【算法】【人工智能】基于计算机物理结构和系统架构的优化算法——第一篇

傅里叶热传导定律

温度梯度∇T
热导率k
传热面积A

热流密度向量: q​=−k∇T
热通量向量场

q​=−k∇T
Q=−kA∂x∂T​

q​: 热流密度(W/m²)
k: 热导率(W/m·K)
∇T: 温度梯度(K/m)
A: 传热面积(m²)

CPU/GPU散热片
PCB热管理

牛顿冷却定律

对流系数h
表面温度T_s
流体温度T_∞
面积A

热流向量: Q​=hA(Ts​−T∞​)n^
温度场向量

Q=hA(Ts​−T∞​)

h: 对流系数(W/m²·K)
T_s: 表面温度(K)
T_∞: 流体温度(K)
A: 面积(m²)

强制风冷散热
液冷系统

斯蒂芬-玻尔兹曼定律

发射率ε
斯特藩常数σ
绝对温度T
面积A

辐射热流: Q​=ϵσAT4n^
辐射能流向量

Q=ϵσAT4

ε: 发射率(0-1)
σ: 5.67×10⁻⁸W/m²·K⁴
T: 绝对温度(K)
A: 面积(m²)

机箱热辐射
高温元件

热阻网络模型

各层热阻R_i
温度差ΔT_i
热流Q

热阻向量: R=[R1​,R2​,…,Rn​]T
温度向量: T=[T1​,T2​,…,Tn​]T

ΔT=Q∑Ri​
Tj​−T1​=Q∑i=1j−1​Ri​

R_i: 第i层热阻(K/W)
ΔT_i: 温度差(K)
Q: 热流(W)
T_j: 节点温度

多层结构热分析
散热器设计

瞬态热传导

密度ρ
比热容c_p
热扩散率α
时间t

温度场: T(r,t)
热源分布: qv​(r,t)

ρcp​∂t∂T​=∇⋅(k∇T)+qv​

ρ: 密度(kg/m³)
c_p: 比热容(J/kg·K)
α=k/ρc_p: 热扩散率
q_v: 体积热源(W/m³)

瞬态热分析
脉冲功率热响应

纳维-斯托克斯方程

速度场v
压力p
密度ρ
粘度μ

速度向量场: v(x,y,z,t)
压力场: p(x,y,z,t)
力向量: f​

ρ(∂t∂v​+v⋅∇v)=−∇p+μ∇2v+f​

v: 速度场(m/s)
p: 压力(Pa)
ρ: 密度(kg/m³)
μ: 动力粘度(Pa·s)
f​: 体积力(N/m³)

机箱内气流分析
液冷系统设计

连续性方程

速度场v
密度ρ
时间t

质量流向量: J=ρv
质量源项S_m

∂t∂ρ​+∇⋅(ρv)=Sm​

J: 质量通量(kg/m²·s)
S_m: 质量源(kg/m³·s)
稳态时∂ρ/∂t=0

空气流动守恒
冷却剂流动

伯努利方程

流速v
压力p
高度z
密度ρ
重力g

机械能向量: E=[p,21​ρv2,ρgz]T

p+21​ρv2+ρgz=常数

p: 静压(Pa)
½ρv²: 动压(Pa)
ρgz: 位能(Pa)
沿流线守恒

风扇设计
风道优化

管道流动压降

摩擦系数f
长度L
直径D
密度ρ
流速v

压降向量: Δp​=[Δpf​,Δpm​,Δpa​]T
摩擦/局部/加速压降

Δp=fDL​2ρv2​+K2ρv2​+ρdtdv​L

f: 达西摩擦系数
L: 管道长度(m)
D: 水力直径(m)
K: 局部阻力系数
v: 平均流速(m/s)

液冷管路设计
风道阻力计算

风扇性能曲线

流量Q
压头H
转速N
功率P

性能向量: P=[H,P,η]T
效率η

H=a0​+a1​Q+a2​Q2
P=b0​+b1​Q+b2​Q2
η=PρgQH​

Q: 体积流量(m³/s)
H: 压头(Pa或m)
N: 转速(rpm)
P: 输入功率(W)
η: 效率

风扇选型
系统阻抗匹配

麦克斯韦方程组

电场E
磁场H
电位移D
磁感应B
电流密度J
电荷密度ρ

电磁场向量: F=[E,H,D,B]T
源向量: S=[ρ,J]T

∇⋅D=ρ
∇⋅B=0
∇×E=−∂t∂B​
∇×H=J+∂t∂D​

E: 电场强度(V/m)
H: 磁场强度(A/m)
D=εE: 电位移(C/m²)
B=μH: 磁感应(T)
ρ: 电荷密度(C/m³)
J: 电流密度(A/m²)

信号完整性
EMI/EMC分析

传输线方程

分布电感L
分布电容C
分布电阻R
分布电导G
位置z
时间t

电压电流向量: V(z,t)=[V(z,t),I(z,t)]T
传播常数γ
特性阻抗Z₀

∂z∂V​=−L∂t∂I​−RI
∂z∂I​=−C∂t∂V​−GV
γ=(R+jωL)(G+jωC)​
Z0​=G+jωCR+jωL​​

L: 单位长度电感(H/m)
C: 单位长度电容(F/m)
R: 单位长度电阻(Ω/m)
G: 单位长度电导(S/m)
γ=α+jβ: 传播常数
Z₀: 特性阻抗(Ω)

PCB走线分析
高速信号传输

趋肤效应电阻

频率f
电导率σ
磁导率μ
导体半径r

趋肤深度向量: δ=πfμσ​1​
交流电阻系数k_ac

Rac​=Rdc​⋅kac​
kac​=2δr​⋅ber12​(ξ)+bei12​(ξ)ber0​(ξ)ber1​(ξ)+bei0​(ξ)bei1​(ξ)​
其中ξ=r2​/δ

δ: 趋肤深度(m)
σ: 电导率(S/m)
μ: 磁导率(H/m)
f: 频率(Hz)
r: 导体半径(m)
ber, bei: 开尔文函数

高频电流分布
导体损耗计算

近场耦合模型

源电流I_s
距离d
频率f
介质参数ε_r, μ_r

耦合系数向量: k=[kE​,kH​]T
电场/磁场耦合系数

Vinduced​=jωMIs​(互感耦合)
Vinduced​=Cm​dtdVs​​(电容耦合)
M=2πdμ0​A​(近似)
Cm​=dϵ0​ϵr​A​(近似)

M: 互感(H)
C_m: 互容(F)
I_s: 源电流(A)
V_s: 源电压(V)
d: 距离(m)
A: 耦合面积(m²)

串扰分析
电磁干扰预测

辐射发射模型

电流元IΔl
频率f
距离r
方向角θ, φ

辐射场向量: E=[Eθ​,Eφ​]T
H=[Hφ​,Hθ​]T

Eθ​=j2λrη0​IΔl​sinθe−jkr
Hφ​=η0​Eθ​​
η0​=120πΩ

IΔl: 电流矩(A·m)
λ: 波长(m)
k=2π/λ: 波数
r: 距离(m)
θ, φ: 球坐标角度
η₀: 自由空间波阻抗(Ω)

EMI辐射预测
屏蔽设计

胡克定律(广义)

应力张量σ_ij
应变张量ε_kl
弹性张量C_ijkl

应力向量: σ=[σ11​,σ22​,σ33​,σ12​,σ23​,σ31​]T
应变向量: ϵ=[ϵ11​,ϵ22​,ϵ33​,2ϵ12​,2ϵ23​,2ϵ31​]T

σij​=Cijkl​ϵkl​(张量形式)
{σ}=[C]{ϵ}(矩阵形式)

σ_ij: 应力分量(Pa)
ε_kl: 应变分量
C_ijkl: 弹性常数(Pa)
对各向同性材料:
C_ijkl = λδ_ijδ_kl + μ(δ_ikδ_jl + δ_ilδ_jk)

PCB机械应力
芯片封装应力

热应力方程

热膨胀系数α
温度变化ΔT
弹性模量E
泊松比ν

热应变向量: ϵth=[αΔT,αΔT,αΔT,0,0,0]T
热应力向量: σth

ϵth=αΔT[1,1,1,0,0,0]T
σth=[C](ϵ−ϵth)

α: 热膨胀系数(1/K)
ΔT: 温度变化(K)
E: 弹性模量(Pa)
ν: 泊松比
[C]: 弹性矩阵

热机械应力
热循环可靠性

薄板弯曲方程

板厚度h
弯曲刚度D
横向载荷q(x,y)
挠度w(x,y)

弯矩向量: M=[Mx​,My​,Mxy​]T
曲率向量: κ=[−∂x2∂2w​,−∂y2∂2w​,−2∂x∂y∂2w​]T

D∇4w=q(x,y)
其中D=12(1−ν2)Eh3​
∇4=∂x4∂4​+2∂x2∂y2∂4​+∂y4∂4​
{M}=D[1ν0​ν10​0021−ν​​]{κ}

w: 挠度(m)
q: 分布载荷(N/m²)
D: 弯曲刚度(N·m)
h: 板厚(m)
M_x, M_y: 弯矩(N·m/m)
M_xy: 扭矩(N·m/m)

PCB变形分析
散热片刚度

梁弯曲方程

弹性模量E
截面惯性矩I
长度L
载荷分布q(x)

挠度向量: w(x)
斜率向量: θ(x)=dw/dx
弯矩向量: M(x)
剪力向量: V(x)

EIdx4d4w​=q(x)
θ=dxdw​
M=−EIdx2d2w​
V=−EIdx3d3w​

w(x): 挠度函数(m)
θ(x): 转角(rad)
M(x): 弯矩(N·m)
V(x): 剪力(N)
I: 截面惯性矩(m⁴)
E: 弹性模量(Pa)

结构支撑梁
卡扣设计

振动方程

质量矩阵[M]
刚度矩阵[K]
阻尼矩阵[C]
位移向量{u}
力向量{F}

模态向量: {ϕ}i​
频率向量: ωi​
阻尼比向量: ζi​

[M]{u¨}+[C]{u˙}+[K]{u}={F}
无阻尼自由振动:
([K]−ωi2​[M]){ϕ}i​={0}
ωi​=2πfi​

[M]: 质量矩阵(kg)
[K]: 刚度矩阵(N/m)
[C]: 阻尼矩阵(N·s/m)
{u}: 位移向量(m)
{F}: 力向量(N)
ω_i: 第i阶固有频率(rad/s)
{φ}_i: 第i阶模态

机械振动分析
抗振设计

应力-寿命(S-N)曲线

应力幅S_a
应力比R
循环次数N
材料常数b, c

疲劳寿命向量: N=[N1​,N2​,…,Nm​]T
应力幅向量: Sa​=[Sa1​,Sa2​,…,Sam​]T

Sa​=Sf′​(2N)b(Basquin方程)
Sa​=Eσf′​−σm​​(2N)b+σf′​(2N)c(Morrow)
其中σm​为平均应力

S_a: 应力幅(Pa)
R=σ_min/σ_max: 应力比
N: 失效循环次数
S_f': 疲劳强度系数(Pa)
b: 疲劳强度指数
σ_f': 疲劳延性系数
c: 疲劳延性指数

焊点疲劳寿命
连接器插拔寿命

应变-寿命(ε-N)曲线

应变幅ε_a
弹性应变幅ε_ea
塑性应变幅ε_pa
循环次数N

应变分区向量: ϵa​=[ϵea​,ϵpa​]T
Coffin-Manson参数

ϵa​=ϵea​+ϵpa​=Eσf′​​(2N)b+ϵf′​(2N)c
ϵpa​=ϵf′​(2N)c(Coffin-Manson)

ε_a: 总应变幅
ε_ea: 弹性应变幅
ε_pa: 塑性应变幅
E: 弹性模量(Pa)
σ_f': 疲劳强度系数(Pa)
ε_f': 疲劳延性系数
b, c: 材料指数

热循环疲劳
蠕变疲劳

裂纹扩展率(da/dN)

应力强度因子幅ΔK
应力比R
材料常数C, m
门槛值ΔK_th

裂纹扩展向量: dNda​=f(ΔK,R,…)
Paris定律参数

dNda​=C(ΔK)m(Paris定律)
ΔK=YΔσπa​
其中Y为几何因子

da/dN: 裂纹扩展率(m/cycle)
ΔK: 应力强度因子幅(Pa·√m)
Δσ: 应力幅(Pa)
a: 裂纹长度(m)
Y: 几何修正因子
C, m: 材料常数

裂纹扩展分析
损伤容限设计

阿伦尼乌斯方程

活化能E_a
温度T
反应速率常数k
前置因子A

寿命向量: L=[L1​,L2​,…,Ln​]T
温度向量: T=[T1​,T2​,…,Tn​]T

k=Ae−Ea​/(RT)
寿命加速因子: AF=Ltest​Luse​​=ekEa​​(Tuse​1​−Ttest​1​)

E_a: 活化能(eV或J/mol)
T: 绝对温度(K)
R: 气体常数(8.314J/mol·K)
k: 玻尔兹曼常数(8.617×10⁻⁵eV/K)
A: 频率因子
AF: 加速因子

高温寿命加速测试
老化模型

威布尔分布

尺度参数η
形状参数β
位置参数γ
失效概率F(t)

可靠度函数: R(t)=1-F(t)
失效率函数: λ(t)

F(t)=1−e−(ηt−γ​)β
R(t)=e−(ηt−γ​)β
λ(t)=ηβ​(ηt−γ​)β−1

t: 时间或循环次数
η: 特征寿命(尺度参数)
β: 形状参数(斜率)
γ: 位置参数(最小寿命)
F(t): 累积失效概率
R(t): 可靠度
λ(t): 失效率

寿命分布分析
可靠性预测

刚体变换矩阵

平移向量t
旋转矩阵R
缩放因子s

齐次坐标向量: p​=[x,y,z,1]T
变换矩阵T

p​′=Tp​=[sR0​t1​]​xyz1​​
其中R为3×3旋转矩阵

p​: 原始坐标
p​′: 变换后坐标
t=[tx​,ty​,tz​]T: 平移向量
R: 旋转矩阵(正交)
s: 缩放因子

3D CAD模型
装配定位

透视投影矩阵

焦距f
近平面n
远平面f
宽高比a
视野FOV

投影矩阵P
裁剪坐标p​c​
标准化设备坐标(NDC)

p​c​=Pp​
P=​atan(FOV/2)f​000​0tan(FOV/2)f​00​00n−ff+n​−1​00n−f2fn​0​​
NDC: [xc​/wc​,yc​/wc​,zc​/wc​]

f: 焦距(类似)
n: 近平面距离
f: 远平面距离
a: 宽高比(宽/高)
FOV: 垂直视野角(rad)
p​c​=[xc​,yc​,zc​,wc​]T: 裁剪坐标

可视化渲染
光学检测

布尔运算函数

几何体A, B
操作类型op

几何体表示: G_A, G_B
结果几何体: G_result

Gresult​=GA​ op GB​
op ∈ {union, intersection, difference}

G_A, G_B: 几何体(边界表示B-rep或构造实体几何CSG)
op: 布尔操作类型
G_result: 结果几何体

3D建模
CAD布尔运算

距离场函数

点坐标p​
几何体S

距离场: d(p​, S)
符号距离函数(SDF)

d(p​,S)=minq​∈S​∥p​−q​∥
有符号: 内部为负, 外部为正

p​: 空间点坐标
S: 几何体表面
d: 点到表面的最短距离
符号表示内外关系

碰撞检测
3D打印切片

曲率计算

曲面参数(u,v)
第一基本形式E,F,G
第二基本形式L,M,N

曲率向量: κ=[κ1​,κ2​,H,K]T
主曲率κ₁, κ₂

平均曲率: H=2(EG−F2)EN−2FM+GL​
高斯曲率: K=EG−F2LN−M2​
主曲率: κ1,2​=H±H2−K​

E,F,G: 第一基本形式系数
L,M,N: 第二基本形式系数
κ₁, κ₂: 主曲率(最大/最小)
H: 平均曲率
K: 高斯曲率

曲面分析
流体动力学表面

凸包算法

点集P={p_i}
维度d

凸包顶点集: CH(P)
法向量集: nj​

Graham扫描:
1. 找最低点p₀
2. 按极角排序
3. 栈操作构建凸包
输出: CH(P) = {v₀, v₁, …, vₖ}

P: 输入点集{p₁, p₂, …, p_n}
d: 空间维度(2D/3D)
CH(P): 凸包顶点
应用于d=2,3

热源布局优化
布线区域规划

最近邻搜索

查询点q
点集P={p_i}
距离度量d(·,·)

最近邻索引: NN(q, P)
距离向量: d=[d(q,p1​),…,d(q,pn​)]T

NN(q,P)=argminpi​∈P​d(q,pi​)
kd-tree构建: O(n log n)
查询: O(log n)

q: 查询点
P: 数据集
d(·,·): 距离函数(如欧氏距离)
返回最近点的索引

碰撞检测
热源邻近分析

矩形包装问题

矩形集R={r_i}
容器尺寸W×H
旋转允许性

位置向量: xi​=(xi​,yi​)
旋转角度: θ_i
占用矩阵M

优化目标: min H 或 max 填充率
约束: 无重叠, 在容器内
xi​+wi​≤W, yi​+hi​≤H
(ri​∩rj​)=∅,∀i=j

r_i: 矩形(宽w_i, 高h_i)
(x_i, y_i): 左下角坐标
θ_i: 旋转角度(0或90°)
W,H: 容器宽高
目标: 最小高度或最大利用率

PCB元件布局
机箱内部布局

斯坦纳树问题

点集P={p_i}
权重函数w
附加点允许

斯坦纳点集: S
边集: E ⊆ S×P∪S×S
总长度L

最小化: L=∑e∈E​w(e)
约束: 所有p_i连通
允许添加斯坦纳点S

P: 必须连接的点集(终端)
S: 可添加的斯坦纳点集
E: 边集
w(e): 边e的权重(通常为长度)
NP难问题, 常用启发式算法

全局布线优化
网络连接

空间填充曲线

域Ω⊂ℝⁿ
曲线参数t∈[0,1]

曲线函数: f: [0,1]→Ω
索引映射: 多维→一维

希尔伯特曲线:
Hn​:[0,1]→[0,1]n
Z-order曲线(莫顿码):
交错坐标比特
用于空间局部性保持

f: 空间填充曲线函数
n: 空间维度
性质: 连续、满射、保持局部性
应用: 内存布局优化、空间索引

缓存优化布局
空间数据索引

矩阵特征值问题

矩阵A∈ℂⁿˣⁿ
特征值λ
特征向量v

特征值向量: λ=[λ1​,λ2​,…,λn​]T
特征向量矩阵: V = [v₁, v₂, …, vₙ]

Avi​=λi​vi​, i=1,…,n
或 AV=VΛ
其中Λ=diag(λ₁,…,λₙ)

A: n×n矩阵(实对称或复Hermitian)
λ_i: 特征值(标量)
v_i: 特征向量(满足‖v_i‖=1)
V: 特征向量矩阵(列向量为v_i)

结构模态分析
主成分分析

奇异值分解(SVD)

矩阵A∈ℂᵐˣⁿ
秩r=rank(A)

