Home
探索 Uedu
學生控制台
註冊會員/登入
研究知情同意中心
教師控制台
課程設定
支援與訊息
Uptime 數據

UeduGPTs

--

Jupyters

4

UG26 CISOSE26
臺北 AQI 40 · 臺中 AQI 26 · 臺南 AQI 24 · 高雄 AQI 28

AI 回覆桌面通知

AI 助教回覆完成時顯示桌面通知

聊天訊息通知

同學在討論區發送訊息時通知

聲音通知

每當有新通知時播放提示音

軟體與 EDA
軟體與 EDA

設計規則與可製造性設計(DFM)

不是畫得出來就做得出來,設計必須遷就製造的物理極限。

設計規則與可製造性設計(DFM) 概念示意插圖
概念示意插圖(AI 生成,僅供輔助理解,非精確技術圖示)
研究所  ·  約 17 分鐘  ·  設計規則DFM製造

畫得出來 ≠ 做得出來

在 EDA 工具裡,設計者可以畫出任意幾何圖形;但晶圓廠的微影、蝕刻、沉積、CMP 都有物理極限。設計規則(design rules)就是製造端對設計端的「契約」:一組幾何約束,規定線寬、間距、重疊量等下限,保證版圖在良率可接受的前提下能被製造出來。可製造性設計(DFM, Design for Manufacturing)則更進一步——不只是「合法」,而是主動讓設計「好做、良率高」。

這兩者把抽象的邏輯設計拉回物理現實,是 IC 設計與半導體製程之間的橋樑。

設計規則:DRC 與 LVS

DRC(設計規則檢查)

DRC(Design Rule Check)用幾何規則掃描版圖,常見規則類型:

  • minimum width(最小線寬):線太細會斷、電阻太大。
  • minimum spacing(最小間距):太近會短路或微影解析不開。
  • enclosure(包覆量):如 via 必須被金屬完整覆蓋一定餘量。
  • density(密度):金屬密度要落在區間內,以利 CMP 平坦化。
  • antenna ratio(天線比):限制閘極連到的金屬面積,避免製程電荷打穿閘氧。

先進節點的 design rule deck 可達數千條規則,且越來越多是無法用簡單寬/距描述的複雜情境規則

LVS(佈局對原理圖比對)

LVS(Layout Versus Schematic)確認版圖萃取出的電路與原始網表完全一致——元件、連線、寄生都對得上。DRC 保證「做得出來」,LVS 保證「做出來的是你要的東西」。兩者皆通過(DRC clean + LVS clean)是 tape-out 的硬門檻

微影鄰近效應:規則背後的物理

設計規則的根源是微影解析度極限。瑞利準則給出最小可解析線寬:

$$\mathrm{CD} = k_1\frac{\lambda}{\mathrm{NA}}$$

其中 $\lambda$ 為曝光波長(ArF=193nm、EUV=13.5nm)、$\mathrm{NA}$ 為投影鏡頭數值孔徑、$k_1$ 為製程因子(理論下限 0.25,單次曝光)。

當圖案尺寸逼近波長,光學鄰近效應(OPE, Optical Proximity Effect)使印出的圖形嚴重偏離設計:線端縮短、轉角圓化、密集線與孤立線寬度不一。這正是 DFM 必須介入的物理現實。

DFM 核心技術一:OPC

OPC(Optical Proximity Correction,光學鄰近修正)在光罩上故意預先扭曲圖案,以補償微影過程的失真,讓晶圓上印出的圖形接近原設計:

  • 加 serif(襯線)補強轉角、加 hammerhead補強線端縮短。
  • SRAF(Sub-Resolution Assist Feature,次解析輔助圖形):在孤立線旁加上小到印不出來的輔助圖案,改善製程窗口(process window)。
  • 先進節點走 ILT(Inverse Lithography Technology,反演微影)model-based OPC,用嚴格的微影模型反推最佳光罩,計算量極大(一個光罩層可耗用大量 CPU 小時)。

OPC 讓光罩圖案複雜到肉眼已認不出原電路,是 mask data prep(MDP)最吃算力的步驟。

DFM 核心技術二:冗餘與密度優化

  • Redundant via(冗餘通孔):單一 via 是良率與電遷移的弱點,DFM 自動把單 via 換成 double via,把 via 開路缺陷率大幅降低。
  • Wire spreading / widening:在繞線資源允許時把線拉寬、拉開,提升對製程變異的容忍度。
  • Dummy fill(虛擬填充):在空曠區填入無電性作用的金屬塊,使金屬密度均勻,避免 CMP 造成 dishing(凹陷)與 erosion(侵蝕)導致的厚度不均。
  • CMP-aware DFM:以模型預測研磨後的表面形貌,回饋調整填充策略。

良率模型與關鍵面積

DFM 的量化基礎是良率模型。隨機缺陷造成的良率常用 Poisson 或負二項模型:

$$Y = e^{-D_0 \cdot A_{\mathrm{critical}}}$$

其中 $D_0$ 為缺陷密度(defects/cm²)、$A_{\mathrm{critical}}$ 為關鍵面積(缺陷會造成失效的敏感區域)。

關鍵面積分析(CAA, Critical Area Analysis)找出版圖中對特定尺寸顆粒最敏感的區域,DFM 則設法縮小關鍵面積(如加大間距、加冗餘)。這把「設計選擇」與「量產良率」直接連結成可優化的目標。

DFM 技術 對抗的失效 代價/取捨
OPC/SRAF 微影失真、線端縮短 光罩複雜、MDP 算力
Redundant via via 開路、電遷移 面積、繞線資源
Dummy fill CMP 厚度不均 增加寄生電容
Wire widening 隨機斷線 占用繞線軌道

製程變異與統計式設計

先進節點下,製程變異(process variation)——線寬、閘長、摻雜濃度的隨機與系統性偏差——使「角點(corner)」設計(只驗 SS/FF/TT 等極端組合)逐漸不足。業界轉向統計式時序分析(SSTA)DTCO(Design-Technology Co-Optimization,設計與製程協同優化):在制定製程與設計規則時就同步考慮彼此,讓 standard cell 架構、繞線軌道數、與製程步驟一起被優化。EUV 導入後雖放寬了 multi-patterning 對規則的扭曲,但隨機效應(stochastic effects,光子打點不均造成的隨機缺陷)成為 DFM 的新前沿課題。

取捨與前沿

DFM 的本質是設計自由度與製造良率的交換:規則越嚴,良率越高,但設計密度與效能受限。GAA、背面供電、3D 堆疊等新結構不斷帶來新的設計規則與 DFM 需求。未來方向是機器學習輔助的 hotspot 預測(在繞線階段就預判微影難印區)與更深度的 DTCO,讓設計與製造從「先後交付」走向「同步協同」。

延伸閱讀:〈微影技術原理:把電路「印」到晶圓上〉、〈佈局與繞線(P&R)〉、〈良率與缺陷管理〉。

接著問 AI 助教

點一下複製提問,到 ClassroomGPT、優學伴(AIDA)或你的 UeduGPTs 頻道貼上,AI 會引用本專區內容回答。

AI 共讀助教正在陪你讀:設計規則與可製造性設計(DFM)
嗨!我是這篇文章的共讀助教,只根據〈設計規則與可製造性設計(DFM)〉的內容回答。可以問我「解釋某段」「舉個例子」「出題考我」,或反白文中段落後點下方「解釋選取段落」。