【技術實現(xiàn)步驟摘要】
本專利技術屬于電子工程中評估稀有事件的方法領域，具體涉及一種應用于電子工程中高sigma場景的失效區(qū)域評估方法。
技術介紹
1、高sigma場景下的集成電路(ic)組件生產(chǎn)，在數(shù)億或數(shù)十億個實例中最多只能容忍幾個缺陷。這是因為這些組件通常以大規(guī)模陣列的形式復制，因此生產(chǎn)一個正常工作的產(chǎn)品需要大量的復制組件都能正確工作。一旦在制造過程中發(fā)生波動，這可能導致性能偏差甚至故障。因此，分析ic良率已成為一項關鍵任務。
2、傳統(tǒng)的蒙特卡羅(mc)方法是評估ic良率的常用技術，其是通過模擬電路過程中的偏差，以收集大量電路數(shù)據(jù)，然后模擬所有電路以確定失敗電路的數(shù)量，最終得出電路良率計算。其在高sigma場景下應用效率較低，因為需要大量仿真以捕捉稀有失效事件，導致計算資源和時間成本巨大。為了解決這一問題，行業(yè)中提出了多種加速蒙特卡羅方法(如重要性采樣和模型替代方法)，以及高sigma蒙特卡羅(hsmc)方法等。這些方法雖然在減少樣本數(shù)量和提高仿真效率方面取得了一些進展，但現(xiàn)有方法往往忽視了替代模型在失效區(qū)域排序中的重要性，導致對失效事件的捕捉不準確。
3、針對這些方法，具體分析如下：1、傳統(tǒng)蒙特卡羅方法：盡管結果可靠且適用于不同維度的電路設計，但在高sigma場景下，所需的樣本數(shù)量極其龐大，導致計算時間和資源消耗巨大；2、加速蒙特卡羅方法：如重要抽樣方法雖然能夠減少仿真樣本數(shù)量，但在處理大規(guī)模變量時表現(xiàn)不佳，容易導致失效概率估算偏差；3、高sigma蒙特卡羅方法(hsmc)：hsmc通過優(yōu)先處理失效樣本來減少仿真次數(shù)，但
4、加權秩(weighted?rank)是一種在排名或評分系統(tǒng)中考慮不同因素或特征權重的排名方法。與簡單的排名不同，加權秩允許某些因素對最終排名的影響更大，而其他因素的影響較小。將加權秩的算法應用于該評估方法之中，將稀有事件區(qū)域中的不同影響因素進行權重的排名，進而評估各種稀有事件的發(fā)生概率，申請人認為這顯然能克服現(xiàn)有技術的局限性。
技術實現(xiàn)思路
1、本專利技術的目的在于克服現(xiàn)有技術中的不足，提供一種應用于電子工程中高sigma場景的失效區(qū)域評估方法，該種評估方法通過加權秩相關算法，對替代模型在稀有事件區(qū)域的排序偏差進行評估，提升了失效樣本捕捉的準確性。
2、為解決上述技術問題，本專利技術采用如下技術方案：應用于電子工程中高sigma場景的失效區(qū)域評估方法，包括以下步驟：
3、第一步：建立初始樣本sam初始：自總樣本集sam總中隨機選取初始樣本sam初始，初始樣本sam初始的數(shù)量qua初始滿足公式(1)：qua初始＝max(qua總/1000，1000)?(1)，其中，qua總為總樣本數(shù)量，初始樣本數(shù)量qua初始為總樣本數(shù)量qua總的千分之一，且不少于1000。這一數(shù)量要求，既保證了初始樣本sam初始涵蓋總樣本集sam總的基本特征，又能控制計算量。
4、第二步：建立預測模型：對選取的初始樣本sam初始進行仿真，得到仿真結果ys初始，使用仿真結果ys初始訓練機器學習等效替代模型，生成預測模型。
5、優(yōu)選的，所述仿真工具采用spice電路仿真工具。
6、優(yōu)選的，可以采用ffx算法、線性回歸、lasso回歸、lightgbm等替代模型建立預測模型。