奇异值向量: σ=[σ1​,σ2​,…,σr​]T
左奇异矩阵: U∈ℂᵐˣʳ
右奇异矩阵: V∈ℂⁿˣʳ

A=UΣVH
其中Σ=diag(σ₁,…,σ_r), σ₁≥…≥σ_r>0
U^H U = I, V^H V = I

A: m×n矩阵
σ_i: 奇异值(非负实数)
U: 左奇异向量矩阵(m×r)
V: 右奇异向量矩阵(n×r)
r≤min(m,n): 矩阵秩

降维分析
数据压缩
系统辨识

线性方程组求解

系数矩阵A∈ℝⁿˣⁿ
右端向量b∈ℝⁿ
解向量x∈ℝⁿ

条件数: cond(A)=‖A‖·‖A⁻¹‖
残差向量: r = b – Ax

Ax=b
直接法: x = A⁻¹b (若A可逆)
迭代法: x⁽ᵏ⁺¹⁾ = x⁽ᵏ⁾ + α⁽ᵏ⁾p⁽ᵏ⁾

A: 系数矩阵(通常稀疏)
b: 右端向量
x: 解向量
cond(A): 条件数(衡量病态程度)
r: 残差向量

有限元分析
电路仿真

矩阵指数函数

矩阵A∈ℂⁿˣⁿ
时间t∈ℝ

矩阵指数: exp(At)
状态转移矩阵: Φ(t)=exp(At)

exp(At)=I+At+2!(At)2​+3!(At)3​+⋯
若A可对角化: A=TΛT⁻¹, 则exp(At)=Texp(Λt)T⁻¹

A: 系统矩阵
t: 时间变量
exp(At): 矩阵指数
用于线性时不变系统:
dx/dt = Ax, 解为x(t)=exp(At)x₀

控制系统分析
热瞬态响应

张量运算

张量𝒜∈ℝⁿ¹ˣⁿ²ˣ…ˣⁿᵈ
模式k
矩阵M∈ℝᵐˣⁿᵏ

模k乘结果: 𝒜×ₖM∈ℝⁿ¹ˣ…ˣᵐˣ…ˣⁿᵈ
张量分解: CP/Tucker

(𝒜×ₖM){i₁…iₖ₋₁ j iₖ₊₁…i_d} = ∑{iₖ=1}^{nₖ} 𝒜{i₁…i_d} M{j iₖ}
CP分解: 𝒜 ≈ ∑_{r=1}^R λ_r a_r⁽¹⁾∘a_r⁽²⁾∘…∘a_r⁽ᵈ⁾

𝒜: d阶张量
M: 矩阵
×ₖ: 模k乘
∘: 外积
CP: 典范分解
Tucker: Tucker分解
用于高维数据

材料各向异性
高维物理量

线性规划

决策变量x∈ℝⁿ
目标系数c∈ℝⁿ
约束矩阵A∈ℝᵐˣⁿ
约束向量b∈ℝᵐ

对偶变量: y∈ℝᵐ
松弛变量: s∈ℝᵐ
最优解: x*

标准形式:
min cᵀx
s.t. Ax = b, x ≥ 0
对偶问题:
max bᵀy
s.t. Aᵀy + s = c, s ≥ 0

x: 决策变量向量
c: 目标函数系数
A: 约束矩阵
b: 约束右端项
y: 对偶变量
s: 松弛变量
x*: 最优解

资源分配
生产计划

二次规划

决策变量x∈ℝⁿ
对称矩阵Q∈ℝⁿˣⁿ
向量c∈ℝⁿ
线性约束A,b

拉格朗日乘子: λ∈ℝᵐ
KKT条件向量

标准形式:
min ½xᵀQx + cᵀx
s.t. Ax = b, x ≥ 0
KKT条件:
Qx + c – Aᵀλ – s = 0
Ax = b, x ≥ 0, s ≥ 0, x_i s_i = 0

x: 决策变量
Q: 二次项矩阵(通常半正定)
c: 线性项系数
A,b: 线性约束
λ: 等式约束乘子
s: 非负约束松弛变量

投资组合优化
最小二乘问题

非线性规划

目标函数f:ℝⁿ→ℝ
约束函数g:ℝⁿ→ℝᵐ, h:ℝⁿ→ℝᵖ

拉格朗日函数: L(x,λ,μ)
KKT条件集

一般形式:
min f(x)
s.t. g_i(x) ≤ 0, i=1,…,m
h_j(x) = 0, j=1,…,p
拉格朗日函数:
L(x,λ,μ) = f(x) + ∑λ_i g_i(x) + ∑μ_j h_j(x)

f: 目标函数(可非线性)
g: 不等式约束函数
h: 等式约束函数
λ≥0: 不等式乘子
μ: 等式乘子
KKT: 最优性必要条件

结构优化
参数辨识

整数规划

决策变量x∈ℤⁿ
目标函数f(x)
约束g(x)≤0, h(x)=0

松弛问题解: x̄∈ℝⁿ
分支定界树节点

min f(x)
s.t. g(x) ≤ 0, h(x) = 0
x ∈ ℤⁿ
常用方法:
1. 松弛为连续问题
2. 分支定界
3. 割平面法

x: 整数决策变量
f: 目标函数
g,h: 约束函数
x̄: 连续松弛解
分支: 将解空间划分为子集
定界: 计算上下界

布线优化
元件布局

多目标优化

目标向量f(x)=[f₁(x),…,fₖ(x)]ᵀ
决策变量x∈ℝⁿ
约束集X⊆ℝⁿ

帕累托前沿: PF = {f(x*)}
权重向量: w∈ℝ⁺ᵏ, ∑w_i=1

求帕累托最优解x:
∄y∈X: f_i(y)≤f_i(x) ∀i, 且∃j: f_j(y)<f_j(x*)
标量化方法:
min ∑_{i=1}^k w_i f_i(x)
s.t. x∈X

f_i: 第i个目标函数
k: 目标数量
PF: 帕累托前沿(非支配解集)
w: 权重向量(偏好)
x*: 帕累托最优解
权衡多个冲突目标

多目标优化
权衡分析

电迁移质量输运

离子通量J
扩散系数D
浓度梯度∇c
迁移率μ
电场E
电荷数z

离子通量向量: J=Jd​+Jm​
扩散+迁移项

J=−D∇c+RTDzF​cE
或 J=−D∇c+μzcE
其中μ=D/RT

J: 离子通量(mol/m²·s)
D: 扩散系数(m²/s)
c: 离子浓度(mol/m³)
∇c: 浓度梯度
E: 电场强度(V/m)
z: 离子电荷数
F: 法拉第常数(96485C/mol)
R: 气体常数(8.314J/mol·K)
T: 温度(K)

电化学迁移
枝晶生长

电迁移空洞生长

原子通量J_a
电流密度j
有效电荷数Z*
电阻率ρ
温度T

原子通量散度: ∇·J_a
空洞体积变化率

Ja​=kTD​Z∗eρj
∂t∂V​=Ω∇⋅Ja​
其中Ω为原子体积

J_a: 原子通量(atoms/m²·s)
j: 电流密度(A/m²)
Z*: 有效电荷数
ρ: 电阻率(Ω·m)
D: 扩散系数(m²/s)
k: 玻尔兹曼常数(1.38×10⁻²³J/K)
V: 空洞体积(m³)
Ω: 原子体积(m³/atom)

金属导线电迁移
互连可靠性

金属电化学迁移

离子浓度c
电场E
温度T
湿度RH

质量输运向量: J=Jdiff​+Jmig​+Jconv​
对流项J_conv = c\\vec{v}

∂t∂c​=D∇2c−RTDzF​∇⋅(cE)−∇⋅(cv)
初始/边界条件: c(x,0)=c₀, 边界条件

c: 离子浓度(mol/m³)
D: 扩散系数(与T,RH相关)
E: 电场(V/m)
v: 对流速度(m/s)
z: 离子电荷数
结合Nernst-Planck方程

PCB电化学迁移
导电阳极丝(CAF)

金属电迁移寿命(Black方程)

电流密度j
温度T
活化能E_a
常数A

平均失效时间MTTF
电流指数n
温度倒数1/T

MTTF=Aj−nexp(kTEa​​)
或 MTTF=jnA​exp(kTEa​​)

MTTF: 平均失效时间(h)
j: 电流密度(A/cm²)
n: 电流密度指数(通常1-3)
E_a: 活化能(eV)
A: 材料常数
k: 玻尔兹曼常数(8.617×10⁻⁵eV/K)
T: 绝对温度(K)

互连电迁移寿命
电流密度设计规则

氧化速率定律

氧化层厚度x
时间t
速率常数B, B/A

线性-抛物线模型参数
氧化厚度向量: x(t)

线性-抛物线模型:
x2+Ax=B(t+τ)
或 dtdx​=2x+AB​
初始条件: x(0)=0

x: 氧化层厚度(m或nm)
t: 氧化时间(s)
B: 抛物线速率常数
B/A: 线性速率常数
τ: 时间偏移
A,B与温度T相关:
B∝exp(-E_a/kT)

半导体氧化
金属腐蚀膜生长

金属腐蚀速率

腐蚀电流i_corr
塔菲尔斜率β_a, β_c
腐蚀电位E_corr

腐蚀电流密度: i_corr
电位-电流关系: E-log(i)

塔菲尔方程:
i=icorr​[exp(βa​E−Ecorr​​)−exp(−βc​E−Ecorr​​)]
腐蚀速率: CR=ρicorr​KEW​

i_corr: 腐蚀电流密度(A/cm²)
β_a: 阳极塔菲尔斜率(V/decade)
β_c: 阴极塔菲尔斜率(V/decade)
E_corr: 腐蚀电位(V)
CR: 腐蚀速率(mm/year)
K: 常数(3272mm·g/A·cm·year)
EW: 当量重量(g/equivalent)
ρ: 密度(g/cm³)

金属腐蚀分析
环境可靠性

污染物扩散

浓度c(x,t)
扩散系数D
初始浓度c₀
边界条件

浓度场: c(x,t)
扩散通量: J = -D∂c/∂x

菲克第二定律:
∂t∂c​=D∂x2∂2c​
初始条件: c(x,0)=c₀(x)
边界条件: 如c(0,t)=c_s, c(∞,t)=c₀

c: 污染物浓度
D: 扩散系数(m²/s)
x: 位置坐标
t: 时间
c₀: 初始浓度
c_s: 表面浓度
一维半无限大解:
c(x,t)=c₀+(c_s-c₀)erfc(x/√(4Dt))

污染物扩散
离子污染

应力腐蚀开裂

应力强度因子K_I
裂纹生长速率da/dt
材料常数C, n
门槛值K_ISCC

裂纹扩展速率向量: da/dt = f(K_I, 环境)

dtda​=C(KI​−KISCC​)n
或分段模型:
da/dt = 0, K_I < K_ISCC
da/dt = A K_I^m, K_I > K_ISCC

da/dt: 裂纹扩展速率(m/s)
K_I: 应力强度因子(MPa·√m)
K_ISCC: 应力腐蚀开裂门槛值
C, n, A, m: 材料环境相关常数
与温度、湿度、污染物相关

应力腐蚀开裂
环境加速测试

神经元激活函数

输入加权和z
偏置b
权重向量w
输入向量x

激活输出: a = f(z)
加权输入: z = wᵀx + b
梯度向量: ∇f(z)

1. Sigmoid: f(z)=1+e−z1​
2. ReLU: f(z)=max(0,z)
3. Leaky ReLU: f(z)=max(αz,z), α≪1
4. Tanh: f(z)=ez+e−zez−e−z​
5. Softmax: f(zi​)=∑j​ezj​ezi​​

z: 神经元输入(加权和)
w: 权重向量
x: 输入向量
b: 偏置
a: 激活输出
f: 激活函数
∇f: 激活函数导数

神经网络优化
智能控制

反向传播算法

网络参数θ={W,b}
损失函数L(θ)
学习率η
梯度∇L(θ)

参数更新向量: Δθ = -η∇L(θ)
梯度向量: ∇L(θ)=[∂W∂L​,∂b∂L​]T

前向传播: a(l)=f(W(l)a(l−1)+b(l))
反向传播: δ(l)=(W(l+1))Tδ(l+1)⊙f′(z(l))
∂W(l)∂L​=δ(l)(a(l−1))T
∂b(l)∂L​=δ(l)
参数更新: θ←θ−η∇L(θ)

θ: 网络参数(权重W和偏置b)
L: 损失函数(如交叉熵、均方误差)
η: 学习率
∇L: 损失函数梯度
δ: 误差项
⊙: 逐元素乘法
f': 激活函数导数

神经网络训练
参数优化

遗传算法

种群P={x_i}
适应度函数f(x)
选择概率p_i
交叉概率p_c
变异概率p_m

个体向量: x_i∈ℝⁿ
适应度向量: f​=[f(x1​),…,f(xN​)]T
选择概率向量: p​=[p1​,…,pN​]T

1. 选择: 按适应度选择父代
pi​=∑j​f(xj​)f(xi​)​
2. 交叉: 父代组合产生子代
xchild​=αxparent1​+(1−α)xparent2​
3. 变异: 随机扰动
xnew​=x+N(0,σ2)
4. 替换: 更新种群

x_i: 个体(解向量)
f(x_i): 适应度函数(最大化)
p_i: 选择概率
p_c: 交叉概率(通常0.6-0.9)
p_m: 变异概率(通常0.001-0.1)
α: 交叉权重(随机)
σ: 变异强度

多参数优化
布局优化

粒子群优化

粒子位置x_i
粒子速度v_i
个体最优p_i
全局最优g
惯性权重w
学习因子c₁, c₂

位置矩阵: X = [x₁, x₂, …, x_N]
速度矩阵: V = [v₁, v₂, …, v_N]
适应度向量: f(X)

速度更新:
vit+1​=wvit​+c1​r1​(pi​−xit​)+c2​r2​(g−xit​)
位置更新:
xit+1​=xit​+vit+1​
适应度更新:
如果f(x_i^{t+1}) > f(p_i), 则p_i = x_i^{t+1}
如果f(p_i) > f(g), 则g = p_i

x_i: 第i个粒子位置
v_i: 第i个粒子速度
p_i: 第i个粒子历史最优位置
g: 全局最优位置
w: 惯性权重(通常0.4-0.9)
c₁, c₂: 学习因子(通常~2)
r₁, r₂: 随机数U(0,1)
N: 粒子数量

参数调优
形状优化

蚁群优化

信息素浓度τ_ij
启发式信息η_ij
蚂蚁数量m
挥发系数ρ
信息素增量Δτ

信息素矩阵: τ = [τ_ij]
路径概率矩阵: p = [p_ij]
最优路径向量

路径选择概率:
pijk​=∑l∈allowedk​​[τil​]α[ηil​]β[τij​]α[ηij​]β​
信息素更新:
τij​←(1−ρ)τij​+∑k=1m​Δτijk​
Δτijk​=Lk​Q​如果边(i,j)在路径k中

τ_ij: 边(i,j)上的信息素浓度
η_ij: 启发式信息(通常1/d_ij)
α: 信息素重要度参数
β: 启发式信息重要度参数
ρ: 信息素挥发率(0<ρ<1)
Q: 信息素强度常数
L_k: 第k只蚂蚁的路径长度
m: 蚂蚁数量

路径优化
布线问题

模拟退火

当前解s
温度T
能量函数E(s)
新解s'
接受概率P

解向量: s∈S(解空间)
能量(目标)函数: E(s)
温度调度: T(t)

1. 生成新解s' (邻域操作)
2. 计算能量差ΔE = E(s') – E(s)
3. 接受概率:
P={1,exp(−TΔE​),​if ΔE<0otherwise​
4. 降温: T ← αT, 0<α<1
5. 重复直到终止条件

s: 当前解
s': 候选新解
E(s): 目标函数(最小化)
T: 温度参数(控制接受劣解概率)
P: 接受概率
α: 降温系数(通常0.8-0.99)
ΔE: 能量变化
基于Metropolis准则

组合优化
布局优化

人工免疫算法

抗体群A={a_i}
抗原(问题)
亲和度f(a_i)
记忆细胞M

抗体向量: a_i∈ℝⁿ
亲和度向量: f​=[f(a1​),…,f(aN​)]T
浓度向量: d=[d1​,…,dN​]T

1. 抗原识别: 初始化抗体群
2. 亲和度评估: f(a_i)
3. 克隆选择: 高亲和度抗体扩增
Nc​=∑i=1N​round(maxfβf(ai​)​)
4. 高频变异: 亲和度越高变异越小
5. 抗体补充: 新抗体替换低亲和度抗体
6. 记忆细胞更新: 保存最佳抗体

a_i: 抗体(候选解)
f(a_i): 亲和度函数(适应度)
N_c: 克隆数量
β: 克隆因子
d_i: 抗体i的浓度(相似抗体数量)
M: 记忆细胞集合(精英解)

多模态优化
异常检测

漂移-扩散模型

电子浓度n
空穴浓度p
电场E
载流子迁移率μ_n, μ_p
扩散系数D_n, D_p

电流密度向量: Jn​,Jp​
电势场: ψ
准费米能级: φ_n, φ_p

Jn​=qμn​nE+qDn​∇n=−qμn​n∇φn​
Jp​=qμp​pE−qDp​∇p=−qμp​p∇φp​
E=−∇ψ
爱因斯坦关系: Dn​=qkT​μn​, Dp​=qkT​μp​

n: 电子浓度(cm⁻³)
p: 空穴浓度(cm⁻³)
μ_n, μ_p: 电子/空穴迁移率(cm²/V·s)
D_n, D_p: 扩散系数(cm²/s)
E: 电场强度(V/cm)
ψ: 静电势(V)
φ_n, φ_p: 电子/空穴准费米能级(V)
q: 电子电荷(1.6×10⁻¹⁹C)
k: 玻尔兹曼常数(1.38×10⁻²³J/K)
T: 温度(K)

MOSFET电流计算
漏电流模型

玻尔兹曼输运方程

分布函数f(r,k,t)
速度v(k)
电场E(r,t)
散射项(∂f/∂t)_coll

相空间分布: f(r,k,t)
波矢k
位置r

∂t∂f​+v(k)⋅∇r​f−ℏq​E⋅∇k​f=(∂t∂f​)coll​
其中v(k)=ℏ1​∇k​E(k)

f(r,k,t): 相空间分布函数
r: 位置向量
k: 波矢
t: 时间
v(k): 群速度
E(k): 能带结构
ħ: 约化普朗克常数
(∂f/∂t)_coll: 碰撞项

高场输运
非平衡载流子

密度梯度模型

量子势Q
载流子浓度n
有效质量m*
普朗克常数ħ

量子势向量: ∇Q
量子修正电流密度: Jq​

Q=−2m∗ℏ2​n​∇2n​​
Jn​=−qμn​n∇(ψ−Q)−qDn​∇n
泊松方程: ∇⋅(ϵ∇ψ)=−q(p−n+ND+​−NA−​)

Q: 量子势(V)
n: 载流子浓度(cm⁻³)
m*: 有效质量(kg)
ħ: 约化普朗克常数(1.054×10⁻³⁴J·s)
ε: 介电常数(F/m)
N_D^+, N_A^-: 电离杂质浓度(cm⁻³)

量子效应修正
纳米尺度器件

能带结构E(k)

波矢k
有效质量张量[m*]
能带极值E_c, E_v

能带能量: E_n(k)
电子速度: v_n(k) = (1/ħ)∇k E_n(k)
有效质量倒数: [1/m*]ij = (1/ħ²)∂²E/∂k_i∂k_j

抛物线近似:
E(k)=Ec​+2m∗ℏ2k2​
非抛物线:
E(1+αE)=2m∗ℏ2k2​
Kane模型:
E(k)=2m∗ℏ2k2​−αk4

E(k): 能带能量(eV)
k: 波矢(1/m)
m*: 有效质量(kg)
α: 非抛物线参数(eV⁻¹)
E_c: 导带底(eV)
E_v: 价带顶(eV)

载流子有效质量
能带工程

隧穿概率(WKB近似)

势垒高度φ_b
势垒宽度d
有效质量m*
电子能量E

衰减系数: κ(x)
隧穿概率: T_WKB

TWKB​=exp[−2∫x1​x2​​κ(x)dx]
κ(x)=ℏ2m∗(φ(x)−E)​​
三角势垒近似:
T=exp[−34​qℏF2m∗​​(φb3/2​−(φb​−qFd)3/2)]

