难限定、参数调整可能导致模型仿真异常等都对优化方法提出了极大的要求。传统的优化器在这里表现的效果并不理想,此方法充分考虑了这些因素,能保证优化过程的较为稳定,并能得到较好的优化结果。
发明内容
某半导体器的所有模型参数,被称为此半导体器件的模型,也称为model,它是此半导体器件的建模模型。半导体器件仿真工具使用半导体器件模型就能得到相应的仿真数据,仿真数据和此半导体器件实物的测试数据之间的误差率,表示模型和真实半导体器件之间的差异。通过调整参数,减少误差率,直到达到能用此半导体器件模型能用来表征此半导体器件,这个过程就是半导体器件的优化。
为了解决现有技术存在的不足,本发明的目的在于提供一种半导体器件模型参数的优化方法。在得到半导体器件的测试数据和已对器件的模型建模完成后,通常需要通过手动调试模型参数来匹配测试数据,最终得到模型参数表。如果能自动对模型参数进行优化提取,来代替人工调试,或者先自动优化出一个较好结果,再进行人工的精调,都会大大的节省人力成本。由于各模型参数之间存在大量的互相影响,自动提取模型参数依照传统的单个参数分别提取的方式很难达到较好的结果。此方法正是考虑的这样的因素建立的一种能解决模型参数互相影响的一种参数自动提取的优化方法。
为实现上述目的,本发明提供的一种半导体器件模型参数的优化方法,包括以下步骤:
1)获取模型参数表;
2)获取测试数据和模型参数表仿真数据的误差率;依次获取模型参数表中的模型参数,并利用每一个模型参数的上限调整数值和下限调整数值进行仿真得到每一个参数的上限误差率和下限误差率;
3)将获取测试数据的仿真数据和模型参数表仿真数据的误差率与每一个参数的上限误差率和下限误差率作比较,获得每一个优化参数,并记录模型参数修改数;
4)若模型参数修改数等于0,则得到最终的模型参数表。
进一步地,还包括:
所述上限调整数值为:parameter_i_up=parameter_i*(1+0.1);
所述下限调整数值为:parameter_i_up=parameter_i*(1-0.1);
其中,parameter_i为第i个模型参数值,i为大于等1的正整数。
进一步地,所述步骤3),还包括:
若测试数据和模型参数表仿真数据的误差率大于上限误差率或下限误差率,则取误差率最小的方向作为优化方向。
更进一步地,若上限误差率小于测试数据和模型参数表仿真数据的误差率,且小于上限误差率,则将上限调整数值作为模型参数值;
若下限误差率小于测试数据和模型参数表仿真数据的误差率,且小于上限误差率,则将下限调整数值作为模型参数值;
若下限误差率小于测试数据和模型参数表仿真数据的误差率,且小于上限误差率,则将下限调整数值作为模型参数值;
若测试数据和模型参数表仿真数据的误差率小于上限误差率或下限误差率,则无需对模型参数进行修改。
若最终模型参数值不等于模型参数初始值,则认为模型参数有优化,将优化参数数加1。
为实现上述目的,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序运行时执行如上文所述的半导体器件模型参数的优化方法的步骤。
为实现上述目的,本发明还提供一种电子设备,包括存储器和处理器,所述存储器上储存有在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行如上文所述的半导体器件模型参数的优化方法的步骤。
本发明的一种半导体器件模型参数的优化方法,具有以下有益效果:
1)设计了模型参数自动提取的流程,用于代替繁杂的手动调试。
2)在自动提取流程的过程中使用的方法保证了参数提取的结果的准确性。对模型数据提取过程中存在两个重要循环,第一个是对单个参数的循环优化,这可以保证此参数在当前其他参数不变的条件下达到最优。第二个循环是对所有参数的循环优化,结束条件是每一个参数都不能再优化了。这就确保了参数之间的互相影响已充分得到考虑,做到了参数互相影响下依然能达到最优的结果。
3)模型参数的调试中存在调试一个模型参数的值后,仿真得到的数据点相差非常大,误差率突增,人工调试可以及时发现并回退参数值。但在传统的自动提取过程中,出现仿真差异大后需要多次修改参数值后才能回到较好的值,甚至出现无法回到较好值的情况。此方法中使用的每次对参数的步进试探方法,能保证出现异常仿真数据后立刻放回到原值,保证了自动提取过程的稳定性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,并与本发明的实施例一起,用于解释本发明,并不构成对本发明的限制。在附图中:
图1为根据本发明的半导体器件模型参数的优化方法流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
图1为根据本发明的半导体器件模型参数的优化方法流程图,下面将参考图1,对本发明的半导体器件模型参数的优化方法进行详细描述。
本发明的提供一种半导体器件模型参数的优化方法,需使用半导体器件测试数据和半导体器件仿真工具。该方法的全部流程,一共包含三个循环。最里层的循环是单个参数的提取,直到此参数在当前模型参数表下达到最优。中间层的循环是对参数表的所有参数下每个参数提取的循环,即对每个参数都进行一次最优提取。最外层的循环是对中间层的流程进行循环,循环结束条件是中间层的本次提取中无参数可再优化。
