專利名稱：一種半導(dǎo)體器件模型自適應(yīng)參數(shù)提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及半導(dǎo)體集成電路領(lǐng)域器件模型的參數(shù)提取技術(shù)，主要用于提取半導(dǎo)體器件 的各種解析模型和半解析模型參數(shù)。
背景技術(shù)：
在半導(dǎo)體集成電路的生產(chǎn)過(guò)程中，器件模型參數(shù)的提取是一個(gè)很重要的環(huán)節(jié)。目前用 來(lái)提取半導(dǎo)體器件模型參數(shù)的方法很多，其中最普遍的是基于偏微分計(jì)算的最小二乘法、 牛頓迭代法和麥夸脫算法等，這些方法都是利用求得函數(shù)在連續(xù)區(qū)間極小值的方法來(lái)獲得 器件模型參數(shù)的。隨著半導(dǎo)體工藝的發(fā)展，半導(dǎo)體器件已進(jìn)入超深亞微米乃至納米時(shí)代，器件中的各種 效應(yīng)變得越來(lái)越復(fù)雜，因而半導(dǎo)體器件的集約模型(Compact Model)也變得越來(lái)越龐大， 需要提取的參數(shù)數(shù)目也相當(dāng)驚人(僅BSIM3v3就有200多個(gè)參數(shù))，繼續(xù)采用上述方法進(jìn) 行模型參數(shù)提取凸顯出越來(lái)越多的缺點(diǎn)1) 提取結(jié)果對(duì)模型參數(shù)的初始猜值具有很強(qiáng)的依賴性。在采用傳統(tǒng)的提取算法提取 參數(shù)時(shí)，針對(duì)每一個(gè)參數(shù)都需要給定一個(gè)初始猜值，然后在提取過(guò)程中基于初始猜值進(jìn)行 迭代計(jì)算而獲得最終穩(wěn)定解，因而初始猜值的選取對(duì)最終提取結(jié)果的影響非常大。好的初 始猜值可以獲得正確的結(jié)果，而質(zhì)量差的初始猜值將導(dǎo)致最終迭代計(jì)算的結(jié)果無(wú)法收斂或 發(fā)生很大的波動(dòng)，這種波動(dòng)往往會(huì)是幾倍甚至幾個(gè)數(shù)量級(jí)的范圍。要想得到一組好的提取 結(jié)果必須對(duì)初始猜值進(jìn)行反復(fù)的摸索和調(diào)整，這也就要求參數(shù)提取人員必須具有相關(guān)的專 業(yè)知識(shí)和豐富的參數(shù)提取經(jīng)驗(yàn)。2) 提取策略的靈活性差。在進(jìn)行分步提取時(shí)，必須按照特定的提取策略分步驟來(lái)進(jìn) 行，每一步依據(jù)特定尺寸和測(cè)試條件下的測(cè)試數(shù)據(jù)來(lái)提取特定的一部分模型參數(shù)，提取步 驟也很難進(jìn)行變動(dòng)和調(diào)整， 一旦發(fā)生變動(dòng)和調(diào)整，提取結(jié)果也將呈現(xiàn)出很大的波動(dòng)性。3) 提取算法的收斂性差。由于解析模型中很多參數(shù)的導(dǎo)數(shù)很復(fù)雜，模型公式或參數(shù) 的導(dǎo)數(shù)函數(shù)也常常會(huì)存在不連續(xù)等特殊情況，因此在進(jìn)行迭代計(jì)算時(shí)常常會(huì)出現(xiàn)不收斂的 情況，提取結(jié)果超出模型參數(shù)的取值空間或失去其物理意義的情況也會(huì)常常發(fā)生，往往必 須反復(fù)的進(jìn)行調(diào)整計(jì)算才能得到比較滿意的結(jié)果。4) 模型公式的計(jì)算處理太復(fù)雜。由于解析模型復(fù)雜，模型參數(shù)急驟增加，因而對(duì)模型參數(shù)計(jì)算偏微分也變得很復(fù)雜，即便是采用特定的公式計(jì)算軟件，它的計(jì)算時(shí)間和公式 驗(yàn)證過(guò)程的耗時(shí)也是相當(dāng)驚人的。