φ_b: 势垒高度(eV)
d: 势垒宽度(m)
m*: 有效质量(kg)
E: 电子能量(eV)
κ: 衰减常数(1/m)
F: 电场强度(V/m)
x₁, x₂: 经典转折点

栅极隧穿电流
源漏隧穿

直接隧穿电流

氧化层厚度t_ox
势垒高度φ_b
电压V_ox
有效质量m_ox

隧穿电流密度: J_tunnel
传输系数: T(E)

Jtunnel​=2πℏq​∫0∞​T(E)[fS​(E)−fD​(E)]dE
T(E)≈exp[−3ℏ4tox​2mox​q​​Vox​φb3/2​−(φb​−qVox​)3/2​]
其中φb′​=φb​−2qVox​​

t_ox: 氧化层厚度(m)
φ_b: Si/SiO₂势垒高度(~3.1eV)
V_ox: 氧化层电压(V)
m_ox: 氧化层中电子有效质量(~0.5m₀)
f_S, f_D: 源/漏费米分布
T(E): 能量相关隧穿概率

栅极泄漏电流
EOT缩放

带间隧穿(BTBT)

电场F
带隙E_g
有效质量m_r
Kane参数B

BTBT产生率: G_BTBT
隧穿概率: T_BTBT

GBTBT​=AEg1/2​FD​exp(−BFEg3/2​​)
Kane模型:
GBTBT​=18πℏ2Eg1/2​q2F22mr​​​exp(−2qℏFπ2mr​​Eg3/2​​)
其中mr​=mn​+mp​mn​mp​​

F: 电场强度(V/m)
E_g: 带隙能量(eV)
m_r: 约化有效质量(kg)
A, B, D: 材料参数
G_BTBT: 产生率(1/cm³·s)

隧道场效应晶体管(TFET)
带间隧穿电流

Fowler-Nordheim隧穿

电场F
势垒高度φ_b
有效质量m_ox

FN隧穿电流密度: J_FN

JFN​=AFN​F2exp(−FBFN​​)
AFN​=8πℏmox​φb​q3m0​​
BFN​=3ℏ42mox​q​φb3/2​​

F: 氧化层电场(V/m)
φ_b: 势垒高度(eV)
m_ox: 氧化层有效质量(kg)
m₀: 自由电子质量(9.11×10⁻³¹kg)
A_FN, B_FN: FN系数

高电场隧穿
电荷注入

热扩散方程(3D)

温度场T(x,y,z,t)
热导率k(x,y,z)
热容c_p(x,y,z)
密度ρ(x,y,z)
热源g(x,y,z,t)

温度梯度向量: ∇T=[∂x∂T​,∂y∂T​,∂z∂T​]T
热流密度向量: q​=−k∇T

ρcp​∂t∂T​=∇⋅(k∇T)+g
稳态: ∇⋅(k∇T)+g=0
各向同性: k∇2T+g=0

T: 温度场(K)
k: 热导率(W/m·K)
ρ: 密度(kg/m³)
c_p: 比热容(J/kg·K)
g: 热源功率密度(W/m³)
∇: 梯度算子
∇·: 散度算子
∇²: 拉普拉斯算子

芯片热分析
热点定位

界面热阻(Kapitza阻力)

温度跳跃ΔT
热流q
界面热阻R_int

界面热流: q
温度不连续: ΔT

q=Rint​ΔT​
Rint​=hint​1​
声学失配模型(AMM):
hint​=41​ρ1​cv1​vs1​(Z1​+Z2​)24Z1​Z2​​
其中Z=ρcs​为声阻抗

ΔT: 界面温度差(K)
q: 热流密度(W/m²)
R_int: 界面热阻(m²·K/W)
h_int: 界面传热系数(W/m²·K)
ρ: 密度(kg/m³)
c_v: 体积比热容(J/m³·K)
c_s: 声速(m/s)
Z: 声阻抗(kg/m²·s)

芯片-散热界面
多层结构热阻

热时间常数

热容C_th
热阻R_th
温度响应T(t)

热阻抗向量: Z_th(s)
s域温度响应: T(s)

一阶RC模型:
T(t)=T0​+PRth​(1−e−t/τ)
τ=Rth​Cth​
s域: Zth​(s)=1+sRth​Cth​Rth​​
N阶: Zth​(s)=∑i=1N​1+sRi​Ci​Ri​​

C_th: 热容(J/K)
R_th: 热阻(K/W)
τ: 热时间常数(s)
T_0: 初始温度(K)
P: 功率(W)
s: 拉普拉斯变量
R_i, C_i: 第i阶Foster或Cauer网络参数

瞬态热响应
热仿真模型

焦耳热生成

电流密度J
电场E
电导率σ
电阻率ρ

热源密度向量: g = J·E
欧姆热: P = I²R

$g = \\vec{J}\\cdot\\vec{E} = \\sigma

\\vec{E}

^2 = \\rho

TSV热导增强

TSV半径r_TSV
TSV高度H
TSV密度ρ_TSV
铜热导率k_Cu
硅热导率k_Si

等效热导率张量: [k_eff]
各向异性比: α = k_z/k_xy

圆柱形TSV阵列:
keff,xy​=kSi​+f(kCu​−kSi​)
keff,z​=(1−f)kCu​+fkSi​kSi​kCu​​
其中f=πrTSV2​ρTSV​为铜体积分数

r_TSV: TSV半径(m)
H: TSV高度(m)
ρ_TSV: TSV密度(1/m²)
k_Cu: 铜热导率(~400W/m·K)
k_Si: 硅热导率(~150W/m·K)
f: 铜填充体积分数
k_eff,xy: 面内等效热导率
k_eff,z: 面外等效热导率

3D IC热管理
TSV阵列优化

微凸块热阻

凸块半径r_bump
高度h_bump
材料热导率k_bump
接触面积A_c

单个凸块热阻: R_bump
阵列总热阻: R_array

圆柱凸块:
Rbump​=kbump​πrbump2​hbump​​+2Rc​
阵列并联:
Rarray​1​=∑i=1N​Rbump,i​1​
其中Rc​为接触热阻

r_bump: 凸块半径(m)
h_bump: 凸块高度(m)
k_bump: 凸块材料热导率(W/m·K)
A_c: 接触面积(m²)
R_c: 接触热阻(K/W)
N: 凸块数量
R_bump: 单个凸块热阻
R_array: 阵列总热阻

倒装芯片热阻
C4凸块设计

热点扩散热阻

热点尺寸a×b
衬底厚度t_sub
衬底热导率k_sub
扩散角θ

扩散热阻: R_spreading
一维热阻: R_1D

Rspreading​=ksub​Ahotspot​​ψ​
其中ψ为形状因子:
ψ=π3/21​tan−1(Ahotspot​​4tsub​​)
或近似:Rspreading​≈2ksub​a1​ln(a4tsub​​)(条状热点)
R1D​=ksub​Ahotspot​tsub​​

a,b: 热点尺寸(m)
A_hotspot: 热点面积(m²)
t_sub: 衬底厚度(m)
k_sub: 衬底热导率(W/m·K)
θ: 热扩散角(~45°)
ψ: 形状因子
R_spreading: 扩散热阻(K/W)
R_1D: 一维热阻(K/W)

热点热阻分析
热扩散优化

热电冷却(TEC)

塞贝克系数α
热导率k
电阻率ρ
电流I
热端温度T_h
冷端温度T_c

帕尔贴热: Q_p
焦耳热: Q_j
传导热: Q_c
制冷系数COP

帕尔贴效应: Qp​=αITc​
焦耳热: Qj​=I2R/2(平均分配)
传导热: Qc​=K(Th​−Tc​)
总制冷量: Qc​=αITc​−21​I2R−K(Th​−Tc​)
COP = PQc​​= αIΔT+I2RαITc​−21​I2R−KΔT​
其中R=ρL/A, K=kA/L

α: 塞贝克系数(V/K)
k: 热导率(W/m·K)
ρ: 电阻率(Ω·m)
I: 电流(A)
T_h: 热端温度(K)
T_c: 冷端温度(K)
ΔT = T_h – T_c: 温差
R: TE元件电阻(Ω)
K: 热导(W/K)
Q_c: 制冷量(W)
COP: 制冷系数

局部热点冷却
热电制冷器

频域电报方程

分布参数R,L,G,C
频率ω
位置z

电压电流向量: V(z),I(z)
传播常数γ
特性阻抗Z₀

dzdV​=−(R+jωL)I
dzdI​=−(G+jωC)V
γ=(R+jωL)(G+jωC)​=α+jβ
Z0​=G+jωCR+jωL​​

R: 单位长度电阻(Ω/m)
L: 单位长度电感(H/m)
G: 单位长度电导(S/m)
C: 单位长度电容(F/m)
ω: 角频率(rad/s)
γ: 传播常数(1/m)
α: 衰减常数(Np/m)
β: 相位常数(rad/m)
Z₀: 特性阻抗(Ω)

互连线建模
频域分析

时域电报方程

分布参数R,L,G,C
时间t
位置z

电压电流波: V(z,t), I(z,t)
波动方程

∂z∂V​=−L∂t∂I​−RI
∂z∂I​=−C∂t∂V​−GV
波动方程:
∂z2∂2V​=LC∂t2∂2V​+(RC+LG)∂t∂V​+RGV
无损耗线: ∂z2∂2V​=LC∂t2∂2V​

R,L,G,C: 单位长度参数
z: 位置坐标(m)
t: 时间(s)
V(z,t): 电压波
I(z,t): 电流波
特征速度: v=1/LC​
延迟: td​=l/v

时域仿真
信号传播延迟

传输线散射参数

端口电压V_i, V_j
端口电流I_i, I_j
特性阻抗Z_0i, Z_0j

S参数矩阵: [S]
入射波向量: a
反射波向量: b

b=Sa
ai​=2Z0i​​Vi​+Z0i​Ii​​
bi​=2Z0i​​Vi​−Z0i​Ii​​
$S_{ij} = \\frac{b_i}{a_j}\\bigg

{a_k=0, k\\neq j}<br>对于二端口网络:<br>S{11} = \\frac{Z{in}-Z_0}{Z{in}+Z_0},S_{21} = V_2/V_1\\sqrt{Z_0/Z_L}$

S_ij: 从端口j到端口i的散射参数
a_i: 端口i入射波
b_i: 端口i反射波
Z_0i: 端口i参考阻抗(Ω)
Z_in: 输入阻抗(Ω)
Z_L: 负载阻抗(Ω)
V_i, I_i: 端口i电压电流

趋肤效应阻抗

频率f
电导率σ
磁导率μ
导体半径r
周长p

交流电阻: R_ac
内部电感: L_int
趋肤深度δ

δ=πfμσ​1​
圆导线(R>>δ):
Rac​≈Rdc​⋅2δr​
Lint​≈ωRac​​
宽导线(w>>δ,t):
Rac​≈σδp1​
其中p为有效周长

δ: 趋肤深度(m)
σ: 电导率(S/m)
μ: 磁导率(H/m)
f: 频率(Hz)
r: 导线半径(m)
w: 导线宽度(m)
t: 导线厚度(m)
p: 周长(m)
R_dc: 直流电阻(Ω/m)
R_ac: 交流电阻(Ω/m)

高频电阻计算
导体损耗

眼图参数计算

信号波形v(t)
比特周期T_b
抖动分布σ_j
噪声分布σ_n

眼图开口向量: H=[Hheight​,Hwidth​]T
浴盆曲线: BER(t)

眼高: Hheight​=Vpp​−2Q−1(BER)(σn​)
眼宽: Hwidth​=Tb​−2Q−1(BER)(σj​)
误码率: BER=21​erfc(2​σn​Veye​/2​)+21​erfc(2​σj​Teye​/2​)
其中Q(x)=2π​1​∫x∞​e−t2/2dt

V_pp: 峰峰值电压(V)
T_b: 比特周期(s)
σ_n: 噪声标准差(V)
σ_j: 抖动标准差(s)
BER: 误码率
Q⁻¹: 逆Q函数
V_eye: 眼图高度(V)
T_eye: 眼图宽度(s)
erfc: 互补误差函数

高速接口设计
信号质量评估

电源分配网络阻抗

频率f
电感L
电容C
电阻R
目标阻抗Z_target

PDN阻抗曲线: Z(f)
谐振频率向量: f_res

ZPDN​(f)=(∑i​Ri​+jωLi​+1/(jωCi​)1​)−1
目标阻抗: Ztarget​=Imax​Vdd​×Ripple%​
去耦电容谐振: fres​=2πLC​1​
反谐振: fanti−res​=2π1​LC1​C2​C1​+C2​​​

Z_PDN: PDN阻抗(Ω)
R_i, L_i, C_i: 第i个元件值
V_dd: 电源电压(V)
Ripple%: 纹波百分比
I_max: 最大电流变化(A)
ω=2πf: 角频率(rad/s)
f_res: 谐振频率(Hz)
C_1, C_2: 不同容值电容

PDN设计
去耦电容优化

同步开关噪声

同时开关数量N
封装电感L_pkg
电流变化di/dt
地弹电压V_GB

地弹噪声向量: Vnoise​=[VGB​,VSSO​]T
L_dI/dt噪声

VGB​=Lpkg​⋅N⋅dtdi​
VSSO​=ΔI⋅Cpkg​Lpkg​​​
其中dtdi​=ΔtΔI​, ΔI=Cload​dtdV​
更精确: VGB​(t)=Lpkg​∑i=1N​dtdii​(t)​

N: 同时开关输出数量
L_pkg: 封装电感(H)
di/dt: 电流变化率(A/s)
ΔI: 电流变化幅度(A)
Δt: 切换时间(s)
C_load: 负载电容(F)
dV/dt: 电压摆率(V/s)
C_pkg: 封装电容(F)
V_GB: 地弹电压(V)
V_SSO: 同步开关输出噪声

电源噪声分析
封装电感优化

串扰模型

耦合长度l
耦合电容C_c
耦合电感L_m
线间距s
线宽w

近端串扰: V_ne
远端串扰: V_fe
耦合系数: k

容性耦合主导:
Vne​=21​Cc​+Cg​Cc​​Vaggressor​
Vfe​=21​Cc​+Cg​Cc​​vtr​l​Vaggressor​
感性耦合主导:
Vne​=21​Lg​Lm​​vtr​l​Vaggressor​
耦合系数: k=(Cg​+Cc​)(Cg​+Cc​)​Cc​​≈Cg​Cc​​(弱耦合)

C_c: 耦合电容(F/m)
C_g: 对地电容(F/m)
L_m: 互感(H/m)
L_g: 自感(H/m)
l: 平行长度(m)
s: 线间距(m)
w: 线宽(m)
t_r: 上升时间(s)
v: 传播速度(m/s)
V_aggressor: 攻击信号电压(V)
k: 耦合系数

布线串扰分析
间距规则制定

时钟抖动模型

随机抖动σ_rj
确定性抖动峰峰值D_j
总抖动T_j
误码率BER

抖动分布向量: σ=[σRJ​,σDJ​]T
抖动分布函数: PDF(t)

总抖动: Tj​(BER)=Dj​+2Q−1(BER)⋅σRJ​
其中Q(x)=2π​1​∫x∞​e−t2/2dt
随机抖动: 高斯分布, PDFRJ​(t)=2π​σRJ​1​e−t2/(2σRJ2​)
确定性抖动: 有界分布, 峰峰值D_j
总抖动PDF: PDFTJ​=PDFRJ​⊗PDFDJ​

σ_RJ: 随机抖动标准差(ps)
D_J: 确定性抖动峰峰值(ps)
T_J: 总抖动(特定BER下)(ps)
BER: 目标误码率
Q⁻¹: 逆Q函数
PDF: 概率密度函数
⊗: 卷积运算
通常: T_J(10⁻¹²) = D_J + 14σ_RJ

时钟分配网络
时序余量分析

热应力本构关系

应变张量ε_ij
应力张量σ_ij
热膨胀系数α
温度变化ΔT
弹性矩阵C_ijkl

总应变向量: ϵtotal=ϵmech+ϵth
热应变向量: ϵth=αΔT[1,1,1,0,0,0]T

ϵijtotal​=ϵijmech​+ϵijth​
ϵijth​=αΔTδij​
σij​=Cijkl​ϵklmech​=Cijkl​(ϵkltotal​−αΔTδkl​)
对各向同性材料:
σij​=2μϵij​+λϵkk​δij​−(3λ+2μ)αΔTδij​

ε_ij^total: 总应变张量
ε_ij^mech: 机械应变张量
ε_ij^th: 热应变张量
σ_ij: 应力张量(Pa)
α: 热膨胀系数(1/K)
ΔT: 温度变化(K)
C_ijkl: 弹性常数(四阶张量)
λ, μ: 拉梅常数(Pa)
δ_ij: Kronecker delta

热应力分析
芯片封装可靠性

翘曲变形

曲率κ
厚度t_i
弹性模量E_i
热膨胀系数α_i
温度变化ΔT

曲率向量: κ=[κx​,κy​,κxy​]T
中性面位置: z₀
弯曲刚度: D

双层结构(Stoney公式):
κ=Es​ts2​(1−νf​)6Ef​tf​(1−νs​)​(αs​−αf​)ΔT
多层结构:
κ=∑Ei​ti​zi2​∑Ei​ti​(αi​−αeff​)ΔTzi​​
其中αeff​=∑Ei​ti​∑Ei​ti​αi​​, zi​为到中性面距离

κ: 曲率(1/m)
t_i: 第i层厚度(m)
E_i: 第i层弹性模量(Pa)
α_i: 第i层热膨胀系数(1/K)
ν_i: 第i层泊松比
ΔT: 温度变化(K)
下标f: 薄膜层
下标s: 衬底层
D: 弯曲刚度(N·m)

芯片翘曲预测
衬底变形

焊点疲劳寿命(Coffin-Manson)

剪切应变幅γ_a
温度循环ΔT
循环次数N_f
材料常数C, β

应变幅向量: γ​a​=[γa1​,γa2​,…]T
寿命向量: Nf​

剪切应变幅: γa​=2hΔα⋅ΔT⋅L​
Coffin-Manson: Nf​=C(γa​)−β
Engelmaier模型: Nf​=21​(2ϵf′​Δγ​)1/c
其中Δγ=Δα⋅ΔT⋅L/h
温度修正: c=−0.442−6×10−4Tm​+1.74×10−2ln(1+f)

γ_a: 剪切应变幅
Δα: 热膨胀系数差(1/K)
ΔT: 温度变化范围(K)
L: 焊点高度到中性面距离(m)
h: 焊点高度(m)
N_f: 失效循环次数
C, β: 材料常数
ε_f': 疲劳延性系数
c: 疲劳延性指数
T_m: 平均温度(℃)
f: 循环频率(Hz)

焊点可靠性
热循环测试

应力迁移

应力梯度∇σ
原子通量J
扩散系数D
原子体积Ω
有效电荷数Z*

原子通量向量: J=Jσ​+JT​+Je​
应力迁移驱动力: F = Ω∇σ

J=−kTD​C∇(Ωσ)
或 J=kTD​CΩ∇σ
空洞增长: ∂t∂V​=−Ω∇⋅J
结合电迁移: J=kTD​C(Ω∇σ+Z∗eρj​)

J: 原子通量(atoms/m²·s)
D: 扩散系数(m²/s)
C: 原子浓度(atoms/m³)
σ: 应力(Pa)
Ω: 原子体积(m³/atom)
kT: 热能量(J)
Z*: 有效电荷数
e: 电子电荷(C)
ρ: 电阻率(Ω·m)
j: 电流密度(A/m²)