本发明中的模型参数表是指具体某半导体器件下的所有可调参数。
一个模型参数表中有多个参数,这个参数表表征一个模型,一个模型通过仿真器得到仿真数据。本发明中的误差率是指,测试数据和仿真数据的误差率。半导体器件模型的测试数据由一系列的数据点构成,半导体器件仿真工具通过一组预设的模型参数表仿真出对应于测试数据所有点的对应点数据,通过计算每个点上的误差率,然后综合所有数据点的误差率得到总的误差率,这个总的误差率即可用来表征模型参数和测试数据之间的差距,这个误差率即本文中的误差率。
首先,在步骤101,获取模型参数表,记录每个参数的原始值,即parameter_i_old。
模型参数表是一个列表的参数,记参数总数为n,记模型参数修改数nchanged=0。
在步骤102中,计算所得测试数据和模型参数表的仿真得到的数据的误差率,获取模型参数表中的第一参数,根据预设参数调整数值,分别设置所述第一参数的上限调整数值和下限调整数值,并利用所述第一参数的上限调整数值和下限调整数值仿真得到上限误差率和下限误差率。
计算得到测试数据和使用模型参数表仿真得到的数据的误差率,值记为error。取第一个参数parameter_i,修改parameter_i_up为parameter_i_up=parameter_i*(1+0.1),仿真此时的模型参数表,得到仿真数据,使用测试数据和此仿真数据得到上限误差率error_up。修改parameter_i_down为parameter_i_down=parameter_i*(1-0.1),仿真此时的模型参数表,得到仿真数据,使用测试数据和此仿真数据得到下限误差率error_down。
在步骤103中,分别将计算得到测试数据和模型参数表的仿真得到的数据的误差率与所述上限误差率和所述下限误差率作比较,获得优化的第一参数,优化说明:
若error大于error_up或error_down,则取误差率最小的方向作为优化方向。即:
(1)error_up小于error且error_up小于error_down,则修改第一参数值parameter_i为parameter_i=parameter_i_up;
(2)error_down小于error且error_down小于error_up,则修改第一参数值parameter_i为parameter_i=parameter_i_down;
(3)error小于等于error_up且error小于等于error_down则参数已是最优,无需再修改,第一参数值parameter_i为值parameter_i=parameter_i。
继续优化第一参数,即重复102、103的步骤,直到参数达到最优,最优即通过102、103步骤,第一参数无法再优化。若最终参数值parameter_i不等于parameter_i_old,则此参数本次有优化,记模型参数修改数nchanged为nchanged=nchanged+1。
在步骤104中,获取模型参数表中的第二参数,重复步骤102、103,对所述第二参数进行优化,直到对模型参数表中全部参数进行优化,记录模型参数修改数nchanged。
依照步骤102、103中的流程,依次取模型参数表的第二个、第三个、……、第n个参数进行优化。待全部模型参数优化后,记录模型参数修改数nchanged。
在步骤105中,若模型参数修改数nchanged大于0,则重置模型参数修改数并重复步骤101、102、103、104;若模型参数修改数nchanged等于0,则得到最终的模型参数表。
最终若nchanged大于0,说明此次全部模型参数的优化中有参数优化,模型参数表中各参数依然存在优化的可能性。循环步骤101、102、103、104的操作,直至nchanged等于0,即参数无法再优化了,优化结束,得到最终的模型参数表。
该方法介绍的是一种流程方法,所以需要配合相应的编程语言来组织整个流程。如以下方法:
1、使用Qt5进行界面编程,来呈现测试数据和仿真数据的数据图,直观实时的展示误差率。
2、使用c语言来编写整个逻辑流程。
3、半导体仿真工具可使用外部工具,流程中只需调用并获得数据即可。
本发明的一个实施例中,还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序运行时执行如上文所述的半导体器件模型参数自动优化流程中的参数优化方法的步骤。
本发明的一个实施例中,还提供一种半导体器件模型参数自动优化流程中的参数优化设备,包括存储器和处理器,所述存储器上储存有在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行如上文所述的半导体器件模型参数自动优化流程中的参数优化方法的步骤。
本领域普通技术人员可以理解:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种半导体器件模型参数的优化方法,其特征在于,包括以下步骤:
1)获取模型参数表;
2)获取测试数据和模型参数表仿真数据的误差率;依次获取模型参数表中的模型参数,并利用每一个模型参数的上限调整数值和下限调整数值进行仿真得到每一个参数的上限误差率和下限误差率;
3)将获取测试数据的仿真数据和模型参数表仿真数据的误差率与每一个参数的上限误差率和下限误差率作比较,获得每一个优化参数,并记录模型参数修改数;
