基于统计学分析的片上温度传感器及热阻组合测试校准方法及系统与流程
本技术涉及半导体测试测量及校准技术,特别涉及一种片上温度传感器读数与芯片结温函数关系校准及芯片封装热阻组合测试校准技术。
背景技术:
1、在现代半导体芯片的设计与应用中,片上温度传感器的校准以及芯片封装热阻的测量是保障芯片可靠运行的两项基础性工程任务。以现场可编程门阵列(fpga)为例,当其在通信基站、工业控制等高密度部署场景中工作时,片上温度传感器须准确反映芯片结温以触发温度保护或动态频率调节策略;又如片上系统(soc)芯片在车规级或消费类应用中,系统软件需依据片上温度传感器读数判断当前热状态并据此分配工作负载;再如电源管理集成电路(pmic)在多路输出并联供电场景中,其自身结温的准确监测直接关乎过温保护阈值的设定精度。上述应用场景均要求片上温度传感器读数code与实际结温之间存在经过校准的精确函数映射关系。与此同时,芯片封装的等效热阻作为热设计的关键输入参数,直接影响系统级散热方案的制定与热裕量评估,其准确获取同样至关重要。
2、然而,在当前的工程实践中,上述两项标定任务通常采用分步串行的方式独立执行:首先通过热仿真工具在特定pcb建模假设条件下获取热阻的仿真值,再利用该仿真热阻反推各温度设置点下的理论结温,最后单独对理论结温与片上温度传感器读数之间的映射关系进行拟合。现有方法存在如下技术局限:仿真所得热阻值受限于对pcb层数、走线方式及空气流速等边界条件的理想化假设,与实际测试环境之间存在难以量化的系统性偏差;该偏差以级联放大的形式传播至后续的温度传感器校准结果中,导致最终校准精度受制于仿真模型的准确程度而非实测数据本身;此外,两项标定任务各自独立执行使得测试数据无法复用,增加了工程成本与测试周期,且缺乏在有限数据规模下同时评估拟合效果和跨样片泛化性能的机制。因此,迫切需要一种能够降低对仿真热阻依赖、基于实际测试数据同时实现片上温度传感器校准与封装热阻测量的新型组合测试校准技术方案。
技术实现思路
1、本技术的目的在于提供一种基于统计学分析的片上温度传感器及热阻组合测试校准方法及系统,以解决上述背景技术中提出的问题。
2、本技术提供了一种基于统计学分析的片上温度传感器及热阻组合测试校准方法,包括以下步骤: 获取多组原始测试数据,每组所述原始测试数据包括待测半导体芯片的实测环境温度、总功耗以及片上温度传感器读数code;
3、将获取的多组所述原始测试数据划分为训练集数据和验证集数据;
4、以热阻作为迭代变量,将均方根误差rmse的最小值作为求解目标进行迭代计算,其中单次迭代计算的过程包括: 根据所述原始测试数据中的所述实测环境温度、所述总功耗以及当前迭代的所述热阻,计算获得理论结温;
5、根据所述训练集数据中的所述理论结温和所述片上温度传感器读数code,通过最小二乘法拟合求解获得多项式系数;
6、根据求解获得的所述多项式系数与所述原始测试数据中的所述片上温度传感器读数code,计算获得多项式计算结温;
7、根据所述多项式计算结温与所述理论结温的差值,计算获得所述均方根误差rmse;
8、利用非线性广义约简梯度法运行所述迭代计算,直至使得所述均方根误差rmse达到最小,输出所述均方根误差rmse最小时所对应的所述热阻的最优解以及对应的所述多项式系数的最优解。
9、在一个优选例中,相关的计算公式如下: 所述理论结温的计算公式为:
10、
11、其中,为所述实测环境温度,为所述总功耗,为所述热阻;
12、所述多项式计算结温的计算公式为:
13、
14、其中,n为拟合多项式的阶数,j为从0到n的整数,为所述多项式系数中的第j阶系数,为所述片上温度传感器读数code的j次方,∑表示求和函数;
15、所述多项式计算结温与所述理论结温的差值error的计算公式为:
16、
17、所述均方根误差rmse的计算公式为:
18、
19、其中,为参与计算的数据组数,为第i组数据对应的所述差值,√表示平方根函数。
20、在一个优选例中,所述获取多组原始测试数据,包括: 在片上温度传感器的设计工作范围内选取若干温度设置点;
21、在各所述温度设置点下,通过开尔文四线接法提供电源或借助片上电压传感器监测各主要电流通路的实际工作电压,以获取所述待测半导体芯片的m路电源电压 ;通过电源或万用表,读取并记录对应的电流 ;并获取所述片上温度传感器读数code以及所述实测环境温度 ;
22、根据如下公式计算得到所述总功耗:
23、
24、其中,为第i路电源电压,为对应的第i路电流,m为电源通路的总数。
