AI与EDA的融合,让设计更精确

2019-08-27来源: EEWORLD关键字:EDA  OPC

翻译自——EEjournal,Bryon Moyer

 

任何人对人工智能都有着自己的看法,而Mentor Graphics在今年夏天的DAC上讨论了关于AI的2个立场。作为一家EDA公司,他们有两个特定的机会来发现人工智能的价值。一是改进他们提供的设计工具;另一个是专门为人工智能设计创建设计工具。我们今天要讲第一个角度。

 

因此,对于这个故事,人工智能本身并不是终点;这将是达到目的的手段。人工智能已被用于生产车间,以帮助提高产量和减少设备损耗,但这依赖于晶圆厂的数据。今天,我们正从生产环境向设计领域的上游迈进。我们将特别关注Mentor如何利用人工智能在晶圆厂内进行光学邻近效应矫正(OPC)和制造设计(DfM)。

 

AI+OPC

 

让我们从OPC说起。对于任何新概念来说,由于硅尺寸太小,无法用光刻波长193nm打印,所以我们用了一些技巧。问题是,芯片特征尺寸如此之近,以至于影响了彼此形状的保真度。因此,这些形状被修改了——或者添加了“辅助功能”——以欺骗光线,让它照出我们想要的效果。

 

 

OPC通常使用确定性模型来完成,该模型允许工具创建修改后的模式。但Mentor表示,OPC面临四大挑战:

 

  1. 精度


  2. 周转时间(TAT)


  3. 工艺窗口增强


  4. 生产力

 

有两家公司运用了人工智能来解决这一问题。为了达到所需的精度,在24小时内完成OPC所需的内核数量正在急剧增加。他们把人工智能看作是一种降低这种风险的方法。

 

 

OPC是一个迭代过程,需要在10-15次迭代的范围内收敛。Mentor的方法是使用机器学习一次性处理前十次的迭代。这可能不会是一个很理想的光罩(mask)方法,但它会变得更接近。然后,可以使用传统迭代,只需几次就可获得最终结果。

 

正如你从图中所看到的,24小时循环所需的核心数量下降了三分之二。另一种说法是,带有人工智能的TAT是传统方法的三分之一,同时提高了精确度。

 

用于训练模型的数据是基于最初的晶圆设计测量。为了确定整个工艺窗口,我们进行了实验设计(DoE)来扩展数据集,新的设计可以利用该模型进行OPC。

 

模型的演变

 

当然,人工智能的一个有趣的特点是永无止境的学习。得到的数据越多,模型就越好。因此,从理论上讲,人们可以在最初批量生产的基础上继续获取制造数据,并将其纳入人工智能模型中,以便随着时间的推移不断改进。

 

但这里有个问题。

 

假设你的流片设计已经搞定,但发现需要进行更改。当你激活工程变更命令(ECO)流程并进行调整时,它需要生成一个新的掩码,这就需要OPC的帮忙。在这个情况下, 我们假设OPC AI模型被用于这个调整后的设计已经超越了最初的掩模集。所以现在,当你运行OPC时,你可能不仅会改变电路中受ECO影响的部分,而且会改变整个掩模。

 

这样可以吗?你相信人工智能模型的进化只会改善这件事情吗?或者,你是否会以一些曾经有效的东西不再有效而告终?尽管有很多意想不到的事情发生了改变,但它变得更好了。但是现在是否需要运行一些测试来确保没有损坏?这违反了基本原则,“如果它没有坏,就不要修理它!”“那你该怎么处理呢?”

 

Mentor好像还没有一个拿得出手的方针。他们指出,当发现新的坏点时,首要任务是进行选择性的生产调整,以尽可能提高产量。但这种变化可以被应用到人工智能模型中,让它能够凸显出模具中更多的问题区域。因此,“持续学习”模式是切实可行的。

 

我提出了一种可能的处理方法,他们表示认同。——版本锁定。对于设计工具来说,这是一个已经存在的概念,因为新版本可能会更改算法,而在设计过程中更改版本可能会撤消所有已经完成的收敛工作。因此,你可以在设计的整个生命周期中锁定工具版本,在下一次设计时移动到新版本。

 

这也可以用OPC(或任何其他)AI模型来实现:将模型的版本锁定到设计中,以便将来对该设计所做的任何工作都将使用相同的AI模型。也就是说,可能有一个例外:如果这个设计揭示了新的坏点——模型最初被改变的原因。调整制造是理想的方法,但是,如果它本身还不够,你可能需要改变光罩以消除坏点。在这种情况下使用新模型是有意义的。

 

综上所述,我觉得我们正在进入一个不稳定的领域,所以可能有一些法则规定了在这种情况下应该做什么。

 

