用于仿真集成电路的方法和设备以及计算机可读介质与流程

本公开的实施例一般地涉及集成电路仿真领域，并且更具体地涉及用于仿真集成电路的方法和设备以及计算机可读介质。

背景技术：

技术计算机辅助设计(tcad)作为半导体工艺和器件仿真工具已广泛用于集成电路的仿真。设计人员可以通过查看仿真结构来确定所设计的半导体器件结构是否存在缺陷。例如，tcad工具可以仿真集成电路中半导体器件的结构轮廓。

然而，现有tcad工具的标准操作流程采用默认物理模型，这对于实际的器件仿真并不友好，因为集成电路设计制造可能产生各种结构，例如各种常规器件结构和新设计的器件结构。此外，现有的tcad工具仅能仿真半导体器件的虚拟轮廓，而这种虚拟轮廓和实际制造产生的半导体结构之间仍存在相当的区别，使得用户难于提前发现所设计的半导体器件中存在的缺陷。期望提供用于仿真集成电路的改进方案。

技术实现要素：

本公开的实施例提供了用于仿真集成电路的方法和设备以及计算机可读介质。

在第一方面，提供了一种用于仿真集成电路的方法。该方法包括：获取指示集成电路的版图数据；基于版图数据生成集成电路的图形化版图；对集成电路的图形化版图进行划分以确定待仿真区域；以及通过使用与待仿真区域中的版图图案对应的模型对待仿真区域进行处理来生成针对待仿真区域的仿真显微图像。

在一些实施例中，生成仿真显微图像包括：基于版图图案生成针对待仿真区域的轮廓图案；以及通过使用与轮廓图案对应的模型对待仿真区域进行处理来生成仿真显微图像。

在一些实施例中，通过使用与轮廓图案对应的模型对待仿真区域进行处理来生成仿真显微图像包括：在仿真显微图像库中针对轮廓图案进行检索；以及如果检索到与轮廓图案对应的显微图像模型，则将显微图像模型的显微图像生成为仿真显微图像。

在一些实施例中，通过使用与轮廓图案对应的模型对待仿真区域进行处理来生成仿真显微图像还包括：如果未检索到与轮廓图案对应的显微图像模型，则使用机器学习模型对轮廓图案进行处理来生成仿真显微图像。

在一些实施例中，生成针对待仿真区域的仿真显微图像包括使用机器学习模型对版图图案进行处理来生成仿真显微图像。

在一些实施例中，使用机器学习模型对版图图案进行处理来生成仿真显微图像包括：基于版图图案生成轮廓图案；以及使用机器学习模型对轮廓图案进行处理来生成仿真显微图像。

在一些实施例中，该方法还包括：获取多个样本版图图案；获取与多个样本版图图案分别对应的多个显微图像；以及使用多个样本版图图案和多个显微图像进行训练以生成机器学习模型。

在一些实施例中，该方法还包括：基于待仿真区域生成针对待仿真区域的三维堆叠结构；其中生成针对待仿真区域的仿真显微图像包括：通过使用与三维堆叠结构的侧表面的图案对应的模型对侧表面进行处理来生成针对三维堆叠结构的侧表面的仿真显微图像。

在一些实施例中，该方法还包括：获取用户输入，用户输入指示在图形化版图上选定的剖面线；其中确定待仿真区域包括基于用户输入确定待仿真区域，仿真区域用于生成三维堆叠结构。

在一些实施例中，仿真显微图像包括仿真透射电子显微图像、仿真扫描电子显微图像、仿真原子力显微图像、仿真扫描隧道显微图像、仿真扫描透射电子显微图像中的至少一种。

在一些实施例中，生成针对待仿真区域的仿真显微图像包括：基于待仿真区域中的版图图案和版图图案所涉及的工艺、材料、结构和/或尺寸，来生成针对待仿真区域的仿真显微图像。

在一些实施例中，该方法还包括：获取针对待仿真区域的谱数据；将谱数据与参考谱数据库中与待仿真区域的仿真显微图像对应的参考谱数据进行比较，以确定谱数据中是否存在异常信号；以及如果确定比较结果中存在异常信号，则生成指示仿真显微图像中存在异常结构的异常指示信号。