应力诱导空洞
互连可靠性

最小割布局

模块集合M={m_i}
模块面积A_i
互连权重w_ij
划分比例r

划分向量: x=[x1​,x2​,…,xn​]T, x_i∈{0,1}
割集大小: C

最小割问题:
min C = Σ_{i,j} w_ij

x_i – x_j

s.t. Σ{i:x_i=0} A_i ≈ r·A_total
Σ{i:x_i=1} A_i ≈ (1-r)·A_total
其中A_total = Σ_i A_i
扩展为多路划分: 递归应用

力导向布局

模块位置p_i=(x_i,y_i)
互连弹簧常数k_ij
理想长度l_ij
排斥力常数c_rep

力向量: Fi​=Fispring​+Firep​
能量函数: E

胡克定律弹簧力:
$\\vec{F}{ij}^{spring} = k{ij}(

\\vec{p}i – \\vec{p}j

模拟退火布局

布局状态S
成本函数C(S)
温度T
接受概率P(ΔC,T)

状态转移: S→S'
成本变化: ΔC = C(S')-C(S)
退火计划: T(k)

Metropolis准则:
P={1,exp(−TΔC​),​if ΔC<0otherwise​
退火计划: T(k)=T0​⋅αk
成本函数: C(S)=ww​⋅Wirelength(S)+wa​⋅Area(S)+wt​⋅Timing(S)
线长估计: 半周长线长(HWL)或斯坦纳树

S: 布局状态(模块位置、朝向等)
C(S): 布局成本(加权和)
T: 温度参数
ΔC: 成本变化
P: 接受概率
T_0: 初始温度
α: 降温系数(0<α<1)
k: 迭代次数
w_w, w_a, w_t: 权重系数
Wirelength(S): 总线长
Area(S): 布局面积
Timing(S): 时序成本

全局布局
布局优化

斯坦纳树线长

点集P={p_i}
附加斯坦纳点S
曼哈顿距离d_M

斯坦纳树边集E
线长总和L
最小生成树MST

曼哈顿斯坦纳树:
LSteiner​=minS​∑(u,v)∈E​dM​(u,v)
其中E连接P∪S
下界: LSteiner​≥32​LMST​
上界: LSteiner​≤LMST​
对于两点: $L =

x_1-x_2

+

迷宫路由算法

网格G=(V,E)
源点s
目标点t
边代价c(e)

距离标签: d(v)
前驱指针: pred(v)
路径P

Dijkstra算法:
1. d(s)=0, d(v)=∞ ∀v≠s
2. 优先队列Q包含所有顶点
3. while Q非空:
u = EXTRACT-MIN(Q)
for each 邻居v of u:
if d(v) > d(u) + c(u,v):
d(v) = d(u) + c(u,v)
pred(v) = u
路径重构: 从t沿pred回溯到s

G=(V,E): 网格图
V: 顶点(网格点)
E: 边(网格连接)
c(e): 边代价(考虑拥塞、长度等)
d(v): 从s到v的最短距离
pred(v): 最短路径中v的前驱
s: 源点
t: 目标点
P: 找到的路径

详细布线
路径搜索

全局布线拥塞

布线需求d_e
布线容量c_e
边e的代价w_e
溢出o_e

拥塞代价向量: w=[w1​,w2​,…]T
溢出向量: o=[o1​,o2​,…]T

边代价: we​=1+p⋅oe2​或 we​=(1+oe​)k
溢出: oe​=max(0,de​−ce​)
总溢出: O=∑e​oe​
线长: L=∑net​Lnet​
优化目标: min (L + λO)

d_e: 边e的布线需求
c_e: 边e的布线容量
o_e: 边e的溢出
w_e: 边e的代价(随溢出增加)
p: 惩罚因子
k: 指数(通常2-4)
L: 总线长
O: 总溢出
λ: 权重系数

拥塞驱动布线
全局布线优化

时序驱动布线

延迟预算b_i
实际延迟d_i
斜率s_i
需求-供应比r_i

时序代价向量: ctiming​
临界度: criticality

Elmore延迟: dij​=Rii​Ci​+∑k∈path​Rik​Ck​
时序代价: ctiming​(e)=criticality(i)⋅delay_sensitivity(e)
临界度: criticality(i)=bi​bi​−di​​或 criticality(i)=exp(α⋅slack_ratio)
总代价: cost(e)=wlen​⋅length(e)+wtiming​⋅ctiming​(e)+wcong​⋅congestion(e)

b_i: 路径i的延迟预算
d_i: 路径i的实际延迟
s_i: 路径i的斜率
criticality(i): 路径i的临界度(0-1)
slack_ratio: 时序裕度比例
α: 缩放因子
R_ii: 电阻矩阵对角线
C_i: 节点电容
R_ik: 电阻矩阵元素
w_len, w_timing, w_cong: 权重

关键路径优化
时序收敛

线性规划布局

决策变量x_i
约束矩阵A
右端向量b
目标系数c

决策变量向量: x=[x1​,x2​,…,xn​]T
对偶变量: y​
松弛变量: s

标准形式:
min cᵀx
s.t. Ax = b, x ≥ 0
对偶问题:
max bᵀy
s.t. Aᵀy + s = c, s ≥ 0
KKT条件:
Ax = b, x ≥ 0
Aᵀy + s = c, s ≥ 0
x_i s_i = 0 ∀i

x: 决策变量(如模块位置、尺寸)
c: 目标函数系数(如线长权重)
A: 约束矩阵(如非重叠约束)
b: 约束右端项(如边界约束)
y: 对偶变量
s: 松弛变量
x_i s_i = 0: 互补松弛条件

布局合法化
约束优化

二次规划布局

模块位置p_i=(x_i,y_i)
互连权重w_ij
理想距离d_ij

位置向量: X=[x1​,x2​,…,xn​,y1​,y2​,…,yn​]T
二次型矩阵Q
线性项向量c

最小化加权平方线长:
min Σ w_ij[(x_i-x_j)² + (y_i-y_j)²]
或矩阵形式:
min ½XᵀQX + cᵀX
s.t. AX = b (线性约束)
其中Q为半正定矩阵
解析解: X* = Q⁻¹c (无约束时)

p_i: 模块i的位置坐标
w_ij: 模块i,j间互连权重
d_ij: 理想距离(可设为0)
X: 所有坐标组成的向量
Q: 海森矩阵(对称半正定)
c: 线性项向量
A,b: 线性约束
适用于x和y方向可分离

全局布局
力导向布局求解

整数线性规划

二进制变量x_ijk
线网集合N
布线网格G=(V,E)
容量c_e

决策变量向量: $\\vec{x} \\in {0,1}^{

N

×

E

拉格朗日松弛

原问题变量x
约束Ax≤b
拉格朗日乘子λ≥0
对偶函数q(λ)

原问题: min f(x)
s.t. Ax ≤ b, x∈X
拉格朗日函数: L(x,λ) = f(x) + λᵀ(Ax-b)
对偶函数: q(λ) = min{x∈X} L(x,λ)
对偶问题: max{λ≥0} q(λ)

迭代更新:
1. 给定λ^k, 求解x^k = argmin_x L(x,λ^k)
2. 更新乘子: λ^{k+1} = max(0, λ^k + θ^k (Ax^k – b))
其中θ^k为步长
次梯度: g^k = Ax^k – b
收敛条件: ‖λ^{k+1}-λ^k‖<ε 或 迭代次数达到上限

x: 原问题决策变量
λ: 拉格朗日乘子向量(对偶变量)
f(x): 原目标函数
Ax≤b: 难处理约束
x∈X: 易处理约束集
L(x,λ): 拉格朗日函数
q(λ): 对偶函数
θ^k: 步长参数
g^k: 次梯度

布局约束松弛
时序优化

神经网络功耗预测

设计特征向量f
网络参数θ={W,b}
目标功耗P
训练集{(f_i, P_i)}

特征向量: f​=[f1​,f2​,…,fd​]T
网络输出: P^=NN(f;θ)
损失函数: L(θ)

前向传播:
a(0)=f
z(l)=W(l)a(l−1)+b(l)
a(l)=σ(z(l))
P^=a(L)
损失函数(均方误差):
L(θ)=N1​∑i=1N​(P^i​−Pi​)2
反向传播更新θ

f: 设计特征向量(如尺寸、频率、电压等)
θ: 网络参数(权重W和偏置b)
P: 实际功耗
P^: 预测功耗
NN(·;θ): 神经网络函数
L(θ): 损失函数
σ: 激活函数(如ReLU)
L: 网络层数
N: 训练样本数

功耗预测
设计空间探索

强化学习布局

状态s_t
动作a_t
奖励r_t
策略π(a|s)
值函数V(s)

状态序列: s_0, s_1, …, s_T
动作序列: a_0, a_1, …, a_T
回报: R_t = Σ{k=0}^{∞} γ^k r{t+k}

状态值函数: Vπ(s)=Eπ​[Rt​∥st​=s]
动作值函数: Qπ(s,a)=Eπ​[Rt​∥st​=s,at​=a]
优势函数: Aπ(s,a)=Qπ(s,a)−Vπ(s)
策略梯度: ∇θ​J(θ)=Eπ​[∇θ​logπθ​(a∥s)Qπ(s,a)]
PPO目标: LCLIP(θ)=Et​[min(rt​(θ)At​,clip(rt​(θ),1−ϵ,1+ϵ)At​)]
其中rt​(θ)=πθold​​(at​∥st​)πθ​(at​∥st​)​

s_t: 时刻t的状态(如当前布局)
a_t: 时刻t的动作(如移动模块)
r_t: 时刻t的奖励(如线长减少)
π: 策略(状态到动作的映射)
γ: 折扣因子(0≤γ≤1)
R_t: 累计回报
θ: 策略参数
J(θ): 期望回报
A_t: 优势函数估计
ε: PPO裁剪参数

自动布局
强化学习优化

贝叶斯优化

黑箱函数f(x)
观测集D={(x_i, f_i)}
采集函数α(x)
高斯过程先验

高斯过程: f(x) ~ GP(m(x), k(x,x'))
后验分布: f(x)|D ~ N(μ(x), σ²(x))
采集函数值: α(x;D)

高斯过程回归:
m(x)=E[f(x)]
k(x,x′)=Cov[f(x),f(x′)]
后验均值和方差:
μ(x)=k(x,X)[k(X,X)+σn2​I]−1y
σ2(x)=k(x,x)−k(x,X)[k(X,X)+σn2​I]−1k(X,x)
期望改进(EI):
αEI​(x)=E[max(0,f(x)−f(x+)∥D]
=(μ(x)−f(x+)−ξ)Φ(Z)+σ(x)ϕ(Z)
其中Z=σ(x)μ(x)−f(x+)−ξ​

x: 决策变量(如设计参数)
f(x): 黑箱目标函数(如功耗、性能)
D: 观测数据集
GP: 高斯过程
m(x): 均值函数
k(x,x'): 协方差函数(核函数)
μ(x): 后验均值
σ²(x): 后验方差
α(x): 采集函数
f(x⁺): 当前最优观测值
ξ: 平衡参数
Φ, φ: 标准正态CDF和PDF

超参数优化
设计空间探索

多边形布尔运算

多边形A,B(顶点列表)
操作类型op

结果多边形C
交点列表I
边状态标记

常用算法(如Vatti, Greiner-Hormann):
1. 计算所有交点并插入顶点列表
2. 标记边为inside/outside
3. 沿标记边构造结果多边形
集合运算:
并集: A ∪ B = {p |p∈A 或 p∈B}
交集: A ∩ B = {p |p∈A 且 p∈B}
差集: A – B = {p |p∈A 且 p∉B}

A,B: 输入多边形(顶点序列)
C: 输出多边形
op: 布尔操作(并、交、差)
I: 交点列表(位置+边引用)
inside标记: 边相对于另一多边形的内外关系
支持简单多边形(无自相交)

设计规则检查
版图布尔运算

欧几里得最小生成树

点集P={p_i}
欧氏距离d(p_i,p_j)

边集E⊆P×P
树权重总和W
距离矩阵D

Prim算法:
1. 初始化: T={任意起点}, E={}
2. 重复直至

T

=

德劳内三角剖分

点集P={p_i}
空圆性质

三角形集合T
边集E
外接圆圆心C_i,半径R_i

Bowyer-Watson算法:
1. 创建包含所有点的超大三角形
2. 对每个点p∈P:
找到外接圆包含p的三角形
移除这些三角形形成空洞
连接p与空洞边界形成新三角形
3. 移除与超大三角形相关的三角形
空圆性质: ∀三角形t∈T, 其外接圆不包含P中其他点
最大最小角性质: 最大化最小角

P: 输入点集
T: 三角形集合{三角形索引}
E: 边集{边索引}
C_i: 三角形i的外接圆心
R_i: 三角形i的外接圆半径
空圆性质: 德劳内三角剖分的定义性质
应用: 三角网格生成, 有限元前处理

热分析网格
版图分析

有向斯坦纳树

源点s
汇点集合T={t_i}
边有向代价c(u→v)≠c(v→u)

有向树D=(V,E)
根为s, 叶子为T的子集
总代价C

问题: 找到最小代价有向树, 从s可到达所有t_i
ILP形式: min Σ{e∈E} c_e x_e
s.t. Σ{e∈δ^+(S)} x_e ≥ 1 ∀S⊂V, s∈S, T∩(V\\S)≠∅
x_e ∈ {0,1}
近似算法: 最短路径树、 primal-dual等

s: 根节点(源点)
T: 汇点集合(终点)
c(u→v): 有向边代价(通常非负)
D: 有向树
C: 树总代价
δ^+(S): 从S指向V\\S的边集
ILP: 整数线性规划
应用: 时钟树(有向缓冲器)

时钟树综合
有向布线

遗传算法布局

染色体编码x
适应度函数f(x)
种群大小N
交叉概率p_c
变异概率p_m

种群矩阵: P = [x₁, x₂, …, x_N]ᵀ
适应度向量: f = [f(x₁), …, f(x_N)]ᵀ
选择概率: p_i = f(x_i)/Σ_j f(x_j)

1. 初始化: 随机生成初始种群P₀
2. 评估: 计算每个个体的适应度f(x_i)
3. 选择: 轮盘赌选择 p_i = f(x_i)/Σ_j f(x_j)
4. 交叉: 以概率p_c交换父代基因段
单点交叉: 随机选点分割交换
两点交叉: 随机选两点交换中间段
5. 变异: 以概率p_m随机改变基因
6. 替换: 生成新一代种群
7. 重复2-6直至收敛

x_i: 第i个个体(染色体编码)
f(x_i): 适应度函数(如线长负值)
N: 种群大小
p_c: 交叉概率(通常0.6-0.9)
p_m: 变异概率(通常0.001-0.1)
P: 种群矩阵(每行一个个体)
p_i: 选择概率
编码方式: 二进制、实数、排列等

布局优化
参数调优

蚁群布线算法

信息素浓度τ_ij
启发式信息η_ij
蚂蚁数量m
挥发系数ρ
信息素增量Δτ

信息素矩阵: τ = [τ_ij]
启发式矩阵: η = [η_ij]
路径概率: p_ij^k

路径选择概率:
pijk​=∑l∈allowedk​​[τil​]α[ηil​]β[τij​]α[ηij​]β​
信息素更新:
τij​←(1−ρ)τij​+∑k=1m​Δτijk​
增量: Δτijk​={Q/Lk​,0,​if 边(i,j)在路径k中otherwise​
启发式: ηij​=1/dij​(距离倒数)

τ_ij: 边(i,j)上的信息素浓度
η_ij: 启发式信息(通常1/d_ij)
α: 信息素重要度参数(通常1)
β: 启发式重要度参数(通常2-5)
ρ: 信息素挥发率(0<ρ<1)
Q: 信息素强度常数
L_k: 第k只蚂蚁的路径长度
allowed_k: 蚂蚁k的可行边集合
m: 蚂蚁数量

全局布线
路径优化

粒子群优化布局

粒子位置x_i
粒子速度v_i
个体最优p_i
全局最优g
惯性权重w
学习因子c₁,c₂

位置矩阵: X = [x₁, x₂, …, x_N]
速度矩阵: V = [v₁, v₂, …, v_N]
适应度向量: f(X)

速度更新:
vit+1​=wvit​+c1​r1​(pi​−xit​)+c2​r2​(g−xit​)
位置更新:
xit+1​=xit​+vit+1​
个体最优更新:
if f(x_i^{t+1}) 优于 f(p_i): p_i = x_i^{t+1}
全局最优更新:
if f(p_i) 优于 f(g): g = p_i
惯性权重衰减: w = w_max – (w_max-w_min)×t/t_max

x_i: 粒子i的位置(如模块坐标)
v_i: 粒子i的速度
p_i: 粒子i的历史最优位置
g: 全局最优位置
w: 惯性权重(通常0.4-0.9)
c₁,c₂: 学习因子(通常~2)
r₁,r₂: 随机数U(0,1)
f(x): 适应度函数(如线长+拥塞)
t: 当前迭代次数
t_max: 最大迭代次数

布局优化
参数搜索

模拟退火布局

当前布局状态S
温度T
能量函数E(S)
新状态S'
接受概率P

状态序列: S₀, S₁, …, S_k
温度调度: T(t)
能量序列: E(S_t)

Metropolis准则:
生成新状态S' (邻域操作)
计算能量差ΔE = E(S') – E(S)
如果ΔE < 0: 接受S'
否则: 以概率P = exp(-ΔE/T) 接受S'
温度调度:
指数冷却: T(t) = T₀·α^t, 0<α<1
对数冷却: T(t) = T₀/ln(t+1)
能量函数: E(S) = w_wire·Wirelength(S) + w_overlap·Overlap(S) + w_timing·Timing(S)

S: 当前布局状态
S': 候选新状态
E(S): 状态能量(目标函数)
T: 温度参数
ΔE: 能量变化
P: 接受概率
T₀: 初始温度
α: 冷却系数
t: 时间/迭代次数
w_wire, w_overlap, w_timing: 权重
邻域操作: 交换模块、移动模块、翻转模块等

布局优化
组合优化

曼哈顿距离

点坐标P₁(x₁,y₁)、P₂(x₂,y₂)

距离向量：d = |Δx|+ |Δy|

d_M(P₁,P₂) = |x₂ – x₁|+ |y₂ – y₁|

x₁,y₁: 点1坐标
x₂,y₂: 点2坐标
d_M: 曼哈顿距离

线长估算
布局规划

计算两点间直角距离，用于估计布线长度

欧氏距离

点坐标P₁(x₁,y₁,z₁)、P₂(x₂,y₂,z₂)

距离向量：d = √(Δx²+Δy²+Δz²)

d_E(P₁,P₂) = √[(x₂-x₁)² + (y₂-y₁)² + (z₂-z₁)²]

x,y,z: 坐标分量
d_E: 欧氏距离

三维布局
热梯度计算

计算实际物理距离

切比雪夫距离

点坐标P₁(x₁,y₁)、P₂(x₂,y₂)

距离向量：d = max(|Δx|, |Δy|)

d_C(P₁,P₂) = max(|x₂-x₁|, |y₂-y₁|)

d_C: 切比雪夫距离

时钟偏差优化
网格布线

用于考虑最坏情况距离

闵可夫斯基距离

点坐标P₁、P₂
阶数p

距离向量：d = (∑|Δx_i|^p)^{1/p}

d_p(P₁,P₂) = (∑{i=1}^n |x{2i}-x_{1i}|^p)^{1/p}

p: 阶数(1=曼哈顿,2=欧氏,∞=切比雪夫)
n: 维度

距离泛化

统一各种距离度量

半周长线长

点集P={p_i}, p_i=(x_i,y_i)

包围盒向量：BB = [min x, max x, min y, max y]

HPWL(P) = (max x_i – min x_i) + (max y_i – min y_i)

BB: 边界框
HPWL: 半周长线长

线长估计
布局评估

计算点集包围盒周长，用于快速线长估计

斯坦纳树线长

点集P={p_i}
可添加斯坦纳点S

树结构向量：T=(V,E)
V=P∪S

L_ST(P) = min{S⊂R²} ∑{(u,v)∈E(T)} d_M(u,v)

