EM-GAN：基于生成对抗网络的多段互连线快速应力分析
机器学习
2020-04-29 v1 神经与进化计算
图像与视频处理
机器学习
摘要
在本文中，我们提出一种利用生成对抗网络（GAN）对多段互连线进行电迁移（EM）失效评估的快速瞬态静水应力分析方法。我们的工作利用了基于 GAN 的生成式深度神经网络的图像合成特性。由偏微分方程建模的多段互连线的应力评估可视为时变二维图像到图像问题，其中输入为具有电流密度的多段互连线拓扑，输出为在给定老化时间下这些线段的 EM 应力分布。基于这一观察，我们使用大量自生成的多段导线及导线电流密度和老化时间（作为条件）的图像对照 COMSOL 仿真结果来训练条件 GAN 模型。我们研究并比较了 GAN 的不同超参数。所提出的称为 EM-GAN 的算法能够快速给出一般多段导线树在给定老化时间下的准确应力分布，这对于全芯片快速 EM 失效评估十分重要。我们的实验结果表明，与 COMSOL 仿真结果相比，EM-GAN 的平均误差为 6.6%，且实现了数量级的加速。它相比最先进的基于解析的 EM 分析求解器也带来了 8.3 倍的加速。
引用
@article{arxiv.2004.13181,
title = {EM-GAN: Fast Stress Analysis for Multi-Segment Interconnect Using Generative Adversarial Networks},
author = {Wentian Jin and Sheriff Sadiqbatcha and Jinwei Zhang and Sheldon X. -D. Tan},
journal= {arXiv preprint arXiv:2004.13181},
year = {2020}
}