CN113779926A - 一种电路的检测方法、装置、电子设备及可读存储介质 - Google Patents
一种电路的检测方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN113779926A CN113779926A CN202110887509.2A CN202110887509A CN113779926A CN 113779926 A CN113779926 A CN 113779926A CN 202110887509 A CN202110887509 A CN 202110887509A CN 113779926 A CN113779926 A CN 113779926A
- Authority
- CN
- China
- Prior art keywords
- performance parameter
- preset
- conversion
- target
- yield
- 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
- 238000001514 detection method Methods 0.000 title abstract description 22
- 238000006243 chemical reaction Methods 0.000 claims abstract description 64
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012360 testing method Methods 0.000 claims abstract description 11
- 238000004590 computer program Methods 0.000 claims description 21
- 230000003068 static effect Effects 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010998 test method Methods 0.000 claims 1
- 238000004088 simulation Methods 0.000 abstract description 19
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 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
- G06F30/39—Circuit design at the physical level
- G06F30/398—Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/2851—Testing of integrated circuits [IC]
- G01R31/2894—Aspects of quality control [QC]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2205—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested
- G06F11/2236—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested to test CPU or processors
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Design And Manufacture Of Integrated Circuits (AREA)
Abstract
本申请适用于电路技术领域,提供了一种电路的检测方法、装置、电子设备及可读存储介质,方法包括:获取目标电路的第一性能参数,第一性能参数为对目标电路进行预设低级别次数的蒙地卡罗模拟,得到目标电路的模拟性能参数,预设低级别次数小于预设高良率要求进行蒙地卡罗模拟对应的预设高级别次数;或者,第一性能参数为对目标电路进行测试得到的真实性能参数;对第一性能参数进行正态性转换,得到进行正态性转换后的第二性能参数;在第二性能参数中,确定与预设西格玛范围匹配的第三性能参数;将第三性能参数进行正态性反转换,得到第四性能参数;根据第四性能参数,确定目标电路的良率。可通过较少的模拟时间精确的确定出目标电路的良率。
Description
技术领域
本申请属于电路技术领域,尤其涉及一种电路的检测方法、装置、电子设备及可读存储介质。
背景技术
随着芯片的工艺尺寸越来越小,电路的集成度越来越高,对电路进行良率检测的要求越来越高,产品的良率越高表示检测异常事件的概率越来越小,需要检测大量的数据才能满足高良率要求。可通过蒙地卡罗(Monte Carlo)模拟实现高良率的检测,但需要的蒙地卡罗的模拟次数过于庞大,检测效率低。
发明内容
本申请实施例提供了一种电路的检测方法、装置、电子设备及可读存储介质,旨在解决现有对电路进行高良率检测效率低的问题。
