论文部分内容阅读
摘要：随着我国经济的不断发展，科技水平也在日益提高，集成电路经成为影响国民经济和社会发展的重要产业。现如今，集成电路测试领域包含了许多关键性技术，如自动化测试设备技术、测试项量自动生成技术、仿真向量周期转化技术等，应将多种技术熟练掌握进而实现集成电路测试产业的优化。本文对集成电路测试领域的关键技术进行分析。
关键词：集成电路;测试领域;关键技术
前 言：
集成电路现已成为影响我国经济发展及社会发展的重要产业之一，在中美贸易战中发挥着重要的作用。现如今，集成电路关乎着我国的经济安全、国防安全、居民安全、金融安全等，因此应不断加快电路产业国产化，完善集成电路测试，进而实现智能制造。当前集成电路测试产业是集成电路产业链中的重要环节，也是整体发展的重点内容，而从当前情况来看，集成电路部分核心技术基本被国外厂商把控，因此研究集成电路测试领域的关键技术迫在眉睫。本文对当前集成电路测试领域涉及的技术进行阐述。
一、集成电路测试领域的关键技术
集成电路测试领域包括多种关键性技术，且各类技术所涉及的领域均有所不同。
（1）测试向量自动生成技术（Automatic Test vector Generation Technology）
（2）集成电路自动测试设备及设计制造技术（Automation Test Equipment）
（3）EDA仿真向量转化技术（EDA simulation vector transformation technology）
这三项技术是集成电路测试领域的核心，也是我国集成电路尚未完全掌握的技术，因此应对三项关键性技术进行探究。
二、测试向量自动生成技术
测试向量自动生成技术（Automatic Test vector Generation Technology）可以根据当前电路故障模型生成测试向量，且能够根据集成电路的不同进行分解大杯，自动分析当前集成电路向量故障的覆盖率，以组合的形式完成向量测试，在测试结束后可以生成时序电路故障报表[1]。
在1959年，Eldred首次提出了组合形式电路，简称组合电路，这是当时新型的集成电路组合算法，而Roth在1996年提出了任意组合故障排除的D算法，此类集成电路组合算法可以找到固定测试向量，且较为精准，但缺点是计算周期较长，且计算精准度要求较高。Goel在1997年对D算法进行了改进，将组合电路D算法的计算时间有效缩减，并按照实际需求提出了PODEM算法，该算法对比D算法可以节省故障计算时间，在当时被广泛应用。而Fujiwara与Shimono在PODEMI算法的基础上提出了FAN算法，解决了当时PODEM算法中的不足，使组合电路即集成电路的故障猜测是更加准确，也是早期较为有效的组合电路测试领域向量生成算法[2]。
在当前的集成电路测试领域中，时序电路测试向量生成受到了广泛关注，1962年Seshu提出了DTPG算法，即原始的模拟测试时序向量算法，该算法的精确度高，但实际计算时的计算量巨大，且生成向量时间过长。因此，为提升时序电路向量生成效率，由Saab，Hsiao提出了遗传机器学习算法，就目前情况来看，遺传机器学习算法以取得了较大的进步，在集成电路测试领域中发挥着巨大的作用。
遗传机器学习算法在实际集成电路测试领域中不需要了解电路的信息进行计算，且可以较为快速的计算出集成电路测试时的向量，且应用十分广泛，适用于大规模的基层电路计算中。但由于遗传机器学习算法缺乏相关电路信息，因此对于屏蔽故障以及隐藏性故障很难在第一时间检测出来，因此为集成电路的稳定性带来了安全风险。因此基于这两种问题上，可以采用确定性算法准确找出屏蔽故障及隐藏性故障，虽然单路测试时间比遗传机器学算法慢，但准确度却大大提升。
三、集成电路自动测试设备及设计制造技术
集成电路自动测试设备及设计制造技术（Automation Test Equipment）现如今以基本被国外市场垄断，尤其是在高端集成电路测试领域中。常见的如爱德万公司的V93000系列产品，或泰瑞达的UItraFLEX系列产品，此类产品现如今依然代表着集成电路自动测试设备的最高水平。现如今，国内集成电路自动测试设备仍然与国外的集成电路自动测试设备有很大的差距，如我国生产的集成电路自动测试设备基本应用在中低端测试中，且无法达到高精度[3]。
（一）关键性技术
集成电路自动测试设备的关键性技术在于直流参数测试与交流参数测试。在直流参数测试中包括了高低压输入测试、漏电测试、短路测试、开关测试、输出/输入电压测试、COMS器件测试等，且整体计算量较大，因此采用放大运算器进行运算。而放大运算器包括了测试设备及管脚设备等，可以在直流电压布纹的情况下计算出直流电的电压差，以此进行共模拟制比，找出当前电压中存在的问题。交流参数测试主要包括了时间参数、脉冲上升、下降时间测试、转换率测试、带宽测试等，并以此保障时间测试的有效性。
