本發(fā)明公開了一種電阻模型物理參數(shù)提取方法，包括步驟：步驟一、制作多個電阻，測試各電阻的長度、寬度和電阻值；步驟二、選取電阻模型物理參數(shù)，電阻模型物理參數(shù)包括3個，分別為：歸一化方塊電阻，修正線長，修正線寬；步驟三、設(shè)定電阻累積誤差函數(shù)，公式為：步驟四、采用遺傳算法提取歸一化方塊電阻、修正線長和所述修正線寬的取值，在遺傳算法流程中采用電阻累積誤差函數(shù)作為適應(yīng)度函數(shù)。本發(fā)明能有效降低參數(shù)擬合誤差并降低擬合時間。
技術(shù)領(lǐng)域
本發(fā)明涉及一種半導(dǎo)體集成電路制造方法，特別是涉及一種電阻模型物理參數(shù)提取方法。
背景技術(shù)
在目前超大規(guī)模集成電路的研發(fā)制造過程中，高效精準(zhǔn)的集成電路通用模擬程序(Simulation Program with integrated Circuit Emphasis，SPICE)模型是電路從功能設(shè)計到實現(xiàn)的關(guān)鍵，而其中的電阻模型物理參數(shù)的準(zhǔn)確表征也是其中至關(guān)重要的一部分。
電阻常用物理參數(shù)有：Rsh即歸一化方塊電阻，DW即修正線寬和DL即修正線長，DW和DL用以修正因制造過程導(dǎo)致的尺寸偏差?，F(xiàn)有大多數(shù)的做法是利用EXCEL或一些電子設(shè)計自動化(Electronics Design Automation，EDA)，EDA建模軟件進(jìn)行參數(shù)的人工調(diào)整達(dá)到模型仿真值與實際測試值的最小誤差，因為擬合的數(shù)據(jù)尺寸眾多，要實現(xiàn)盡可能小的累積誤差用這些傳統(tǒng)方式很難達(dá)到預(yù)期并且效率低下。
遺傳算法(Genetic Algorithm，GA)是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過程的計算模型，是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法。從解集的一個種群(population)開始的，對組成個體(individual)進(jìn)行基因(gene)編碼，如二進(jìn)制編碼，按照適者生存和優(yōu)勝劣汰的原理，逐代(generation)演化出越來越好的近似解，并根據(jù)個體的適應(yīng)度(fitness)大小選擇(selection)個體，同時借助于自然遺傳學(xué)的遺傳算子(genetic operators)進(jìn)行組合交叉(crossover)和變異(mutation)，產(chǎn)生新的解集的種群。這個過程將導(dǎo)致種群像自然進(jìn)化一樣的后生代種群比前代更加適應(yīng)于環(huán)境，末代種群中的最優(yōu)個體經(jīng)過解碼(decoding)，可以作為問題近似最優(yōu)解
發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供一種電阻模型物理參數(shù)提取方法，能有效降低參數(shù)擬合誤差并降低擬合時間。
為解決上述技術(shù)問題，本發(fā)明提供的電阻模型物理參數(shù)提取方法包括如下步驟：
步驟一、制作多個電阻，測試各所述電阻的長度、寬度和電阻值，所述電阻的個數(shù)為n，第i個電阻對應(yīng)的長度用L(i)表示，寬度用W(i)表示，電阻值用R(i)表示，1≦i≦n。
步驟二、選取電阻模型物理參數(shù)，電阻模型物理參數(shù)包括3個，分別為：歸一化方塊電阻，修正線長，修正線寬；所述歸一化方塊電阻用Rsh表示，所述修正線長用DL表示，所述修正線寬用DW表示。
步驟三、設(shè)定電阻累積誤差函數(shù)，所述電阻累積誤差函數(shù)用公式表示為：
步驟四、采用遺傳算法提取所述歸一化方塊電阻、所述修正線長和所述修正線寬的取值，在遺傳算法流程中采用所述電阻累積誤差函數(shù)作為適應(yīng)度函數(shù)。
進(jìn)一步的改進(jìn)是，步驟四中包括步驟：
步驟41、產(chǎn)生初始種群，所述初始種群包括多個個體，所述初始種群的各個體由對應(yīng)初始取值的所述歸一化方塊電阻、所述修正線長和所述修正線寬組成；以所述初始種群作為當(dāng)代種群進(jìn)行步驟42。
步驟42、將所述當(dāng)代種群中的各個體代入到所述電阻累積誤差函數(shù)中進(jìn)行電阻累積誤差值的計算，根據(jù)所述電阻累積誤差值進(jìn)行收斂判斷；如果判斷結(jié)果為收斂，則將對應(yīng)的個體輸出；如果判斷結(jié)果為非收斂，則進(jìn)行后續(xù)步驟43。