25、在一个优选例中,所述待测半导体芯片的总数量为m,单颗所述待测半导体芯片的温度设置点选取数量为n,所述拟合多项式的阶数为n,需满足如下设定条件以避免后续数据处理出现过拟合:
26、
27、若选取了包含不同工艺角的待测半导体芯片样片进行测试,则每个工艺角对应的所述待测半导体芯片样片的数量不少于2片;并且在所述将获取的多组所述原始测试数据划分为训练集数据和验证集数据时,将相同工艺角对应的不同样片的数据分别加入所述训练集数据和所述验证集数据中。
28、在一个优选例中,根据所述训练集数据中的所述差值计算训练集均方根误差;
29、根据所述验证集数据中的所述差值计算验证集均方根误差;
30、其中,所述训练集均方根误差用于评估所述多项式系数在所述训练集数据上的拟合效果,所述验证集均方根误差用于评估所述多项式系数在所述验证集数据上的泛化性能。
31、在一个优选例中,在所述输出所述热阻的最优解以及对应的所述多项式系数的最优解之后,还包括结果验证步骤: 使用演化求解方法,以所述均方根误差rmse的最小化作为求解目标,在设定的热阻搜索区间内对所述热阻进行二次搜索;
32、若所述演化求解方法在预设停止条件下未获得优于当前最优解的结果,则将所述演化求解方法的运行结果作为所述当前最优解的辅助验证依据;
33、其中,运行所述演化求解方法时,对所述热阻的搜索区间设置有界约束。
34、在一个优选例中,所述结果验证步骤还包括: 基于所述多项式计算结温与所述理论结温之间的差值,生成多项式拟合的统计分析结果;
35、其中,所述统计分析结果包括判定系数、f统计量以及误差散点图中的至少一种;
36、将所述统计分析结果作为所述最优解的辅助验证依据。
37、在一个优选例中,所述热阻为所述待测半导体芯片的结温至所述实测环境温度的测量位置之间的等效热阻;所述输出的所述多项式系数的最优解所表征的所述多项式计算结温与所述片上温度传感器读数code的函数关系,作为所述待测半导体芯片的所述片上温度传感器的校准结果。
38、本技术还提供了一种基于统计学分析的片上温度传感器及热阻组合测试校准系统,包括: 数据获取模块,用于获取多组原始测试数据,每组所述原始测试数据包括待测半导体芯片的实测环境温度、总功耗以及片上温度传感器读数code;
39、数据分组模块,用于将获取的多组所述原始测试数据划分为训练集数据和验证集数据;
40、迭代计算模块,用于以热阻作为迭代变量,将均方根误差rmse的最小值作为求解目标进行单次迭代计算,并在单次迭代计算中依次执行:根据所述原始测试数据中的所述实测环境温度、所述总功耗以及当前迭代的所述热阻,计算获得理论结温;根据所述训练集数据中的所述理论结温和所述片上温度传感器读数code,通过最小二乘法拟合求解获得多项式系数;根据求解获得的多项式系数与所述原始测试数据中的所述片上温度传感器读数code,计算获得多项式计算结温;以及根据所述多项式计算结温与所述理论结温的差值计算获得所述均方根误差rmse;
41、求解输出模块,用于利用非线性广义约简梯度法运行所述迭代计算模块直至均方根误差rmse达到最小,输出所述均方根误差rmse最小时对应的热阻的最优解以及对应的多项式系数的最优解。
42、在一个优选例中,还包括: 结果验证模块,用于在所述求解输出模块输出所述最优解之后,使用演化求解方法,以所述均方根误差rmse的最小化作为求解目标,在设定的热阻搜索区间内对所述热阻进行二次搜索;
43、若所述演化求解方法在预设停止条件下未获得优于当前最优解的结果,则将所述演化求解方法的运行结果作为所述当前最优解的辅助验证依据;
44、所述结果验证模块还配置为:基于所述多项式计算结温与所述理论结温之间的差值,生成判定系数、f统计量以及误差散点图中的至少一种统计分析结果,并将所述统计分析结果作为所述最优解的辅助验证依据。
45、在一个优选例中,所述系统还包括测试pcb、环境试验箱、温度测量器件以及直流电源;
46、所述测试pcb用于承载所述待测半导体芯片;
47、所述直流电源用于向所述待测半导体芯片提供电源电压;
48、所述环境试验箱用于为所述测试pcb及所述待测半导体芯片提供温度设置点;
49、所述温度测量器件设置在所述实测环境温度的测量位置,用于获取所述实测环境温度。
50、在一个优选例中,在输出所述多项式系数的最优解之后,还包括:将所述多项式系数的最优解作为校准参数,存储于与所述待测半导体芯片对应的配置文件、校准参数数据库、片上一次性可编程存储器、电熔丝或片上配置寄存器中,或内嵌于与所述待测半导体芯片配套的软件开发工具的算法中;
