随着半导体工艺进入28nm节点,无法再使用传统OCV模型去指导时许约束,特别是进入7nm、5nm节点,OCV的悲观模型造成了50%以上功耗和时序损失。相比之下,LVF模型能更好表征纳米节点下多级电路的延迟、功耗模型。但是要获得3σ精度的LVF模型需要进行千万次的蒙特卡洛仿真,而对于关键时序路径由大量晶体管构成、如SRAM之类的大规模集成电路设计,即使折衷数据精度,采用一些加速手段仍需要付出相较于传统OCV模型2到5倍的时间代价,遑论验证数据正确性的时间成本。本文基于Cadence的Liberate Mx Trio工具,可以实现SRAM的LVF特征化提取, 并缩短生成SRAM多PVT下LVF数据的周期。它将Memory的库参数表征、偏差建模和库验证整合,能进行多PVT库参数表征,流程统一,表征数据准确,过程高效。Cadence的Liberate Mx Trio工具是业内第一款针对Memory电路提供高精度的LVF提取解决方案的工具,它不仅可以针对Memory 还有Custom block ;Mix signal block 进行库参数表征,LVF建模。它可以自动将full netlist 进行partition , 在关键路径上自动寻找Probe node ,与cadence 的快速仿真器相配合,在最短的时间内产生符合用户精度需求的时序库。
本文将结合实际项目,从数据准确性、数据迭代周期以及工具流程复杂性三个方面评估Liberate mx trio工具生成SRAM 多PVT下LVF模型的可行性。