用于高效硅后调谐的深度学习辅助流程
机器学习
2022-07-04 v1
摘要
在硅后验证中，调谐是为调谐旋钮寻找取值，可能作为工艺参数和/或已知工作条件的函数。就此意义而言，更高效的调谐需要针对被测器件（DUT）的给定品质因数识别最关键的调谐旋钮与工艺参数。这通常由经验丰富的专家手动完成。然而，随着芯片日益复杂，对大量原始变量的人工检查已变得更具挑战性。本工作中，我们利用神经网络高效选择最相关变量，并给出相应的深度学习辅助流程以实现高效调谐。
引用
@article{arxiv.2207.00336,
title = {A Deep-Learning-Aided Pipeline for Efficient Post-Silicon Tuning},
author = {Yiwen Liao and Bin Yang and Raphaël Latty and Jochen Rivoir},
journal= {arXiv preprint arXiv:2207.00336},
year = {2022}
}
备注
Accepted by the 34th workshop on Test Methods and Reliability of Circuits and Systems 2022