电阻模型物理参数提取方法与流程

本发明涉及一种半导体集成电路制造方法，特别是涉及一种电阻模型物理参数提取方法。

背景技术：

在目前超大规模集成电路的研发制造过程中，高效精准的集成电路通用模拟程序(simulationprogramwithintegratedcircuitemphasis，spice)模型是电路从功能设计到实现的关键，而其中的电阻模型物理参数的准确表征也是其中至关重要的一部分。

电阻常用物理参数有：rsh即归一化方块电阻，dw即修正线宽和dl即修正线长，dw和dl用以修正因制造过程导致的尺寸偏差。现有大多数的做法是利用excel或一些电子设计自动化(electronicsdesignautomation，eda)，eda建模软件进行参数的人工调整达到模型仿真值与实际测试值的最小误差，因为拟合的数据尺寸众多，要实现尽可能小的累积误差用这些传统方式很难达到预期并且效率低下。

遗传算法(geneticalgorithm，ga)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。从解集的一个种群(population)开始的，对组成个体(individual)进行基因(gene)编码，如二进制编码，按照适者生存和优胜劣汰的原理，逐代(generation)演化出越来越好的近似解，并根据个体的适应度(fitness)大小选择(selection)个体，同时借助于自然遗传学的遗传算子(geneticoperators)进行组合交叉(crossover)和变异(mutation)，产生新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码(decoding)，可以作为问题近似最优解

技术实现要素：

本发明所要解决的技术问题是提供一种电阻模型物理参数提取方法，能有效降低参数拟合误差并降低拟合时间。

为解决上述技术问题，本发明提供的电阻模型物理参数提取方法包括如下步骤：

步骤一、制作多个电阻，测试各所述电阻的长度、宽度和电阻值，所述电阻的个数为n，第i个电阻对应的长度用l(i)表示，宽度用w(i)表示，电阻值用r(i)表示，1≦i≦n。

步骤二、选取电阻模型物理参数，电阻模型物理参数包括3个，分别为：归一化方块电阻，修正线长，修正线宽；所述归一化方块电阻用rsh表示，所述修正线长用dl表示，所述修正线宽用dw表示。

步骤三、设定电阻累积误差函数，所述电阻累积误差函数用公式表示为：

步骤四、采用遗传算法提取所述归一化方块电阻、所述修正线长和所述修正线宽的取值，在遗传算法流程中采用所述电阻累积误差函数作为适应度函数。

进一步的改进是，步骤四中包括步骤：

步骤41、产生初始种群，所述初始种群包括多个个体，所述初始种群的各个体由对应初始取值的所述归一化方块电阻、所述修正线长和所述修正线宽组成；以所述初始种群作为当代种群进行步骤42。

步骤42、将所述当代种群中的各个体代入到所述电阻累积误差函数中进行电阻累积误差值的计算，根据所述电阻累积误差值进行收敛判断；如果判断结果为收敛，则将对应的个体输出；如果判断结果为非收敛，则进行后续步骤43。

步骤43、形成下一代种群，所述下一代种群的步骤包括：

对所述当代种群进行选择操作。

对所述选择操作后对应的个体进行交叉操作。

对所述选择操作后对应的个体进行变异操作。

通过所述选择操作、所述交叉操作和所述变异操作得到所述下一代种群。

以所述下一代种群作为当代种群进行步骤42。

进一步的改进是，在步骤四中，在步骤41之前还包括设定如下参数的步骤：所述归一化方块电阻、所述修正线长和所述修正线宽的上下限约束条件，所述遗传算法的种群大小、概率大小、最大迭代次数、编码方式、选择模式和交叉模式。