P: 原始点集
S: 斯坦纳点集
T: 斯坦纳树
E(T): 树的边
d_M: 曼哈顿距离
L_ST: 斯坦纳树线长

最优布线
时钟树综合

寻找连接点集的最短树，可添加额外点

多边形面积

多边形顶点列表V={v_i=(x_i,y_i)}
顶点数n

面积向量：A = ½|∑(x_i y{i+1} – x{i+1} y_i)|

A = ½|∑{i=0}^{n-1} (x_i y{i+1} – x_{i+1} y_i)|
其中x_n=x_0, y_n=y_0

V: 顶点序列(逆时针方向)
A: 多边形面积

面积计算
密度约束

用鞋带公式计算任意多边形面积

多边形重心

多边形顶点V
面积A

重心向量：C = (C_x, C_y)

C_x = (1/6A)∑(x_i+x{i+1})(x_i y{i+1}-x{i+1} y_i)
C_y = (1/6A)∑(y_i+y{i+1})(x_i y{i+1}-x{i+1} y_i)
A如上计算

C: 重心坐标
C_x,C_y: 重心x,y坐标

质心定位
平衡布局

计算多边形几何中心

点-多边形包含检测

点P(x,y)
多边形顶点V

交叉数向量：crossings = 0

射线法：
从P向右发射射线，计算与多边形边的交点
if 交点数为奇数 → P在内部
if 交点数为偶数 → P在外部
注意处理边界情况

P: 待测点
V: 多边形顶点
crossings: 射线与边交点计数

DRC检查
布局合法性

判断点是否在多边形内部

多边形-多边形重叠

多边形A,B
顶点V_A,V_B

重叠面积向量：A_∩

1. 计算A和B的交点
2. 用扫描线算法生成重叠多边形
3. 计算重叠多边形面积
A_∩ = Area(A∩B)

V_A,V_B: 多边形A,B的顶点
A_∩: 重叠面积

设计规则检查
布局合法化

检测多边形重叠，用于检查最小间距规则

德劳内三角剖分

点集P={p_i}

三角形列表T={t_i}, t_i=(a,b,c)
边集E

Bowyer-Watson算法：
1. 创建超大三角形包含所有点
2. 对每个点p，找到外接圆包含p的三角形
3. 删除这些三角形形成空洞
4. 连接p与空洞边界形成新三角形
5. 删除超大三角形相关三角形
空圆性质：∀t∈T, 其外接圆不包含P中其他点

P: 输入点集
T: 三角形列表
E: 边集
空圆性质：德劳内三角剖分的定义性质

网格生成
有限元分析

生成三角形网格，用于热、应力分析

沃罗诺伊图

点集P={p_i}

沃罗诺伊单元V_i={x∈R²: d(x,p_i) < d(x,p_j) ∀j≠i}
沃罗诺伊边E_V

计算点集的德劳内三角剖分
对偶图即为沃罗诺伊图
每个单元的边界是相邻点连线的垂直平分线

P: 生成点
V_i: 点p_i的沃罗诺伊单元
E_V: 沃罗诺伊边

布局区域划分
电源网络规划

将平面划分为最近邻区域

凸包计算

点集P={p_i}

凸包顶点CH(P)按逆时针排列
边E_CH

Graham扫描法：
1. 找到y最小点p0
2. 按极角排序其他点
3. 用栈维护凸包顶点
4. 检查转向方向(叉积)
叉积>0 → 左转，保留
叉积≤0 → 右转或共线，弹出

CH(P): 凸包顶点集
p0: 起始点(最左下)
极角：与p0的连线与x轴夹角

布局外形提取
芯片轮廓

计算点集的最小凸多边形

仿射变换

点坐标P(x,y)
变换矩阵M(3×3)

齐次坐标：P_h = [x,y,1]ᵀ
变换后坐标：P' = M·P_h

M = [[a,b,t_x],[c,d,t_y],[0,0,1]]
P' = [x',y',1]ᵀ = M·[x,y,1]ᵀ
其中：
x' = a·x + b·y + t_x
y' = c·x + d·y + t_y

M: 仿射变换矩阵
a,b,c,d: 线性变换部分
t_x,t_y: 平移分量
P: 原始点
P': 变换后点

版图变换
坐标系统一

统一进行平移、旋转、缩放、错切

透视投影

三维点P(x,y,z)
视点O
投影平面z=d

投影坐标：P_p = (x_p, y_p)
齐次变换矩阵M_p(4×4)

x_p = (d/z)·x
y_p = (d/z)·y
齐次形式：
[x',y',z',w]ᵀ = M_p·[x,y,z,1]ᵀ
P_p = (x'/w, y'/w)

P: 三维点
O: 视点(通常为原点)
d: 投影平面距离
M_p: 透视投影矩阵
P_p: 投影点

3D可视化
深度感知

将三维坐标投影到二维平面

正交投影

三维点P(x,y,z)
投影方向
投影平面

投影坐标：P_o = (x,y)

正交投影矩阵M_o：
M_o = [[1,0,0,0],[0,1,0,0],[0,0,0,0],[0,0,0,1]]
P_o = (x,y) 忽略z坐标

M_o: 正交投影矩阵
P_o: 投影点

版图显示
2.5D视图

平行投影，保持平行性

旋转矩阵

旋转角度θ
旋转中心C(c_x,c_y)

旋转矩阵R(2×2)
旋转后坐标P'

R = [[cosθ, -sinθ],[sinθ, cosθ]]
以原点旋转：P' = R·P
以C旋转：P' = R·(P-C) + C

θ: 旋转角度(弧度)
C: 旋转中心
R: 旋转矩阵
P: 原始点
P': 旋转后点

模块旋转
多角度布局

绕指定点旋转几何体

缩放变换

缩放因子s_x,s_y
缩放中心C(c_x,c_y)

缩放矩阵S(3×3)
缩放后坐标P'

S = [[s_x,0,0],[0,s_y,0],[0,0,1]]
以原点缩放：P' = S·P_h
以C缩放：P' = S·(P-C) + C

s_x,s_y: x,y方向缩放因子
C: 缩放中心
S: 缩放矩阵
P_h: 齐次坐标

等比例缩放
非均匀缩放

改变几何体尺寸

错切变换

错切因子k_x,k_y

错切矩阵Sh(3×3)
错切后坐标P'

Sh = [[1,k_x,0],[k_y,1,0],[0,0,1]]
P' = Sh·P_h

k_x: x方向错切因子
k_y: y方向错切因子
Sh: 错切矩阵

倾斜变形
工艺补偿

沿坐标轴方向错切

复合变换

变换序列T₁,T₂,…,T_n

复合变换矩阵：T = T_n·…·T₂·T₁
注意矩阵乘法顺序

T = ∏_{i=n}^{1} T_i
应用于点：P' = T·P_h

T_i: 第i个变换矩阵
T: 复合变换矩阵
矩阵乘法顺序：从右到左应用

复杂变换
多步操作

组合多个变换，注意顺序

麦克斯韦方程

电场E
磁场H
电荷密度ρ
电流密度J
介电常数ε
磁导率μ

场向量：E, H, D, B
源向量：ρ, J

∇·D = ρ
∇·B = 0
∇×E = -∂B/∂t
∇×H = J + ∂D/∂t
本构关系：
D = εE, B = μH

E: 电场强度(V/m)
H: 磁场强度(A/m)
D: 电位移场(C/m²)
B: 磁感应强度(T)
ρ: 电荷密度(C/m³)
J: 电流密度(A/m²)
ε: 介电常数(F/m)
μ: 磁导率(H/m)
∇: 梯度算子

全波仿真
电磁场分析

求解芯片内电磁场分布

传输线方程

分布参数R,L,G,C
位置z
时间t

电压波V(z,t)
电流波I(z,t)
传播常数γ=α+jβ

∂V/∂z = -L∂I/∂t – RI
∂I/∂z = -C∂V/∂t – GV
波动方程：
∂²V/∂z² = LC∂²V/∂t² + (RC+LG)∂V/∂t + RGV

R: 单位长度电阻(Ω/m)
L: 单位长度电感(H/m)
G: 单位长度电导(S/m)
C: 单位长度电容(F/m)
γ: 传播常数(1/m)
α: 衰减常数
β: 相位常数
特性阻抗：Z₀=√[(R+jωL)/(G+jωC)]

互连线建模
信号传播

分析传输线上电压电流分布

趋肤深度

频率f
电导率σ
磁导率μ

趋肤深度δ
交流电阻R_ac

δ = 1/√(πfμσ)
圆导线(R>>δ)：
R_ac ≈ R_dc·(r/2δ)
宽导线(w>>δ)：
R_ac ≈ 1/(σδp) 其中p为有效周长

δ: 趋肤深度(m)
f: 频率(Hz)
σ: 电导率(S/m)
μ: 磁导率(H/m)
R_ac: 交流电阻(Ω/m)
R_dc: 直流电阻
r: 导线半径(m)
w: 导线宽度(m)
p: 有效周长(m)

高频电阻计算
导体损耗

计算高频电流的穿透深度

寄生电容

导体几何尺寸
介电常数ε
间距d

电容矩阵C_ij
单位长度电容c

平行板电容：C = εA/d
微带线电容：c = ε_eff·w/h + 2πε/ln(2h/t)
耦合电容：c_c = ε·K(k')/K(k) 椭圆积分
其中k = s/(s+2w), k'=√(1-k²)
K: 第一类完全椭圆积分

ε: 介电常数(F/m)
ε_eff: 有效介电常数
A: 板面积(m²)
d: 板间距(m)
w: 线宽(m)
h: 到地平面距离(m)
t: 线厚(m)
s: 线间距(m)
c: 单位长度电容(F/m)

寄生参数提取
耦合分析

计算导体间电容，考虑几何形状

寄生电感

导体几何尺寸
电流分布

电感矩阵L_ij
单位长度电感l

圆导线自感：L = (μl/2π)[ln(2l/r)-3/4]
微带线电感：l = μh/w (近似)
互感：M = (μl/2π)[ln(2l/d)-1+l/d-l²/4d²] (l>>d)
部分电感：L_p = (μ/4π)∫∫(1/R)dV₁dV₂

μ: 磁导率(H/m)
l: 导线长度(m)
r: 导线半径(m)
w: 线宽(m)
h: 到地平面距离(m)
d: 线间距(m)
L_p: 部分电感(H)

电感提取
电源完整性

计算导体自感和互感

特性阻抗

几何尺寸
介电常数ε_r
基板厚度h

特性阻抗Z₀
有效介电常数ε_eff

微带线：
Z₀ = 60/√ε_eff·ln(8h/w + w/4h) (w/h≤1)
Z₀ = 120π/[√ε_eff(w/h+1.393+0.667ln(w/h+1.444))] (w/h≥1)
ε_eff = (ε_r+1)/2 + (ε_r-1)/[2√(1+12h/w)]
带状线：
Z₀ = 30π/√ε_r·ln{1+4h/[πw'(1+√(1+2/w'))]}
w' = w + Δw, Δw = t/π·ln[4e/√(t/h)²+(1/π)²/(w/t+1.1)²]

Z₀: 特性阻抗(Ω)
ε_r: 相对介电常数
ε_eff: 有效介电常数
h: 介质厚度(m)
w: 线宽(m)
t: 线厚(m)
w': 有效线宽(m)

阻抗匹配
传输线设计

计算传输线特性阻抗

散射参数

端口电压V_i
端口电流I_i
参考阻抗Z_0i

S参数矩阵S
入射波a
反射波b

b = S·a
a_i = (V_i+Z_0iI_i)/(2√Z_0i)
b_i = (V_i-Z_0iI_i)/(2√Z_0i)
S_ij = b_i/a_j

_{a_k=0, k≠j}
二端口网络：
S_11 = (Z_in-Z_0)/(Z_in+Z_0)
S_21 = 2V_2/V_1·√(Z_0/Z_L)

S_ij: 从端口j到端口i的S参数
a_i: 端口i入射波
b_i: 端口i反射波
Z_0i: 端口i参考阻抗(Ω)
Z_in: 输入阻抗(Ω)
Z_L: 负载阻抗(Ω)

高频特性分析
网络分析

眼图参数

信号波形v(t)
比特周期T_b
抖动σ_j
噪声σ_n

眼图高度H_h
眼图宽度H_w
浴盆曲线BER(t)

眼高：H_h = V_pp – 2Q⁻¹(BER)·σ_n
眼宽：H_w = T_b – 2Q⁻¹(BER)·σ_j
误码率：BER = ½erfc(V_eye/(2√2σ_n)) + ½erfc(T_eye/(2√2σ_j))
其中Q(x)=½erfc(x/√2)，Q⁻¹为逆Q函数

V_pp: 峰峰值电压(V)
T_b: 比特周期(s)
σ_n: 噪声标准差(V)
σ_j: 抖动标准差(s)
BER: 目标误码率
V_eye: 眼图高度(V)
T_eye: 眼图宽度(s)
erfc: 互补误差函数

信号完整性验证
时序余量

评估高速信号质量

串扰模型

耦合长度l
耦合电容C_c
耦合电感L_m
线间距s
线宽w

近端串扰V_ne
远端串扰V_fe
耦合系数k

容性耦合主导：
V_ne = ½·[C_c/(C_c+C_g)]·V_a
V_fe = ½·[C_c/(C_c+C_g)]·(l/v·t_r)·V_a
感性耦合主导：
V_ne = ½·(L_m/L_g)·(l/v·t_r)·V_a
V_fe ≈ 0 (感性耦合)
耦合系数：k = C_c/√[(C_g+C_c)(C_g+C_c)] ≈ C_c/C_g

C_c: 耦合电容(F/m)
C_g: 对地电容(F/m)
L_m: 互感(H/m)
L_g: 自感(H/m)
l: 平行长度(m)
s: 线间距(m)
w: 线宽(m)
t_r: 上升时间(s)
v: 传播速度(m/s)
V_a: 攻击信号电压(V)
k: 耦合系数

布线串扰分析
间距规则

估计相邻导线间耦合噪声

热传导方程

温度场T(x,y,z,t)
热导率k
热容c_p
密度ρ
热源g

温度梯度∇T
热流密度q = -k∇T

ρc_p∂T/∂t = ∇·(k∇T) + g
稳态：∇·(k∇T) + g = 0
各向同性：k∇²T + g = 0

T: 温度场(K)
k: 热导率(W/m·K)
ρ: 密度(kg/m³)
c_p: 比热容(J/kg·K)
g: 热源功率密度(W/m³)
∇: 梯度算子
∇·: 散度算子
∇²: 拉普拉斯算子

芯片热分析
热点定位

求解三维温度分布

界面热阻

温度差ΔT
热流q
接触面积A

界面热阻R_int
传热系数h_int

q = ΔT/R_int = h_int·ΔT
R_int = 1/(h_int·A)
声学失配模型：
h_int = ¼ρ₁c_v₁v_s₁·[4Z₁Z₂/(Z₁+Z₂)²]
其中Z=ρc_s为声阻抗

ΔT: 界面温度差(K)
q: 热流(W)
A: 接触面积(m²)
R_int: 界面热阻(K/W)
h_int: 传热系数(W/m²·K)
ρ: 密度(kg/m³)
c_v: 体积比热容(J/m³·K)
c_s: 声速(m/s)
Z: 声阻抗(kg/m²·s)

芯片-散热器界面
多层结构

计算界面热阻，考虑声学失配

热扩散方程

初始温度T₀
扩散率α=k/(ρc_p)
时间t

温度分布T(r,t)
热扩散距离d

一维半无限大：
T(x,t) = T₀ + (q/√(πkρc_pt))·exp(-x²/(4αt))
热扩散距离：d = √(4αt)
特征时间：τ = L²/α

α: 热扩散率(m²/s)
T₀: 初始温度(K)
q: 表面热流(W/m²)
t: 时间(s)
x: 深度(m)
d: 热扩散距离(m)
L: 特征长度(m)
τ: 特征时间(s)

瞬态热分析
热响应时间

分析热脉冲传播

对流换热

表面温度T_s
流体温度T_∞
对流系数h

热流密度q_conv
努塞尔数Nu

q_conv = h·(T_s – T∞)
自然对流：Nu = C·(Gr·Pr)^n
强制对流：Nu = C·Re^m·Pr^n
其中：
Gr = gβ(T_s-T∞)L³/ν² (格拉晓夫数)
Re = ρvL/μ (雷诺数)
Pr = ν/α (普朗特数)

h: 对流换热系数(W/m²·K)
T_s: 表面温度(K)
T_∞: 流体温度(K)
q_conv: 对流热流密度(W/m²)
Nu: 努塞尔数
Gr: 格拉晓夫数
Re: 雷诺数
Pr: 普朗特数
g: 重力加速度
β: 热膨胀系数
L: 特征长度
ν: 运动粘度
v: 流速

散热器设计
强制风冷

计算表面对流换热

辐射换热

表面温度T
发射率ε
斯蒂芬-玻尔兹曼常数σ

辐射热流密度q_rad

q_rad = εσ(T⁴ – T_∞⁴)
两表面辐射：
q_12 = σ(T₁⁴ – T₂⁴)/(1/ε₁+1/ε₂-1)

ε: 表面发射率(0-1)
σ: 斯蒂芬-玻尔兹曼常数(5.67×10⁻⁸W/m²·K⁴)
T: 表面温度(K)
T_∞: 环境温度(K)
q_rad: 辐射热流密度(W/m²)

辐射散热
高温情况

计算表面辐射换热

焦耳热

电流密度J
电场E
电导率σ

热源密度g
总功率P

g = J·E = σE² = J²/σ
总功率：P = ∫_V g dV = I²R = V²/R
其中J=σE, R=ρl/A, ρ=1/σ

g: 体积热源密度(W/m³)
J: 电流密度(A/m²)
E: 电场强度(V/m)
σ: 电导率(S/m)
ρ: 电阻率(Ω·m)
I: 电流(A)
V: 电压(V)
R: 电阻(Ω)
l: 长度(m)
A: 截面积(m²)

互连自热
热源计算

计算电流产生的热量

热应力

热膨胀系数α
温度变化ΔT
弹性模量E
泊松比ν

热应变ε_th
热应力σ_th

ε_th = αΔT
σ_th = EαΔT/(1-2ν) (三维约束)
平面应力：σ_th = EαΔT/(1-ν)
平面应变：σ_th = EαΔT/[(1+ν)(1-2ν)]

α: 热膨胀系数(1/K)
ΔT: 温度变化(K)
E: 弹性模量(Pa)
ν: 泊松比
ε_th: 热应变
σ_th: 热应力(Pa)

热应力分析
可靠性评估

计算温度变化引起的应力和应变

胡克定律

应力σ
应变ε
弹性模量E

应力-应变关系：σ = Eε

一维：σ = Eε
三维：σ_ij = C_ijkl ε_kl
各向同性：σ_ij = 2με_ij + λε_kkδ_ij
其中λ=νE/[(1+ν)(1-2ν)], μ=E/[2(1+ν)]

σ: 应力(Pa)
ε: 应变
E: 弹性模量(Pa)
C_ijkl: 弹性常数张量
λ,μ: 拉梅常数(Pa)
ν: 泊松比
δ_ij: 克罗内克δ

弹性变形分析

计算弹性范围内的应力应变关系

热应变

热膨胀系数α
温度变化ΔT
总应变ε_total

热应变向量：ε_th = αΔT[1,1,1,0,0,0]ᵀ

ε_total = ε_mech + ε_th
ε_th = αΔT·I (I为单位张量)
对于各向同性材料：
ε_th,xx = ε_th,yy = ε_th,zz = αΔT
ε_th,xy = ε_th,yz = ε_th,zx = 0