4)若模型参数修改数等于0,则得到最终的模型参数表。
2.根据权利要求1所述的半导体器件模型参数的优化方法,其特征在于,还包括:
所述上限调整数值为:parameter_i_up=parameter_i*(1+0.1);
所述下限调整数值为:parameter_i_up=parameter_i*(1-0.1);
其中,parameter_i为第i个模型参数值,i为大于等1的正整数。
3.根据权利要求1所述的半导体器件模型参数的优化方法,其特征在于,所述步骤3),还包括:
若测试数据和模型参数表仿真数据的误差率大于上限误差率或下限误差率,则取误差率最小的方向作为优化方向。
4.根据权利要求1所述的半导体器件模型参数的优化方法,其特征在于,
若上限误差率小于测试数据和模型参数表仿真数据的误差率,且小于上限误差率,则将上限调整数值作为模型参数值;
若下限误差率小于测试数据和模型参数表仿真数据的误差率,且小于上限误差率,则将下限调整数值作为模型参数值;
若下限误差率小于测试数据和模型参数表仿真数据的误差率,且小于上限误差率,则将下限调整数值作为模型参数值;
若测试数据和模型参数表仿真数据的误差率小于上限误差率或下限误差率,则无需对模型参数进行修改;
若最终模型参数值不等于初始值,则认为模型参数有优化,将优化参数数家1。
5.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序运行时执行权利要求1至4任一项所述的半导体器件模型参数的优化方法的步骤。
6.一种电子设备,其特征在于,包括存储器和处理器,所述存储器上储存有在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行权利要求1至4任一项所述的半导体器件模型参数的优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011528124.9A CN112560376A (zh) | 2020-12-22 | 2020-12-22 | 一种半导体器件模型参数的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011528124.9A CN112560376A (zh) | 2020-12-22 | 2020-12-22 | 一种半导体器件模型参数的优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112560376A true CN112560376A (zh) | 2021-03-26 |
Family
ID=75030768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011528124.9A Pending CN112560376A (zh) | 2020-12-22 | 2020-12-22 | 一种半导体器件模型参数的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112560376A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113806985A (zh) * | 2021-09-23 | 2021-12-17 | 昆山丘钛光电科技有限公司 | 一种仿真分析方法及装置 |
CN116125796A (zh) * | 2023-02-17 | 2023-05-16 | 之江实验室 | 一种设备控制方法、装置、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102375895A (zh) * | 2010-08-09 | 2012-03-14 | 中国科学院微电子研究所 | 一种自动构建器件模型参数优化提取过程的方法 |
CN105138741A (zh) * | 2015-08-03 | 2015-12-09 | 重庆大学 | 基于神经网络的igbt模型参数校准系统及方法 |
CN106911077A (zh) * | 2017-04-17 | 2017-06-30 | 深圳瑞丰恒激光技术有限公司 | 一种调q半导体激光器恒功率输出控制方法 |
CN111127371A (zh) * | 2020-03-30 | 2020-05-08 | 南京安科医疗科技有限公司 | 图像增强参数自动优化方法、存储介质和x射线扫描装置 |
-
2020
- 2020-12-22 CN CN202011528124.9A patent/CN112560376A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102375895A (zh) * | 2010-08-09 | 2012-03-14 | 中国科学院微电子研究所 | 一种自动构建器件模型参数优化提取过程的方法 |
CN105138741A (zh) * | 2015-08-03 | 2015-12-09 | 重庆大学 | 基于神经网络的igbt模型参数校准系统及方法 |
CN106911077A (zh) * | 2017-04-17 | 2017-06-30 | 深圳瑞丰恒激光技术有限公司 | 一种调q半导体激光器恒功率输出控制方法 |
