基于工艺波动不确定性的纳米芯片性能预测及统计优化方法

In computer-aided design of nano-scale chips, considering the influence of process fluctuations on performance prediction and optimization, we can provide effective design information for chip design, and provide important decision-making bases for high-volume chip manufacturing. Previous studies usually predict and optimize the chip performance by applying a pre-specified distribution to approximate the parameter variations induced by process fluctuations. However, they now encounter bottlenecks in the improvement of chip design and optimization, due to the uncertainty, high dimensionality, and nonlinearity in the analysis. Therefore, based on stochastic uncertainty of process fluctuations in nano-scale chip design, this project studies the key technical issues involved in the performance optimization, and proposes several prediction and statistical optimization algorithms that can facilitate nano-scale chip performance analysis. The topics we plan to explore include the performance sparse modeling considering uncertainty representation of modeling errors and the criticality and relevance of basis functions, multi-parametric yield prediction for performance correlation uncertainty, and the stochastic optimization considering statistical characteristics of performance fluctuations. This project is expected to help solve the bottlenecks in the nano-scale chip computer-aided design, and to provide technical supports to the chip performance prediction and optimization.

在纳米芯片计算机辅助设计时，考虑工艺波动影响对性能进行预测和优化，可为芯片设计提供有效的辅助设计信息，并为芯片可否量产提供重要决策依据。然而，由于纳米尺度下的芯片性能分析往往存在不确定性、高维性、非线性等特征，现有采用固定分布近似模拟工艺波动影响的方法在设计和优化效果的提升上遇到了瓶颈。为此，本课题拟以芯片设计中面临的工艺波动随机不确定性为出发点，基于上述问题对芯片性能优化所涉及的关键技术节点展开研究，提出适用于纳米芯片分析特性的性能预测和统计优化方法。主要研究内容包括：构建性能模型误差的不确定性表征方法，进行波动基函数关键度和相关性并重的性能稀疏建模；设计考虑性能指标间相关结构不确定性的芯片多元参数成品率预测方法；并基于上述研究成果，构建考虑性能波动统计特征的芯片性能统计优化方法。本课题的开展将有助于解决纳米尺度下芯片计算机辅助设计面临的瓶颈问题，可为芯片性能预测及优化提供有力技术支撑。

在纳米芯片计算机辅助设计时，考虑工艺波动影响对性能进行预测和优化，可为芯片设计提供有效的辅助设计信息，并为芯片可否量产提供重要决策依据。然而，由于纳米尺度下的芯片性能分析往往存在不确定性、高维性、非线性等特征，现有采用固定分布近似模拟工艺波动影响的方法在设计和优化效果的提升上遇到了瓶颈。为此，本研究以芯片设计中面临的设计参数扰动影响为出发点，深入研究了适用于纳米芯片分析特性的性能预测和统计优化方法。具体而言，本项目基于不确定性模型表征，设计了一种芯片性能稀疏统计模型，筛选影响较大的扰动基函数进行统计建模，对芯片单参数成品率进行预测，在降低模型复杂度的同时提高了预测精度；通过引入细化求解策略构建多目标优化模型，并且引入新的精英策略和局部最优搜索方法改进传统遗传算法，使芯片设计达到不同成品率指标下的全局均衡优化；设计了一种芯片性能的边缘分布估算方法，并且自适应选择连接函数进行多元参数成品率估算映射，实现了芯片多元参数成品率的准确预测。本项目的研究成果可有助于解决纳米芯片计算机辅助设计面临的瓶颈问题，可为性能预测及优化提供有力的技术支撑，具有广泛的应用前景、重要的理论价值和实际意义。