一种基于机器学习的电流源注入模型建立方法与流程

1.本发明属于半导体技术和集成电路技术领域，涉及航天电子或者核爆环境中的辐照效应仿真技术和抗辐射加固技术，具体涉及单粒子效应评估技术。


背景技术：

2.单粒子效应是指辐照环境中的高能带电粒子在穿过电子器件敏感区时会发生能量沉积从而产生大量的电子
‑
空穴对，这些电子
‑
空穴对在漂移过程中分别被相应的n区和p区所收集，从而产生瞬时脉冲电流，使器件敏感节点的逻辑状态受到影响，其中，造成器件节点产生电平错误翻转的现象称为单粒子翻转效应(single event upset,seu)。在单粒子翻转效应的评估中，一般采用注入电流源的方法。因此如何用电流源表征该瞬时脉冲电流，对于评估半导体器件的单粒子翻转效应敏感性非常重要。
3.一般采用的电流源注入模型是g.c.messenger于文献“collection of charge on junction nodes from ion tracks,”ieee trans.nucl.sci.,vol.ns
‑
29,no.6,pp.2024
–
2031,dec.1982.中提出的双指数模型，如下：
[0004][0005]
其中，q为收集的电荷量，τ
α
是结电流的下降时间常数，τ
β
结电流的上升时间常数，τ
α
和τ
β
取决于工艺参数，t为时间变量。该模型可以评估用来评估器件的单粒子翻转阈值，但是该模型无法评估粒子对于周围器件的影响，在某些情况下不适合先进工艺使用。
[0006]
cn102982216a公开了一种基于注入距离的电流源模型的建立方法，该方法基于注入距离的电流源模型，该模型是基于一维的注入扩散，并且假设所有的电荷为同一个敏感节点所收集，这与实际的电荷为多个敏感节点所收集不同。
[0007]
cn111079366a公开了一种面向电荷共享的电流源模型的建立方法，该方法基于二维的扩散思想，引入注入距离和参考距离，通过注入距离和参考距离的共同作用从而解决了电荷共享问题。
[0008]
在纳米工艺下，半导体器件的物理特性变的比较复杂，甚至有新的物理特性出现，上述现有模型难以满足要求。


