中文 英语

生产设计流程的时序库LVF验证

验证LVF数据以获得准确性和正确性是实现定时闭合和硅成功的关键因素。

人气

在几年内,变化建模从代表片上变化(OCV)的单个降额因子,自由变化格式(LVF),今天是封装定时库(.libs)中的变化信息的领先标准格式。

LVF数据被认为是对高级过程节点22nm及以下的要求。在诸如7nm和5nm之类的最小的流程节点,诸如延迟和约束的时序属性可能由于变化而导致的标称延迟的最多50%-100%。这意味着如果未识别和固定,则表示不正确的LVF值可能导致定时闭合问题和潜在的硅故障。

由于LVF表征涉及图书馆细胞香料网师的Monte Carlo分析,因此今天的大多数表征方法利用近似来使运行时可行的生产计划。由此,验证LVF数据以获得准确性和正确性,已成为实现时机闭合和硅成功的关键因素。

Mentor,Siemens Business,为LVF数据提供全面的闭环验证。Mentor的Solido Analytics使用机器学习来广泛覆盖LVF数据,自动识别整个数据集中的异常值和潜在问题。Solido变型设计器完成运行全蒙特卡罗等效验证的验证循环,就Solido分析标识的问题区域进行了全部蒙特卡罗等效验证。

介绍

在半导体行业中有多年来已经使用了.LIB的变化建模。变化建模的主要目的是考虑电路布局设计人员使用EDA工具的局部硅差异,以及使用光刻工艺物理制造的内容。由于目前无法确定这些效果的可行方法,所以所有这些效果都累积为“片上变化”(OCV)值,该值将悲观添加到时序库中。

由于每个较小的过程节点增加,由于每个较小的过程节点的影响增加,定时库变化建模方法在整个年内发生了显着变化。虽然添加悲观的单个降额因素适用于较大的过程节点,例如130nm及更高版本,但是今天的高级过程节点22nm和较小需要更精细的变化值分配。

对于这些较小的处理节点,Liberty变化格式(LVF)被出现为主要标准格式,用于封装标准单元,存储器和自定义宏的变化信息。如果您有一个高级过程节点库,则在LVF .Lib中描述了对延迟和约束的变化建模。

什么是Liberty变化格式(LVF)以及它如何影响时间?

LVF是对自由格式的扩展,用于将统计变化信息添加到定时测量。

标称时序库包含许多查找表,包括在库中的单元延迟,转换时间和设置等时序信息,以及库中所有单元格的约束。LVF将该信息扩展到每个测量的早期和晚期统计变化(Sigma)值的额外表。

在数字设计的静态定时分析(STA)期间,定时工具包括LVF Sigma值,以向定时路径添加悲观。作为一个简单的例子,对于组合逆变器的时序弧,当STA工具计算设置时序的路径延迟时,它将将σLVF表中的值添加到单元延迟。这增加了这种定时路径的悲观主义。

以下描述了在我们的简单示例中介绍了在单元格延迟时序期间发生的情况:

在设置时序模式下:具有LVF =标称电池落延迟+ LVF细胞跌落延迟Sigma(晚)

在实践中,通常将STA工具设定为将LVF Sigma值乘以3,以考虑在执行定时分析时的3秒形变化。

随着瞬间的推出,LVF还包含其他统计测量:标准偏差,偏离标称和偏差(图1和图2)。这使得能够更准确地建模每个测量值的统计分布,特别是对于非高斯分布。


图1:LVF与瞬间的LVF .Libs包含每个测量条目的标准偏差值


图2.:LVF .LIB,带瞬间的LVF也包括每个测量条目的高阶统计时刻(例如,歪斜)

在高级过程节点(如7nm和5nm),由于LVF .LIB的变化分量,诸如延迟和约束的时序属性可能会更大高达50%-100%的标称延迟。这意味着不正确的LVF数据可以轻松使芯片的时序分析无论称义时序.LIB的准确性如何。