进一步的改进是，步骤41中所述初始种群中的各个体的值按照所述归一化方块电阻、所述修正线长和所述修正线宽的上下限约束条件随机产生。

进一步的改进是，各所述个体的所述归一化方块电阻、所述修正线长和所述修正线宽采用二进制编码方式编码。

进一步的改进是，所述选择操作的选择模式包括轮盘赌选择法。

进一步的改进是，所述交叉操作的交叉模式包括单点交叉或多点交叉。

进一步的改进是，所述遗传算法的概率大小的设置包括设置交叉概率和变异概率的大小。

进一步的改进是，在进行所述交叉操作之前先产生一随机数，如果随机数小于所述交叉概率则进行所述交叉操作；如果随机数大于所述交叉概率则进行后续的所述变异操作。

进一步的改进是，在进行所述变异操作之前先产生一随机数，如果随机数小于所述变异概率则进行所述变异操作；如果随机数大于所述变异概率则进行后续的步骤42。

进一步的改进是，步骤一中各所述电阻为片上电阻，在半导体晶圆上制作各所述电阻。

进一步的改进是，所述半导体晶圆为硅晶圆。

进一步的改进是，所述遗传算法的流程通过vb编程实现。

进一步的改进是，所述电阻模型物理参数为应用于spice模型仿真中的参数。

本发明通过设定电阻累积误差函数，能以电阻累积误差函数作为遗传算法中的适应度函数并最后实现通过遗传算法提取归一化方块电阻、修正线长和修正线宽的取值，遗传算法通过多级迭代能够得到品种优良的符合目标需求的参数，最后能很好的降低参数拟合误差，提高拟合精度；同时，本发明能通过程序实现，能自动化实现，故能减少拟合时间，提高拟合效率。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明：

图1是本发明实施例电阻模型物理参数提取方法的流程图。

具体实施方式

如图1所示，是本发明实施例电阻模型物理参数提取方法的流程图，本发明实施例电阻模型物理参数提取方法包括如下步骤：

步骤一、制作多个电阻，测试各所述电阻的长度、宽度和电阻值，所述电阻的个数为n，第i个电阻对应的长度用l(i)表示，宽度用w(i)表示，电阻值用r(i)表示，1≦i≦n。

步骤一中各所述电阻为片上电阻，在半导体晶圆上制作各所述电阻。所述半导体晶圆为硅晶圆。

步骤二、选取电阻模型物理参数，电阻模型物理参数包括3个，分别为：归一化方块电阻，修正线长，修正线宽；所述归一化方块电阻用rsh表示，所述修正线长用dl表示，所述修正线宽用dw表示。

所述电阻模型物理参数为应用于spice模型仿真中的参数。

步骤三、设定电阻累积误差函数，所述电阻累积误差函数用如下公式(1)表示为：

其中abs为取绝对值的函数。对于所述电阻累积误差函数的公式(1)现说明如下：

建立电阻模型提取物理参数值rsh、、dw和dl时需要收集不同尺寸的电阻，利用电阻的计算公式r＝rsh*(l-2*dl)/(w-2*dw)可以得到对应不同尺寸的方块电阻。其中，已知量r是电阻测量值，l是电阻的长度，w是电阻宽度，r、l和w是通过测量得到，故是已知量；需要计算的rsh是归一化方块电阻，dl是修正线长，dw是修正线宽，即rsh、dl和dw是需要通过计算来拟合的值。

通过测试得到一组电阻值代入计算公式可以获得方程组：

r(1)＝rsh*(l(1)-2*dl)/(w(1)-2*dw)；

r(2)＝rsh*(l(2)-2*dl)/(w(2)-2*dw)；

r(3)＝rsh*(l(3)-2*dl)/(w(3)-2*dw)；

……

r(n)＝rsh*(l(n)-2*dl)/(w(n)-2*dw)。

由于rsh，dw，dl要做为全局变量满足所有测试数据的最小误差要求，单纯靠解方程求解是无法实现的。现有方法中，只能通过模型提取软件或在excel中进行人工计算，精度和效率大打折扣。而本发明实施例方法中，则采用遗传算法来求解rsh、dl和dw的值，能有效减小误差降低拟合时间。

本发明实施例的公式(1)中的“rsh*(l(i)-2*dl)/(w(i)-2*dw)”表示根据变量rsh，dw，dl和对应的第i电阻的l(i)和w(i)得到的第i电阻的计算值，该计算值和第i电阻的测量值r(i)进行相除并减1就能得到第i电阻的计算值和测量值之间的误差大小，如果误差越小，则表示参数rsh，dw，dl的取值越准确。