第一方面,本申请实施例提供了一种电路的检测方法,包括:
获取目标电路的第一性能参数,所述第一性能参数为对目标电路的性能参数进行预设低级别次数的蒙地卡罗模拟,得到所述目标电路的模拟性能参数,所述预设低级别次数小于预设高良率要求进行蒙地卡罗模拟对应的预设高级别次数;或者,第一性能参数为对所述目标电路进行测试得到的真实性能参数;
对所述第一性能参数进行正态性转换,得到进行正态性转换后的第二性能参数;
在所述第二性能参数中,确定与预设西格玛范围匹配的第三性能参数;
将所述第三性能参数进行正态性反转换,得到第四性能参数;
根据所述第四性能参数,确定所述目标电路的良率。
第二方面,本申请实施例提供一种电路的检测装置,包括:
获取模块,用于获取目标电路的第一性能参数,所述第一性能参数为对目标电路的性能参数进行预设低级别次数的蒙地卡罗模拟,得到所述目标电路的模拟性能参数,所述预设低级别次数小于预设高良率要求进行蒙地卡罗模拟对应的预设高级别次数;或者,第一性能参数为对所述目标电路进行测试得到的真实性能参数;
正态转换模块,用于对所述第一性能参数进行正态性转换,得到进行正态性转换后的第二性能参数;
第一确定模块,用于在所述第二性能参数中,确定与预设西格玛范围匹配的第三性能参数;
正态反转换模块,用于将所述第三性能参数进行正态性反转换,得到第四性能参数;
第二确定模块,用于根据所述第四性能参数,确定所述目标电路的良率。
第三方面,本申请实施例提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述电路的检测方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时实现上述电路的检测方法的步骤。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行上述电路的检测方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:本申请实施例可获取目标电路的第一性能参数,所述第一性能参数为对目标电路的性能参数进行预设低级别次数的蒙地卡罗模拟,得到所述目标电路的模拟性能参数,所述预设低级别次数小于预设高良率要求进行蒙地卡罗模拟对应的预设高级别次数;或者,第一性能参数为对所述目标电路进行测试得到的真实性能参数;对所述第一性能参数进行正态性转换,得到进行正态性转换后的第二性能参数;在所述第二性能参数中,确定与预设西格玛范围匹配的第三性能参数;将所述第三性能参数进行正态性反转换,得到第四性能参数;根据所述第四性能参数,确定所述目标电路的良率。由于第一性能参数的正态分布与标准正态分布之间通常会存在偏移,可先对得到第一性能参数进行正态性转换得到更准确的正态分布,得到进行正态性转换后的第二性能参数,通过在第二性能参数中,确定与预设西格玛范围匹配的第三性能参数,仅根据所述第四性能参数,确定所述目标电路的良率,第四性能参数因为是基于正态性转换后与预设西格玛范围匹配的性能参数,可以提高失效参数的获取概率,即比较容易获取不满足要求的性能参数,从而可以通过较少的模拟时间精确的确定出目标电路的良率。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的电路的检测方法的流程示意图;
图2是本申请一实施例提供的目标电路的一个性能参数的正态分布曲线图;
图3是本申请一实施例提供的目标电路的又一个性能参数的正态分布曲线图;
图4是本申请一实施例提供的静态存储器单元的电路结构图;
图5是本申请一实施例提供的进行正态性转换过程的示意图;
图6是本申请一实施例提供的进行正态性转换曲线对比的示意图;
图7是本申请一实施例提供的进行正态性反转换相关参数的表格示意图;
图8是本申请一实施例提供的步骤S105的具体流程示意图;
图9是本申请一实施例提供的电路的检测装置的结构示意图;
图10是本申请一实施例提供的电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
本申请实施例提供电路的检测方法,具体可应用于电路检测、电路模拟以及电路设计等领域。还可以应用于仿真设备、上位机、手机、平板电脑、增强现实(augmentedreality,AR)/虚拟现实(virtual reality,VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、个人数字助理(personal digitalassistant,PDA)等电子设备上,本申请实施例对电子设备的具体类型不作任何限制。
为了说明本申请所述的技术方案,下面通过以下实施例来进行说明。
请参阅图1,本申请实施例提供的一种电路的检测方法,包括:
步骤S101,获取目标电路的第一性能参数,所述第一性能参数为对目标电路的性能参数进行预设低级别次数的蒙地卡罗模拟,得到所述目标电路的模拟性能参数,所述预设低级别次数小于预设高良率要求进行蒙地卡罗模拟对应的预设高级别次数;或者,第一性能参数为对所述目标电路进行测试得到的真实性能参数。