在一些实施例中，获取针对待仿真区域的谱数据包括获取针对待仿真区域的能量色散x射线光谱数据、电子能量损失能谱数据、电子背向散射衍射光谱数据、x射线光电子能谱数据、紫外光电子能谱数据、角分辨光电子能谱数据、聚焦离子束能谱数据中的至少一种。

在第二方面，提供了一种电子设备。该电子设备包括：处理单元；存储器，耦合至所述处理单元并且包括存储于其上的程序，所述程序在由所述处理单元执行时使所述电子设备执行根据第一方面中任一项所述的方法。

在第三方面，提供了一种计算机可读存储介质。该计算机可读存储介质上存储有机器可执行指令，当所述机器可执行指令在被至少一个处理器执行时，使得所述至少一个处理器实现上述方法。

根据本公开的实施例的仿真方法，用户可以从版图设计生成可视化的仿真显微图像，从而便于查看所设计的集成电路的待仿真区域是否存在缺陷。由于无需实际生产集成电路并且无需对所生产的集成电路进行显微检测，因此节省了成本和时间。

附图说明

通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显，其中，在本公开示例性实施例中，相同的参考标号通常代表相同部件。

图1示出了本公开的多个实施例能够在其中实现的示例环境的示意图；

图2示出了根据本公开的一些实施例的对集成电路进行仿真的过程的流程图；

图3示出了根据本公开的一些实施例的生成仿真显微图像的一个示例的示意图；

图4示出了根据本公开的一些实施例的针对不同工艺生成仿真显微图像的一个示例的示意图；

图5示出了根据本公开的一些实施例的生成仿真显微图像的另一示例的示意图；

图6示出了根据本公开的一些实施例的生成仿真显微图像的又一示例的示意图；

图7示出了根据本公开的一些实施例的不同工艺阶段及其对应谱图的一个示例的示意图；以及

图8示出了能够实施本公开的多个实施例的计算设备的框图。

具体实施方式

下面将参照附图更详细地描述本公开的优选实施例。虽然附图中示出了本公开的优选实施例，然而应该理解，本公开可以以各种形式实现而不应被这里阐述的实施例限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

如前文所提及的，在半导体生产中，可以通过仿真来查看所设计的半导体器件结构。常规的仿真通常使用默认的器件模型来仿真所设计的半导体器件的轮廓。然而，默认的器件模型通常种类有限。集成电路电路设计人员在设计过程中出于性能优化或是增强性能等目的会设计出新的半导体器件结构。新的半导体器件结构难于通过默认的器件模型去仿真，而往往依赖于电子设计自动化(eda)厂商更新其器件模型库。这对于集成电路设计人员而言并不友好，因为它不能采用用户自定义的模型来应对更多的实际情况。

此外，常规的eda工具提供商所提供的集成电路设计软件针对半导体器件结构所执行的仿真通常也仅对半导体器件的轮廓进行仿真。该仿真结果通常以二维或三维的形式显示所设计的半导体器件结构在生产制造之后的可能轮廓形状。然而，该轮廓形状并不能反映半导体器件结构的除轮廓之外的更多信息，而仅是提供初步判断信息。

当需要用于判断所设计的半导体器件结构是否存在物理缺陷的更多信息时，通常需要对实际生产的半导体器件结构拍摄诸如扫描电子显微(sem)和/或透射电子显微(tem)之类的显微图像，以借此进一步判断所设计的半导体器件的实际物理结构是否理想。由于需要拍摄sem和tem之类的显微图像，因此针对半导体器件物理结构的常规量测方案的功能有限，并且需要显微技术予以支持。就此而言，常规的仿真方案功能有限且不便捷，并且还导致增加额外的检测成本。

鉴于传统方案的上述缺点，需要一种能够对于半导体器件结构的显微图像也能进行仿真以便于设计人员能够及时查看显微结构的方案。通过针对所设计的半导体器件的待仿真区域的图案建立显微图像模型，可以对后续设计的图案使用显微图像模型来进行处理以自动生成对应的显微图像。在本公开的实施例中，显微图像模型包括显微图像库模型和机器学习模型。