首先,必须承认对于应用于哪个产品存在困惑。它看起来很像DRC,但实际上它是用于库验证的。换句话说,这不是一个你作为设计师会使用的工具;这是晶圆厂在组装电路库时使用的工具。是为了通过图案找到限制产量的坏点,而这些通常需要在一夜之间完成。完整的模拟花费的时间太长,因此在运行期间会采样并检查脆弱模式。这些易受攻击的模式可以在模式库中找到(与正在验证的电路库分离)。

  

创新之处在于,他们不再使用库来进行谏检验,而是使用它来训练一个AI模型,然后使用AI模型来检出电路库。这带来了几个好处:首先,如果他们只使用库中的模型进行签出(checkout),那么你将只能在设计中找到那些特定的模式。但是,使用人工智能,可能会发现不在库中放其他类似的模式。所以得到了更好的质量和更高的产量。

 

 

另一个好处是,现在签出运行速度比使用传统模型快10倍。这种说法有一定的道理。进行完整的库模拟需要很长时间,这就是为什么签出常常限于特定的已知坏点。在抽样坏点时,覆盖范围并不全面。所以当我们说人工智能辅助版本要快10倍的时候,我们在和哪个东西比较呢?据 Mentor介绍,他们首先确认AI版本是详尽的,而10x的比较是与完整模拟的比较——也就是说,我们在进行新版和旧版的比较。

 

延伸阅读

 

OPC技术背景

 

在半导体制造中,随着设计尺寸的不断缩小,光的衍射效应变得越来越明显,它的结果就是最终对设计图形产生的光学影像退化,最终在基底上经过光刻形成的实际图形变得和设计图形不同,这种现象被称为光学邻近效应(OPE:Optical Proximity Effect)。

 

为了修正光学邻近效应,便产生了光学邻近校正(OPC:Optical Proximity Correction)。光学邻近校正的核心思想就是基于抵消光学邻近效应的考虑,并建立光学邻近校正模型,根据光学邻近校正模型设计光掩模图形,这样虽然光刻后的光刻图形相对应光掩模图形发生了光学邻近效应,但是由于在根据光学邻近校正模型设计光掩模图形时已经考虑了对该现象的抵消,因此,光刻后的光刻图形接近于用户实际希望得到的目标图形。

 

坏点 Hot Spot

 

在集成电路制造中,经过OPC处理过的版图,在发送到掩模厂制造掩模之前,还需要进行验证,就是对OPC处理过的版图做仿真计算,确定其符合工艺窗口的要求。不符合工艺窗口要求的部分被称为坏点,坏点必须另行处理以符合工艺窗口的要求。

  

 

坏点修复

 

解决坏点的过程被称为“hot spot fixing”。在k1比较小的光刻层,第一次OPC处理后的坏点有十几万到几十万个。对坏点区域图形的审查和评估是一项浩繁的工作。坏点的解决一般由OPC工程师负责,通过调整OPC来解决。有些坏点是全局性的,通过修改OPC中的评价函数和规则,可以一起解决。而有些坏点有一定的特殊性,规则的改变会导致其他地方形成坏点。这些坏点必须通过局部的修改来解决,这一过程非常耗时。解决坏点时要充分利用坏点周围的空间,可以给线条加宽、延长或者添加辅助图形。

 

常用的坏点解决办法示意


关键字:EDA  OPC 编辑:muyan 引用地址:http://news.2689mr.com/manufacture/ic472578.html 本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:技术文章—工程师必须掌握的 MOS 管驱动设计细节
下一篇:华为徐直军:未来Arm若断供,将会考虑RISC-V

