4.3 可靠性与变异性：统计时代的电路设计

4.3 可靠性与变异性：统计时代的电路设计

一块芯片上的环形振荡器，周期从 1.234 纳秒缓慢爬到 1.241 纳秒——那不是仪器漂移，是数十亿晶体管在同步老去。 FinFET 没有消灭可靠性与变异性的矛盾，只是把它们压缩进更小的空间里互相咬合。本节按三个时间尺度拆解：制造时刻定格的空间变异、毫秒级的自热起伏、以年计的 BTI 老化——并看签核如何从"查标称值"变成"验收统计分布与寿命终点"。

自热效应：鳍是热的孤岛

立体结构给散热出了道难题。平面器件的热量经大面积衬底扩散，而鳍的三面被低热导率的栅介质与侧墙包围、底部才连着衬底——像一根插在保温层里的火柴，热量几乎只能从底部单向泄出。开关密度越高，局部温度越飘：高密度逻辑阵列里，鳍内热梯度可达每微米数万开尔文，沟道与鳍底的温差冲破十几摄氏度并不是夸张数字。

温度直接改写器件参数：迁移率按温度的负幂次回落，阈值按毫伏每开尔文的斜率漂移。更麻烦的是热与电互相纠缠——功耗决定温度、温度反过来改电流与功耗，单向的仿真循环切不断这个环。工程解法是电热耦合迭代：每个仿真时间步先算一遍电学拿到瞬时功耗，把功耗注入预先提取的热阻热容网络解出节点温度，再按温度更新迁移率与阈值参数，迭代到温度收敛为止。热网络不追求全三维场的精度，用鳍级热阻加衬底热沉的紧凑网络就够——全三维热仿真算一个器件要数小时，紧凑网络只让整体仿真慢不到两成，精度却对得上实测。

三个实践要点值得记下。其一，别直接用工艺包里的"启用热模型"开关就放心——不少开关只挂了静态热阻、丢了瞬态热容，高频开关下的阈值漂移预测能偏四成多。其二，鳍间距缩到二十几纳米后，相邻鳍之间出现热串扰，热网络要补上互热阻。其三，热不是均匀标量而是空间场——同一个单元里不同位置的鳍温度不同，这在第 6 章的模拟电路里会成为匹配误差的新来源。

空间变异：从统计噪声到版图变量

制造完成的那一刻，每根鳍的参数就定格了，且各不相同。FinFET 的变异清单与平面时代不同：好消息是沟道近无掺杂，随机掺杂波动这个平面时代的老大难被大幅压低（第 2 章的红利兑现）；坏消息是三个新来源顶了上来——3.1 节的线宽粗糙度直接遗传成鳍宽起伏、功函数金属的晶粒取向带来功函数涨落、薄介质厚度存在原子级起伏。局部变异的典型量级在几毫伏到十几毫伏，叠在全局波动之上。

传统做法是蒙特卡洛：每个晶体管独立抽样，跑一千次看分布。这在鳍式时代有两个致命伤。一是算不动——百万门级设计乘千次抽样，器件模型调用量天文数字。二是不符合物理——同一片区域的器件共享同一次刻蚀与沉积环境，变异不是独立的：实测相邻器件的阈值相关性高达六七成，独立抽样把最坏情形的概率估错了。正确姿势是把变异建模为空间相关随机场：每个位置领一个带相关长度的随机扰动，相邻器件的扰动彼此相关，相隔远的近似独立。相关长度实测在几十纳米量级——恰好覆盖一个标准单元的邻域。