7、第三步：篩選高風險樣本sam風險：利用預測模型對剩余樣本sam剩余進行預測，得到預測結果yp剩余，其中剩余樣本sam剩余為總樣本集sam總中去除初始樣本sam初始之后的樣本集合，剩余樣本sam剩余的預測結果yp剩余進行從大到小的排列，自大到小選取高風險樣本sam風險，高風險樣本sam風險的數(shù)量qua風險滿足公式(2)：qua風險＝max(qua總/2000，500)?(2)，其中，qua總為總樣本數(shù)量，高風險樣本sam風險的數(shù)量qua風險為總樣本數(shù)量qua總的萬分之五，且不少于500，高風險樣本sam風險的預測值為yp風險。
8、利用初始樣本sam初始訓練預測模型，然后利用該預測模型對大量的剩余樣本sam剩余進行預測，將預測結果排名之后，選取一定數(shù)量的、排名靠前的剩余樣本sam剩余作為高風險樣本sam風險進行進一步的分析、推算，排名靠后的剩余樣本sam剩余其發(fā)生失效的極低，故不進行研究。
9、第四步：仿真高風險樣本sam風險：對高風險樣本sam風險進行仿真，得到仿真結果，并對仿真結果進行從大到小的排列，得到仿真結果ys風險。
10、第五步：計算數(shù)值偏移量δd和平均數(shù)值偏移量δd平均：將從大到小排列的仿真結果ys風險逐個計算相鄰兩個預測值之間的差值，即δdi＝(ys風險)i-(ys風險)i+1?(3)，其中i為≤高風險樣本sam風險的數(shù)量qua風險的每個自然數(shù)-1；而整個風險樣本sam風險的平均數(shù)值偏移量
11、第六步：確定接近失效區(qū)域樣本sam接近和次接近失效區(qū)域樣本sam次接近：設置一仿真值閾值thr實際，則接近失效區(qū)域樣本sam接近的閾值thr接近＝thr實際-3δd平均?(5)，次接近失效區(qū)域樣本sam次接近的閾值thr次接近＝thr實際-6δd平均?(6)。
12、仿真值大于等于thr接近的樣本作為接近失效區(qū)域樣本sam接近，而仿真值大于等于次接近失效區(qū)域樣本閾值thr次接近而小于接近失效區(qū)域樣本閾值thr接近的樣本作為次接近失效區(qū)域樣本sam次接近，則接近失效區(qū)域樣本sam接近的數(shù)量為qua接近，次接近失效區(qū)域樣本sam次接近的數(shù)量為qua次接近。
13、第七步：確定普通區(qū)域樣本sam普通：高風險樣本sam風險之中去除接近失效區(qū)域樣本sam接近和次接近失效區(qū)域樣本sam次接近之后的樣本，為普通區(qū)域樣本sam普通，則普通區(qū)域樣本sam普通的數(shù)量qua普通滿足公式(9)，qua普通＝qua風險-qua接近-qua次接近?(7)。
14、第八步：計算預測結果的排序偏移量δrank：比較高風險樣本sam風險中每個樣本數(shù)據(jù)仿真結果ys風險和預測結果yp風險排序差值，即得到排序偏移量δrank，排序偏移量δrank滿足公式(8)：
15、δranki＝|rank(ys風險)i-rank(yp風險)i|?(8)，其中，i為≤高風險樣本sam風險的數(shù)量qua風險的每個自然數(shù)，rank(ys風險)為仿真結果ys風險的排名序號，rank(yp風險)為預測結果yp風險的排名序號；
16、第九步：計算接近失效區(qū)域樣本sam接近的斯皮爾曼秩系數(shù)ρ1：如公式(9)，即其中，公式中的δranki’取值情況如下：
17、其中thr1和thr2為人為設定接近失效區(qū)域樣本一級閾值thr1和接近失效區(qū)域樣本二級閾值thr2。
18、當δd≤thr1時，認為該樣本排序非常精準，接近失效區(qū)域，因本文檔來自技高網(wǎng)...
