smic工艺的蒙特卡罗分析

favourite626

最近在学习monte carlo分析，碰见几个问题想问问大家
1.monte carlo分析中有mismatch和process两种选项，关于mismatch我的理解是由于器件的失配所引起的误差，但是关于process这项还是不太理解，这项指的是什么引起的误差？
2.smic所提供的MC文件中只有process选项的的参数，那我怎么做mismatch选项的monte carlo分析？

kurama1412

process 貌似是工艺角？就是MOS管的ss ff、电阻的fast slow之类的？
这么说来MC仿真的process和corner仿真是一样的东西么...

favourite626

回复 2# kurama1412
我看到一般管子失配的模型包括三项，一项是阈值电压失配，β的失配，还有管子间距离引起的失配。按我的理解工艺引起的偏差已经包括在阈值电压失配和β值的失配中了，所以就不是很明白mc分析中process选项的意义。
不知道我这样的理解对不对。

happygrass

回复 1# favourite626


    1.同问
    2.没法做，除非你自己写个mismatch文件~

favourite626

回复 4# happygrass


我看了下smic的lib文档
在section mc中是这样描述的（以n18为例）：
section mc
parameters sigma = 0
statistics {
    process {
        vary sigma dist=gauss std=1/3
   }
}
// *1.8V core NMOS
parameters dtox_n18 = 1.0e-10*sigma
parameters dxl_n18 = 1.0e-8*sigma
parameters dxw_n18 = -2.2e-8*sigma
parameters dvth_n18 = 0.045*sigma
parameters dcj_n18 = 4.84e-5*sigma
parameters dcjsw_n18 = 3.975e-12*sigma
parameters dcjswg_n18 = 2.09e-11*sigma
parameters dcgdo_n18 = -1.85e-11*sigma
parameters dcgso_n18 = -1.85e-11*sigma
parameters dpvth0_n18 = 3e-15*sigma

对于所给出的代码我的理解是每次仿真随机产生一个sigma，然后用随机产生的sigma来得到管子的一些参数进行计算。
但困惑我的地方在于：
1.对于process的误差如果这样计算的话，那就认为这些随机变量的相关系数为1，但这些参数里的一些参数我感觉因该是相互独立的随机过程（例如氧化层厚度和阈值电压），这样就不能使用同一个sigma值；
2.是否整个电路在做mc分析时所有的n18管子都使用同一个sigma呢，还是每个管子都各自产生相互独立的sigma；（我对于代码的理解倾向于前者）

另外我想问下，如果自己要加入mismatch的分析的话，是不是就应该根据smic所提供的mismatch文档里的参数来自己写模型呢？但是貌似根据mismatch文档只能得到管子直流电流的失配等关系，对于仿真完全没有用。个人感觉mismatch完全没办法做啊

twfly

sigma是满足高斯分布的。process我理解是指MOS管的各个参数吧。感觉应该差不多2者

永远不加班

回复 5# favourite626


   你的理解是对的。实际上做mC真不能把所有的管子都变成随机变量仿真。但是要把关键的管子自己定义成随机变量。简单举例，差分对输入管子的model自己编写成随机变量形式。其他的不变。可以仿真输入对管产生的offset。以此类推，把关键期间的model自己编写一下就可以了。

favourite626

回复 7# 永远不加班


    恩 ，这个方法不错啊，但是失配的模型怎么加呢

tanguaner

关于process，我的理解是，比如说，正常情况下，tox为40nm，但是在某次流片中，tox偏移到了38nm，而在下一次流片的时候，可能就偏移到了42nm，而各个corner是工艺中可能出现的极限情况

过路心客

"monte carlo分析中有mismatch和process两种选项"
process指的是global variation，类似于process corner；mismatch指的是local variation，是两个距离很近、但是图形相同且方向一致的器件的失配。
通常做运放等的offset分析只用到local variation，用monte carlo的方法。
global variation用于芯片成品率(yield)的分析，corner仿真是一个最坏情况分析，并不能得到成品率的概念。