具体地,目标电路可以是需要进行性能分析的电路,如可以是静态随机存取存储器(Static Random-Access Memory,SRAM)电路,获取目标电路的第一性能参数可以是对目标电路进行预设低级别次数的蒙地卡罗模拟,得到所述目标电路的模拟性能参数;所述预设低级别次数小于预设高良率要求进行蒙地卡罗模拟对应的预设高级别次数;预设低级别次数可以预先设定,如可以预先设定几千次,如可以取3000次,此处仅是举例,可根据实际应用设定对此不作限定。上述预设高级别次数可以是数十万次,百万次等级的预设高级别次数。或者,第一性能参数对所述目标电路进行晶圆合格测试(WAT,Wafer AcceptanceTest)得到的真实性能参数。
在一个实施例中,所述目标电路包括静态存储器单元,所述目标电路的性能参数包括所述静态存储器单元的电流值(Icell)。
在一个应用中,对目标电路的性能参数进行预设低级别次数的蒙地卡罗模拟,得到所述目标电路的第一性能参数的分布图,如图2所示为目标电路中静态存储器单元的电流值(Icell)参数的正态分布曲线图,从图2可以看出得到的正态分布曲线图是一个与标准正态分布(0,1)相比呈现向左偏移的分布。
在一个实施例中,如静态存储器单元为PD-静态存储器单元(下拉型静态存储器单元)或PG-静态存储器单元(通过门型静态存储器单元),所述目标电路的性能参数还可以包括PD-静态存储器单元的电压值(Vts)或PG-静态存储器单元的电压值(Vts)。如图3所示分别包括静态存储器单元的电流值(Icell)的分布曲线31、PD-静态存储器单元的电压值(Vts)的分布曲线32、PG-静态存储器单元的电压值(Vts)的分布曲线33。从图3可以看出得到的参数分布曲线均与标准正态分布相比呈现一个向左偏移的分布。
在一个实施例中,如图4所示,为一个PD-静态存储器单元的电路结构,为一个6T结构的静态存储器单元,包括六个晶体管(N1、N2、N3、N4、P1和P2),字线(WL),位线(BL/BLB)等,该静态存储器单元可实现信息的存储的读写操作。
步骤S102,对所述第一性能参数进行正态性转换,得到进行正态性转换后的第二性能参数。
具体地,通常对目标电路的性能参数进行预设低级别次数的蒙地卡罗模拟,得到目标电路的第一性能参数的分布曲线是一个与标准正态分布相比具有偏移量的曲线,如图2所示是一个与标准正态分布(也可以称为高斯分布)相比向左偏移的分布。由于该分布不是一个标准的正态分布,用标准正态分布的西格玛去分析良率,往往错误率比较大,因此先将对所述第一性能参数进行正态性转换,得到进行正态性转换后的第二性能参数。
在一个实施例中,对所述第一性能参数进行正态性转换,得到进行正态性转换后的第二性能参数,包括:根据BOXCOX正态性变换,对所述第一性能参数进行正态性转换,得到进行正态性转换后的第二性能参数。
在一个实施例中,所述根据BOXCOX正态性变换,对所述第一性能参数进行正态性转换,得到进行正态性转换后的第二性能参数的计算公式,包括:
其中,所述xboxcox表示进行正态转换后的第二性能参数,所述xIcell表示第一性能参数,所述λ为预设可调参数。
具体地,选择合适的λ,通过BOXCOX正态性变换可使得第一性能参数满足正态回归模型的所有假设条件,此处λ可预先基于最大似然估计算法计算得到,例如此处预先计算出来的λ=1.165。
在一个具体应用中,如图5所示,为对所述第一性能参数对应曲线51进行正态性转换,得到进行正态性转换后的第二性能参数对应的曲线52的一个示意图,可以看出将具有偏移的第一性能参数的曲线变化为符合标准正态分布的第二性能参数的曲线。
步骤S103,在所述第二性能参数中,确定与预设西格玛范围匹配的第三性能参数。
具体地,预设西格玛范围可以是根据需要的良率级别预先设置,当需要的良率级别越高,设置的预设西格玛就越大,将超出预设西格玛范围对应的第二性能参数确定为第三性能参数。在超出预设西格玛范围对应的第二性能参数中更容易获得失效的性能参数。
在一个实施例中,可以理解的高良率应用场景中有效性能参数远大于失效性能参数,因此失效性能参数是小概率事件,良率等级越高的场景中,出现失效性能参数的概率事件越罕见,所以需要模拟十万、百万级别才能获取失效性能参数,因此将超出预设西格玛范围对应的第二性能参数确定为第三性能参数,因为超出预设西格玛范围对应确定的第三性能参数是小概率事件,因此在该第三性能参数中更容易提高失效参数的获取概率,即比较容易获取不满足要求的性能参数,从而可以通过较少的模拟时间精确的确定出目标电路的良率。
在一个应用场景中,如图6所示,曲线61为第一性能参数对应的分布曲线,曲线62为第二性能参数对应的曲线,若用第一性能参数取超出预设西格玛范围对应确定的第三性能参数取确定小概率事件比用符合标准正态分布的第一性能参数确定小概率事件的准确性低较多。
在一个实施例中,所述在所述第二性能参数中,确定与预设西格玛范围匹配的第三性能参数,包括:对所述第二性能参数基于正态分布进行划分;根据正态分布划分后的所述第二性能参数的分布状态,将属于预设西格玛范围的第二性能参数,确定为与预设西格玛匹配的第三性能参数。
具体地,基于正态分布,通过对所述第二性能参数进行正态分布拟合,将第二性能参数中超出预设西格玛范围的性能参数确定为与预设西格玛匹配的第三性能参数。
步骤S104,将所述第三性能参数进行正态性反转换,得到第四性能参数。
具体地,由于第三性能参数并不是原始的性能参数,因此可对第三性能参数进行正态性反转换,正态性反转换可将对应数据进行一对一的映射转换,从而得到对应的第四性能参数。