5)提取程序重復(fù)使用性差?；谄⒎值奶崛》椒ǘ际轻槍?duì)特定的模型公式的，在 改變模型公式或者對(duì)模型公式作一些小的修改后，整個(gè)參數(shù)提取流程都必須從頭再來(lái)，整 個(gè)提取程序的重復(fù)使用性很差。上述一些缺點(diǎn)嚴(yán)重影響了半導(dǎo)體期間模型參數(shù)的提取結(jié)果和提取速度，制約了半導(dǎo)體 器件新結(jié)構(gòu)和新工藝的開發(fā)速度和開發(fā)周期。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種不依賴具體的半導(dǎo)體器件模型、具有很強(qiáng)的魯棒穩(wěn)定性和模 型自適應(yīng)性的參數(shù)提取方法。 本發(fā)明的技術(shù)方案如下-一種半導(dǎo)體器件模型的參數(shù)提取方法，包括如下步驟(1) 針對(duì)要提取的半導(dǎo)體器件模型，選擇幾種不同尺寸組合的器件，根據(jù)待提取參 數(shù)的需要測(cè)試所選定的器件在不同外部情況下的電學(xué)特性；(2) 整理測(cè)試數(shù)據(jù)，并根據(jù)參數(shù)提取流程輸入提取流程控制代碼，同時(shí)將待提取的 模型公式整理為C語(yǔ)言子函數(shù)代碼，結(jié)合待提取的模型參數(shù)列表形成一個(gè)輸入文件；(3) 按照輸入文件中制定的提取流程，采用控制搜索類算法進(jìn)行參數(shù)提取，同時(shí)進(jìn) 行進(jìn)度監(jiān)控；(4) 在整個(gè)提取流程結(jié)束后，輸出模型參數(shù)，生成對(duì)應(yīng)的器件模型文件。在具體實(shí)施過(guò)程中，為了使提取的模型參數(shù)覆蓋更廣的尺寸范圍，在上述步驟(1) 中首先選擇幾種不同尺寸組合的器件。由于半導(dǎo)體器件模型中存在很多個(gè)和器件某個(gè)尺寸 項(xiàng)(如器件溝道長(zhǎng)度L、溝道寬度W)特別相關(guān)的參數(shù)項(xiàng)，因而在器件的選擇上一般需 要選擇如下四類器件>大的L大的W>小的L大的W>小的L小的W >大的L小的W然后針對(duì)要提取的器件模型，根據(jù)待提取參數(shù)的需要測(cè)試所有選定的器件在不同外部情況 下的電學(xué)特性。上述步驟(2)對(duì)測(cè)試數(shù)據(jù)的整理主要是對(duì)測(cè)試數(shù)據(jù)進(jìn)行稀疏和刪除一些明顯會(huì)引起 較大模型誤差的數(shù)據(jù)。其中數(shù)據(jù)的稀疏是在不改變測(cè)試特性曲線大致特征的前提下，為了 減少參數(shù)提取過(guò)程中的計(jì)算量而刪除一些過(guò)密的數(shù)據(jù)，從而加快搜索速度，稀疏方法采用 均勻稀疏。此外一些超出測(cè)試儀器靈敏度的數(shù)據(jù)在計(jì)算整體誤差的過(guò)程中會(huì)明顯的加大最 終模型誤差值，因而可以根據(jù)經(jīng)驗(yàn)直接刪除它們。參數(shù)提取流程是根據(jù)用戶的具體需求設(shè)定出的參數(shù)提取策略，這里既可以設(shè)定一次提 取全部參數(shù)，也可以設(shè)定采用分步提取策略進(jìn)行參數(shù)提取。提取流程控制代碼主要是為了 說(shuō)明參數(shù)提取步驟以及每一步中提取哪些參數(shù)，而模型參數(shù)列表則為所有待提取的參數(shù)名 稱、初始值和參數(shù)取值范圍。其中，參數(shù)取值范圍主要是為了對(duì)提取參數(shù)的取值進(jìn)行一些 限制，避免提取結(jié)果超過(guò)范圍和失去相應(yīng)的物理意義。