集成电路中晶体管的特征尺寸不断缩减,使得互连线中的电流密度逐渐增大,高电流密度促使互连线中的金属原子发生迁移,原子迁移的不均衡导致了原子通量散度,形成了互连线中的原子堆积和空洞,进而使互连线发生失效。这种由于金属原子的不均匀分布导致的互连线失效的现象叫做电迁移,它是集成电路的可靠性设计中不可忽视的问题。为衡量电迁移的大小,本文在已有文献的基础上,利用有限元方法计算由电子风力、应力梯度驱动力、温度梯度驱动力导致的原子通量散度。然而有限元方法在计算超大规模电路的原子通量散度时,需要消耗较多的资源和时间,而且电路版图更改后,设计者需要重新构建电路模型并仿真,这使得现有方法无法为电路的可靠性设计提供快速的指导。为了解决现有有限元方法在互连可靠性仿真中耗时长的问题,本文将人工神经网络建模技术应用到有限元的互连可靠性分析中来,以便在短时间内得到互连线的电迁移特性。本文提出了基于人工神经网络的先进的自动模型产生(AMG)算法,并首次将该算法用于计算金属互连线的原子通量散度。该算法能自动产生建模所需的数据,判别采样数据的分布,调整模型结构,以及在系统框架内进行模型的训练。该算法通过自适应的模型训练过程进一步减少了训练数据的数量,缩短了模型创建的时间。为验证该算法的高效性,本文以一个反相器为例,比较了AMG与传统的手动建模方法在互连可靠性分析中的不同。结果表明,本文提出的AMG算法在保证现有高精度的同时节省了51.3%的仿真时间和计算资源。针对仿真结果,本文详细分析了温度、电流、互连线的材料、尺寸等因素对互连可靠性的影响,并使用敏感度分析方法研究了互连可靠性对上述因素的敏感程度。另外,本文还采用蒙特卡洛分析方法研究和预测了大规模生产中工艺误差与互连可靠性之间的关系,为电路可靠性设计提供了参考。综上所述,本文的主要贡献是:1.首次将AMG用于互连可靠性分析,缩短可靠性建模的时间;2.首次使用AMG来调用ANSYS软件,以实现自动建模的功能,避免了ANSYS软件中手动建模的繁琐过程。