基于深度学习的数字逻辑电路可靠性计算方法研究

发布时间：2020-06-06 09:15

【摘要】：随着集成电路产品在各个领域的大规模应用,如航空、医疗与工业等,对其可靠性也提出了更高的要求。然而,随着半导体器件特征尺寸的不断缩小与集成度的不断提高,电路的高可靠设计面临诸多新的挑战。因此,提高电路的可靠性是一项非常重要的工作,它直接关系到人们生命财产的安全,而可靠性评估是实现电路高可靠设计的有效前提之一。面对当前超大规模的集成电路,传统基于仿真建模的方法在计算复杂度上稍显不足。本文基于深度学习模型提出了一种新的电路可靠性预测方法,首先,分析了影响电路可靠性的主要因素,并提取了相关电路特征。接着,结合电路特征集与深度学习模型的特点,基于精确的E-PTM模型构建了一种有针对性的数据采集方法。然后,基于有监督学习模式构建了一种面向电路可靠性预测的深度神经网络模型。最后,分析并优化了特征数据集和模型配置,提高了预测模型的预测精度。最后,在ISCAS85和74系列基准电路上开展了实验,结果表明,尽管本文所提方法的计算精度稍低于Monte Carlo方法和E-PTM模型方法,但其时空开销近似为常数。此外,本文方法还可在构思阶段便实现对电路可靠性的预测,它是一种非常有效的近似计算方法,可大幅降低计算的功耗。
【图文】：

集成电路芯片,晶体管,集成电路

浙江工业大学硕士学位论文1.2 国内外研究现状1.2.1 集成电路的可靠性现状自上世纪末以来，随着集成电路工艺技术的迅速发展，CMOS（Complementary MetOxide Semiconductor）器件特征尺寸不断的缩小，集成电路规模不断增大，集成度不断上升（见图 1-1），使其性能得到不断的提高。为了提高性能的同时降低制造成本，集成电路技术中引入了大量新材料、新工艺和新的器件结构。这些发展给集成电路带来了新的机遇，，但也给集成电路可靠性的保证和提高带来了巨大的挑战[14]。

模拟过程,故障发生概率,电路可靠性,浙江工业大学

浙江工业大学硕士学位论文onte Carlo 方法是一种近似的电路可靠性评估方法故障发生概率，并针对产品所有可能的故障情形，以模拟器件的故障情况，然后在不同的输入值下，产品的失效率[30]。该方法在一定程度上反映了产品 Carlo 方法的模拟过程。在模拟次数越大的情况下，的电路，实验次数的增加会带来时间开销大幅上升
【学位授予单位】：浙江工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN402;TP181

【相似文献】