验证LVF数据是对安排硅成功的关键步骤

如上所示,与标称值时序模型不同,LVF变化模型包含大量的统计变化信息。因此,表征LVF模型需要蒙特卡罗分析,从而产生较长的表征过程。使用Brute-Force Monte Carlo以在.lib中表征所有LVF值将导致每个表条目的数千个Monte Carlo Spice模拟,以几个数量级增加了表征运行时间。出于显而易见的原因,这不是一种可行的方法,用于表征整个.libs。

为了使LVF表征可行,表征工具使用各种技术,例如Netlist减少和基于灵敏度的近似,以减少运行时。这些近似度能够将运行级数减少到“仅”5x-10x的标称时序特征结构运行时。然而,这些近似通常也对所得的.lib来引入不准确的,导致静态时序分析(STA)结果不正确,并且可能导致硅衰竭。

LVF数据中的一种常见不准确的源是对分布长尾的暴力蒙特卡罗模拟和近似蒙特卡罗模拟之间的差异(图3)。LVF数据通常在3Σ(3σ)下测量。对于长尾分布,即使具有暴力蒙特卡罗方法,对于给定的Sigma差异,输出值(例如,延迟和约束)也存在较大差异。因此,表征期间近似添加的任何不准确性会放大输出值的这些差异,从而在所产生的LVF数据中产生更多的不准确性。


图3.:用于LVF数据的长尾值的不准确可能导致定时差异和潜在的硅衰竭

验证LVF数据的全面可靠的方法在当今的设计流动中至关重要。如果没有这一步骤,设计团队可能会暴露于可能的错误或嘈杂的LVF值,可能会在生产准确范围外的50%-100%的情况下摇摆定时结果,导致时间闭合问题和延迟和潜在的硅衰竭。

LVF变化模型的全面,闭环验证

用于高级过程节点的标准单元和自定义宏的有效变化建模的关键步骤是变化模型的高度可靠的验证方法。验证方法应该具有广泛的覆盖范围,以考虑所有过程,电压和温度(PVT)角落的变化效果,也能够为任何问题区域提供完整的蒙特卡罗等效验证。

传统的验证方法,例如在随机选择的LVF数据点上执行暴力蒙特卡罗,非常慢。为具有千兆字节的数据提供了对整个LVF .lib的充分覆盖率与此方法不可行。基于规则的检查可以合理地检测结构和语法问题,但在检测到异常值或故障/嘈杂的LVF数据值方面通常是不可靠的。

与传统方法不同,Mentor的Solido产品通过利用机器学习方法为LVF提供全面的闭环验证。Solido Analytics使用机器学习来分析库的所有PVT的完整变化模型数据,自动识别异常值和潜在问题。Solido变化设计器通过深潜水完成验证循环,进入潜在的问题区域,并在这些数据点运行全蒙特卡罗等效验证(图4)。

整个过程实现了相当于运行蛮力蒙特卡罗的准确性,但较少的仿真(即,它速度超过100倍),并在3秒字节和更高的Sigma目标上工作。


图4.:闭环LVF验证:用于全面覆盖分析的分析,在数十亿值的“海”中找到异常值;变异设计师提供蒙特卡罗+香料准确的结果,整个PVT

概括

使用LVF的变型建模允许芯片设计者封装统计变化数据以补充标称时序值,并且是高级过程节点22nm和以下所需的。

由于需要运行Monte Carlo分析所需的长时间,在LVF数据的表征过程中使用许多近似值。这导致不正确/不准确的LVF数据,可能导致时间闭合问题和硅衰竭。因此,LVF验证是使用LVF的设计流程中的重要步骤。

Mentor为LVF数据提供全面的闭环验证。Mentor的Solido分析使用机器学习进行广泛的LVF数据,自动识别整个数据集中的异常值和潜在问题。Solido变异设计师通过运行Analytics标识的问题区域的全部蒙特卡罗等效验证完成验证循环。



发表评论


(注意:此名称将被公开显示)