AI驱动的设计应用
我在多年产品营销的工作中,大部分时间都在关注静态时序分析 (STA) 。这个领域从过去到现在,一直充满了各式各样的主题,包括基于图形的分析和基于路径的分析、片上变异建模、延时计算、不断演变的元件库模型等。那些年,我一直认为寄生参数提取是 STA 必不可少的要素,而且对于执行分析所需的时序模型而
言,具有更为重大的意义。从 STA 转向 Rs 和 Cs 领域之后,我意识到寄生参数提取毫无疑问是 EDA 中最有趣,却最不受重视的主题之一。
尽管在 STA 流程环境中,寄生参数提取主要局限在互连寄生参数的提取,但是在深入到晶体管的下层结构及其与金属层的连接之后,提取就会变得有趣许多。工艺技术转向 5nm 及以下规格之后尤其如此。
有充分的证据表明,从 16nm/14nm 规格开始的 FinFET 技术,必须提取的寄生参数值的数量比平面晶体管显著增加。这些类似 3D 架构的鳍片发出许多电容值,必须提取这些电容值才能精确地模拟电性能,并最终模拟设备的时序特性。今天的 2.5D 寄生参数提取引擎是基于模式的,所以 FinFET 相比平面晶体管技术,必须学习更多的模式。在满足不断缩短的工艺推出周期的同时,开发一套强大的针对精度标准的向量的需求,给 EDA 和代工厂商带来了巨大的压力。
然而,对于设计 5nm 及以下规格的新技术还存在另一个挑战。在这些更小的几何形状中,代工厂面临的挑战是减小鳍片的通道长度或宽度以在相同的面积内封装更多的栅极,同时努力保持同等电流密度。如果试图通过三栅极实现方式来控制这些短沟道长度,就需要更高和更薄的鳍片或者甚至是更独特的结构(例如栅极环绕结构,需将栅极缠绕在一个称为纳米线的柱状结构上)。其他变型是将这些线的形状改成更像椭圆的形状,称为纳米板或纳米片。纳米结构以及,较轻程度上,更高和更薄的 FinFET 面临的问题是这些结构在其物理轮廓中的固有形状越来越偏离直线构造。
事实上,许多提出的形状都是曲线型,从而引发一个问题:是不是该把 3D 提取工具作为更为主流使用的场解算器呢? 你可能还记得,场解算器的优点是不需要向量匹配方法来估计寄生参数效应。相反,场解算器可以采用任意形状,并通过求解复杂的 EM 方程来计算 R 和 C 的值。当然,可以使用分布式处理和基于区块的解决方案来降低运行时成本。
改用 3D 场解算器的另一个优点是简化代工厂认证,因为世界领先的代工厂的黄金值就是基于 3D 场解算器得出的。
Synopsys 提取技术长期以来一直是黄金寄生参数的标准参照值,从使用 Raphael XT 的 TCAD 工具流程到使用 QuickCap 的库表征和关键网络提取,以及使用 StarRC 的互连寄生参数技术的门级提取。这些工具共同提供了从工艺开始到最终芯片交付的完整解决方案。
很明显,无论工艺技术如何发展,3D 场解算器都会在工艺技术的开发和从中衍生出来的晶体管/栅极级架构中发挥主导作用。代工厂改用纳米线和栅极环绕架构之后,5nm 及以下规格寄生参数的提取将为参与这些技术开发的人员,尤其是曾经从事 STA 营销的人员,带来全新的增值。