申请/专利权人：华南理工大学

申请日：2023-09-13

公开（公告）日：2023-12-12

公开（公告）号：CN117217150A

主分类号：G06F30/367

分类号：G06F30/367;G06F30/373;G06F30/398;G06N3/126;G06F18/27

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.12.29#实质审查的生效;2023.12.12#公开

摘要：本发明公开了一种基于遗传算法符号回归的DTCO公式建模方法，涉及芯片研发中工艺设计协同优化。根据半导体器件的工艺参数和电学特性曲线数据生成随机规模AST表达式种群，对该种群中的AST表达式进行适应度计算，并评估适应度，以区分出目标个体群和备选个体群；通过遗传迭代，对两个个体群进行锦标赛选择、交叉和突变操作，生成泛化的AST表达式种群，然后对新种群的表达式长度进行奥卡姆剃刀原则简化和缩减，此过程逐渐优化新生成种群的适应度和表达式的可解释性；共享进程信息，根据适应度以及公式长度选出目标AST表达式，作为SpiceModel。本发明可精确映射工艺参数与电学性能之间的关系，提高芯片设计的准确性和效率，有效应用于器件设计和优化过程。

主权项：1.一种基于遗传算法符号回归的DTCO公式建模方法，其特征在于，包括如下步骤：S1.获取半导体器件的工艺参数和电学特性曲线数据，作为训练和验证材料；S2.对所述训练和验证材料进行并行计算处理，以生成多个以所述训练和验证材料作为遗传种群的进程；S3.随机初始化各个所述进程的遗传种群，生成包含运算符、常量、变量的随机规模AST表达式种群；S4.对所述随机规模AST表达式种群中的AST表达式进行适应度计算，并对所述适应度进行适应度评估，以识别目标个体群和备选个体群；S5.通过所述目标个体群引导备选个体群进行遗传迭代，以生成由所述目标个体群集合而成的目标AST表达式种群；S6.共享所有所述进程的信息，根据所述适应度以及公式长度从所有所述进程的目标AST表达式种群中选择目标AST表达式，作为表征半导体器件的工艺参数和电学特性曲线关系的SpiceModel。

全文数据：

权利要求：

百度查询： 华南理工大学 一种基于遗传算法符号回归的DTCO公式建模方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD