人工智能技術日漸普及,廣泛運用于解決當今的各種復雜問題,尤其是那些涉及海量數據的分析和相應決策等單靠人力難以應對的棘手難題。換句話說,在應對半導體設計、測試和制造過程中的復雜挑戰時,AI堪稱理想助手。
在消費、高性能計算(HPC)和汽車等多個領域,為確保篩選出可靠的器件,需要對所采用的先進節點技術和異構集成展開測試,而這會導致制造測試成本大大飆升。相關測試成本中包含不同階段的生產測試成本,其中包括晶圓分選測試、封裝測試(ATE)、老化測試和系統級測試(SLT)。如圖1所示,半導體行業的測試支出高達數十億美元。2019年的測試總成本為104億美元,預計到2025年將增至近150億美元。
制造測試成本與每個階段花費的測試時間成正比,而其中掃描(ATPG)測試向量等結構測試占用了大部分測試時間。為了進一步降低百萬分比缺陷率(DPPM),測試向量的數量和測試向量所占機臺內存的大小都呈指數級增長。傳統的固定型故障模型 (Stuck at fault model)和跳變延時故障模型(transition delay fault model)已經無法滿足期望達到的DPPM目標。為此芯片測試需要更多的測試向量并使用更先進的故障模型(Cell-aware, Power-aware, Slack-based fault mode)來檢測更多的制造缺陷。對于大批量制造(HVM)的測試成本來說,省下的每一秒鐘都至關重要。同時,可測性設計/診斷/良率團隊以及產品和測試開發團隊正不斷尋找創新型方案來進一步降低測試成本。
▲圖1VLSI Research對測試成本的預測。(資料來源:VLSI PP Master (swtest.org))
如何以更少的測試向量實現所需的測試覆蓋率和測試質量,這是DFT團隊持續面臨的挑戰,通常不僅需要專家級用戶參與,還離不開漫長而繁瑣的迭代過程,以微調不同參數,生成更優ATPG向量集。此外,為進一步優化測試向量數量并減少測試總量,還需要優化測試構架配置,也就是調整掃描輸入、掃描輸出、掃描鏈的數量。為每個設計核心找到合適的測試配置是一項耗時費力且充滿挑戰的任務。
▲圖2 新思科技TSO.ai利用AI/ML實現先進的DFT和ATPG。
新思科技TSO.ai是一款AI驅動型測試空間優化解決方案,它利用了AI來優化門級網表上的ATPG向量生成,從而減少生產測試向量,進而降低測試成本。得益于此,在很多客戶的設計中,測試向量平均減少了25%。最近,新思科技增強了這個功能,讓開發者能夠通過集成新思科技TestMAX分布式ATPG功能,將測試運行分配到多臺機器和線程并加以管理,從而加速生成測試向量。然而,由于ATPG功能針對的是門級網表,其中的DFT測試構架配置在RTL階段已經確定,因此只能通過在DFT規劃階段優化測試構架配置來進一步減少向量數量。
▲圖3 新思科技TSO.ai用于DFT規劃和優化。
目前,新思科技TSO.ai在早期DFT規劃階段提供了增強功能,能夠優化涵蓋掃描鏈數量、掃描輸入、掃描輸出在內的多個不同參數的測試配置。用戶可以在RTL階段早期快速進行假設分析,以滿足其測試覆蓋率和測試時間目標,并為綜合運行生成更優測試配置,從而在單次綜合流程中實現門級網表。在傳統流程中,用戶必須等待綜合后的門級網表,才能評估所選測試配置的覆蓋率;然后,為了優化測試配置,用戶必須重復掃描拼接和綜合流程,以評估其對測試覆蓋率和測試向量的影響。這是一個非常漫長的迭代過程。此外,一套測試構架配置不能適用所有設計模塊,因為優化方案與模塊的功能設計息息相關。而對所有設計模塊重復進行試驗又非常耗費人力,可能會導致設計進度延誤數周乃至數月。
▲圖4 TSO.ai基準結果 – DFT規劃算法和門級ATPG之間的相關性。
圖4著重強調了Tso.ai在一個基準設計上的評估結果,與根據傳統經驗規劃的基準測試構架配置相比,基于Tso.ai規劃的DFT構架可以減少33%的測試向量數量。在相同的測試構架配置和測試覆蓋率下,新思科技TSO.ai在RTL階段評估的ATPG測試向量數量,與綜合后門級網表上實際運行的新思科技TestMAX ATPG測試數量有很好的一致性。
新思科技TSO.ai的DFT構架規劃功能平均可以減少20%的測試向量;若輔以其ATPG參數優化的功能,則平均可以再減少25%測試向量。由此可見,新思科技TSO.ai可以顯著縮短測試時間,進而降低測試成本。此外,新思科技TSO.ai的DFT功能可以在RTL階段優化測試配置,助開發者達到測試覆蓋率和測試向量數量目標,因此用戶無需進行多次涉及門級綜合的長周期迭代,進而能將設計周期從數月大幅縮短為幾天。
新思科技始終致力于將AI/ML應用于半導體設計。Synopsys.ai是一個全棧式AI驅動型EDA整體解決方案,可用于優化數字和模擬器件的設計、驗證、測試與制造過程。新思科技TSO.ai是Synopsys.ai解決方案的關鍵組成部分,能夠提供更優測試配置和測試向量,幫助開發者應對日益緊迫的設計進度和不斷增長的測試成本挑戰。新思科技在測試領域的AI應用仍在不斷探索和創新,公司計劃繼續開發關鍵解決方案,以應對未來測試的挑戰。
-
芯片測試
+關注
關注
6文章
132瀏覽量
20118 -
AI
+關注
關注
87文章
30894瀏覽量
269085 -
人工智能
+關注
關注
1791文章
47279瀏覽量
238491 -
新思科技
+關注
關注
5文章
798瀏覽量
50337
原文標題:AI如何助力芯片測試突破成本和時間的雙重挑戰?
文章出處:【微信號:Synopsys_CN,微信公眾號:新思科技】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論