在显微图像库模型中，通过提供大量的针对各种图案的显微图像来建立显微图像库。这样，在后续仿真过程中，可以针对所设计的图案在显微图像库中查找对应的显微结构图像。

在机器学习模型中，通过提供大量的图案和对应的显微图像来进行训练，以建立机器学习模型。通过使用大量训练样本进行训练来建立机器学习模型，当设计人员设计出新的半导体器件结构时，该机器学习模型也可以根据新的半导体器件结构仿真出对应的显微图像。例如，遗传算法(geneticalgorithm，ga)是一种可以用于生成显微图像的机器学习方法。遗传算法是根据大自然中生物体进化规律而设计提出的。该算法通过数学的方式，利用计算机仿真运算，将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。遗传算法通常包括如下的过程：产生初始种群；选择一部分种群以产生新一代种群；对所选择的种群执行遗传操作，包括交叉和突变等；试探性地衡量或惩罚新产生的种群；根据中止条件而停止。

根据本公开的实施例，提出了一种仿真集成电路的方案。在该方案中，首先接收包括多个半导体器件结构的版图数据并且基于该版图数据生成图形化的版图。设计人员可以对图形化的版图进行任意划分以确定待仿真的区域。然后，可以基于所确定的区域中的图案来确定对应的模型，并且使用所确定的模型来对该区域进行仿真以获得对应的仿真显微图像。仿真显微图像包括仿真透射电子显微图像、仿真扫描电子显微图像、仿真原子力显微图像、仿真扫描隧道显微图像、仿真扫描透射电子显微图像中的至少一种。

利用本公开的方案，能够基于设计的版图图案来获得对应的仿真显微图像。以此方式，设计人员可以根据需要指定仿真区域并且获得相应的显微图像，从而可以随时查看所设计的半导体器件结构的状况以尽早地发现设计缺陷。此外，由于可以通过仿真来显示显微图像，节省了制造半导体器件的成本和时间。

以下将参照附图来具体描述本公开的实施例。示例环境100中的计算设备102可以是任何具有计算能力的设备。作为非限制性示例，计算设备102可以是任意类型的固定计算设备、移动计算设备或便携式计算设备，包括但不限于台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、多媒体计算机、移动电话等；计算设备102的全部组件或一部分组件可以分布在云端。

在该示例环境100中，计算设备102包括存储有模型的模型模块122。下文相对于计算设备102描述的动作具体可以由计算设备102中的处理器执行。

处理器例如从计算设备102内的存储器或是外部设备获取指示集成电路的版图图示110的版图数据，并且基于版图数据生成集成电路的图形化版图图示110。虽然在图1中版图以二维版图示出，可以理解这仅是示意而非对本公开的范围进行限制。在另一些实施例中，也可以基于版图数据生成图形化的三维版图。

设计人员可以通过输入指令或使用诸如鼠标之类的指点装置来对集成电路的图形化版图进行划分，以确定待仿真区域。例如，计算设备102可以将所生成的版图图示110的至少一部分在显示器上显示出来。设计人员可以通过拖动诸如鼠标之类的指点装置以在显示器上显示版图图示110的不同部分。设计人员还可以通过诸如鼠标和/或键盘之类的输入装置选取待仿真的区域112。在一个实施例中，待仿真的区域112可以以与所显示的版图部分不同的颜色来突出显示。备选地，可以如图1所示地放大显示所选中的待仿真区域。

在选定待仿真区域之后，处理器可以通过使用与待仿真区域中的版图图案对应的模型对待仿真区域进行处理来生成针对待仿真区域的仿真显微图像130。在一个实施例中，处理器可以首先基于待仿真区域中的版图图案从显微图像数据库中检索对应的显微图像模型。如果数据库中存在与版图图案对应的显微图像模型，则将该显微图像模型的显微图像作为仿真显微图像130输出。如果显微图像数据库中不存在对应的显微图像，则处理器使用已经训练的机器学习模型来基于版图图案生成对应的显微图像130。