因为考虑到单个误差可能出现正负抵消影响累积误差计算，所以单个误差必须取绝对值abs；电阻累积误差由第1个至第n个电阻的误差相加形成。

步骤四、采用遗传算法提取所述归一化方块电阻、所述修正线长和所述修正线宽的取值，在遗传算法流程中采用所述电阻累积误差函数作为适应度函数。

步骤四中包括步骤：

首先、设定如下参数：所述归一化方块电阻、所述修正线长和所述修正线宽的上下限约束条件，所述遗传算法的种群大小、概率大小、最大迭代次数、编码方式、选择模式和交叉模式。

步骤41、产生初始种群，所述初始种群包括多个个体，所述初始种群的各个体由对应初始取值的所述归一化方块电阻、所述修正线长和所述修正线宽组成；以所述初始种群作为当代种群进行步骤42。

所述初始种群中的各个体的值按照所述归一化方块电阻、所述修正线长和所述修正线宽的上下限约束条件随机产生。

各所述个体的所述归一化方块电阻、所述修正线长和所述修正线宽采用二进制编码方式编码。

步骤42、将所述当代种群中的各个体代入到所述电阻累积误差函数中进行电阻累积误差值的计算，根据所述电阻累积误差值进行收敛判断；如果判断结果为收敛，则将对应的个体输出；如果判断结果为非收敛，则进行后续步骤43。

步骤43、形成下一代种群，所述下一代种群的步骤包括：

对所述当代种群进行选择操作。所述选择操作的选择模式包括轮盘赌选择法。

对所述选择操作后对应的个体进行交叉操作。所述交叉操作的交叉模式包括单点交叉或多点交叉。所述遗传算法的概率大小的设置包括设置交叉概率的大小。在进行所述交叉操作之前先产生一随机数，如果随机数小于所述交叉概率则进行所述交叉操作；如果随机数大于所述交叉概率则进行后续的所述变异操作。

对所述选择操作后对应的个体进行变异操作。所述遗传算法的概率大小的设置包括设置变异概率的大小。在进行所述变异操作之前先产生一随机数，如果随机数小于所述变异概率则进行所述变异操作；如果随机数大于所述变异概率则进行后续的步骤42。

通过所述选择操作、所述交叉操作和所述变异操作得到所述下一代种群。

以所述下一代种群作为当代种群进行步骤42。

本发明实施例中，所述遗传算法的流程通过vb编程实现，图1中所述选择操作采用选择程序实现，所述交叉操作采用交叉程序实现，所述变异操作采用变异程序实现。图1中的rsh/dw/dl表示rsh、dw和dl这三个参数。

由图1所示可知，本发明实施例按照一定的设定范围确定一组rsh、dw、dl初始值，代入电阻累积误差函数后判断是否满足收敛条件。若不满足就继续执行遗传算法的后续选择、交叉、变异程序，中间穿插随机数产生及概率判断程序，当满足误差收敛条件后，输出此时的参数值rsh、dw、dl完成参数提取。

执行遗传算法提取rsh、dw、dl需要通过反复的迭代计算，因此参数的约束条件、计算群体的大小、编码位数的参数大小、交叉变异概率值、最大迭代数、编码方式、选择方式、交叉方式都有很大的讲究，确定合适的设定可以在最短的时间得到最好的结果。

通过vb编程方式可以将本发明实施例提出的这一基于遗传算法的电阻模型物理参数提取方法有效实施。

本发明实施例通过设定电阻累积误差函数，能以电阻累积误差函数作为遗传算法中的适应度函数并最后实现通过遗传算法提取归一化方块电阻、修正线长和修正线宽的取值，遗传算法通过多级迭代能够得到品种优良的符合目标需求的参数，最后能很好的降低参数拟合误差，提高拟合精度；同时，本发明能通过程序实现，能自动化实现，故能减少拟合时间，提高拟合效率。

以上通过具体实施例对本发明进行了详细的说明，但这些并非构成对本发明的限制。在不脱离本发明原理的情况下，本领域的技术人员还可做出许多变形和改进，这些也应视为本发明的保护范围。