CN111127371A (zh) * | 2020-03-30 | 2020-05-08 | 南京安科医疗科技有限公司 | 图像增强参数自动优化方法、存储介质和x射线扫描装置 |
Non-Patent Citations (1)
Title |
---|
彭成: "《射频无源器件建模用优化算法开发》", 《中国优秀硕士学位论文全文数据库 (基础科学辑)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113806985A (zh) * | 2021-09-23 | 2021-12-17 | 昆山丘钛光电科技有限公司 | 一种仿真分析方法及装置 |
CN113806985B (zh) * | 2021-09-23 | 2024-07-23 | 昆山丘钛光电科技有限公司 | 一种仿真分析方法及装置 |
CN116125796A (zh) * | 2023-02-17 | 2023-05-16 | 之江实验室 | 一种设备控制方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109783984B (zh) | 一种适用于cpu核频率提升的布局布线方法 | |
US8595662B1 (en) | Methods, systems, and articles of manufacture for implementing a physical design of an electronic circuit with automatic snapping | |
CN109062782B (zh) | 一种回归测试用例的选择方法、装置及设备 | |
CN112560376A (zh) | 一种半导体器件模型参数的优化方法 | |
CN109815267A (zh) | 数据建模中特征的分箱优化方法及系统、存储介质及终端 | |
US8826202B1 (en) | Reducing design verification time while maximizing system functional coverage | |
CN110502447B (zh) | 一种基于图的回归测试用例优先排序方法 | |
US8875077B1 (en) | Fault sensitivity analysis-based cell-aware automated test pattern generation flow | |
CN103164585B (zh) | 缓冲器的插入方法及装置 | |
CN110738019B (zh) | 一种利用负载单元自动结群修复时序违反的方法及装置 | |
CN109583069B (zh) | 基于时间相关性的风速建模方法 | |
EP1465206A3 (en) | Method and arrangement for developing core loading patterns in nuclear reactors | |
US8645902B1 (en) | Methods, systems, and computer program products for implementing interactive coloring of physical design components in a physical electronic design with multiple-patterning techniques awareness | |
CN106598874A (zh) | 一种软件自动化测试方法及装置 | |
TW200506967A (en) | Method and arrangement for determining fresh fuel loading patterns for nuclear reactors | |
WO2020113526A1 (zh) | 一种芯片验证方法和装置 | |
WO2017201853A1 (zh) | 基于切片模型的程序回归错误定位方法 | |
CN106202374A (zh) | 一种数据处理方法及装置 | |
US6708143B1 (en) | Verification coverage method | |
CN105700899A (zh) | 一种人机命令脚本更新方法及装置 | |
CN115658482A (zh) | 数据库测试方法及装置、电子设备及计算机可读存储介质 | |
CN115495297A (zh) | 一种服务器硬盘测试的方法及装置、电子设备、存储介质 | |
CN112347723B (zh) | 基于版图的rom代码提取验证方法及装置 | |
CN115328798A (zh) | 一种芯片验证自动化回归测试方法及计算机可读存储介质 | |
CN111177014B (zh) | 软件自动测试方法、系统及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210326 |
|
RJ01 | Rejection of invention patent application after publication |