УДК 004.942 Исследование поведения объекта на основе его математической модели
В данной работе рассматриваются паразитные эффекты в интегральных схемах, включая сопротивление, ёмкость и индуктивность соединительных проводов, и их влияние на целостность сигнала, задержку распространения и надёжность схем. Особое внимание уделено ёмкостным перекрёстным помехам, влиянию масштаба элементов на сопротивление проводников и явлению электромиграции, ограничивающему плотность тока в металлических проводах. Рассматриваются различные подходы к моделированию паразитных элементов, включая сосредоточенные и распределённые модели, а также модели с учётом связанной ёмкости. Проанализированы модели извлечения паразитных элементов, такие как сосредоточенная ёмкость (Lumped C), распределённое сопротивление (R-only) и комбинированные модели RC/RCC. Отмечено, что распределённые модели позволяют более точно учитывать влияние геометрии проводников и взаимосвязи между цепями, в то время как сосредоточенные модели упрощают расчёты, но могут давать пессимистичные оценки. Показано, что паразитные эффекты оказывают значительное влияние на задержку распространения, особенно в сценариях с переключающимися в противоположных направлениях соседними проводами, и могут вызывать изменение логических уровней, шум и увеличение энергопотребления. В работе также рассмотрена роль индуктивности в соединительных проводах и корпусах микросхем при высокоскоростных переключениях, что особенно важно для современных высокоплотных схем и многоштырьковых корпусов. Полученные результаты подчеркивают необходимость точного моделирования паразитных элементов для обеспечения надёжности и производительности интегральных схем.
паразитные параметры, ёмкостные перекрёстные помехи, распределённая модель, сосредоточенная ёмкость, со-противление проводников, индуктивность, электромиграция, задержка распространения, целостность сигнала, интегральные схемы.
1. Gong W., Yu W., Lü Y., Tang Q., Zhou Q., Cai Y. A parasitic extraction method of VLSI interconnects for pre-route timing analysis // Proceedings of the International Conference on Communications, Circuits and Systems (ICCCAS). – Chengdu, China, 2010. – P. 871–875.
2. Ren D., Xu X., Qu H., Ren Z. Two-dimensional parasitic capacitance extraction for integrated circuit with dual discrete geometric methods // Journal of Semiconductors. – 2015. – V. 36. – P. 045008.
3. Yu W., Song M., Yang M. Advancements and Challenges on Parasitic Extraction for Advanced Process Technologies // Proceedings of the Asia and South Pacific Design Automation Conference (ASP-DAC). – Tokyo, Japan, 2021. – P. 841–846.
4. Abouelyazid M.S., Hammouda S., Ismail Y. Connectivity-Based Machine Learning Compact Models for Interconnect Parasitic Capacitances // Proceedings of the ACM/IEEE Workshop on Machine Learning for CAD (MLCAD). – Raleigh, NC, USA, 2021.
5. Abouelyazid M.S., Hammouda S., Ismail Y. Fast and Accurate Machine Learning Compact Models for Interconnect Parasitic Capacitances Considering Systematic Process Variations // IEEE Access. – 2022. – V. 10. – P. 7533–7553.
6. Yu W., Zhuang H., Zhang C., Hu G., Liu Z. RWCap: A Floating Random Walk Solver for 3-D Capacitance Extraction of Very-Large-Scale Integration Interconnects // IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems. – 2013. – V. 32. – P. 353–366.
7. Xu J., Li H., Yin W.Y., Mao J., Li L.W. Capacitance Extraction of Three-Dimensional Interconnects Using Element-by-Element Finite Element Method (EBE-FEM) and Preconditioned Conjugate Gradient (PCG) Technique // IEICE Transactions on Electronics. – 2007. – V. 90. – P. 179–188.
8. Yu W., Wang Z. Enhanced QMM-BEM solver for three-dimensional multiple-dielectric capacitance extraction within the finite domain // IEEE Transactions on Microwave Theory and Techniques. – 2004. – V. 52. – P. 560–566.
9. Nabors K. FastCap: A multipole accelerated 3D capacitance extraction program // IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems. – 1991. – V. 10. – P. 1447–1459.
10. Kao W.H. Parasitic Extraction: Current State of the Art and Future Trends // IEEE. – 2001. – V. 89. – P. 487–490.
11. Yang D., Yu W., Guo Y., Liang W. CNN-Cap: Effective Convolutional Neural Network Based Capacitance Models for Full-Chip Parasitic Extraction // Proceedings of the IEEE/ACM International Conference on Computer-Aided Design (ICCAD). – Munich, Germany, 2021. – P. 1–9.
12. Cong J., He L., Kahng A.B., Noice D., Shirali N., Yen S.H. Analysis and Justification of a Simple, Practical 2.5-D Capacitance Extraction Methodology // Proceedings of the Annual Design Automation Conference. – Anaheim, CA, USA, 1997. – P. 1–6.
13. Fu X., Wu M., Tiong R.L.K., Zhang L. Data-driven real-time advanced geological prediction in tunnel construction using a hybrid deep learning approach // Automation in Construction. – 2023. – V. 146. – P. 104672.
14. Wang H., Qin K., Zakari R.Y., Liu G., Lu G. Deep Neural Network Based Relation Extraction: An Overview // Neural Computing and Applications. – 2021. – V. 34. – P. 4781–4801.
15. Lu S., Xu Q., Jiang C., Liu Y., Kusiak A. Probabilistic load forecasting with a non-crossing sparse-group Lasso-quantile regression deep neural network // Energy. – 2022. – V. 242. – P. 122955.
16. Sharma H., Marinovici L., Adetola V., Schaef H.T. Data-driven modeling of power generation for a coal power plant under cycling // Energy AI. – 2023. – V. 11. – P. 100214.
17. Yurt R., Torpi H., Mahouti P., Kizilay A., Koziel S. Buried Object Characterization Using Ground Penetrating Radar Assisted by Data-Driven Surrogate Models // IEEE Access. – 2023. – V. 11. – P. 13309–13323.
18. Kasai R., Kanamoto T., Imai M., Kurokawa A., Hachiya K. Neural Network-Based 3D IC Interconnect Capacitance Extraction // Proceedings of the International Conference on Communication Engineering and Technology (ICCET). – Nagoya, Japan, 2019. – P. 168–172.
19. Li Z., Shi W. Layout Capacitance Extraction Using Automatic Pre-Characterization and Machine Learning // Proceedings of the International Symposium on Quality Electronic Design (ISQED). – Santa Clara, CA, USA, 2020. – P. 457–464.