α: 热膨胀系数(1/K)
ΔT: 温度变化(K)
ε_total: 总应变
ε_mech: 机械应变
ε_th: 热应变
I: 单位张量

热应力计算

计算温度变化引起的应变

热应力本构

总应变ε_total
热应变ε_th
弹性矩阵C

应力向量：σ = C(ε_total – ε_th)

σ_ij = C_ijkl(ε_kl^total – αΔTδ_kl)
各向同性简化：
σ_ij = 2με_ij + λε_kkδ_ij – (3λ+2μ)αΔTδ_ij

C_ijkl: 弹性常数张量
ε_kl^total: 总应变
α: 热膨胀系数(1/K)
ΔT: 温度变化(K)
λ,μ: 拉梅常数
δ_kl: 克罗内克δ

热机械耦合分析

计算考虑热效应的应力

翘曲变形

曲率κ
厚度t_i
弹性模量E_i
热膨胀系数α_i
温度变化ΔT

曲率向量：κ = [κ_x, κ_y, κ_xy]ᵀ
中性面位置z₀

双层结构(Stoney公式)：
κ = [6E_ft_f(1-ν_s)]/[E_st_s²(1-ν_f)]·(α_s-α_f)ΔT
多层结构：
κ = Σ[E_i t_i (α_i-α_eff)ΔT z_i] / Σ(E_i t_i z_i²)
其中α_eff = Σ(E_i t_i α_i)/Σ(E_i t_i)
z_i为到中性面距离

κ: 曲率(1/m)
t_i: 第i层厚度(m)
E_i: 第i层弹性模量(Pa)
α_i: 第i层热膨胀系数(1/K)
ν_i: 第i层泊松比
ΔT: 温度变化(K)
下标f: 薄膜层
下标s: 衬底层
α_eff: 有效热膨胀系数
z_i: 到中性面距离(m)

芯片翘曲预测
衬底变形

计算多层结构热失配引起的曲率

薄板弯曲

板厚度t
弹性模量E
泊松比ν
载荷q

挠度w(x,y)
弯矩M_x,M_y
剪力Q_x,Q_y

基尔霍夫薄板理论：
D∇⁴w = q
其中D = Et³/[12(1-ν²)]为弯曲刚度
∇⁴ = ∂⁴/∂x⁴ + 2∂⁴/∂x²∂y² + ∂⁴/∂y⁴
弯矩：M_x = -D(∂²w/∂x² + ν∂²w/∂y²)
M_y = -D(∂²w/∂y² + ν∂²w/∂x²)
M_xy = -D(1-ν)∂²w/∂x∂y

w: 挠度(m)
q: 分布载荷(Pa)
D: 弯曲刚度(N·m)
E: 弹性模量(Pa)
t: 板厚度(m)
ν: 泊松比
M_x,M_y: 弯矩(N·m/m)
M_xy: 扭矩(N·m/m)
Q_x,Q_y: 剪力(N/m)

封装变形分析
基板弯曲

分析薄板在载荷下的弯曲

梁弯曲

梁长度L
弹性模量E
惯性矩I
载荷P

挠度δ
转角θ
弯矩M
剪力V

欧拉-伯努利梁理论：
EI d⁴w/dx⁴ = q(x)
悬臂梁(端部载荷P)：
δ_max = PL³/(3EI), θ_max = PL²/(2EI)
简支梁(中点载荷P)：
δ_max = PL³/(48EI), θ_max = PL²/(16EI)
弯矩：M = EI d²w/dx²
剪力：V = dM/dx = EI d³w/dx³

E: 弹性模量(Pa)
I: 截面惯性矩(m⁴)
L: 梁长度(m)
P: 集中载荷(N)
q: 分布载荷(N/m)
w: 挠度(m)
δ: 最大挠度(m)
θ: 转角(rad)
M: 弯矩(N·m)
V: 剪力(N)

凸点结构分析
梁模型

分析梁结构在载荷下的变形

接触力学

接触半径a
载荷P
弹性模量E₁,E₂
泊松比ν₁,ν₂

接触压力分布p(r)
最大接触压力p₀
接触半径a

赫兹接触理论(球-平面)：
a = [3PR/(4E)]^(1/3)
p₀ = 3P/(2πa²)
p(r) = p₀√[1 – (r/a)²]
其中1/R = 1/R₁ + 1/R₂
1/E= (1-ν₁²)/E₁ + (1-ν₂²)/E₂

a: 接触半径(m)
P: 接触载荷(N)
R₁,R₂: 接触体曲率半径(m)
E₁,E₂: 弹性模量(Pa)
ν₁,ν₂: 泊松比
E*: 等效弹性模量(Pa)
p₀: 最大接触压力(Pa)
p(r): 接触压力分布(Pa)
r: 径向坐标(m)

凸点接触分析
键合压力

计算弹性接触区的压力和变形

断裂力学

应力强度因子K
裂纹长度a
应力σ

应力强度因子K
能量释放率G

模式I(张开型)：
K_I = Yσ√(πa)
其中Y为几何因子
能量释放率：
G = K_I²/E' (平面应力)
G = (1-ν²)K_I²/E (平面应变)
其中E' = E (平面应力), E' = E/(1-ν²) (平面应变)
断裂准则：K_I ≥ K_IC

K_I: 模式I应力强度因子(Pa·√m)
a: 裂纹长度(m)
σ: 远场应力(Pa)
Y: 几何修正因子
G: 能量释放率(J/m²)
E: 弹性模量(Pa)
ν: 泊松比
K_IC: 断裂韧性(Pa·√m)

裂纹扩展分析
可靠性评估

评估裂纹尖端应力场和断裂风险

疲劳寿命

应力幅Δσ
平均应力σ_m
应力比R=σ_min/σ_max
循环次数N_f

S-N曲线：
σ_a = σ_f'(2N_f)^b
或 Δε/2 = (σ_f'/E)(2N_f)^b + ε_f'(2N_f)^c
Goodman修正：
σ_a = σ_e[1 – (σ_m/σ_TS)]
其中σ_e为疲劳极限

Δσ: 应力幅(Pa)
σ_m: 平均应力(Pa)
R: 应力比
N_f: 失效循环次数
σ_f': 疲劳强度系数(Pa)
b: 疲劳强度指数
ε_f': 疲劳延性系数
c: 疲劳延性指数
σ_e: 疲劳极限(Pa)
σ_TS: 抗拉强度(Pa)

焊点疲劳
循环载荷

预测在循环应力下的失效循环次数

基尔霍夫-洛夫薄板理论

板厚t
弹性模量E
泊松比ν
载荷q(x,y)

挠度w(x,y)
弯矩M_x, M_y, M_xy
剪力Q_x, Q_y
弯曲刚度D

控制方程：D∇⁴w = q(x,y)
其中D = E t³/[12(1-ν²)]
∇⁴ = ∂⁴/∂x⁴ + 2∂⁴/∂x²∂y² + ∂⁴/∂y⁴
弯矩：
M_x = -D(∂²w/∂x² + ν∂²w/∂y²)
M_y = -D(∂²w/∂y² + ν∂²w/∂x²)
M_xy = -D(1-ν)∂²w/∂x∂y
剪力：
Q_x = -D ∂/∂x (∇²w)
Q_y = -D ∂/∂y (∇²w)

w: 挠度(m)
q: 分布载荷(Pa)
D: 弯曲刚度(N·m)
t: 板厚(m)
E: 弹性模量(Pa)
ν: 泊松比
M_x, M_y: 弯矩(N·m/m)
M_xy: 扭矩(N·m/m)
Q_x, Q_y: 剪力(N/m)
∇⁴: 双调和算子

芯片封装变形
基板弯曲分析

分析薄板在小挠度下的弯曲，忽略横向剪切变形

明德林板理论

板厚t
弹性模量E
剪切模量G
泊松比ν
载荷q

挠度w
转角φ_x, φ_y
弯矩M_x, M_y
剪力Q_x, Q_y

控制方程：
D ∂φ_x/∂x + Dν ∂φ_y/∂y – κGt(φ_x + ∂w/∂x) = 0
D ∂φ_y/∂y + Dν ∂φ_x/∂x – κGt(φ_y + ∂w/∂y) = 0
κGt(∇²w + ∂φ_x/∂x + ∂φ_y/∂y) + q = 0
其中D = E t³/[12(1-ν²)], κ为剪切修正系数(通常5/6)
弯矩：
M_x = D(∂φ_x/∂x + ν∂φ_y/∂y)
M_y = D(∂φ_y/∂y + ν∂φ_x/∂x)
剪力：
Q_x = κGt(φ_x + ∂w/∂x)
Q_y = κGt(φ_y + ∂w/∂y)

w: 挠度(m)
φ_x, φ_y: 转角(rad)
D: 弯曲刚度(N·m)
G: 剪切模量(Pa)
κ: 剪切修正系数(通常5/6)
t: 板厚(m)
q: 分布载荷(Pa)
M_x, M_y: 弯矩(N·m/m)
Q_x, Q_y: 剪力(N/m)

中厚板分析
考虑剪切变形

考虑横向剪切变形，适用于中厚板

冯·卡门大挠度板理论

板厚t
弹性模量E
泊松比ν
载荷q

挠度w
应力函数Φ
弯曲刚度D
面内刚度K

控制方程：
D∇⁴w = q + t L(w, Φ)
∇⁴Φ = – (E/2) L(w, w)
其中L为微分算子：
L(f,g) = ∂²f/∂x² · ∂²g/∂y² + ∂²f/∂y² · ∂²g/∂x² – 2∂²f/∂x∂y · ∂²g/∂x∂y
面内应力：
σ_x = ∂²Φ/∂y², σ_y = ∂²Φ/∂x², τ_xy = -∂²Φ/∂x∂y

w: 挠度(m)
Φ: 应力函数(Pa·m²)
D: 弯曲刚度(N·m)
t: 板厚(m)
E: 弹性模量(Pa)
q: 分布载荷(Pa)
σ_x, σ_y: 面内正应力(Pa)
τ_xy: 面内剪应力(Pa)
L: 微分算子

大变形分析
几何非线性

考虑大挠度引起的薄膜应力，用于大变形情况

梁自由振动

梁长度L
弹性模量E
密度ρ
截面惯性矩I
截面面积A

固有频率ω_n
振型函数X_n(x)
频率方程

控制方程：EI ∂⁴w/∂x⁴ + ρA ∂²w/∂t² = 0
分离变量：w(x,t) = X(x)T(t)
得到：X'''' – β⁴X = 0, T'' + ω²T = 0
其中β⁴ = ω² ρA/(EI)
通解：X(x) = C₁ cosβx + C₂ sinβx + C₃ coshβx + C₄ sinhβx
边界条件确定β_n和振型
固有频率：ω_n = (β_n L)² √(EI/(ρA L⁴))

ω_n: 第n阶固有频率(rad/s)
β_n: 频率参数，满足特征方程
X_n(x): 第n阶振型函数
L: 梁长度(m)
E: 弹性模量(Pa)
I: 截面惯性矩(m⁴)
ρ: 密度(kg/m³)
A: 截面积(m²)
C₁~C₄: 由边界条件确定的常数

芯片振动分析
共振频率计算

求解梁的固有频率和振型，用于避免共振

板自由振动

板尺寸a×b
板厚t
弹性模量E
密度ρ
泊松比ν

固有频率ω{mn}
振型函数W{mn}(x,y)
频率方程

控制方程：D∇⁴w + ρt ∂²w/∂t² = 0
其中D = E t³/[12(1-ν²)]
分离变量：w(x,y,t) = W(x,y)T(t)
得到：∇⁴W – ω² ρt/D W = 0
简支板解：W{mn}(x,y) = sin(mπx/a) sin(nπy/b)
固有频率：ω{mn} = π² [ (m/a)² + (n/b)² ] √(D/(ρt))
其中m,n=1,2,3,…

ω{mn}: (m,n)阶固有频率(rad/s)
W{mn}(x,y): (m,n)阶振型函数
D: 弯曲刚度(N·m)
t: 板厚(m)
ρ: 密度(kg/m³)
E: 弹性模量(Pa)
ν: 泊松比
a,b: 板长宽(m)
m,n: 模态阶数

封装板振动分析

求解板的固有频率和振型，用于振动分析

阻尼振动

质量m
刚度k
阻尼系数c
固有频率ω_n
阻尼比ζ

位移响应x(t)
自由振动：x(t) = e^{-ζω_n t} [A cos(ω_d t) + B sin(ω_d t)]
其中ω_d = ω_n √(1-ζ²) 为阻尼固有频率
阻尼比：ζ = c/(2√(km)) = c/(2mω_n)
临界阻尼：c_c = 2√(km) = 2mω_n

运动方程：m x'' + c x' + k x = 0
特征方程：m s² + c s + k = 0
根：s = -ζω_n ± jω_n √(1-ζ²)
过阻尼(ζ>1)：x(t) = A e^{s₁ t} + B e^{s₂ t}
临界阻尼(ζ=1)：x(t) = (A + Bt) e^{-ω_n t}
欠阻尼(0<ζ<1)：x(t) = e^{-ζω_n t} [A cos(ω_d t) + B sin(ω_d t)]

m: 质量(kg)
k: 刚度(N/m)
c: 阻尼系数(N·s/m)
ζ: 阻尼比
ω_n: 无阻尼固有频率(rad/s), ω_n=√(k/m)
ω_d: 阻尼固有频率(rad/s)
c_c: 临界阻尼系数(N·s/m)
A,B: 由初始条件确定的常数

振动衰减分析
冲击响应

分析有阻尼系统的自由振动和响应

受迫振动

质量m
刚度k
阻尼系数c
激励力F₀ sin(ωt)

稳态响应振幅X
相位角φ
传递函数H(ω)

运动方程：m x'' + c x' + k x = F₀ sin(ωt)
稳态解：x(t) = X sin(ωt – φ)
振幅：X = F₀/√[(k-mω²)² + (cω)²]
相位：φ = arctan[cω/(k-mω²)]
放大因子：MF = X/(F₀/k) = 1/√[(1-r²)² + (2ζr)²]
其中r = ω/ω_n, ζ = c/(2√(km))
共振时(r=1)：X_max = F₀/(2ζk) = F₀/(cω_n)

m: 质量(kg)
k: 刚度(N/m)
c: 阻尼系数(N·s/m)
F₀: 激励力幅值(N)
ω: 激励频率(rad/s)
ω_n: 固有频率(rad/s), ω_n=√(k/m)
X: 响应振幅(m)
φ: 相位角(rad)
r: 频率比, r=ω/ω_n
ζ: 阻尼比
MF: 放大因子(动态放大系数)

受迫振动分析
共振响应

计算系统在简谐激励下的稳态响应

线性规划布局

决策变量x_i
目标系数c_i
约束矩阵A
右端向量b

决策向量：x = [x₁,x₂,…,x_n]ᵀ
对偶变量：y
松弛变量：s

标准形式：
min cᵀx
s.t. Ax = b, x ≥ 0
对偶问题：
max bᵀy
s.t. Aᵀy + s = c, s ≥ 0
KKT条件：
Ax = b, x ≥ 0
Aᵀy + s = c, s ≥ 0
x_i s_i = 0 ∀i

x: 决策变量(如模块位置)
c: 目标函数系数
A: 约束矩阵
b: 约束右端项
y: 对偶变量
s: 松弛变量
KKT: 卡鲁什-库恩-塔克条件

布局合法化
约束优化

求解线性目标、线性约束的优化问题

二次规划布局

模块位置p_i=(x_i,y_i)
互连权重w_ij
理想距离d_ij

位置向量：X = [x₁,…,x_n,y₁,…,y_n]ᵀ
二次型矩阵Q
线性项向量c

最小化加权平方线长：
min Σ w_ij[(x_i-x_j)²+(y_i-y_j)²]
矩阵形式：
min ½XᵀQX + cᵀX
s.t. AX = b (线性约束)
解析解(无约束)：X* = -Q⁻¹c

p_i: 模块i的位置
w_ij: 模块i,j间互连权重
d_ij: 理想距离(通常为0)
X: 所有坐标组成的向量
Q: 海森矩阵(对称半正定)
c: 线性项向量
A,b: 线性约束

全局布局
力导向布局求解

求解二次目标、线性约束的优化问题

整数线性规划

二进制变量x_ijk
线网集合N
布线网格G=(V,E)
容量c_e

决策向量：x ∈ {0,1}^{

N

×

E

}
拥塞变量：y_e

拉格朗日松弛

原问题变量x
约束Ax≤b
拉格朗日乘子λ≥0
对偶函数q(λ)

拉格朗日函数：L(x,λ)=f(x)+λᵀ(Ax-b)
对偶函数：q(λ)=min{x∈X} L(x,λ)
对偶问题：max{λ≥0} q(λ)

迭代更新：
1. 给定λ^k, 求解x^k = argmin_x L(x,λ^k)
2. 更新乘子：λ^{k+1} = max(0, λ^k + θ^k (Ax^k – b))
其中θ^k为步长
次梯度：g^k = Ax^k – b

x: 原问题决策变量
λ: 拉格朗日乘子向量(对偶变量)
f(x): 原目标函数
Ax≤b: 难处理约束
x∈X: 易处理约束集
L(x,λ): 拉格朗日函数
q(λ): 对偶函数
θ^k: 步长参数
g^k: 次梯度

布局约束松弛
时序优化

将难处理约束移到目标函数中，通过乘子迭代求解

序列二次规划

当前点x_k
拉格朗日函数L(x,λ)
海森矩阵H_k

搜索方向d_k
步长α_k

在每次迭代中求解QP子问题：
min_d ½dᵀH_k d + ∇f(x_k)ᵀd
s.t. ∇g_i(x_k)ᵀd + g_i(x_k) = 0 (等式约束)
∇h_j(x_k)ᵀd + h_j(x_k) ≤ 0 (不等式约束)
更新：x{k+1} = x_k + α_k d_k
其中H_k ≈ ∇²xx L(x_k,λ_k)

x_k: 第k次迭代点
d_k: 搜索方向
α_k: 步长
H_k: 拉格朗日函数海森矩阵近似
L(x,λ): 拉格朗日函数
f(x): 目标函数
g_i(x)=0: 等式约束
h_j(x)≤0: 不等式约束
λ: 拉格朗日乘子

非线性约束优化
布局优化

将非线性优化问题转化为一系列二次规划子问题求解

有限元法

单元刚度矩阵K_e
单元载荷向量f_e
整体刚度矩阵K
节点位移u

单元方程：K_e u_e = f_e
整体方程：K u = f
组装：K = Σ_e K_e, f = Σ_e f_e

弱形式：∫Ω (∇w)ᵀD(∇u)dΩ = ∫Ω wᵀf dΩ + ∫Γ wᵀt dΓ
离散：u ≈ Σ_i N_i u_i, w ≈ N_j
单元刚度矩阵：K_e = ∫Ω_e BᵀDB dΩ
单元载荷：f_e = ∫Ω_e Nᵀf dΩ + ∫Γ_e Nᵀt dΓ
其中B = ∇N, D为材料矩阵

K_e: 单元刚度矩阵
f_e: 单元载荷向量
K: 整体刚度矩阵
u: 节点位移向量
f: 整体载荷向量
N: 形函数矩阵
B: 应变-位移矩阵
D: 材料本构矩阵
Ω: 计算域
Γ: 边界

热应力分析
结构力学

将连续域离散为单元，求解偏微分方程

有限差分法

网格点(i,j,k)
步长Δx,Δy,Δz
场值u_{i,j,k}

差分格式：
一阶向前：∂u/∂x ≈ (u{i+1}-u_i)/Δx
一阶向后：∂u/∂x ≈ (u_i-u{i-1})/Δx
二阶中心：∂²u/∂x² ≈ (u{i+1}-2u_i+u{i-1})/Δx²
拉普拉斯算子：
∇²u ≈ (u{i+1,j}+u{i-1,j}+u{i,j+1}+u{i,j-1}-4u_{i,j})/h²