在另一些实施例中，计算设备120的处理器可以跳过从显微图像库中查找对应的显微图像模型，而是直接使用机器学习模型来生成对应的显微图像。通过根据需要选择感兴趣的待仿真区域并且生成对应的显微图像，可以更为全面地检查所设计的半导体器件的状况，并且提前发现可能存在的缺陷。相比于常规的轮廓图案，显微图像可以更为全面和准确地展示半导体器件的各种可能情况。

图2示出了根据本公开的一些实施例的对集成电路进行仿真的过程200的流程图。在一个实施例中，过程200可以由图1的计算设备120执行。在202处，计算设备120的处理器获取指示集成电路的版图的版图数据。版图数据可以是用于描述半导体集成电路的电路布局的任何数据格式的数据。处理器可以从外部设备或计算设备120的存储器获得该版图数据。

在204处，计算设备120的处理器基于版图数据生成集成电路的图形化版图。为了便于设计人员查看集成电路的设计布局，可以将版图数据生成为图形化的版图，从而使得设计人员可以直观查看版图的任何部分的设计。进一步地，设计人员可以通过使用指点装置或键盘等输入设备以在计算设备120的显示器上拖拽、放大、缩小、旋转所示出的图形化版图，并且可以通过输入来指定待仿真区域。备选地，可以将所显示的区域默认为待仿真区域。可以理解，图形化的版图包括二维版图和三维版图。

在206处，计算设备120的处理器对集成电路的图形化版图进行划分以确定待仿真区域。可以理解，版图数据通常具有非常大的数据量，并且因此生成的图形化版图的尺寸也非常巨大。因此，在计算设备120的显示器上通常仅显示图形化版图的一部分，以便设计人员能够清楚查看。设计人员可以通过输入来选择期望查看的任何区域，并且确定待仿真的区域。

在一个实施例中，计算设备120可以在其显示器上首先显示二维的版图图案。用户随之通过在该版图图案上画出剖面线来选择待仿真的区域。处理器基于所接收的指示剖面线的输入来显示剖面线所对应的坡面周围的三维堆叠结构。用户可以随意旋转和缩放该三维堆叠结构以更好地观察半导体器件的立体结构状况。

在208处，计算设备120的处理器通过使用与待仿真区域中的版图图案对应的模型对待仿真区域进行处理来生成针对待仿真区域的仿真显微图像。在一个实施例中，计算设备120包括存储有显微图像数据库的存储器。计算设备120的处理器可以从该存储器中检索与待仿真区域的版图设计图案相对应的显微图像模型来获取仿真显微图像。在一个实施例中，显微图像模型可以是仿真显微图像。备选地，显微图像模型可以是包括仿真显微图像的三维显微模型。

在另一实施例中，计算设备120的存储器存储有已针对大量图案数据和对应的显微图像进行训练得到的机器学习模型。eda厂商可以提供针对半导体器件的各种设计版图图案。可以采用针对各个版图设计图案的真实sem或tem图像来形成对应的显微图像。通过训练，机器学习模型可以针对新的版图图案产生相应的显微图像。这样，设计人员在设计新的半导体器件结构时，可以不受器件数据库的约束而具有更大的设计自由度。此外，当设计完成之时，设计人员还可以选取期望仿真的区域进行仿真并且查看，而无需实际进行半导体器件的生产制造和显微图像的拍摄。这可以大大节省半导体器件的流片和拍摄成本，并且提前排除设计中可能存在的缺陷。

虽然在上面针对版图设计图案描述了仿真显微图像的生成过程，但是可以理解这仅是示意而非对本公开的范围进行限制。在另一实施例中，计算设备120的处理器使用常规的eda软件基于版图设计图案生成针对待仿真区域的轮廓图案。可以理解，版图设计图案通常为规则的几何图形，而eda软件仿真的轮廓图案通常包括针对实际工艺和相关参数对规则几何图形的修改和调整，例如参见图3所示。相比于规则几何图形，轮廓图案可以更为贴近实际生产的半导体器件结构的形状。计算设备120的处理器继而通过使用与轮廓对应的模型对待仿真的区域进行处理来生成仿真显微图像。