51、在所述待测半导体芯片运行时,基于所述校准参数将实时读取的所述片上温度传感器读数code换算为结温。
52、本技术所提出的技术方案,通过将片上温度传感器读数code与结温之间映射关系的多项式系数至的拟合、与待测半导体芯片封装等效热阻的测量,纳入同一均方根误差rmse目标函数下进行联合反演,使得这两类在物理上存在隐含耦合关系的参数不再需要分步串行地独立标定。该联合求解架构相较于先依靠仿真获取热阻、再以仿真热阻反推结温后单独拟合多项式系数的传统处理流程,能够降低仿真假设条件与实际测试条件之间偏差所引入的级联误差影响;在本方案中,热阻并非来自仿真固定值,而是直接从与多项式系数相同的一组实测数据中同步求得,其取值受到实测数据的约束。
53、在具体的迭代求解过程中,外层非线性广义约简梯度法每一次更新热阻的取值后,均触发内层最小二乘法基于训练集中的数据对多项式系数至进行重新闭式求解,使得拟合参数始终在当前取值下保持数学自洽。此种外层非线性规划迭代与内层参数估计闭式求解的嵌套结构,有利于保持目标函数对外层变量的可求解性,使外层梯度搜索方向具有确定的数学意义,从而在有限的迭代轮次内实现收敛。同时,由于内层最小二乘法对训练集中的量化误差和随机性误差具有统计平均效应,该嵌套结构有助于降低测试系统固有的量化噪声与随机测量偏差对拟合结果的影响。
54、在数据采集层面,通过使测试pcb配置为所有电源电压均直接由直流电源提供,并采用开尔文四线接法或片上电压传感器获取各电源通路的真实工作电压以计算总功耗,从源头处抑制了接触电阻和走线压降等引入的电压测量误差,为后续=+×的计算提供了低噪声的输入数据。该硬件层面的精确采集与上层统计学算法的误差抑制能力相配合,构成了从数据采集到结果输出的误差抑制体系。
55、通过将原始测试数据集划分为训练集与验证集,并将均方根误差rmse分别应用于训练集与验证集时赋予其不同的工程含义:前者评估拟合效果,后者评估泛化性能。本方案在测试早期以有限的数据规模即可获得具有较高置信度的拟合参数用以指导后续测试环境的配置,而在测试后期数据规模充分扩大后亦可利用同一框架核验同一产品的参数一致性。结合n≥n+2的温度点数量约束、m≥3的样片总数约束以及单工艺角样片不少于2片的子集约束,从温度维度、样片维度和工艺维度三个层面同时设定了数据规模的下限,在统计置信度与工程可行性之间取得平衡,从源头降低数据处理中过拟合的风险。
56、在迭代收敛后的结果验证环节,通过演化求解方法对非线性grg所输出的局部最优解在有界搜索空间内进行二次搜索,利用演化算法与grg在搜索机制上的差异进行相互补充验证;若演化求解未获得优于当前解的结果,则将该结果作为当前解的辅助验证依据。叠加判定系数、f统计量及误差散点图三类统计判据,形成对最优解合理性与拟合质量的多维度验证闭环,有助于提高最终输出的热阻最优解及多项式系数至最优解的可信度。
57、最终,本方案以“函数关系+物理参数”的双产物形式输出校准结果:多项式系数至表征片上温度传感器码值code至结温的映射关系,可作为待测器件运行时结温读取的校准依据;热阻最优解则表征芯片结温至实测环境温度测量位置之间的封装级等效热参数,可作为热设计的输入。同一套测试数据可同时服务于片上温度传感器校准与封装热阻测量两类工程目标,避免了传统流程中两类标定彼此独立、数据无法复用的问题,提升了测试数据的利用效率和校准流程的工程可行性。
58、本技术的说明书中记载了大量的技术特征,分布在各个技术方案中,如果要罗列出本技术所有可能的技术特征的组合(即技术方案)的话,会使得说明书过于冗长。为了避免这个问题,本技术上述 技术实现要素: 中公开的各个技术特征、在下文各个实施方式和例子中公开的各技术特征、以及附图中公开的各个技术特征,都可以自由地互相组合,从而构成各种新的技术方案(这些技术方案均因视为在本说明书中已经记载),除非这种技术特征的组合在技术上是不可行的。例如,在一个例子中公开了特征a+b+c,在另一个例子中公开了特征a+b+d+e,而特征c和d是起到相同作用的等同技术手段,技术上只要择一使用即可,不可能同时采用,特征e技术上可以与特征c相组合,则,a+b+c+d的方案因技术不可行而应当不被视为已经记载,而a+b+c+e的方案应当视为已经被记载。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com