面向先进制程节点的最小工作电压预测的迁移学习：利用旧数据和硅胶里程表传感器
机器学习
2025-09-03 v1 人工智能
摘要
准确预测芯片性能对于确保半导体制造中的能源效率和可靠性至关重要。然而，由于受限的训练数据以及工艺变异与最小工作电压 () 之间复杂关系，开发先进制程节点的 预测模型具有挑战性。为此，我们提出一种新颖的迁移学习框架，利用来自 16nm 工艺节点的丰富旧数据，实现对先进 5nm 节点的准确 预测。我们方法的一个关键创新点在于集成来自 on-chip 硅胶里程表传感器数据派生的输入特征，这些数据提供了对局部工艺变异的细粒度表征——这一因素在 5nm 节点中至关重要——从而显著提高了预测精度。
关键词
引用
@article{arxiv.2509.00035,
title = {Transfer Learning for Minimum Operating Voltage Prediction in Advanced Technology Nodes: Leveraging Legacy Data and Silicon Odometer Sensing},
author = {Yuxuan Yin and Rebecca Chen and Boxun Xu and Chen He and Peng Li},
journal= {arXiv preprint arXiv:2509.00035},
year = {2025}
}