在一个应用场景中,如图7所示,示例性的示出了将第三性能参数的进行正态性反转换得到第四性能参数的相关数据对应表,第三列和第四列为一个第三性能参数对应的正态分布曲线中标准差与对应的概率值,第一列和第二列为进行正态性反转换,得到第四性能参数对应正态分布曲线中标准差与对应的概率值。
步骤S105,根据所述第四性能参数,确定所述目标电路的良率。
具体地,与第三性能参数对应的第四性能参数,再通过蒙地卡罗模拟进行高良率等级次数的模拟,根据模拟结果,确定失效性能参数,将失效性能参数除以模拟的总性能参数,可确定出目标电路的良率,再将该良率与预设标准良率进行比较,判断目标电路为合格还是不合格。
在一个实施例中,如图8所示,步骤S105包括步骤S1051至步骤S1053:
步骤S1051,对所述第四性能参数进行预设高级别次数的蒙地卡罗模拟,得到目标西格玛值对应的目标良率值。
在一个实施例中,对所述第四性能参数进行预设高级别次数的蒙地卡罗模拟,得到目标西格玛值对应的目标良率值,包括:对所述第四性能参数进行预设高级别次数的蒙地卡罗模拟,得到用于进行良率分析对应第五性能参数;确定所述第五性能参数的正态分布参数,所述正态分布参数包括多个西格玛值与对应概率值;根据所述正态分布参数,确定目标西格玛值对应的概率值,作为所述目标良率值。
具体地,对所述第四性能参数进行预设高级别次数的蒙地卡罗模拟,得到第五模拟数据,根据第五模拟数据进行正态分布模拟,根据模拟后的正态分布,可确定目标西格玛值对应的目标良率值。
步骤S1052,在预设关系映射表中查找与所述目标西格玛值对应的标准良率值。
具体地,预设关系映射表包括多个西格玛值于对应标准良率值,以及需要模拟的次数等信息,可在在预设关系映射表中查找与所述目标西格玛值对应的标准良率值。
步骤S1053,根据所述标准良率值与所述目标良率值之间的关系,得到所述目标电路良率分析结果。
具体地,根据所述标准良率值与所述目标良率值之间的关系,得到所述目标电路良率分析结果。该目标良率值与预设标准良率进行之间差值的绝对值小于预设阈值,则判定目标电路合格;在该目标良率值与预设标准良率之间差值大于或等于预设阈值,则判定目标电路不合格。
本申请实施例由于第一性能参数的正态分布与标准正态分布之间通常会存在偏移,可先对得到第一性能参数进行正态性转换得到更准确的正态分布,得到进行正态性转换后的第二性能参数,通过在第二性能参数中,确定与预设西格玛范围匹配的第三性能参数,仅根据所述第四性能参数,确定所述目标电路的良率,第四性能参数因为是基于正态性转换后与预设西格玛范围匹配的性能参数,可以提高失效参数的获取概率,即比较容易获取不满足要求的性能参数,从而可以通过较少的模拟时间精确的确定出目标电路的良率。
本申请实施例还提供一种电路的检测装置,如图9所示,本申请实施例电路的检测装置用于执行上述电路的检测方法实施例中的步骤。电路的检测装置可以是电子设备中的虚拟装置(virtual appliance),由电子设备的处理器运行,也可以是电子设备本身,电路的检测装置900包括:
获取模块901,用于获取目标电路的第一性能参数,所述第一性能参数为对目标电路的性能参数进行预设低级别次数的蒙地卡罗模拟,得到所述目标电路的模拟性能参数,所述预设低级别次数小于预设高良率要求进行蒙地卡罗模拟对应的预设高级别次数;或者,第一性能参数为对所述目标电路进行测试得到的真实性能参数;
正态转换模块902,用于对所述第一性能参数进行正态性转换,得到进行正态性转换后的第二性能参数;
第一确定模块903,用于在所述第二性能参数中,确定与预设西格玛范围匹配的第三性能参数;
正态反转换模块904,用于将所述第三性能参数进行正态性反转换,得到第四性能参数;
第二确定模块905,用于根据所述第四性能参数,确定所述目标电路的良率。
在一个实施例中,正态转换模块902具体用于:根据BOXCOX正态性变换,对所述第一性能参数进行正态性转换,得到进行正态性转换后的第二性能参数。
在一个实施例中,所述根据BOXCOX正态性变换,对所述第一性能参数进行正态性转换,得到进行正态性转换后的第二性能参数的计算公式,包括:
其中,所述xboxcox表示进行正态转换后的第二性能参数,所述xIcell表示第一性能参数,所述λ为预设可调参数。
在一个实施例中,第二确定模块905包括:
模拟单元,用于对所述第四性能参数进行预设高级别次数的蒙地卡罗模拟,得到目标西格玛值对应的目标良率值;
查找单元,用于在预设关系映射表中查找与所述目标西格玛值对应的标准良率值;
得到单元,用于根据所述标准良率值与所述目标良率值之间的关系,得到所述目标电路良率分析结果。
在一个实施例中,所述模拟单元具体用于:对所述第四性能参数进行预设高级别次数的蒙地卡罗模拟,得到用于进行良率分析对应第五性能参数;确定所述第五性能参数的正态分布参数,所述正态分布参数包括多个西格玛值与对应概率值;根据所述正态分布参数,确定目标西格玛值对应的概率值,作为所述目标良率值。
在一个实施例中,第一确定模块903具体用于:对所述第二性能参数基于正态分布进行划分;根据正态分布划分后的所述第二性能参数的分布状态,将属于预设西格玛范围的第二性能参数,确定为与预设西格玛匹配的第三性能参数。