技术实现要素：

[0009]
本发明的目的是为了解决上述现有的电流源注入模型无法应对先进工艺下的物理特性问题，提出了一种基于机器学习的电流源注入模型的建立方法。
[0010]
本发明的技术方案为：一种基于机器学习的电流源注入模型的建立方法，具体步骤如下：
[0011]
s1.通过3d tcad建模仿真获得机器学习所需的数据集；
[0012]
s2.基于器件物理和数学变换给出注入电流注入模型的主体形式；
[0013]
s3.选择时间信息t获得机器学习所需的训练集；
[0014]
s4.选择f(r)机器学习模型；
[0015]
s5.基于步骤s3所产生的训练集进行训练和优化，得出f(r)模型所对应的参数；
[0016]
s6.基于步骤s5中得到的f(r)参数恢复出i(r,t)的具体表达式，i(r,t)即为建立的电流源注入模型。
[0017]
进一步的，步骤s1所述的数据集为以注入距离为输入条件，3d tcad建模仿真所获得i(r,t)数据，其中，r为注入距离(即离子点与收集点的距离)，t为时间变量。
[0018]
进一步的，步骤s2所述的注入电流注入模型的主体形式表示为：
[0019][0020]
其中，q
l
＝10(let)，let为线性传输能量(为输入参量，决定于辐照环境)，d
n,p
为载流子的扩散率，d
n
表示电子的扩散率，d
p
表示空穴的扩散率，t为固定的时间量，r为注入距离(即离子点与收集点的距离)，i(r)为注入距离为r的注入电流，f(r)为机器学习需要获得的函数形式。
[0021]
进一步的，步骤s3所述的训练集即为指定时间变量为固定时间变量的i(r,t)数据及其对应的输入条件变量。
[0022]
进一步的，步骤s6所述的恢复出的i(r,t)的表达式：
[0023]
本发明的有益效果：本发明的电流源模型的建立方法基于机器学习模型和算法，通过3d tcad仿真所得数据集，对主体模型中的核心表达式进行优化建模，从而可以应对先进工艺下的物理特性。
附图说明
[0024]
图1为本发明的建立流程图。
[0025]
图2为本发明实施例的电流源注入模型与nmos电路结合，其中，箭头为电流方向。
[0026]
图3为本发明实施例的电流源注入模型与pmos电路结合，其中，箭头为电流方向。
[0027]
图4为本发明实施例的6t sram单元以及电流源注入模型。
具体实施方式
[0028]
下面结合附图和具体实施例对本发明做进一步的说明。
[0029]
1、含时间变量的注入电流注入模型建模为：
[0030][0031]
其中，q
l
＝10(let)，d
n,p
为载流子的扩散率，d
n
表示电子的扩散
率，d
p
表示空穴的扩散率，r是扩散距离，可以查阅《半导体物理学》等相关资料。
[0032]
2、固定时间参数t＝t：
[0033][0034]
3、通过机器学习训练获得f(r)的相关参数。
[0035]
4、t≠t的数据信息作为测试集。
[0036]
5、最后得出的i(r,t)表达式即为建立的电流源注入模型。
[0037]
本发明的流程如图1所示，具体步骤如下：
[0038]
s1.通过3d tcad建模仿真获得机器学习所需的数据集；
[0039]
s2.基于器件物理和数学变换给出电流源注入模型主体形式；
[0040]
s3.选择时间信息t获得机器学习所需的训练集；
[0041]
s4.选择f(r)机器学习模型；
[0042]
s5.基于步骤s3所产生的训练集进行训练和优化，得出f(r)模型所对应的参数；
[0043]
s6.基于步骤s5中得出的f(r)参数恢复出i(r,t)的具体表达式。
[0044]
基于上述电流源注入模型，图2给出了电流源注入模型与nmos电路结合，其中箭头为电流方向，图3给出了电流源注入模型与pmos电路结合，其中，箭头为电流方向。
[0045]
如图2所示，电流源注入模型与nmos电路结合注入模型包含两部分：nmos晶体管和电流源模型，其中，d，s，b，g分别nmos晶体管的漏极，源极，基极和栅极；其连接关系：电流源模型跨接在nmos晶体管的漏极和基极之间，电流方向为从晶体管的漏极流向晶体管的基极。
[0046]
如图3所示，电流源注入模型与pmos电路结合注入模型包含两部分：如图3所示，pmos晶体管和电流源模型，其中，d，s，b，g分别pmos晶体管的漏极，源极，基极和栅极；其连接关系：电流源模型跨接在pmos晶体管的漏极和基极之间，电流方向为从晶体管的基极流向晶体管的漏极。
[0047]
当离子攻击相应的晶体管电路时，便可以用如图2和3所示的电路来等效行注入电流源的模拟，进而评估粒子在一定距离下粒子对该器件的影响。
[0048]
下面以一个具体应用例子6t sram标准单元的单个节点的注入仿真来说明该模型的应用：
[0049]
如图4所示，vdd为电源，gnd为地，晶体管m1、m2、m3、m4、m5和m6按照如图连接方式组成一个标准的6t sram单元，其中，m1、m2、m5和m6为nmos晶体管，m3和m4为pmos晶体管，w为控制输入信号，b和bn为写入信号，cored和cored_为内部电平保持节点，标准的sram单元可以查相关文献获得，电流i(r,t)为基于本发明实施例的电流源，r代表离子注入点到m1收集点的距离。
[0050]
对于该sram单元的具体应用过程如下：
[0051]
(1)按照如图4所示的电路结构设计完成sram单元；
[0052]
(2)基于前面机器学习的结果，在该电路的仿真平台中搭建基于i(r,t)的电流源，按照粒子攻击的晶体管为nmos和pmos选择不同的注入模型；不失一般性，选择粒子攻击的晶体管为m1，m1 nmos晶体管，其注入电流源模型连接关系如图3中所示，电流源跨接在m1管
的d端和b端；
[0053]
(3)根据工艺参数和粒子类型设定i(r,t)的相关参数，并设定注入距离r；
[0054]
(4)进行电路仿真，观察在该注入距离下i(r,t)的电流源对于该电路逻辑状态的破坏程度；如果sram单元的逻辑状态翻转(单粒子翻转效应)则代表该粒子可以影响该注入距离范围内的相应器件。
[0055]
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。