不同于傳統(tǒng)的參數(shù)提取方法中僅將測(cè)試數(shù)據(jù)和提取流程控制代碼作為輸入文件，在本 發(fā)明的自適應(yīng)半導(dǎo)體器件模型參數(shù)提取方法中，器件模型公式代碼為標(biāo)準(zhǔn)的C語(yǔ)言子函數(shù) 格式，我們可以把待提取的模型公式整理為標(biāo)準(zhǔn)的C語(yǔ)言子函數(shù)代碼作為輸入文件。這樣， 如果想要提取新的器件模型則只需要將這一部分替換成新的模型的C語(yǔ)言子函數(shù)格式即 可，這可以大大加快模型參數(shù)的提取速度，縮短整個(gè)參數(shù)提取流程。上述步驟(3)中在進(jìn)行半導(dǎo)體器件參數(shù)提取時(shí)，考慮測(cè)量值和擬合值的誤差，所采 用的參數(shù)提取算法是不依賴于具體的半導(dǎo)體器件模型的控制搜索類算法，比如爬山法、遺 傳算法、蟻群算法、粒子群算法和免疫算法等與模型不相關(guān)的算法或是其中兩種和兩種以 上的混合類算法。由于本發(fā)明中自適應(yīng)半導(dǎo)體器件模型參數(shù)提取方法所采用的參數(shù)提取算法為控制搜 索類算法，因而具體的器件模型代碼和提取流程控制代碼部分并不包含在內(nèi)，這也是本發(fā) 明與傳統(tǒng)的器件模型參數(shù)提取方法不同的地方。此外由于這些控制搜索類算法大多具有天 然的并行性，因而很容易在實(shí)施的過(guò)程中采用并行計(jì)算機(jī)系統(tǒng)，從而可以大大提高參數(shù)提 取的速度。在進(jìn)行器件模型參數(shù)提取的過(guò)程中，隨時(shí)監(jiān)控參數(shù)提取結(jié)果。可以通過(guò)終端形式直接 登陸査詢計(jì)算結(jié)果，也可以通過(guò)外部WEB界面或圖形化程序觀察監(jiān)控參數(shù)提取的進(jìn)度。上述步驟(4)在參數(shù)提取按照提取流程控制代碼提取完全部模型參數(shù)后，可以通過(guò) WEB界面或圖形化程序輸出模型參數(shù)提取結(jié)果。輸出文件格式包括標(biāo)準(zhǔn)的SPICE模型卡 片(Model Card)，同時(shí)也輸出擬合結(jié)果和測(cè)試結(jié)果對(duì)比數(shù)據(jù)供繪圖軟件直接使用，比如可 以按Origin繪圖軟件要求輸出器件測(cè)試數(shù)據(jù)和擬合數(shù)據(jù)供Origin繪制對(duì)比圖。本發(fā)明的優(yōu)點(diǎn)和積極效果本發(fā)明的不依賴于具體器件模型的自適應(yīng)參數(shù)提取方法在 針對(duì)新的器件模型進(jìn)行參數(shù)提取時(shí)，只需將模型公式轉(zhuǎn)換為標(biāo)準(zhǔn)的C語(yǔ)言代碼，與測(cè)試數(shù) 據(jù)和參數(shù)列表一并整理為輸入數(shù)據(jù)，這樣就可以直接對(duì)新的器件模型進(jìn)行參數(shù)提取了，從 而減少了前期對(duì)模型公式進(jìn)行計(jì)算處理所耗費(fèi)的時(shí)間，大大縮短整個(gè)模型參數(shù)提取的周 期，加快半導(dǎo)體器件開發(fā)和工藝開發(fā)的速度。本發(fā)明實(shí)現(xiàn)了半導(dǎo)體器件模型自適應(yīng)性參數(shù)提取，不需要對(duì)參數(shù)提取系統(tǒng)進(jìn)行重新的 組織就可以快速的應(yīng)用到新的半導(dǎo)體器件解析模型和半解析模型中。該參數(shù)提取方法簡(jiǎn)單 并易于控制，具有較高的實(shí)用價(jià)值，有望在未來(lái)的半導(dǎo)體集成電路生產(chǎn)和研發(fā)中得到應(yīng)用。


圖1是本發(fā)明的半導(dǎo)體器件模型自適應(yīng)模型參數(shù)提取方法的流程示意2是實(shí)施例采用的爬山法與遺傳算法進(jìn)行混合的算法流程圖。