热传导方程离散：
(u{i,j}^{n+1}-u{i,j}^n)/Δt = α(∇²u){i,j}^n
显式格式：
u{i,j}^{n+1} = u{i,j}^n + αΔt/h²·(u{i+1,j}^n+u{i-1,j}^n+u{i,j+1}^n+u{i,j-1}^n-4u{i,j}^n)
稳定性条件：αΔt/h² ≤ 1/4 (2D)

u_{i,j,k}: 网格点场值
Δx,Δy,Δz: 空间步长
Δt: 时间步长
α: 扩散系数
h: 网格间距(通常Δx=Δy=h)
∇²: 拉普拉斯离散算子

热传导求解
电场求解

用差分近似导数，将微分方程转化为代数方程

有限体积法

控制体积V_i
通量F_{i+1/2}
场值u_i

积分形式：∫V ∂u/∂t dV = -∫S F·n dS + ∫V q dV
离散：V_i du_i/dt = Σ{faces} F{i+1/2}·A + q_i V_i
通量计算：
中心格式：F{i+1/2} = (F_i+F{i+1})/2
迎风格式：F{i+1/2} = F_i (if v>0) or F_{i+1} (if v<0)

对控制体积积分守恒方程：
d(ρu_i V_i)/dt = Σ_j F{ij}·A{ij} + q_i V_i
其中F{ij}为通过面ij的通量
A{ij}为面ij的面积
q_i为源项

V_i: 控制体积i的体积
u_i: 控制体积i的场值
F{i+1/2}: 通过面i+1/2的通量
q_i: 控制体积i的源项
A{ij}: 面ij的面积
ρ: 密度
v: 速度

计算流体力学
对流扩散

在控制体积上积分守恒方程，保证守恒性

边界元法

边界Γ
基本解G(x,y)
边界值u(y), q(y)=∂u/∂n

边界积分方程：
c(x)u(x) = ∫_Γ [G(x,y)q(y) – ∂G/∂n u(y)] dΓ(y)
其中c(x)为几何系数(内部点c=1,边界点c=1/2)
离散为：Hu = Gq

G(x,y): 基本解(自由空间格林函数)
u(y): 边界上场值
q(y): 边界上法向导数
c(x): 几何系数
H,G: 系数矩阵
对于拉普拉斯方程：G(x,y)=1/(4π|x-y|)
对于亥姆霍兹方程：G(x,y)=e^{ik|x-y|}/(4π|x-y|)

x: 场点
y: 源点
G: 格林函数
u: 位势场
q: 法向导数
Γ: 边界
c: 几何系数(取决于x点位置)

静电场计算
声学分析

只在边界上离散，降维求解，适合无限域问题

快速多极算法

粒子位置x_i
电荷/质量q_i
多极展开阶数p

多极展开：
Φ(x) = Σ_{i=1}^N q_i/

x-x_i

≈ Σ{m=0}^p Σ{n=-m}^m M{mn} O{mn}(x)
其中M{mn}为多极矩，O{mn}为局部展开
复杂度：O(N log N) 或 O(N)

分层结构(树)：
1. 构建八叉树(3D)或四叉树(2D)
2. 上行传递：计算多极展开
3. 下行传递：计算局部展开
4. 近场直接计算，远场用展开近似
误差控制：截断阶数p决定精度

x_i: 粒子位置
q_i: 粒子电荷/质量
p: 展开阶数
M{mn}: 多极矩
O{mn}: 局部展开系数
Φ: 位势场
N: 粒子数

蒙特卡洛方法

随机变量X
概率密度函数f(x)
目标量I = E[g(X)]

样本均值：ÎN = (1/N) Σ{i=1}^N g(X_i)
大数定律：ÎN → I (a.s.) as N→∞
中心极限定理：√N(ÎN – I) → N(0, σ²)
其中σ² = Var[g(X)]

积分估计：I = ∫Ω g(x)f(x)dx ≈ (1/N) Σ{i=1}^N g(X_i)
其中X_i ~ f(x)
误差估计：ε = z{α/2} σ/√N
其中z{α/2}为标准正态分位数
方差缩减技术：重要性采样、对偶变量等

X: 随机变量
f(x): 概率密度函数
g(x): 目标函数
I: 期望值
ÎN: 蒙特卡洛估计
N: 样本数
σ²: 方差
ε: 误差
z{α/2}: 置信区间分位数

工艺波动分析
成品率估计

用随机采样估计积分或期望值

遗传算法

染色体编码x
适应度函数f(x)
种群大小N
交叉概率p_c
变异概率p_m

种群矩阵：P = [x₁, x₂, …, x_N]ᵀ
适应度向量：f = [f(x₁), …, f(x_N)]ᵀ
选择概率：p_i = f(x_i)/Σ_j f(x_j)

1. 初始化：随机生成初始种群P₀
2. 评估：计算每个个体的适应度f(x_i)
3. 选择：轮盘赌选择 p_i = f(x_i)/Σ_j f(x_j)
4. 交叉：以概率p_c交换父代基因段
单点交叉：随机选点分割交换
两点交叉：随机选两点交换中间段
5. 变异：以概率p_m随机改变基因
6. 替换：生成新一代种群
7. 重复2-6直至收敛

x_i: 第i个个体(染色体编码)
f(x_i): 适应度函数(如线长负值)
N: 种群大小
p_c: 交叉概率(通常0.6-0.9)
p_m: 变异概率(通常0.001-0.1)
P: 种群矩阵(每行一个个体)
p_i: 选择概率
编码方式：二进制、实数、排列等

布局优化
参数调优

模拟自然选择，通过选择、交叉、变异进化种群

蚁群算法

信息素浓度τ_ij
启发式信息η_ij
蚂蚁数量m
挥发系数ρ
信息素增量Δτ

信息素矩阵：τ = [τ_ij]
启发式矩阵：η = [η_ij]
路径概率：p_ij^k

路径选择概率：
p{ij}^k = [τ{ij}]^α [η{ij}]^β / Σ{l∈allowed_k} [τ{il}]^α [η{il}]^β
信息素更新：
τ{ij} ← (1-ρ)τ{ij} + Σ{k=1}^m Δτ{ij}^k
增量：Δτ{ij}^k = Q/L_k (if 边(i,j)在路径k中) else 0
启发式：η{ij} = 1/d_{ij} (距离倒数)

τ_ij: 边(i,j)上的信息素浓度
η_ij: 启发式信息(通常1/d_ij)
α: 信息素重要度参数(通常1)
β: 启发式重要度参数(通常2-5)
ρ: 信息素挥发率(0<ρ<1)
Q: 信息素强度常数
L_k: 第k只蚂蚁的路径长度
allowed_k: 蚂蚁k的可行边集合
m: 蚂蚁数量

全局布线
路径优化

模拟蚂蚁信息素通信，寻找最短路径

粒子群优化

粒子位置x_i
粒子速度v_i
个体最优p_i
全局最优g
惯性权重w
学习因子c₁,c₂

位置矩阵：X = [x₁, x₂, …, x_N]
速度矩阵：V = [v₁, v₂, …, v_N]
适应度向量：f(X)

速度更新：
v_i^{t+1} = w v_i^t + c₁ r₁ (p_i – x_i^t) + c₂ r₂ (g – x_i^t)
位置更新：
x_i^{t+1} = x_i^t + v_i^{t+1}
个体最优更新：
if f(x_i^{t+1}) 优于 f(p_i): p_i = x_i^{t+1}
全局最优更新：
if f(p_i) 优于 f(g): g = p_i
惯性权重衰减：w = w_max – (w_max-w_min)×t/t_max

x_i: 粒子i的位置(如模块坐标)
v_i: 粒子i的速度
p_i: 粒子i的历史最优位置
g: 全局最优位置
w: 惯性权重(通常0.4-0.9)
c₁,c₂: 学习因子(通常~2)
r₁,r₂: 随机数U(0,1)
f(x): 适应度函数(如线长+拥塞)
t: 当前迭代次数
t_max: 最大迭代次数

布局优化
参数搜索

模拟鸟群飞行，通过个体经验和群体经验更新位置

模拟退火

当前状态S
温度T
能量函数E(S)
新状态S'
接受概率P

状态序列：S₀, S₁, …, S_k
温度调度：T(t)
能量序列：E(S_t)

Metropolis准则：
生成新状态S' (邻域操作)
计算能量差ΔE = E(S') – E(S)
如果ΔE < 0: 接受S'
否则: 以概率P = exp(-ΔE/T) 接受S'
温度调度：
指数冷却：T(t) = T₀·α^t, 0<α<1
对数冷却：T(t) = T₀/ln(t+1)
能量函数：E(S) = w_wire·Wirelength(S) + w_overlap·Overlap(S)

S: 当前布局状态
S': 候选新状态
E(S): 状态能量(目标函数)
T: 温度参数
ΔE: 能量变化
P: 接受概率
T₀: 初始温度
α: 冷却系数
t: 时间/迭代次数
w_wire, w_overlap: 权重
邻域操作：交换模块、移动模块、翻转模块等

布局优化
组合优化

模拟退火过程，以一定概率接受劣化解避免局部最优

神经网络优化

网络参数θ={W,b}
输入特征f
目标值y
损失函数L(θ)

网络输出：ŷ = NN(f; θ)
损失向量：L(θ) = Σ l(ŷi, y_i)
梯度：∇θ L(θ)

前向传播：
a^{(0)} = f
z^{(l)} = W^{(l)} a^{(l-1)} + b^{(l)}
a^{(l)} = σ(z^{(l)})
ŷ = a^{(L)}
反向传播：
δ^{(L)} = ∂l/∂a^{(L)} ⊙ σ'(z^{(L)})
δ^{(l)} = (W^{(l+1)})ᵀ δ^{(l+1)} ⊙ σ'(z^{(l)})
∇{W^{(l)}} L = δ^{(l)} (a^{(l-1)})ᵀ
∇{b^{(l)}} L = δ^{(l)}
参数更新：θ ← θ – η∇_θ L(θ)

θ: 网络参数(权重W和偏置b)
f: 输入特征向量
y: 目标值
ŷ: 网络预测值
L(θ): 损失函数
l: 单个样本损失
σ: 激活函数(如ReLU)
δ: 误差项
η: 学习率
L: 网络层数

参数预测
设计空间探索

训练神经网络预测性能，指导设计优化

贝叶斯优化

黑箱函数f(x)
观测集D={(x_i, f_i)}
采集函数α(x)
高斯过程先验

高斯过程：f(x) ~ GP(m(x), k(x,x'))
后验分布：f(x)

D ~ N(μ(x), σ²(x))
采集函数值：α(x;D)

高斯过程回归：
m(x) = E[f(x)]
k(x,x') = Cov[f(x), f(x')]
后验均值和方差：
μ(x) = k(x,X)[k(X,X) + σ_n² I]⁻¹ y
σ²(x) = k(x,x) – k(x,X)[k(X,X) + σ_n² I]⁻¹ k(X,x)
期望改进(EI)：
α_EI(x) = E[max(0, f(x) – f(x⁺))

D]
= (μ(x) – f(x⁺) – ξ)Φ(Z) + σ(x)φ(Z)
其中Z = (μ(x) – f(x⁺) – ξ)/σ(x)

x: 决策变量(如设计参数)
f(x): 黑箱目标函数(如功耗、性能)
D: 观测数据集
GP: 高斯过程
m(x): 均值函数
k(x,x'): 协方差函数(核函数)
μ(x): 后验均值
σ²(x): 后验方差
α(x): 采集函数
f(x⁺): 当前最优观测值
ξ: 平衡参数(探索vs利用)
Φ, φ: 标准正态CDF和PDF

免疫算法

抗体浓度x_i
抗原亲和力f_i
抗体相似度s_ij
克隆扩增率α
抑制阈值σ

抗体浓度动态：dx_i/dt = α f_i x_i – d x_i – k Σ_j s_ij x_i x_j
克隆选择：选择亲和力高的抗体进行克隆和变异

抗体更新规则：
1. 选择：按亲和力选择抗体
2. 克隆：复制选中的抗体，克隆数与亲和力成正比
3. 变异：对克隆体进行变异，变异率与亲和力成反比(超变异)
4. 抑制：清除相似度高的抗体(浓度抑制)
5. 补充：随机生成新抗体
抗体浓度方程：dx_i/dt = α f_i x_i – d x_i – k Σ_{j≠i} s_ij x_i x_j

x_i: 抗体i的浓度
f_i: 抗体i的亲和力(适应度)
s_ij: 抗体i和j的相似度(欧氏距离等)
α: 克隆扩增率
d: 自然死亡率
k: 抑制系数
σ: 抑制阈值(相似度高于此值则抑制)

多目标优化
约束处理

模拟免疫系统的克隆选择、亲和力成熟、免疫记忆等机制

人工蜂群算法

蜜源位置x_i
蜜源质量(适应度)f_i
跟随蜂选择概率p_i
侦查蜂比例
限制次数limit

蜜源矩阵：X = [x₁, x₂, …, x{SN}]
适应度向量：f = [f(x₁), …, f(x{SN})]
选择概率：p_i = f_i/Σ_j f_j

1. 初始化：随机生成SN个蜜源
2. 雇佣蜂阶段：每个雇佣蜂在其蜜源邻域搜索新蜜源
v_ij = x_ij + φ_ij (x_ij – x_kj), k≠i随机, φ_ij∈[-1,1]
贪婪选择：如果f(v_i)>f(x_i)则替换
3. 跟随蜂阶段：按概率p_i选择蜜源，并在其邻域搜索新蜜源
4. 侦查蜂阶段：如果蜜源未改进次数超过limit，则丢弃并由侦查蜂随机生成新蜜源
5. 记录全局最优

x_i: 蜜源i的位置(解向量)
f_i: 蜜源i的适应度
v_i: 新蜜源位置
φ_ij: 随机步长因子[-1,1]
p_i: 选择概率
SN: 蜜源数量(雇佣蜂数量)
limit: 限制次数
邻域搜索：在某个维度上随机扰动

数值优化
布局问题

模拟蜜蜂采蜜行为，雇佣蜂开发已知蜜源，跟随蜂按概率选择蜜源，侦查蜂探索新区域

布谷鸟搜索

鸟巢位置x_i
宿主发现概率p_a
步长α
莱维飞行参数β

鸟巢矩阵：X = [x₁, x₂, …, x_n]
适应度向量：f = [f(x₁), …, f(x_n)]
莱维飞行步长：s = α ⊕ Lévy(β)

1. 初始化：随机生成n个鸟巢
2. 莱维飞行：对每个鸟巢，通过莱维飞行产生新解
x_i^{t+1} = x_i^t + α ⊕ Lévy(β)
其中莱维飞行步长：Lévy(β) ~ u = t^{-β}, 1<β≤3
实际生成：s = α ⊕ (u/

v

^{1/β}), u~N(0,σ_u²), v~N(0,1)
σ_u = {Γ(1+β) sin(πβ/2) / [Γ((1+β)/2) β 2^{(β-1)/2}]}^{1/β}
3. 贪婪选择：如果新解更好则替换
4. 宿主发现：以概率p_a丢弃较差解并随机生成新解
5. 记录最优解

x_i: 鸟巢i的位置(解向量)
f_i: 鸟巢i的适应度
α: 步长缩放因子(通常0.01)
β: 莱维飞行指数(通常1.5)
p_a: 宿主发现概率(通常0.25)
⊕: 点对点乘法
Γ: Gamma函数
u,v: 正态分布随机数

蝙蝠算法

蝙蝠位置x_i
蝙蝠速度v_i
频率f_i
脉冲发射率r_i
响度A_i

位置矩阵：X = [x₁, x₂, …, x_n]
速度矩阵：V = [v₁, v₂, …, v_n]
频率向量：f = [f_min, f_max]
脉冲率向量：r = [r_i]
响度向量：A = [A_i]

1. 初始化：随机生成n只蝙蝠的位置x_i和速度v_i，设置频率f_i∈[f_min,f_max]，脉冲率r_i，响度A_i
2. 更新频率、速度和位置：
f_i = f_min + (f_max – f_min) β, β∈[0,1]
v_i^t = v_i^{t-1} + (x_i^{t-1} – x*) f_i
x_i^t = x_i^{t-1} + v_i^t
3. 局部搜索：如果rand>r_i，则在当前最优解附近生成局部解
x_new = x_old + ε A^t, ε∈[-1,1]随机
4. 更新脉冲率和响度：如果新解更好且rand<A_i，则接受新解，并更新
A_i^{t+1} = α A_i^t, r_i^{t+1} = r_i^0 [1 – exp(-γ t)]
5. 记录全局最优x*

x_i: 蝙蝠i的位置
v_i: 蝙蝠i的速度
f_i: 蝙蝠i的频率
r_i: 脉冲发射率(初始值r_i^0)
A_i: 脉冲响度(初始值A_i^0)
α: 响度衰减系数(0<α<1)
γ: 脉冲率增加系数(γ>0)
β,ε: 随机数[0,1]
x_*: 当前全局最优解

连续优化
多模态问题

模拟蝙蝠的回声定位行为，通过频率调节和脉冲率、响度控制探索与开发

电迁移原子通量

电流密度j
温度T
激活能Q
原子体积Ω
有效电荷数Z*

原子通量向量：J = J_em + J_th + J_st
其中J_em为电迁移通量，J_th为热迁移通量，J_st为应力迁移通量

电迁移通量：J_em = (C D_0 / kT)·exp(-Q/kT)·Z* e ρ j
其中D = D_0 exp(-Q/kT)为扩散系数
总通量：J = (C D / kT)·(Z* e ρ j – Ω ∇σ)
连续性方程：∂C/∂t = -∇·J

J: 原子通量(atoms/m²·s)
j: 电流密度(A/m²)
T: 温度(K)
Q: 激活能(eV)
Ω: 原子体积(m³/atom)
Z*: 有效电荷数
e: 电子电荷(1.6×10⁻¹⁹C)
ρ: 电阻率(Ω·m)
D: 扩散系数(m²/s)
D_0: 扩散常数
k: 玻尔兹曼常数(8.617×10⁻⁵eV/K)
C: 原子浓度(atoms/m³)
σ: 应力(Pa)

电迁移失效分析
互连可靠性

计算电流引起的原子迁移，预测空洞形成

布莱克方程

电流密度j
温度T
激活能Q
常数A,n

中位失效时间MTTF
电流加速因子AF

MTTF = A j⁻ⁿ exp(Q/kT)
电流加速因子：AF = (j_use/j_test)⁻ⁿ exp[Q/k (1/T_use – 1/T_test)]
通常n≈2, Q≈0.7-1.0eV (Al), Q≈0.9-1.1eV (Cu)

MTTF: 中位失效时间(h)
j: 电流密度(A/cm²)
T: 温度(K)
Q: 激活能(eV)
A: 材料常数
n: 电流密度指数(通常1-2)
AF: 加速因子
k: 玻尔兹曼常数(8.617×10⁻⁵eV/K)
下标use: 使用条件
下标test: 测试条件

电迁移寿命预测
加速测试

估算电迁移失效时间，用于可靠性评估

空洞生长动力学

原子通量散度∇·J
时间t
初始空洞半径r₀

空洞体积变化：dV/dt = -Ω ∮_S J·n dS
球形空洞：dr/dt = -Ω J / (4πr²)
圆柱形空洞：d(πr²l)/dt = -2πr Ω J

连续性方程：∂C/∂t = -∇·J
对于稳态：∇·J = 0
通量散度导致空洞生长：
∂V/∂t = -Ω ∫V ∇·J dV = -Ω ∮S J·n dS
简化模型：V(t) = V₀ – Ω J A t
其中A为横截面积