在一个实施例中,所述目标电路包括静态存储器单元,所述目标电路的性能参数包括所述静态存储器单元的电流值。
本申请实施例由于第一性能参数的正态分布与标准正态分布之间通常会存在偏移,可先对得到第一性能参数进行正态性转换得到更准确的正态分布,得到进行正态性转换后的第二性能参数,通过在第二性能参数中,确定与预设西格玛范围匹配的第三性能参数,仅根据所述第四性能参数,确定所述目标电路的良率,第四性能参数因为是基于正态性转换后与预设西格玛范围匹配的性能参数,可以提高失效参数的获取概率,即比较容易获取不满足要求的性能参数,从而可以通过较少的模拟时间精确的确定出目标电路的良率。
如图10所示,本发明的一个实施例还提供一种电子设备100包括:处理器1001,存储器1002以及存储在所述存储器1002中并可在所述处理器1001上运行的计算机程序1003,例如电路的检测程序。所述处理器1001执行所述计算机程序1003时实现上述各个检测方法实施例中的步骤。所述处理器1001执行所述计算机程序1003时实现上述各装置实施例中各模块的功能,例如图9所示模块901至905的功能。
示例性的,所述计算机程序1003可以被分割成一个或多个模块,所述一个或者多个模块被存储在所述存储器1002中,并由所述处理器1001执行,以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序1003在所述电子设备100中的执行过程。例如,所述计算机程序1003可以被分割成第一模拟模块、正态转换模块、第一确定模块、正态反转换模块和第二确定模块,各模块具体功能在上述实施例中已有描述,此处不再赘述。
所述电子设备100可以是仿真设备、上位机、计算机、笔记本、掌上电脑及服务器等电子设备。所述电子设备可包括,但不仅限于,处理器1001,存储器1002。本领域技术人员可以理解,图10仅仅是电子设备100的示例,并不构成对电子设备100的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器1001可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器1002可以是所述电子设备100的内部存储单元,例如电子设备100的硬盘或内存。所述存储器1002也可以是所述电子设备100的外部存储设备,例如所述电子设备100上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器1002还可以既包括所述电子设备100的内部存储单元也包括外部存储设备。所述存储器1002用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器1002还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种电路的检测方法,其特征在于,包括:
获取目标电路的第一性能参数,所述第一性能参数为对目标电路的性能参数进行预设低级别次数的蒙地卡罗模拟,得到所述目标电路的模拟性能参数,所述预设低级别次数小于预设高良率要求进行蒙地卡罗模拟对应的预设高级别次数;或者,第一性能参数为对所述目标电路进行测试得到的真实性能参数;
对所述第一性能参数进行正态性转换,得到进行正态性转换后的第二性能参数;
在所述第二性能参数中,确定与预设西格玛范围匹配的第三性能参数;
将所述第三性能参数进行正态性反转换,得到第四性能参数;
根据所述第四性能参数,确定所述目标电路的良率。
2.根据权利要求1所述的电路的检测方法,其特征在于,对所述第一性能参数进行正态性转换,得到进行正态性转换后的第二性能参数,包括:
根据BOXCOX正态性变换,对所述第一性能参数进行正态性转换,得到进行正态性转换后的第二性能参数。
4.根据权利要求1所述的电路的检测方法,其特征在于,所述根据所述第四性能参数,确定所述目标电路的良率,包括:
对所述第四性能参数进行预设高级别次数的蒙地卡罗模拟,得到目标西格玛值对应的目标良率值;
在预设关系映射表中查找与所述目标西格玛值对应的标准良率值;
根据所述标准良率值与所述目标良率值之间的关系,得到所述目标电路良率分析结果。
5.根据权利要求4所述的电路的检测方法,其特征在于,对所述第四性能参数进行预设高级别次数的蒙地卡罗模拟,得到目标西格玛值对应的目标良率值,包括:
对所述第四性能参数进行预设高级别次数的蒙地卡罗模拟,得到用于进行良率分析对应第五性能参数;
确定所述第五性能参数的正态分布参数,所述正态分布参数包括多个西格玛值与对应概率值;
根据所述正态分布参数,确定目标西格玛值对应的概率值,作为所述目标良率值。
6.根据权利要求1所述的电路的检测方法,其特征在于,所述在所述第二性能参数中,确定与预设西格玛范围匹配的第三性能参数,包括:
对所述第二性能参数基于正态分布进行划分;
根据正态分布划分后的所述第二性能参数的分布状态,将属于预设西格玛范围的第二性能参数,确定为与预设西格玛匹配的第三性能参数。
7.根据权利要求1至6任一项所述的电路的检测方法,其特征在于,所述目标电路包括静态存储器单元,所述目标电路的性能参数包括所述静态存储器单元的电流值。
8.一种电路的检测装置,其特征在于,包括:
获取模块,用于获取目标电路的第一性能参数,所述第一性能参数为对目标电路的性能参数进行预设低级别次数的蒙地卡罗模拟,得到所述目标电路的模拟性能参数,所述预设低级别次数小于预设高良率要求进行蒙地卡罗模拟对应的预设高级别次数;或者,第一性能参数为对所述目标电路进行测试得到的真实性能参数;
正态转换模块,用于对所述第一性能参数进行正态性转换,得到进行正态性转换后的第二性能参数;
第一确定模块,用于在所述第二性能参数中,确定与预设西格玛范围匹配的第三性能参数;
正态反转换模块,用于将所述第三性能参数进行正态性反转换,得到第四性能参数;
第二确定模块,用于根据所述第四性能参数,确定所述目标电路的良率。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110887509.2A CN113779926A (zh) | 2021-08-03 | 2021-08-03 | 一种电路的检测方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110887509.2A CN113779926A (zh) | 2021-08-03 | 2021-08-03 | 一种电路的检测方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113779926A true CN113779926A (zh) | 2021-12-10 |
Family
ID=78836683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110887509.2A Pending CN113779926A (zh) | 2021-08-03 | 2021-08-03 | 一种电路的检测方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113779926A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115792584A (zh) * | 2023-02-07 | 2023-03-14 | 青岛青软晶尊微电子科技有限公司 | 基于大数据的集成电路实验方法及装置 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080026489A1 (en) * | 2006-07-28 | 2008-01-31 | Robert Haeussler | Method and system for modeling statistical leakage-current distribution |
US20100094611A1 (en) * | 2008-10-14 | 2010-04-15 | Nec Laboratories America, Inc. | System and method for feedback-guided test generation for cyber-physical systems using monte-carlo |
CN103577646A (zh) * | 2013-11-09 | 2014-02-12 | 深港产学研基地 | 一种快速估算集成电路良率的计算方法 |
CN105335535A (zh) * | 2014-06-10 | 2016-02-17 | 中芯国际集成电路制造(上海)有限公司 | 一种确定sram电性能目标的仿真方法 |
US20160187533A1 (en) * | 2013-09-09 | 2016-06-30 | Landmark Graphics Corporation | Creating Virtual Production Logging Tool Profiles For Improved History Matching |
US20170059649A1 (en) * | 2015-08-28 | 2017-03-02 | International Business Machines Corporation | Massive multi-dimensionality failure analytics with smart converged bounds |
CN107490758A (zh) * | 2017-07-14 | 2017-12-19 | 电子科技大学 | 基于故障传播的模块化bp神经网络电路故障诊断方法 |
US20180074124A1 (en) * | 2016-09-15 | 2018-03-15 | Samsung Electronics Co., Ltd. | Importance sampling method for multiple failure regions |
CN108399457A (zh) * | 2018-02-02 | 2018-08-14 | 西安电子科技大学 | 集成学习中有偏数据下基于多步标签变换的Boosting改进方法 |
CN108694273A (zh) * | 2017-04-12 | 2018-10-23 | 三星电子株式会社 | 用于评估稀有失效事件的电路良率分析方法及系统 |