在一个实施例中，计算设备120的处理器通过在仿真图像数据库中查找与轮廓对应的显微图像模型来生成仿真显微图像。具体而言，如果计算设备120的处理器在数据库中找到对应的显微图像模型，则使用该显微图像模型的显微图像作为仿真显微图像输出。如果计算设备120的处理器未能找到对应的显微图像模型，则使用机器学习模型来生成显微图像模型。机器学习模型是基于之前准备的大量轮廓图案和对应的大量显微图像训练而得到。在另一个实施例中，计算设备120的处理器通过机器学习模型直接来生成显微图像模型。

虽然在图2中示出多个步骤来生成仿真显微图像，但是可以理解这仅是示意而非对本公开的范围进行限制。在另一些实施例中，用于仿真集成电路的方法可以包括更少或更多的步骤，例如下文描述的特征中的一个或多个可以应用于图2的流程200。

图3示出了根据本公开的一些实施例的生成仿真显微图像的一个示例的示意图。如上所述，计算设备120的处理器首先基于所接收的版图数据生成图形化的版图并且从版图中选择感兴趣的区域作为待仿真区域112。待仿真区域112包括至少一个图案114。虽然在图3中示出了具体的图案形状，但这仅是示例而非对本公开的范围进行限制。在另一些实施例中，可以具有其它图案。

计算设备120的处理器继而使用常规的仿真方案基于设计图案114生成包括轮廓图案117的初级仿真区域116。设计人员可以通过查看初级仿真区域116的轮廓图案117初步判断是否存在设计缺陷。如果存在设计缺陷，则无需进入后续的仿真显微图像生成并且返回版图设计阶段进行重新设计或修改。这样可以节约显微图像仿真的时间和成本。

如果轮廓图案117符合设计规则并且不存在明显设计缺陷，则计算设备120的处理器可以基于初级仿真区域116的轮廓图案117生成仿真显微图像130。计算设备120的处理器可以通过如上所述的模型查找或机器学习模型来生成仿真显微图像130。设计人员继而通过查看仿真显微图像130来进一步判断半导体器件结构的状况，从而确定所设计的半导体器件是否符合设计规则并且是否存在缺陷或不期望的状况。

图4示出了根据本公开的一些实施例的针对不同工艺生成仿真显微图像的一个示例的示意图。在集成电路的生产制造过程中，诸如硅衬底之类的半导体材料需要经过多个工艺步骤才能最终形成集成电路芯片。可以理解，即使是相同的版图设计，但是在不同的工艺阶段可以具有不同的轮廓和不同的显微图像。此外，除了工艺之外，影响轮廓和显微图像的因素还包括材料、结构和/或尺寸。

如图4所示，相同的版图图案402在硬掩模蚀刻阶段具有第一轮廓412，在电介质蚀刻阶段具有第二轮廓414，并且在化学机械抛光(cmp)cu阶段具有第三轮廓416。第一轮廓412、第二轮廓414和第三轮廓416可以通过常规的eda软件仿真得出。

计算设备120的处理器可以继而通过使用如上所述的模型来基于第一轮廓412、第二轮廓414和第三轮廓416分别生成对应的第一仿真显微图像422,、第二仿真显微图像424和第三仿真显微图像426。在另一实施例中，也可以跳过轮廓仿真阶段，基于设计图案402和工艺阶段和/或相应工艺参数直接生成仿真显微图像。

此外，可以理解，在机器学习模型的训练阶段，也可以使用针对不同的工艺阶段和相关工艺参数来对版图设计图案和对应的显微图像进行训练以得到机器学习模型。

上文中主要描述了针对二维平面图案的仿真显微图像的生成。可以理解，本公开的内容不限于此，而是可以应用于三维剖面的仿真显微图像的生成。图5示出了根据本公开的一些实施例的生成仿真显微图像的另一示例的示意图。图案502例如是待仿真区域中的图案，该团例如是从二维平面图案中沿某个剖面线对感兴趣的半导体器件结构进行纵向切割得到的纵向剖面图案。计算设备120的处理器基于该剖面版图设计图案502生成轮廓图案504。在此之后，计算设备120的处理器使用上述的模型(包括模型查找得到的模型和/或机器学习模型)来基于该轮廓图案504生成仿真显微图像506。该仿真显微图像506例如可以是预存在仿真显微图像库中的针对该轮廓图案的真实tem图像或是通过机器学习生成的仿真显微图像。