（二）精密测量单元
精密测量单元是PMU的具体表现，一般情况下会通过两种表现形式进行，歧义，在电压测量时以加压测流和加流测压为前提，PMU通过被测芯片的管脚施加一定电流与电压。其二，PMU通过测量相应的管脚或电流实现管脚开路/短路测试，并且通过此方法可有效检测出漏电源。
（三）数字化仪
数字化仪是实现高精度的数字化仪，可用于采集芯片管脚的输出测量值，并且可以使检测结果得到测试结论。ATE 设备需要对固定点进行测试，但ATE 测试的结果与测试向量结果能够测量微弱的信号，并且可以与集成电路的期望输出电压进行对比，并且可以通过期实现结果进行自动判决。ATE 设备的数字化仪采集的芯片管脚的输出波形值包括，输出高阻态、输出高电平、输出低电平，使整体测试结果更加精确。
四、EDA仿真向量转化技术
EDA仿真向量转化技术（EDASimulationvecTortransFormation Technology）可以智能识别测试向量，是当前集成电路测试领域中提高测试效率及准确度的关键性技术。目前国外的相关企业能够将半导体器件的方针向量转化为测试向量，且能够在特定的编译技术解析EDA文件，将符号一树状性结构进行储存[4]。
EDA 仿真向量一般都是基于事件驱动类型，用于规范向量，去除毛刺和抖动噪声;向量周期化包括提取定时时序，用固定的周期切割事件性向量得到周期化向量;波形采样，用于生成每个测试周期内的波形调制格式和波形类型。大规模集成电路的测试向量会有上百万调，但ATE技术的储存能力有限，因此需要对测试向量进行压缩，进而提高ATE的测试吞吐量，进而降低芯片研发生产时的成本，使测试响应有效压缩。
结束语：
当前集成电路测试领域的关键技术实际应用尤为重要，但集成电路测试行业实际应用技术时较为复杂，因此应对关键性技术进行突破，熟练掌握当前技术，推动我国集成电路行业的发展。
参考文献：
[1]李丹.中国集成电路测试设备市场概况及预测[J].电子产品世界，2019，26（10）：4-7+17.
[2]韦紫菱，常郝.超大规模集成电路测试技术综述[J].电子世界，2019（15）：122-123+126.
[3]张奇.集成电路测试数据的分析与应用研究[J].集成电路应用，2019，36（06）：31-33.
[4]闫鑫.集成电路的实践应用分析[J].集成电路应用，2019，36（04）：107-108.
关键词：集成电路;测试领域;关键技术
前 言：
集成电路现已成为影响我国经济发展及社会发展的重要产业之一，在中美贸易战中发挥着重要的作用。现如今，集成电路关乎着我国的经济安全、国防安全、居民安全、金融安全等，因此应不断加快电路产业国产化，完善集成电路测试，进而实现智能制造。当前集成电路测试产业是集成电路产业链中的重要环节，也是整体发展的重点内容，而从当前情况来看，集成电路部分核心技术基本被国外厂商把控，因此研究集成电路测试领域的关键技术迫在眉睫。本文对当前集成电路测试领域涉及的技术进行阐述。
一、集成电路测试领域的关键技术
集成电路测试领域包括多种关键性技术，且各类技术所涉及的领域均有所不同。
（1）测试向量自动生成技术（Automatic Test vector Generation Technology）
（2）集成电路自动测试设备及设计制造技术（Automation Test Equipment）
（3）EDA仿真向量转化技术（EDA simulation vector transformation technology）
这三项技术是集成电路测试领域的核心，也是我国集成电路尚未完全掌握的技术，因此应对三项关键性技术进行探究。
二、测试向量自动生成技术
测试向量自动生成技术（Automatic Test vector Generation Technology）可以根据当前电路故障模型生成测试向量，且能够根据集成电路的不同进行分解大杯，自动分析当前集成电路向量故障的覆盖率，以组合的形式完成向量测试，在测试结束后可以生成时序电路故障报表[1]。
在1959年，Eldred首次提出了组合形式电路，简称组合电路，这是当时新型的集成电路组合算法，而Roth在1996年提出了任意组合故障排除的D算法，此类集成电路组合算法可以找到固定测试向量，且较为精准，但缺点是计算周期较长，且计算精准度要求较高。Goel在1997年对D算法进行了改进，将组合电路D算法的计算时间有效缩减，并按照实际需求提出了PODEM算法，该算法对比D算法可以节省故障计算时间，在当时被广泛应用。而Fujiwara与Shimono在PODEMI算法的基础上提出了FAN算法，解决了当时PODEM算法中的不足，使组合电路即集成电路的故障猜测是更加准确，也是早期较为有效的组合电路测试领域向量生成算法[2]。