【技術保護點】
1.應用于電子工程中高Sigma場景的失效區(qū)域評估方法，其特征在于：包括以下步驟：
2.根據(jù)權利要求1所述的一種應用于電子工程中高Sigma場景的失效區(qū)域評估方法，其特征在于：0.6≤α1＜0.7，0.2≤α2＜0.3。
3.根據(jù)權利要求1所述的一種應用于電子工程中高Sigma場景的失效區(qū)域評估方法，其特征在于：高風險樣本Sam風險依情況劃分為n個區(qū)域，通過計算每個區(qū)域的斯皮爾曼秩系數(shù)，并定義每個區(qū)域的權重，計算最終的加權秩相關性評估結果，其計算如公式(13)，其中，ρfinal為最終的加權秩相關性評估結果，ρi為第i個區(qū)域樣本的斯皮爾曼秩相關系數(shù)，αi為第i個區(qū)域的權重，由人為定義而得，且滿足n≥2。
4.根據(jù)權利要求3所述的一種應用于電子工程中高Sigma場景的失效區(qū)域評估方法，其特征在于：將高風險樣本Sam風險依情況劃分為4個區(qū)域，分別為接近失效區(qū)域、次接近失效區(qū)域、擴展區(qū)域和普通區(qū)域，其權重分別為α1、α2、α3和α4，其斯皮爾曼秩系數(shù)分別為ρ1、ρ2、ρ3和ρ4，則最終加權秩結果ρfinal＝α1·ρ1+α2·ρ2+α3·ρ3+α4·
5.根據(jù)權利要求1所述的一種應用于電子工程中高Sigma場景的失效區(qū)域評估方法，其特征在于：所述仿真工具采用Spice電路仿真工具。
6.根據(jù)權利要求1所述的一種應用于電子工程中高Sigma場景的失效區(qū)域評估方法，其特征在于：可以采用FFX算法、線性回歸、Lasso回歸、LightGBM等替代模型建立預測模型。
7.根據(jù)權利要求1所述的一種應用于電子工程中高Sigma場景的失效區(qū)域評估方法，其特征在于：公式(1)和公式(2)中的取值比例和最小取值數(shù)，依實際情況發(fā)生改變。
8.根據(jù)權利要求1所述的一種應用于電子工程中高Sigma場景的失效區(qū)域評估方法，其特征在于：公式(9)中Δranki’取值依實際情況發(fā)生改變。
...【技術特征摘要】
1.應用于電子工程中高sigma場景的失效區(qū)域評估方法，其特征在于：包括以下步驟：
2.根據(jù)權利要求1所述的一種應用于電子工程中高sigma場景的失效區(qū)域評估方法，其特征在于：0.6≤α1＜0.7，0.2≤α2＜0.3。
3.根據(jù)權利要求1所述的一種應用于電子工程中高sigma場景的失效區(qū)域評估方法，其特征在于：高風險樣本sam風險依情況劃分為n個區(qū)域，通過計算每個區(qū)域的斯皮爾曼秩系數(shù)，并定義每個區(qū)域的權重，計算最終的加權秩相關性評估結果，其計算如公式(13)，其中，ρfinal為最終的加權秩相關性評估結果，ρi為第i個區(qū)域樣本的斯皮爾曼秩相關系數(shù)，αi為第i個區(qū)域的權重，由人為定義而得，且滿足n≥2。
4.根據(jù)權利要求3所述的一種應用于電子工程中高sigma場景的失效區(qū)域評估方法，其特征在于：將高風險樣本sam風險依情況劃分為4個區(qū)域，分別為接近失效區(qū)域、次接近失效區(qū)域、擴展區(qū)域和普通區(qū)域，其權重分別為α1、α2、α3和...
【專利技術屬性】
技術研發(fā)人員：劉謀斌，程平，周游，沈文豪，
申請(專利權)人：北京大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。