具體實(shí)施方式
下面結(jié)合附圖，通過(guò)實(shí)施例進(jìn)一步說(shuō)明本發(fā)明，但不以任何方式限制本發(fā)明的范圍。 我們選定的半導(dǎo)體器件模型為BSIMSOI3.1中PDSOI (Silicon on Isolator) MOSFET (金屬氧化物半導(dǎo)體場(chǎng)效應(yīng)晶體管)器件閾值電壓模型，具體模型公式如下W Leff+(K3 + ~~^~~<Ds - DVT0W(exp(-DVT1W^^)l/V'eff + WO十2exp(-DVT1wW'9^,)(^ - <ds) - DVTO(exp(-DVTlk)十2exp(-DVT1^))(W - Os) - (exp(-DSUB^) + 2exp(-DSUB^))(ETAO + ETAB Vtee療)^/f 2/to /to/,=+D而滅),禍固=V^1^+禮-Us=-1SOXdep1 《 'X鄉(xiāng)。一M7乂' —^("7T"待提取的模型參數(shù)如下表，具體參數(shù)物理意義和單位參考相關(guān)手冊(cè)。BSI M ) 13. 2閾值電壓模型參數(shù) 0,K1，K1W1，K1W2，K2，WINT，LINT,DVT0，DVT1，DVT2,NLX，K3，K3B,W0，DVT0W，DVT1W，DVT2W，ETAO，ETAB，DSUB選擇的器件尺寸(器件溝道長(zhǎng)度LX溝道寬度w)包括lumX0.8um、 1.6umX0.8um、 1.6umX1.6um、 1.6X5um、 5umX0.8um、 5.0umX5.0um等尺度。測(cè)量所有器件在不同體偏壓Vbs和漏偏壓Vds下的Ids-Vgs轉(zhuǎn)移特性曲線，根據(jù)標(biāo)準(zhǔn)閾值電壓計(jì)算公式計(jì)算Vth值。針對(duì)第一步中選擇的不同尺寸的器件可以得到很多組閾值電壓Vth值。我們采用的閾值電壓計(jì)算方法采用常數(shù)電流法，具體公式如下 『jL其中閾值電流Ith取l(^A。本實(shí)施例的測(cè)試儀器中V&的步長(zhǎng)為0.05V，但由于最終計(jì)算結(jié)果過(guò)于龐大，我們每隔 1V取一個(gè)測(cè)試值，從而使得最后數(shù)據(jù)量?jī)H為以前的1/20，因而計(jì)算量也減少為以前的1/20， 而搜索速度則整整提高了 20倍。在測(cè)試的過(guò)程中，由于干擾等問(wèn)題，測(cè)試的WVgs曲線中會(huì)出現(xiàn)一些Id《10^的數(shù)據(jù)， 這些數(shù)據(jù)已接近測(cè)試儀的靈敏度，由于最終模型誤差的計(jì)算采用對(duì)數(shù)公式計(jì)算，這一量級(jí) 的測(cè)試數(shù)據(jù)將對(duì)模型誤差和造成很大影響、導(dǎo)致模型參數(shù)結(jié)果發(fā)生很大波動(dòng)，因而對(duì)于小于ixio'u的數(shù)據(jù)均予以刪除。以上模型公式整理的結(jié)果如下double BSIMSOI—VTH(double L，double W,double Vds,double Vbs，double *PM)double Cox, a， b, c' dtemp, e, f, g, h, I, J, K, m, Xdep, XdepO, phis, phisO, s' T1, Vbsh， Vbseff,K1eff,Vbi;double Leff, PWeff, Lt, Lto， Ltw;double Vth，VTHO， K1, K1W1, K1W2' K2， WINT, LINT, DVTO, DVT1, DVT2, NLX, K3, K3B, WO, DVTOW, ,W, DVT2W, ETAO, ETAB, DSUB;double