CN109426698A (zh) * | 2017-08-30 | 2019-03-05 | 三星电子株式会社 | 预测半导体集成电路良率的装置和半导体器件的制造方法 |
CN110046365A (zh) * | 2018-01-16 | 2019-07-23 | 复旦大学 | 一种基于非高斯采样的sram电路良率分析方法 |
CN110689576A (zh) * | 2019-09-29 | 2020-01-14 | 桂林电子科技大学 | 一种基于Autoware的动态3D点云正态分布AGV定位方法 |
US10579754B1 (en) * | 2018-09-14 | 2020-03-03 | Hewlett Packard Enterprise Development Lp | Systems and methods for performing a fast simulation |
CN111274751A (zh) * | 2018-11-16 | 2020-06-12 | 瑞昱半导体股份有限公司 | 决定集成电路之电压及找出电压与电路参数之关系的方法 |
CN111650496A (zh) * | 2020-06-08 | 2020-09-11 | 中国科学院微电子研究所 | 统计延时分析方法与系统 |
CN112365094A (zh) * | 2020-12-02 | 2021-02-12 | 四川长虹电器股份有限公司 | 提高预测系统准确率的方法、计算机设备、存储介质 |
CN112861459A (zh) * | 2021-02-24 | 2021-05-28 | 清华大学 | 全灵敏度对抗重要性抽样产量优化方法和装置 |
-
2021
- 2021-08-03 CN CN202110887509.2A patent/CN113779926A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080026489A1 (en) * | 2006-07-28 | 2008-01-31 | Robert Haeussler | Method and system for modeling statistical leakage-current distribution |
US20100094611A1 (en) * | 2008-10-14 | 2010-04-15 | Nec Laboratories America, Inc. | System and method for feedback-guided test generation for cyber-physical systems using monte-carlo |
US20160187533A1 (en) * | 2013-09-09 | 2016-06-30 | Landmark Graphics Corporation | Creating Virtual Production Logging Tool Profiles For Improved History Matching |
CN103577646A (zh) * | 2013-11-09 | 2014-02-12 | 深港产学研基地 | 一种快速估算集成电路良率的计算方法 |
CN105335535A (zh) * | 2014-06-10 | 2016-02-17 | 中芯国际集成电路制造(上海)有限公司 | 一种确定sram电性能目标的仿真方法 |
US20170059649A1 (en) * | 2015-08-28 | 2017-03-02 | International Business Machines Corporation | Massive multi-dimensionality failure analytics with smart converged bounds |
US20180074124A1 (en) * | 2016-09-15 | 2018-03-15 | Samsung Electronics Co., Ltd. | Importance sampling method for multiple failure regions |
CN108694273A (zh) * | 2017-04-12 | 2018-10-23 | 三星电子株式会社 | 用于评估稀有失效事件的电路良率分析方法及系统 |
CN107490758A (zh) * | 2017-07-14 | 2017-12-19 | 电子科技大学 | 基于故障传播的模块化bp神经网络电路故障诊断方法 |
CN109426698A (zh) * | 2017-08-30 | 2019-03-05 | 三星电子株式会社 | 预测半导体集成电路良率的装置和半导体器件的制造方法 |
CN110046365A (zh) * | 2018-01-16 | 2019-07-23 | 复旦大学 | 一种基于非高斯采样的sram电路良率分析方法 |
CN108399457A (zh) * | 2018-02-02 | 2018-08-14 | 西安电子科技大学 | 集成学习中有偏数据下基于多步标签变换的Boosting改进方法 |
