本章要回答的三个问题:SPICE 凭什么能用方程组"预演"晶体管的行为,又凭什么慢得让人心疼?设计规模涨了几个数量级,仿真怎么跟上——折衷了什么、又守住了什么?功能正确性能不能不靠"跑很多次都没错"来证明,而是靠数学一次性证死?
前五章把设计从意图推到了制造,但有一个维度始终没有展开:你怎么知道电路的行为是对的?综合保证的是逻辑功能等价,布局布线保证的是物理可实现,签核保证的是时序功耗达标——而"这个设计在真实信号、真实器件、真实变异下的行为是否符合预期",需要另一套技术回答。验证是芯片设计里最贵的环节:功能验证消耗整个项目周期的一半以上,验证工程师人数常常是设计工程师的两倍。流片之后才发现功能错误的代价以月与千万美元计,所以行业愿意为"提前抓错"支付任何价格。
本章的三节沿"精度—规模—完备性"三个轴展开,彼此是互补关系而非替代关系。6.1 讲 SPICE——晶体管级的数值仿真,精度之王,规模之囚。6.2 讲高级仿真技术——Fast-SPICE、蒙特卡罗、老化分析,用各种受控的近似把精度稍降、规模猛提。6.3 讲形式化验证——不跑任何一个具体激励,用数学证明覆盖全部输入空间。三者的关系可以浓缩成一句话:仿真回答"测过的对不对",形式化回答"没测的对不对"——两条防线缺一不可。

读完本章你应当能够:手工对一个两管电路列节点方程、写出修正节点矩阵并用牛顿-拉夫逊迭代两步逼近直流工作点;解释牛顿迭代为何发散、GMIN 与源步进如何救场,以及瞬态分析的变步长策略在精度与速度间如何取舍;说出 Fast-SPICE 的三个近似(分割、查表、事件驱动)各自牺牲了什么;用泊松或正态分布估算给定西格玛数下蒙特卡罗需要的样本量;解释 SAT 求解的 DPLL 到 CDCL 演进为什么把形式化验证从玩具变成工业工具,以及等价性检查与模型检查的分工边界。这些知识点构成验证工程师的方法论底盘。
| 节 | 回答哪个问题 | 关键产出 |
|---|---|---|
| 6.1 SPICE 仿真原理 | 精度之王怎么运转 | 节点分析、牛顿迭代、瞬态积分 |
| 6.2 高级仿真技术 | 规模怎么换出来 | Fast-SPICE 近似与统计签核 |
| 6.3 形式化验证 | 完备性怎么获得 | SAT 与等价性检查的机制边界 |
三节是同一条轴上的三个刻度:精度递减、完备性递增。读的时候带着"这个近似丢了什么"的问题,每节末尾都有答案。
一个贯穿全章的判断先行给出:验证的三个维度(精度、规模、完备性)中,任何工具只占其一, claiming 全能的工具宣传可以直接打折。选型时先问自己本次要的是哪一个维度,再对号入座——这个习惯能省下大笔的无效评估时间。
电路基本概念(基尔霍夫定律、电阻电容);一点线性代数(矩阵、LU 分解的概念即可);布尔逻辑(第 2 章已备)。不需要数值分析的先修——所有算法从零推导。
验证拦截的是设计错误,制造侧的质量由第 5 章的良率体系经营。第 7 章把视角拉高:AI 如何改写本章的每一个环节——从加速 SPICE 收敛到学习验证覆盖率缺口,机器学习与 EDA 的融合首先发生在验证这个最贵的地方。