PHIS1, VBSC, QQ, EPSSIL, EPSOX, EPSO， VT' Nl, NSUB, NDS, TOX, NCH, TSI, NBC, DELTA1;PHIS1 = 1.5;VBSC = -5.0;QQ-1.6E-19;EPSSIL-0.0000000001053; EPSOX = 0働00000003453; EPS0 = 8.85418E-14; VT = 0.0259; NI-1.5E+16; NSUB-8.84E+16; NDS-4.14E+19; TOX = 0.0000000175;NCH = 1.142E+17; TSI = 0扁0019; NBC = 1.0; DELTA1 =0.0001; VTHO = PM[O]; K1 = PM[1； K潮-PMPL-KIWS-PMPl; K2 = PM[4； WINT = PM問(wèn)； UNT-PM問(wèn)； DVTO = PM[7； DVT1 = PM問(wèn)； DVT2 = PM間； NLX = PM[10； K3 = PM[11； K3B-PM12]; W0 = PM[13； DVTOW = PM[14]; DVT1W-PM15； DVT2W = PM[1鄰 ETA0 = PM17； ETAB = PM[18； DSUB = PM[19j; Leff = L-2.0* LINT;if(Leff<0.0) Leff-L;PWeff = W-(2.0-NBC) *WINT;Cox = EPSOX/TOX;phis = 2.0 *VT*log(NCH/NI);phisO = 0.95 * phis;Vbi = VT * log(NCH * NDS / Nl / Nl);Xd印=sqrt(2.0 * EPSSIL * (phis - Vbseff) / QQ / NCH);Xd印O = sqrt(2,0 * EPSSIL * phis / QQ / NCH);a = sqrt(EPSSIL*Xctep/Cox);b = sqrt(EPSSIL * Xd印O / Cox);c = sqrt(phis);s = -0.5 * pow((phis - phisO), -0.5);T1 = VBSC + 0.5 * (Vbs - VBSC - DELTA1 + sqrt(pow((Vbs - VBSC - DELTA1), 2.0) - 4.0 * DELTA1 * VBSC));Vbsh = PHIS1 - 0.5 * (PHIS1陽(yáng)T1 - DELTA1 + sqrt(pow((PHIS1 - T1 - DELTA" , 2.0) + 4.0*DELTA1 *T1));Vbseff = phisO - 0,5 * (phisO墨Vbsh - DELTA1 + sqrt((phisO - Vbsh - DELTA1) * (phisO -Vbsh - DELTA" + 4.0 * DELTA1 * Vbsh));dtemp = sqrt(phis - Vbseff) + s * (Vbsh - Vbseff); e = Vbi - phis;f = sqrt(1.0 + NLX/Left)-1.0; Lt = a* (1.0 + DVT2* Vbseff); Lto = b;Ltw = a* (1.0 + DVT2W* Vbseff); g-exp(-DVT1*Leff/2.0/Lt); h = 2.0*exp(-DVT1*Leff/Lt); l = exp(-DSUB*Leff/2.0/Lto); J = 2.0*exp(-DSUB*Leff/Lto);K = exp(隱DVT1 W * PWeff * Leff / 2.0 / Ltw); m = 2.0* exp(-DVT1 W * PWeff' Leff / Ltw); K1eff = K1 * (1.0 + K1W1 / (PWeff + K1W2));Vth = VTH0 + K1eff * (dtemp - c)國(guó)K2 * Vbseff + K1eff * f * c + (K3 + K3B * Vbseff) * TOX * phis / (PWeff + WO) - DVTO * (g + h) * e - (I + J) * (ETAO + ETAB * Vbseff) * Vds墨DVTOW * (K + m)*e;retum(Vth);我們?cè)谶@里一次性提取所有的參數(shù)，因而提取流程控制代碼如下 120 (其中1表示參數(shù)提取的第一步，而20則表明在第一步中就提取全部的20個(gè) 模型參數(shù)，中間以制表符"TAB"隔開)參數(shù)列表如下(其中各列數(shù)據(jù)分別為參數(shù)名稱、默認(rèn)值、最小值、最大值)VTHO0.702K10.601K潮0-1E-71E-7K體0-1E-71E-7K2-0.0186-0.050WINT003E-7LINT003E-7DVTO2.2010DVT10.5301DVT2-0.032-0.050阻1.74E-71E-81E-6K3801E-31E2K犯0-1010WO2.5E-061E-61E-5DVTOW0010DVT1W5.3E601E7DVT2W-0.032德0ETAO0.0801ETAB德-1E-30DSUB0.56 0 1以上四部分?jǐn)?shù)據(jù)最終形成一個(gè)輸入文件，作為輸入文件。我們采用爬山法與遺傳算法進(jìn)行混合的算法提取以上的20個(gè)模型參數(shù)，具體算法的 流程如圖2所示。采用Visual Basic可視化語(yǔ)言編寫的程序?qū)崿F(xiàn)參數(shù)提取進(jìn)度的實(shí)時(shí)監(jiān)控， 時(shí)刻獲得提取過(guò)程中所獲得的最優(yōu)模型參數(shù)。采用Visual Basic可視化編程語(yǔ)言編寫的程序?qū)崿F(xiàn)數(shù)據(jù)的輸出，可以同時(shí)輸出SPICE 模型卡片，同時(shí)也輸出供Origin直接繪圖的器件測(cè)試數(shù)據(jù)和擬合數(shù)據(jù)。參數(shù)提取過(guò)程結(jié)束后輸出的最終模型卡片文件內(nèi)容如下-VTHO-0.808381, K1 =0.4286667， K1W1--0.00000004628571, K1W2--0.0000001 ， K2=0.2195238， WINT=0.0000001 , LINT=0.0000004735714 ， DVT0=-0.145， DVT1-1.064286 ， DVT2=0.1019048 ， NLX-0.00000005116715, K3=100, K3B--10, W0=0.000001772251， DVT0W=0.000000000000001 ， DVT1W=64285.71 ， DVT2W=-0.0125， ETA0=0.002480929， ETAB=0， DSUB=0.4929522。采用傳統(tǒng)的基于偏微分的參數(shù)提取方法最終模型誤差為2.145683，而采用自適應(yīng)半 導(dǎo)體器件模型算法參數(shù)提取方法最終的模型誤差為0.1807678，較之傳統(tǒng)方法降低了一個(gè) 數(shù)量級(jí)。整個(gè)提取過(guò)程所消耗的時(shí)間約為6.05小時(shí)，如果記入傳統(tǒng)參數(shù)提取算法部分前期 的公式處理所耗費(fèi)的時(shí)間，自適應(yīng)半導(dǎo)體器件模型參數(shù)提取方法所耗費(fèi)的時(shí)間也短得多。
權(quán)利要求