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

科技发展的另一大支柱,进击的光子学
翻译自——semiwiki,Rich Goldman 在过去,IC和EDA都会成为年度预测的焦点,但是最近我把注意力转向了光子学这个领域。  历史上,光子学一直是GaAs砷化镓的技术;过去是,现在是,将来也是。分析师永远都在预测光子学何时能够崛起;2020年,随着摩尔定律在电子领域的终结或放缓,光子学将独树一帜,进入发展的曲线阶段。虽然光子学正以惊人的速度在我们的技术生态系统中扮演着越来越重要的角色,但预计的爆炸性增长还没有发生。 有几个原因。首先,光子学并不遵循摩尔定律:光的波长就是光的波长,它是一个常数;它只是没有每两年减半,所以由摩尔定律驱动的电子技术的显著进步不适用
发表于 2020-01-15
科技发展的另一大支柱,进击的光子学
国内EDA市场整合开始!概伦电子收购博达微完成
近日,有行业知情人士透露,国内EDA的领军企业概伦电子已完成了对博达微的收购,同时天眼查最新数据显示,概伦电子对博达微持股为80%。今日两家公司联合发布声明,对此事予以了肯定。公告显示,为实现双方的深度合作和行业整合,概伦电子将并购博达微科技,交易已于近日完成。对此,概伦电子董事长兼CEO刘志宏博士表示:“行业整合是大趋势和必然,期盼中的概伦-博达微强强联合,必将产生深远的意义和巨大的创新推动力。当今IC技术的发展趋势需要理念上的创新和突破,EDA作为芯片设计流程的支撑,势必需要突破自我,这样才能为行业解决切实的问题。概伦和博达微在产品和技术上高度融合并取长补短,也一定能够为中国的EDA技术发展走出一条自己的独创之路!”与此
发表于 2020-01-02
打造EDA全流程解决方案,概伦电子收购博达微
纳米级器件建模和千兆级SPICE电路仿真的全球领导厂商概伦电子科技有限公司和业界首创AI驱动参数化测试和建模解决方案的领导者博达微科技有限公司近日宣布,为实现双方的深度合作和行业整合,概伦电子将并购博达微科技,交易已于近日完成。作为国内EDA的领军企业,概伦电子提供业界领先的新一代大规模高精度电路仿真及设计验证平台,和针对先进半导体工艺节点的器件建模库平台及噪声测试系统等,其一百多家客户覆盖了全球绝大多数领先的集成电路设计与制造公司。概伦电子董事长兼CEO刘志宏博士表示:“行业整合是大趋势和必然,概伦10数年的艰苦创业自强不息,证明了中国EDA人的国际竞争力和坚定的信念。期盼中的概伦-博达微强强联合,必将产生深远的意义和巨大的创新
发表于 2019-12-31
打造EDA全流程解决方案,概伦电子收购博达微
盘点EDA行业2019并购
尽管2019年对于半导体市场来说,市场并购案并不多,但对于EDA行业来说,市场依然火热,也带来了诸多的并购,这和EDA一直以来的行业特点所决定,让我们盘点盘点一:Cadence收购National Instruments AWR软件Cadence Design Systems已同意以约1.6亿美元从National Instruments收购AWR RF-design公司。Cadence期望能够在其现有的模拟和RF设计工具与AWR产品组合之间提供更好的集成。作为新战略的一部分,集成的流程还将与NI的LabVIEW和PXI模块化仪器系统连接,从而支持设计和半导体测试。此次收购预计将在2020年第一季度完成。二:Inphi Corp
发表于 2019-12-30
AI、5G等新技术为什么需EDA“神助攻”?
特朗普把芯片这一极为专业的术语广为大众知晓,而EDA,这一与芯片密切相关的术语,却仍旧少为人知。但是这个技术却蕴藏着巨大的能量,人们接触到的科技新品,如手机、电脑、自动驾驶、人工智能等等,都离不开EDA。近期,国际EDA及IP厂商新思科技举办武汉全球研发中心落成启动仪式。新思科技在中国将近25年,在1994年新思科技捐赠清华大学20套Design Compiler,与清华联合成立电子设计中心。据悉,该设计中心很快就变成了北京地区乃至全国最好的EDA实验室。2019年,双方合作共同建立了一个清华大学人工智能联合教学实验室。当然,这个人工智能实验室与EDA仍密切相关。EDA为何如此重要,它与AI、5G等新兴应用之间有着怎样的强关联性
发表于 2019-12-23
台积电罗镇球:有EDA和EUV光刻机后,摩尔定律可持续推进
1995年,EDA企业新思科技进入中国。2020年正值新思科技进入中国25周年,新思科技举办了武汉全球研发中心落成投入使用仪式。并邀请了诸多业内学者、产业合作伙伴参与此次活动。芯片制造与EDA有着紧密合作,芯片制造企业台积电(南京)总经理罗镇球,阐释了EDA如何与芯片制造结合来推进工艺制造的不断提升。图示:台积电(南京)总经理罗镇球罗镇球指出,不管是5G、AI,或者过去的电脑、移动计算的产品,都离不开集成电路。在集成电路领域,非常重要的就是像新思科技这样的EDA企业和台积电这样的芯片制造企业,建立了一个非常好的创意平台,进而使得5G、AI或者是计算机、移动计算的相关产品能够实现。罗镇球指出,在过去这十几年里,台积电和新思科技
发表于 2019-12-21
小广播

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 市场动态 半导体生产 材料技术 封装测试 工艺设备 光伏产业 平板显示 电子设计 电子制造 视频教程

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2020 2689mr.com, Inc. All rights reserved
送彩金的娱乐场 真人百家乐送彩金 白菜送彩金59网站大全 博彩公司免费送彩金 免费送彩金40棋牌游戏 白菜送彩金论坛 送彩金棋牌平台大全 免费送彩金的棋牌 免费送彩金棋牌游戏 天音彩票注册