图6示出了根据本公开的一些实施例的生成仿真显微图像的又一示例的示意图。在该实施例中，计算设备120的处理器首先基于所接收的版图数据生成图形化的版图图案602。版图图案602是二维平面的版图图案。设计人员通过移动鼠标或使用键盘等输入设备来选择感兴趣的区域。例如，设计人员可以在版图图示604上画剖面线a-a’。剖面线a-a’所对应的纵向剖面即被选定为待仿真区域。

计算设备120的处理器继而生成沿剖面线a-a’所对应的剖面附近的三维立体示意结构606。设计人员可以通过鼠标之类的输入工具旋转、拖拽或缩放该三维立体示意结构606来从不同角度观察待仿真区域附近的结构是否存在违反设计规则的情况或者是否存在设计缺陷。在此之后，计算设备120的处理器可以使用上述模型基于剖面图案生成对应的仿真显微图像608。

图7示出了根据本公开的一些实施例的不同工艺阶段及其对应谱图的一个示例的示意图。作为用于仿真集成电路的一个补充方案，本公开的一个实施例还提出使用谱图分析来分析半导体器件是否存在设计问题。在一个实施例中，计算设备102的存储器可以存储有针对多个实际半导体结构的多个图谱。可以使用能量色散x射线(edx)光谱检测、电子能量损失能谱(eels)检测、电子背向散射衍射光谱(ebsd)检测、x射线光电子能谱(xps)检测、紫外光电子能谱(ups)检测、角分辨光电子能谱(arp)检测、聚焦离子束能谱(fib)检测中的一项或多项技术来分析针对特定半导体器件结构的特征谱图。

例如，图7示出了针对半导体器件结构701、703、705和707的特定区域的谱图图示702、谱图图示704、谱图图示706和谱图图示708。可以看出，针对不同的半导体器件结构，各个谱图均不相同，因此可以通过分析谱图来确定半导体器件结构是否正确。通过在计算设备120的存储器中预先存储针对正确设计的半导体器件的谱图库，可以在随后设计集成电路时通过确定所设计的集成电路的半导体器件结构的谱图并且将其与谱图库中的对应谱图比较来确定所设计的半导体器件结构是否正确。

例如，图7还示出了与待仿真区域相对应的仿真显微图像。计算设备120的处理器获取针对待仿真区域的谱数据并且生成对应的谱图。该谱数据例如可以通过对实际生产的集成电路进行上述检测得到。备选地，可以通过使用机器学习模型基于仿真显微图像生成。

计算设备120的处理器继而将谱数据与参考谱数据库中与待仿真区域的仿真显微图像对应的参考谱数据进行比较，以确定谱数据中是否存在异常信号。如果确定比较结果中存在异常信号，则生成指示仿真显微图像中存在异常结构的异常指示信号。例如，图7中的谱图图示710相比于参考谱图图示708多出一根异常谱线712。由此可以确定该待仿真区域可能存在缺陷。该缺陷例如可能是由额外的异常薄膜所致。通过谱线分析，可以提前发现设计缺陷。

图8示出了可以用来实施本公开的实施例的示例设备800的示意性框图。设备800可以用于实现图1的计算设备102。如图所示，设备800包括中央处理单元(cpu)801，其可以根据存储在只读存储器(rom)802中的计算机程序指令或者从存储单元808加载到随机访问存储器(ram)803中的计算机程序指令，来执行各种适当的动作和处理。在ram803中，还可存储设备800操作所需的各种程序和数据。cpu801、rom802以及ram803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。

设备800中的多个部件连接至i/o接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理单元801执行上文所描述的各个方法和处理，例如过程200。例如，在一些实施例中，过程200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。过程200可以单独地被形成为单独的仿真程序，也可以被形成为常规tcad的插件程序。在一些实施例中，计算机程序的部分或者全部可以经由rom802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到ram803并由cpu801执行时，可以执行上文描述的过程200的一个或多个步骤。备选地，在其他实施例中，cpu801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行过程200。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)等等。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。