# 空间相关随机场 vs 独立抽样：SRAM 六管单元的失配估计
import random, math

def correlated_pair(dist_nm, sigma=9.3, Lc=28.0):
    # 指数衰减协方差：相关系数 exp(-d/Lc)
    rho = math.exp(-dist_nm / Lc)
    z1, z2 = random.gauss(0, 1), random.gauss(0, 1)
    x1 = sigma * z1
    x2 = sigma * (rho * z1 + math.sqrt(1 - rho * rho) * z2)
    return x1, x2

random.seed(7)
worst_ind, worst_corr = 0.0, 0.0
for _ in range(20000):
    d1, d2 = correlated_pair(42.0)            # 邻距 42nm 的两只管子
    worst_corr = max(worst_corr, abs(d1 - d2))  # 相关场下的失配
    i1 = random.gauss(0, 9.3); i2 = random.gauss(0, 9.3)
    worst_ind = max(worst_ind, abs(i1 - i2))    # 独立抽样下的失配
print(f"独立抽样的失配上限估计 ≈ {worst_ind:.1f} mV")
print(f"空间相关场（邻距42nm）≈ {worst_corr:.1f} mV")
# 邻近器件高度相关 → 差分失配远小于独立假设 → SRAM 良率被独立抽样低估
​

这段算例的结论反直觉却重要：对相邻配对的器件（差分对、存储单元的上拉下拉），相关性是利好——一起快或一起慢，差分失配反而小；独立假设会高估失配、白白放弃良率。而对相距遥远的器件，相关性消失，全局波动照旧。变异建模因此必须感知版图距离，这也是"统计签核"区别于"角签核"的本质：角签核假设全芯片同快或同慢，统计签核按空间结构逐点采样真实分布。

签核基础设施随之升级：单元库的时序表加出阈值偏移维度，工艺角被"统计角"补充甚至取代，良率敏感性分析（哪个节点的变异最吃频率）进 mainstream 流程。对 SRAM 这类海量复制单元的电路，统计签核不是锦上添花，是能不能卖钱的分界线。

BTI 老化：把十年搬进设计流程

第三个时间尺度以年计。偏置温度不稳定性（BTI）指栅极长期加压后，介质界面逐渐积累电荷陷阱，阈值电压持续正向漂移。它的动力学是幂律：漂移量正比于过驱动电压的两次方上下的指数，再乘时间的四分之一次方左右——时间指数小，意味着漂移早期快后期慢，但十年累计毫伏级的漂移足以吃掉时序裕量。

传统签核只查零时刻的参数，对十年后的漂移视而不见——芯片出厂时全绿、服役数年后时序开始违例，就是这个欠账。现代做法是把老化搬进设计流程：寿命终点模型在综合阶段就参与约束，工具对高压长时间偏置的路径主动加余量——关键晶体管加大尺寸降低场强、高扇出网络插缓冲分压、周期性给界面态"退火"的恢复脉冲；签核时用十年终点的参数表再跑一遍时序，老化余量显式入账。实测效果：不做老化感知的模块十年阈值漂移近三十毫伏，做了之后压到九毫伏上下，分布标准差也收窄过半。

配套的还有硅上验证：在芯片边角嵌入老化传感单元阵列，出厂前加压高温老化一百多小时，实测漂移速率拟合外推十年——超标的晶圆按寿命降档出货。设计端的模型与硅端的实测互相标定，老化从"玄学"变成可核算的工程量。

图 4-3 三个时间尺度的不确定性

本节要点回顾

• 鳍是热的孤岛：三面被低热导介质包围，热梯度每微米数万开尔文；电热耦合迭代用两成仿真时间换回温度与参数的真实互动，但要警惕只含静态热阻的"假开关"。
• 变异换了清单但没消失：随机掺杂被近无掺杂沟道压下去，鳍宽粗糙、功函数晶粒、介质起伏顶上来；空间相关随机场是正确建模姿势——邻近器件相关是差分电路与 SRAM 的利好。
• BTI 是慢性病不是急症：幂律漂移十年累计几十毫伏，零时刻签核全绿也会服役违例；寿命终点参数表与老化感知综合把十年搬进设计流程，硅上传感阵列负责校准与分档。
• 三个时间尺度共用一条方法论：把"标称值"换成"分布加终点"，热当矢量场、相关当距离函数、老化当时间幂律。
• 统计签核是分水岭：角签核假设全芯片同快同慢，统计签核按版图逐点采样——前者在 FinFET 时代越签越保守，后者才能同时守住性能与良率。

设计端的账算完了。下一章回到工艺端的两条岔路：同样的鳍，长在体硅上和长在绝缘衬底上，这笔统计与热的账要重算一遍。