在当前的集成电路测试领域中，时序电路测试向量生成受到了广泛关注，1962年Seshu提出了DTPG算法，即原始的模拟测试时序向量算法，该算法的精确度高，但实际计算时的计算量巨大，且生成向量时间过长。因此，为提升时序电路向量生成效率，由Saab，Hsiao提出了遗传机器学习算法，就目前情况来看，遺传机器学习算法以取得了较大的进步，在集成电路测试领域中发挥着巨大的作用。
遗传机器学习算法在实际集成电路测试领域中不需要了解电路的信息进行计算，且可以较为快速的计算出集成电路测试时的向量，且应用十分广泛，适用于大规模的基层电路计算中。但由于遗传机器学习算法缺乏相关电路信息，因此对于屏蔽故障以及隐藏性故障很难在第一时间检测出来，因此为集成电路的稳定性带来了安全风险。因此基于这两种问题上，可以采用确定性算法准确找出屏蔽故障及隐藏性故障，虽然单路测试时间比遗传机器学算法慢，但准确度却大大提升。
三、集成电路自动测试设备及设计制造技术
集成电路自动测试设备及设计制造技术（Automation Test Equipment）现如今以基本被国外市场垄断，尤其是在高端集成电路测试领域中。常见的如爱德万公司的V93000系列产品，或泰瑞达的UItraFLEX系列产品，此类产品现如今依然代表着集成电路自动测试设备的最高水平。现如今，国内集成电路自动测试设备仍然与国外的集成电路自动测试设备有很大的差距，如我国生产的集成电路自动测试设备基本应用在中低端测试中，且无法达到高精度[3]。
（一）关键性技术
集成电路自动测试设备的关键性技术在于直流参数测试与交流参数测试。在直流参数测试中包括了高低压输入测试、漏电测试、短路测试、开关测试、输出/输入电压测试、COMS器件测试等，且整体计算量较大，因此采用放大运算器进行运算。而放大运算器包括了测试设备及管脚设备等，可以在直流电压布纹的情况下计算出直流电的电压差，以此进行共模拟制比，找出当前电压中存在的问题。交流参数测试主要包括了时间参数、脉冲上升、下降时间测试、转换率测试、带宽测试等，并以此保障时间测试的有效性。
（二）精密测量单元
精密测量单元是PMU的具体表现，一般情况下会通过两种表现形式进行，歧义，在电压测量时以加压测流和加流测压为前提，PMU通过被测芯片的管脚施加一定电流与电压。其二，PMU通过测量相应的管脚或电流实现管脚开路/短路测试，并且通过此方法可有效检测出漏电源。
（三）数字化仪
数字化仪是实现高精度的数字化仪，可用于采集芯片管脚的输出测量值，并且可以使检测结果得到测试结论。ATE 设备需要对固定点进行测试，但ATE 测试的结果与测试向量结果能够测量微弱的信号，并且可以与集成电路的期望输出电压进行对比，并且可以通过期实现结果进行自动判决。ATE 设备的数字化仪采集的芯片管脚的输出波形值包括，输出高阻态、输出高电平、输出低电平，使整体测试结果更加精确。
四、EDA仿真向量转化技术
EDA仿真向量转化技术（EDASimulationvecTortransFormation Technology）可以智能识别测试向量，是当前集成电路测试领域中提高测试效率及准确度的关键性技术。目前国外的相关企业能够将半导体器件的方针向量转化为测试向量，且能够在特定的编译技术解析EDA文件，将符号一树状性结构进行储存[4]。
EDA 仿真向量一般都是基于事件驱动类型，用于规范向量，去除毛刺和抖动噪声;向量周期化包括提取定时时序，用固定的周期切割事件性向量得到周期化向量;波形采样，用于生成每个测试周期内的波形调制格式和波形类型。大规模集成电路的测试向量会有上百万调，但ATE技术的储存能力有限，因此需要对测试向量进行压缩，进而提高ATE的测试吞吐量，进而降低芯片研发生产时的成本，使测试响应有效压缩。
结束语：
当前集成电路测试领域的关键技术实际应用尤为重要，但集成电路测试行业实际应用技术时较为复杂，因此应对关键性技术进行突破，熟练掌握当前技术，推动我国集成电路行业的发展。
参考文献：
[1]李丹.中国集成电路测试设备市场概况及预测[J].电子产品世界，2019，26（10）：4-7+17.
[2]韦紫菱，常郝.超大规模集成电路测试技术综述[J].电子世界，2019（15）：122-123+126.
[3]张奇.集成电路测试数据的分析与应用研究[J].集成电路应用，2019，36（06）：31-33.
[4]闫鑫.集成电路的实践应用分析[J].集成电路应用，2019，36（04）：107-108.