(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111323156.X (22)申请日 2021.11.10 (65)同一申请的已公布的文献号 申请公布号 CN 113779910 A (43)申请公布日 2021.12.10 (73)专利权人 海光信息技 术股份有限公司 地址 300392 天津市滨 海新区华苑产业区 海泰西路18号北2-204工业孵化- 3-8 (72)发明人 薛小帝　 (74)专利代理 机构 北京市柳沈 律师事务所 11105 代理人 彭久云　侯鉴玻 (51)Int.Cl. G06F 30/33(2020.01) G06F 30/27(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) G06F 111/06(2020.01) (56)对比文件 CN 111222204 A,2020.0 6.02 CN 113114235 A,2021.07.13 CN 107807323 A,2018.0 3.16 CN 112868016 A,2021.0 5.28 CN 112346920 A,2021.02.09 CN 112588617 A,2021.04.02 审查员 李紫君 (54)发明名称 产品性能分布预测方法及装置、 电子 设备及 存储介质 (57)摘要 一种用于集成电路的产品性能分布预测方 法及装置、 电子设备及存储介质。 该方法包括： 根 据目标电流值， 利用第一预测模型得到第一参 数， 第一参数反映集成电路的电路级性能； 根据 第一参数， 利用拟合函数得到第二参数和漏电参 数， 第二参数反映集成电路的产品级性能； 根据 第二参数和漏电参数， 利用分布模 型得到目标分 布， 目标分布 为所预测的集 成电路的产品性能分 布。 该方法可 以实现自动化流程， 可以快速精准 地完成硅后产品性能分布预测， 能够在硅后产品 所处的各个阶段进行预测， 可以处理大量数据， 具有较强的复用性， 适用范围广。 权利要求书2页 说明书13页 附图9页 CN 113779910 B 2022.02.22 CN 113779910 B 1.一种用于集成电路的产品性能分布预测方法， 包括： 根据目标电流值， 利用第 一预测模型得到第一参数， 其中， 所述第一参数反映所述集成 电路的电路级性能； 根据所述第一参数， 利用拟合函数得到第二参数和漏电参数， 其中， 所述第 二参数反映 所述集成电路的产品级性能； 根据所述第二参数和所述漏电参数， 利用分布模型得到目标分布， 其中， 所述目标分布 为所预测的所述 集成电路的产品性能分布。 2.根据权利要求1所述的方法， 其中， 所述第一预测模型包括神经网络模型， 根据所述目标电流 值， 利用所述第一预测模型 得到所述第一 参数， 包括： 将所述目标电流值作为所述神经网络模型的输入， 利用所述神经网络模型输出所述第 一参数。 3.根据权利要求1所述的方法， 其中， 所述集成电路包括互补金属氧化物半导体晶体 管， 所述目标电流值至少包括N型金属氧化物半导体驱动电流和P型金属氧化物半导体驱动 电流。 4.根据权利要求1所述的方法， 还 包括： 采用神经网络， 利用训练样本集对所述神经网络进行训练， 并利用测试样本集对所述 神经网络进行测试， 将由所述神经网络训练得到的神经网络模型作为所述第一预测模型。 5.根据权利要求4所述的方法， 其中， 利用所述训练样本集对所述神经网络进行训练， 包括： 利用所述训练样本集， 采用梯度下降算法训练所述神经网络 。 6.根据权利要求4所述的方法， 其中， 利用所述测试样本集对所述神经网络进行测试， 包括： 将所述测试样本集作为输入， 将所述神经网络的输出 结果与对照数据进行比较； 响应于所述输出 结果与所述对照数据之间的差值小于预设误差， 结束训练； 响应于所述输出结果与所述对照数据之间的差值大于或等于所述预设误差， 修正所述 神经网络的结构并继续训练。 7.根据权利要求6所述的方法， 其中， 修 正所述神经网络的结构并继续训练， 包括： 响应于所述输出结果与所述对照数据之间的当前差值与前一次差值之间的差大于预 设阈值， 增 加所述神经网络的隐藏层节点数， 并继续训练； 响应于所述输出结果与所述对照数据之间的当前差值与前一次差值之间的差小于或 等于所述预设阈值， 增 加所述神经网络的隐藏层数量， 并继续训练。 8.根据权利要求1所述的方法， 还 包括： 对多组测试 数据进行拟合， 建立所述拟合 函数； 其中， 所述拟合函数反映所述第一参数、 所述第二参数、 所述漏电参数之间的对应关 系。 9.根据权利要求1所述的方法， 其中， 所述分布模型包括 二元分布， 根据所述第二 参数和所述漏电参数， 利用所述分布模型 得到所述目标分布， 包括： 将所述第二参数和所述漏电参数分别作为所述二元分布中每个分布的中位数， 得到所 述目标分布。权　利　要　求　书 1/2 页 2 CN 113779910 B 210.根据权利要求1所述的方法， 还 包括： 利用多组测试数据， 分别构建针对所述第二参数的分布和针对所述漏电参数的分布， 并且利用三角函数进行 联合表征， 从而得到二元分布以作为所述分布模型。 11.根据权利要求10所述的方法， 其中， 所述二元分布包括二元正态分布， 所述二元正 态分布表示为： ， 其中， X表示所述第二参数， Y表示所述漏电参数， A、 B、 θ表示所述二元正态分布中的变 化参量。 12.根据权利要求1所述的方法， 还 包括： 基于所述目标分布， 根据分类规则， 对所述 集成电路进行分类。 13.根据权利要求12所述的方法， 其中， 所述分类规则包括多个预设区间范围； 基于所述目标分布， 根据所述分类规则， 对所述 集成电路进行分类， 包括： 基于所述多个预设区间范围， 根据 所述目标分布中每个点位对应的第 二参数和漏电参 数， 将所述 点位对应的集成电路划分到与所述多个预设区间范围之一对应的类别。 14.根据权利要求1 ‑13任一所述的方法， 其中， 所述集成电路还包括环形振荡器， 所述 第一参数至少包括所述环形振荡器的频率， 所述第二参数至少包括基于所述环形振荡器的 频率得到的电路延时。 15.根据权利要求8或10所述的方法， 其中， 所述多组测试数据基于晶圆可接受度测试 和/或晶圆筛 选测试得到。 16.一种用于集成电路的产品性能分布预测装置， 包括： 第一计算单元， 配置为根据目标电流值， 利用第一预测模型得到第一参数， 其中， 所述 第一参数反映所述 集成电路的电路级性能； 第二计算单元， 配置为根据 所述第一参数， 利用拟合函数得到第二参数和漏电参数， 其 中， 所述第二 参数反映所述 集成电路的产品级性能； 分布计算单元， 配置为根据所述第二参数和所述漏电参数， 利用分布模型得到目标分 布， 其中， 所述目标分布为所 预测的所述 集成电路的产品性能分布。 17.一种电子设备， 包括根据权利要求16所述的用于集成电路的产品性能分布预测装 置。 18.一种电子设备， 包括： 处理器； 存储器， 包括 一个或多个 计算机程序模块； 其中， 所述一个或多个计算机程序模块被存储在所述存储器中并被配置为由所述处理 器执行， 所述一个或多个计算机程序模块包括用于实现权利要求 1‑15任一所述的用于集成 电路的产品性能分布预测方法。 19.一种存储介质， 用于存储非暂时性计算机可读指令， 当所述非暂时性计算机可读指 令由计算机执行时可以实现权利要求1 ‑15任一所述的用于集成电路的产品性能分布预测 方法。权　利　要　求　书 2/2 页 3 CN 113779910 B 3