1. 一種半導(dǎo)體器件模型的參數(shù)提取方法，包括如下步驟(1)針對(duì)要提取的半導(dǎo)體器件模型，選擇不同尺寸組合的器件，根據(jù)待提取參數(shù)的需要測(cè)試所選定的器件在不同外部情況下的電學(xué)特性；(2)整理測(cè)試數(shù)據(jù)，并根據(jù)參數(shù)提取流程輸入提取流程控制代碼，同時(shí)將待提取的模型公式整理為C語(yǔ)言子函數(shù)代碼，結(jié)合待提取的模型參數(shù)列表形成一個(gè)輸入文件；(3)按照輸入文件中制定的提取流程，采用控制搜索類算法進(jìn)行參數(shù)提取，同時(shí)進(jìn)行進(jìn)度監(jiān)控；(4)在整個(gè)提取流程結(jié)束后，輸出模型參數(shù)，生成對(duì)應(yīng)的器件模型文件。
2. 如權(quán)利要求1所述的半導(dǎo)體器件模型的參數(shù)提取方法，其特征在于在所述步 驟(2)中整理測(cè)試數(shù)據(jù)時(shí)對(duì)測(cè)試數(shù)據(jù)進(jìn)行稀疏和刪除一些明顯會(huì)引起較大模型 誤差的數(shù)據(jù)。
3. 如權(quán)利要求2所述的半導(dǎo)體器件模型的參數(shù)提取方法，其特征在于對(duì)測(cè)試數(shù) 據(jù)進(jìn)行稀疏是在不改變測(cè)試特性曲線大致特征的前提下，采用均勻稀疏，刪除 一些過(guò)密的數(shù)據(jù)。
4. 如權(quán)利要求2所述的半導(dǎo)體器件模型的參數(shù)提取方法，其特征在于所述明顯會(huì)引起較大模型誤差的數(shù)據(jù)包括超出測(cè)試儀器靈敏度的數(shù)據(jù)。
5. 如權(quán)利要求1所述的半導(dǎo)體器件模型的參數(shù)提取方法，其特征在于所述控制搜索類算法選自爬山法、遺傳算法、蟻群算法、粒子群算法和免疫算法，或是 其中兩種或兩種以上的混合類算法。
6. 如權(quán)利要求1所述的半導(dǎo)體器件模型的參數(shù)提取方法，其特征在于所述步驟G)中進(jìn)度監(jiān)控的方法是通過(guò)終端形式直接登陸查詢計(jì)算結(jié)果，或者通過(guò)外部 WEB界面或圖形化程序觀察監(jiān)控參數(shù)提取的進(jìn)度。
7. 如權(quán)利要求1所述的半導(dǎo)體器件模型的參數(shù)提取方法，其特征在于所述步驟(4)通過(guò)WEB界面或圖形化程序輸出模型參數(shù)提取結(jié)果，輸出文件格式包括 標(biāo)準(zhǔn)的SPICE模型卡片，同時(shí)也輸出擬合結(jié)果和測(cè)試結(jié)果對(duì)比數(shù)據(jù)供繪圖軟件 直接使用。
全文摘要
本發(fā)明公開了一種不依賴于具體的半導(dǎo)體器件模型的自適應(yīng)參數(shù)提取方法，這種方法的輸入文件中不僅包含器件測(cè)試數(shù)據(jù)和提取流程控制代碼，而且將待提取的模型公式整理為C語(yǔ)言子函數(shù)代碼，結(jié)合待提取的模型參數(shù)列表形成一個(gè)輸入文件，然后按照輸入文件中制定的提取流程，采用控制搜索類算法進(jìn)行參數(shù)提取，同時(shí)進(jìn)行進(jìn)度監(jiān)控，在整個(gè)提取流程結(jié)束后，輸出模型參數(shù)，生成對(duì)應(yīng)的器件模型文件。本發(fā)明實(shí)現(xiàn)了半導(dǎo)體器件模型自適應(yīng)性參數(shù)提取，不需要對(duì)參數(shù)提取系統(tǒng)進(jìn)行重新的組織就可以快速的應(yīng)用到新的半導(dǎo)體器件解析模型和半解析模型中。
文檔編號(hào)G06F17/50GK101236572SQ200710002980
公開日2008年8月6日 申請(qǐng)日期2007年1月30日 優(yōu)先權(quán)日2007年1月30日
發(fā)明者劉曉彥, 濤 吳, 剛 杜, 韓汝琦 申請(qǐng)人:北京大學(xué)