US10579754B1 (en) * | 2018-09-14 | 2020-03-03 | Hewlett Packard Enterprise Development Lp | Systems and methods for performing a fast simulation |
CN111274751A (zh) * | 2018-11-16 | 2020-06-12 | 瑞昱半导体股份有限公司 | 决定集成电路之电压及找出电压与电路参数之关系的方法 |
CN110689576A (zh) * | 2019-09-29 | 2020-01-14 | 桂林电子科技大学 | 一种基于Autoware的动态3D点云正态分布AGV定位方法 |
CN111650496A (zh) * | 2020-06-08 | 2020-09-11 | 中国科学院微电子研究所 | 统计延时分析方法与系统 |
CN112365094A (zh) * | 2020-12-02 | 2021-02-12 | 四川长虹电器股份有限公司 | 提高预测系统准确率的方法、计算机设备、存储介质 |
CN112861459A (zh) * | 2021-02-24 | 2021-05-28 | 清华大学 | 全灵敏度对抗重要性抽样产量优化方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115792584A (zh) * | 2023-02-07 | 2023-03-14 | 青岛青软晶尊微电子科技有限公司 | 基于大数据的集成电路实验方法及装置 |
CN115792584B (zh) * | 2023-02-07 | 2023-06-23 | 青岛青软晶尊微电子科技有限公司 | 基于大数据的集成电路实验方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111599402B (zh) | 存储器的单粒子效应测试分析方法、装置及测试系统 | |
CN115689534B (zh) | 基于大数据的设备寿命管理的方法、装置、设备及介质 | |
CN113837596A (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN115686961A (zh) | 处理器测试方法、装置及电子设备 | |
CN113779926A (zh) | 一种电路的检测方法、装置、电子设备及可读存储介质 | |
CN113946983A (zh) | 产品可靠性薄弱环节评估方法、装置和计算机设备 | |
CN111626446B (zh) | 用于确定设备维护时间的方法、装置、设备和存储介质 | |
CN112349341A (zh) | Lpddr测试方法、装置、可读存储介质及电子设备 | |
US9235675B2 (en) | Multidimensional monte-carlo simulation for yield prediction | |
US20140136900A1 (en) | Method for Ranking Fault-Test Pairs Based on Waveform Statistics in a Mutation-Based Test Program Evaluation System | |
CN114550809A (zh) | 多存储卡的测试方法、装置、计算机设备及存储介质 | |
US8301431B2 (en) | Apparatus and method for accelerating simulations and designing integrated circuits and other systems | |
CN112380127B (zh) | 测试用例回归方法、装置、设备和存储介质 | |
CN112216333A (zh) | 芯片测试方法及装置 | |
CN114355208A (zh) | 一种电池故障确定方法、装置、电子设备及存储介质 | |
CN116486886A (zh) | 数据储存装置的自我烧机测试系统及其方法 | |
CN108269004B (zh) | 产品寿命分析方法及终端设备 | |
CN114077538A (zh) | 程序调试方法、装置及可读存储介质 | |
CN113744789B (zh) | 一种在研发阶段测试ssd稳定性的方法、系统、设备和介质 | |
CN112992252A (zh) | 读写可靠性检测方法、装置、电子设备及可读存储介质 | |
CN111158994A (zh) | 一种压测性能测试方法及装置 | |
CN116594862B (zh) | Dbms的测试方法、装置、电子设备及可读存储介质 | |
CN116779020B (zh) | 一种存储器、测试方法、设备及介质 | |
CN116302661B (zh) | 一种异常预测方法、装置、电子设备及存储介质 | |
CN113076379B (zh) | 基于数字化icd区分元数区域的方法及系统 |
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 |