V: 空洞体积(m³)
r: 空洞半径(m)
t: 时间(s)
Ω: 原子体积(m³/atom)
J: 原子通量(atoms/m²·s)
∇·J: 通量散度(atoms/m³·s)
S: 表面积(m²)
n: 表面法向量
A: 横截面积(m²)
V₀: 初始空洞体积(m³)

空洞生长模拟
失效时间预测

模拟电迁移引起的空洞生长过程

应力迁移原子通量

应力梯度∇σ
原子浓度C
扩散系数D
原子体积Ω

应力迁移通量：J_st = (C D / kT) Ω ∇σ
总通量：J = (C D / kT) (Z* e ρ j + Ω ∇σ)

应力迁移引起的原子通量与应力梯度成正比：
J_st = – (C D / kT) Ω ∇σ
与电迁移结合：
J = (C D / kT) (Z* e ρ j – Ω ∇σ)
空洞形成条件：∇·J < 0 (通量汇聚)
小丘形成条件：∇·J > 0 (通量发散)

J_st: 应力迁移通量(atoms/m²·s)
∇σ: 应力梯度(Pa/m)
C: 原子浓度(atoms/m³)
D: 扩散系数(m²/s)
Ω: 原子体积(m³/atom)
kT: 热能量(eV)
J: 总原子通量
Z*: 有效电荷数
e: 电子电荷(C)
ρ: 电阻率(Ω·m)
j: 电流密度(A/m²)

应力迁移分析
空洞/小丘形成

计算应力梯度引起的原子迁移

能斯特方程

标准电极电位E⁰
离子浓度C
电子数n
温度T

电极电位E
反应商Q

E = E⁰ – (RT/nF) ln Q
对于氧化还原反应：aA + bB ⇌ cC + dD + ne⁻
Q = ([C]^c [D]^d) / ([A]^a [B]^b)
在25°C：E = E⁰ – (0.05916/n) log Q

E: 电极电位(V)
E⁰: 标准电极电位(V)
R: 气体常数(8.314J/mol·K)
T: 温度(K)
n: 转移电子数
F: 法拉第常数(96485C/mol)
Q: 反应商
[A],[B],[C],[D]: 物质浓度(M)
log: 以10为底的对数

电化学腐蚀电位
金属离子迁移

计算电化学电池的电位

塔菲尔方程

电流密度i
交换

塔菲尔方程

电流密度i
交换电流密度i0
过电位η
塔菲尔斜率a,b

过电位η与电流密度i的关系

阴极：η_c = a_c + b_c log|i_c|
阳极：η_a = a_a + b_a log(i_a)
或合并为：η = a + b log(i)
其中b = 2.303RT/(αnF) 为塔菲尔斜率
α为传递系数

i: 电流密度(A/m²)
i0: 交换电流密度(A/m²)
η: 过电位(V)
a: 塔菲尔常数(V)
b: 塔菲尔斜率(V/decade)
α: 传递系数(通常0.5)
n: 电子转移数
R: 气体常数(8.314J/mol·K)
T: 温度(K)
F: 法拉第常数(96485C/mol)

腐蚀速率分析
电化学迁移

描述过电位与电流密度的对数关系

腐蚀电流密度

腐蚀电位E_corr
塔菲尔斜率b_a, b_c
极化电阻R_p

腐蚀电流密度i_corr
线性极化电阻

线性极化法：i_corr = (b_a b_c)/[2.303(b_a+b_c)R_p]
塔菲尔外推法：i_corr为阳极和阴极塔菲尔线交点
Stern-Geary方程：i_corr = B/R_p, B = b_a b_c/[2.303(b_a+b_c)]

i_corr: 腐蚀电流密度(A/m²)
E_corr: 腐蚀电位(V)
b_a: 阳极塔菲尔斜率(V/decade)
b_c: 阴极塔菲尔斜率(V/decade)
R_p: 极化电阻(Ω·m²)
B: Stern-Geary常数(V)

腐蚀速率评估
互连可靠性

通过电化学测量评估腐蚀速率

法拉第定律

电流I
时间t
摩尔质量M
电荷数n

质量变化Δm
沉积/溶解物质量

Δm = (M I t)/(n F)
其中F为法拉第常数(96485C/mol)
体积变化：ΔV = Δm/ρ = (M I t)/(n F ρ)

Δm: 质量变化(kg)
M: 摩尔质量(kg/mol)
I: 电流(A)
t: 时间(s)
n: 电荷数(每摩尔电子数)
F: 法拉第常数(96485C/mol)
ρ: 密度(kg/m³)
ΔV: 体积变化(m³)

电镀厚度计算
腐蚀失重

计算通过电流引起的物质质量变化

TDDB寿命模型

电场E
温度T
激活能E_a
电场加速因子γ

失效时间t_BD
累积失效率F

电场依赖：t_BD = A exp(γE) exp(E_a/kT)
或 t_BD = τ_0 exp(E_a/kT) exp(-γE)
幂律模型：t_BD ∝ E^{-n}
累积失效率(Weibull)：
F(t) = 1 – exp[-(t/η)^β]
其中η为特征寿命，β为形状参数

t_BD: 击穿时间(s)
E: 电场强度(V/m)
T: 温度(K)
E_a: 激活能(eV)
γ: 电场加速因子(m/V)
A, τ_0: 材料常数
k: 玻尔兹曼常数(8.617×10^-5 eV/K)
n: 电场指数(通常30-50)
F: 累积失效率
η: 特征寿命(s)
β: 形状参数(Weibull斜率)

栅氧可靠性
介质击穿预测

预测在电场和温度应力下的介质击穿时间

1/E模型

电场E
温度T
激活能E_a

失效时间t_BD

t_BD = A exp(E_a/kT) exp(-γE)
其中γ为电场加速因子
或取对数：ln(t_BD) = ln(A) + E_a/kT – γE

t_BD: 击穿时间(s)
E: 电场强度(V/m)
T: 温度(K)
E_a: 激活能(eV)
γ: 电场加速因子(m/V或cm/MV)
A: 材料常数
k: 玻尔兹曼常数

薄栅氧TDDB模型

描述击穿时间与电场的指数关系

√E模型

电场E
温度T
激活能E_a

失效时间t_BD

t_BD = A exp(E_a/kT) exp(-γ√E)
或取对数：ln(t_BD) = ln(A) + E_a/kT – γ√E

t_BD: 击穿时间(s)
E: 电场强度(V/m)
T: 温度(K)
E_a: 激活能(eV)
γ: 电场加速因子(√(m/V))
A: 材料常数

厚栅氧TDDB模型

描述击穿时间与电场平方根的关系

空穴注入模型

空穴产生率G_h
空穴注入效率η_h
陷阱密度N_t

击穿时间t_BD

t_BD = 1/(G_h η_h N_t)
空穴产生率：G_h ∝ exp(-H_0/E)
其中H_0为临界电场
或G_h ∝ exp(-B/E)

t_BD: 击穿时间(s)
G_h: 空穴产生率(1/s)
η_h: 空穴注入效率
N_t: 陷阱密度(1/m³)
H_0, B: 材料常数(V/m)

空穴注入导致击穿

考虑空穴产生和注入的击穿模型

漂移-扩散方程

电子浓度n
空穴浓度p
电场E
电流密度J_n, J_p

电子电流密度：J_n = q μ_n n E + q D_n ∇n
空穴电流密度：J_p = q μ_p p E – q D_p ∇p
连续性方程：
∂n/∂t = (1/q)∇·J_n – R_n + G_n
∂p/∂t = -(1/q)∇·J_p – R_p + G_p
泊松方程：∇·(ε∇ψ) = -q(p – n + N_d⁺ – N_a⁻)

J_n: 电子电流密度(A/m²)
J_p: 空穴电流密度(A/m²)
q: 电子电荷(1.6×10⁻¹⁹C)
μ_n: 电子迁移率(m²/V·s)
μ_p: 空穴迁移率(m²/V·s)
D_n: 电子扩散系数(m²/s), D_n = (kT/q)μ_n
D_p: 空穴扩散系数(m²/s), D_p = (kT/q)μ_p
E: 电场强度(V/m), E = -∇ψ
ψ: 电势(V)
n: 电子浓度(1/m³)
p: 空穴浓度(1/m³)
R_n, R_p: 复合率(1/m³·s)
G_n, G_p: 产生率(1/m³·s)
ε: 介电常数(F/m)
N_d⁺: 电离施主浓度(1/m³)
N_a⁻: 电离受主浓度(1/m³)

半导体器件仿真
载流子输运

描述半导体中载流子在电场和浓度梯度下的输运行为

玻尔兹曼输运方程

分布函数f(r,k,t)
外力F
散射项(∂f/∂t)_coll

分布函数演化：∂f/∂t + v·∇r f + (F/ħ)·∇k f = (∂f/∂t)coll
其中v = (1/ħ)∇k E(k)为群速度
F = q(E + v×B)为洛伦兹力
弛豫时间近似：(∂f/∂t)_coll = -(f – f₀)/τ

f(r,k,t): 相空间分布函数
r: 位置坐标
k: 波矢
t: 时间
v: 群速度(m/s)
F: 外力(N)
ħ: 约化普朗克常数(1.054×10⁻³⁴J·s)
E(k): 能带结构(J)
q: 电子电荷(1.6×10⁻¹⁹C)
E: 电场(V/m)
B: 磁感应强度(T)
f₀: 平衡分布函数(费米-狄拉克分布)
τ: 弛豫时间(s)
(∂f/∂t)_coll: 碰撞项

纳米尺度输运
高场效应

从微观角度描述载流子输运，适用于非平衡态

热载流子注入

电场E
温度T_e
晶格温度T_l
能量弛豫时间τ_ε

载流子温度T_e
能量平衡方程：
∂(n w)/∂t + ∇·S = J·E – (n w – n w₀)/τ_ε
其中w = (3/2)k_B T_e 为平均能量
S = -κ_e ∇T_e 为能流密度
κ_e 为电子热导率

T_e: 载流子温度(K)
T_l: 晶格温度(K)
τ_ε: 能量弛豫时间(s)
n: 载流子浓度(1/m³)
w: 平均能量(J)
w₀: 平衡时平均能量, w₀=(3/2)k_B T_l
S: 能流密度(W/m²)
κ_e: 电子热导率(W/m·K)
J: 电流密度(A/m²)
E: 电场(V/m)
k_B: 玻尔兹曼常数(1.38×10⁻²³J/K)

热载流子效应
高场输运

描述高电场下载流子温度高于晶格温度的现象

隧穿概率

势垒高度Φ_B
势垒宽度d
有效质量m*
电子能量E

隧穿概率T_WKB
直接隧穿电流J_T

WKB近似：
T_WKB ≈ exp[-2∫_{x1}^{x2} κ(x) dx]
其中κ(x) = √[2m(Φ(x)-E)/ħ²]
三角形势垒(电场E)：
T = exp[-4√(2m) Φ_B^{3/2}/(3qħE)]
直接隧穿电流：
J_T = (q²/(4π²ħ)) ∫ T(E) [f(E)-f(E+qV)] dE

T_WKB: 隧穿概率
Φ_B: 势垒高度(eV)
d: 势垒宽度(m)
m*: 有效质量(kg)
E: 电子能量(eV)
κ: 衰减常数(1/m)
ħ: 约化普朗克常数(1.054×10⁻³⁴J·s)
q: 电子电荷(1.6×10⁻¹⁹C)
Φ(x): 势垒形状函数(eV)
x1,x2: 经典转折点
J_T: 隧穿电流密度(A/m²)
f(E): 费米分布函

薛定谔方程

波函数ψ(r)
势能V(r)
有效质量m*

定态薛定谔方程：[-ħ²/(2m)]∇²ψ + Vψ = Eψ
一维无限深方势阱：
ψ_n(x) = √(2/L) sin(nπx/L)
E_n = (n²π²ħ²)/(2mL²)
一维谐振子：
ψ_n(x) = (mω/(πħ))^{1/4} (1/√(2^n n!)) H_n(ξ) e^{-ξ²/2}
E_n = (n+½)ħω, ξ = √(mω/ħ) x

ψ: 波函数
V: 势能(J)
E: 能量本征值(J)
m*: 有效质量(kg)
ħ: 约化普朗克常数(1.054×10⁻³⁴J·s)
L: 势阱宽度(m)
n: 量子数(n=1,2,3,…)
ω: 谐振子频率(rad/s)
H_n: 厄米多项式
归一化：∫|ψ|² dV = 1

量子阱/点/线
能级计算

求解纳米结构中的电子波函数和能级

量子电容

态密度g(E)
费米能级E_F
温度T

量子电容C_Q = dQ/dV = q² ∫ g(E) (-∂f/∂E) dE
其中f(E) = 1/[1+exp((E-E_F)/(k_B T))]
二维电子气：g_2D = m/(πħ²) (常数)
C_Q = (q² m)/(πħ²) [1 – exp(-E_F/(k_B T))]⁻¹
零温极限：C_Q = (q² m*)/(πħ²)

C_Q: 量子电容(F/m²)
g(E): 态密度(1/J·m²或1/J·m³)
E_F: 费米能级(J)
f(E): 费米-狄拉克分布函数
q: 电子电荷(1.6×10⁻¹⁹C)
m*: 有效质量(kg)
ħ: 约化普朗克常数(1.054×10⁻³⁴J·s)
k_B: 玻尔兹曼常数(1.38×10⁻²³J/K)
T: 温度(K)

纳米MOSFET
量子电容效应

计算低维系统中由于态密度限制引起的附加电容

弹道输运

模式数M
透射概率T(E)
费米分布f(E)

弹道电流I = (2q/h) ∫ T(E) [f_S(E)-f_D(E)] dE
对于理想弹道输运(T(E)=1)：
I = (2q/h) ∫ [f_S(E)-f_D(E)] dE
在零温下：I = (2q/h) M (μ_S – μ_D)
其中M为模式数

I: 电流(A)
q: 电子电荷(1.6×10⁻¹⁹C)
h: 普朗克常数(6.626×10⁻³⁴J·s)
T(E): 能量相关的透射概率
f_S(E): 源端费米分布
f_D(E): 漏端费米分布
M: 模式数(传导通道数)
μ_S: 源端化学势(J)
μ_D: 漏端化学势(J)
E: 能量(J)

纳米线晶体管
弹道输运

描述无散射情况下的载流子输运，适用于短沟道器件

电化学腐蚀速率

腐蚀电流密度 i_corr
腐蚀电位 E_corr
塔菲尔斜率 b_a, b_c
极化电阻 R_p

腐蚀速率向量：CR = (i_corr * M) / (n * F * ρ)
法拉第电流：i = i_0 [exp((E-E_eq)/b_a) – exp(-(E-E_eq)/b_c)]
线性极化：R_p = (b_a * b_c) / [2.303 * i_corr * (b_a + b_c)]

腐蚀速率 (mm/year):
CR = (3.27 × 10⁻³ * i_corr * EW) / ρ
其中 EW = M / (n * ξ)
i_corr 由 Stern-Geary 方程给出：
i_corr = (b_a * b_c) / [2.303 * R_p * (b_a + b_c)]
塔菲尔外推法：
log(i) = log(i_corr) + (E – E_corr)/b_a (阳极)
log(

i

) = log(i_corr) – (E – E_corr)/b_c (阴极)

i_corr: 腐蚀电流密度 (A/cm²)
E_corr: 腐蚀电位 (V)
b_a: 阳极塔菲尔斜率 (V/decade)
b_c: 阴极塔菲尔斜率 (V/decade)
R_p: 极化电阻 (Ω·cm²)
M: 金属摩尔质量 (g/mol)
n: 氧化反应电子数
F: 法拉第常数 (96485 C/mol)
ρ: 金属密度 (g/cm³)
EW: 当量重量 (g/equivalent)
ξ: 金属离子电荷数

时变介质击穿 (TDDB) 模型

电场强度 E
温度 T
激活能 E_a
威布尔斜率 β
特征寿命 τ_0

累积失效概率 F(t)
失效率 λ(t)
寿命 τ

威布尔分布：
F(t) = 1 – exp[-(t/τ)^β]
特征寿命 τ 的电场、温度依赖性 (E-model):
τ = τ_0 * exp(γ E) * exp(E_a / kT)
或 1/E-model:
τ = τ_0 * exp(-G / E) * exp(E_a / kT)
失效率：λ(t) = (β/τ) * (t/τ)^(β-1)
其中 G 为电场加速因子

E: 施加电场强度 (V/cm)
T: 绝对温度 (K)
E_a: 激活能 (eV)
γ: 电场加速参数 (cm/V)
G: 电场加速参数 (V/cm)
τ_0: 特征寿命常数 (s)
τ: 特征寿命 (s)
β: 威布尔形状参数
F(t): 时间t内的累积失效概率
λ(t): 瞬时失效率 (1/s)
k: 玻尔兹曼常数

栅氧可靠性评估
介质寿命预测

预测在恒电场应力下，栅介质因电荷俘获和缺陷产生而击穿的时间。

热载流子注入 (HCI) 模型

衬底电流 I_sub
栅电流 I_g
电压 V_d, V_g
时间 t
退化参数 ΔP (如 ΔV_th)

退化量 ΔP
退化率 R

经验幂律模型：
ΔP = A * (I_sub / W) * t^n * exp(-E_a / kT)
或：
ΔP = B * (I_sub / W)^m * t^n
器件寿命 τ (ΔP达到规定值):
τ = C * (I_sub / W)^(-m) * exp(E_a / kT)
E_a 与应力条件有关，常为负值。

I_sub: 衬底电流 (A)
I_g: 栅电流 (A)
W: 沟道宽度 (cm)
t: 应力时间 (s)
ΔP: 参数退化量 (如 V_th 漂移量 V)
A, B, C: 工艺相关常数
m, n: 电流、时间指数 (m~3, n~0.5)
E_a: 表观激活能 (eV)
V_d: 漏电压 (V)
V_g: 栅电压 (V)
k: 玻尔兹曼常数
T: 温度 (K)

晶体管老化分析
电路寿命预测

评估高电场下热载流子对栅氧和界面造成损伤，导致器件参数退化的模型。

负偏压温度不稳定性 (NBTI) 模型

栅压 V_g (<0)
温度 T
时间 t
界面态密度 ΔN_it
固定电荷 ΔN_ot

阈值电压漂移 ΔV_th
反应-扩散 (R-D) 模型框架：
生成：ΔN_it = k_f * (N_0 – N_it) * exp(-E_a/kT)
扩散：∂N_H/∂t = D_H * ∂²N_H/∂x²
ΔV_th = q * (ΔN_it + ΔN_ot) / C_ox
经验模型 (幂律)：
ΔV_th = A * (-V_g)^α * exp(-E_a/kT) * t^β
其中 β 从 ~0.25 (短时) 过渡到 ~0.16 (长时)

ΔV_th: 阈值电压负向漂移 (V)
V_g: 负栅压 (V)
T: 温度 (K)
t: 应力时间 (s)
ΔN_it: 界面态密度增量 (#/cm²)
ΔN_ot: 氧化层陷阱电荷增量 (#/cm²)
k_f: 反应速率常数
N_0: 可反应氢钝化键密度
N_H: 氢浓度
D_H: 氢扩散系数
A, α, β: 拟合参数
E_a: 激活能 (~0.1-0.2 eV for ΔN_it)
q: 电子电荷
C_ox: 单位面积栅氧电容

PMOSFET可靠性建模
电路老化仿真

模拟PMOS在负栅压和高温下，Si-H键断裂导致界面态产生，引起Vth退化的现象。

自热效应 (Self-Heating) 模型

功耗 P_diss
热阻 R_th
热容 C_th
环境温度 T_a
时间 t

结温 T_j
瞬态温度响应 ΔT(t)

稳态温升：
ΔT_ss = P_diss * R_th
瞬态热响应 (Cauer/Foster 模型):
ΔT(t) = P_diss * R_th * [1 – exp(-t / τ_th)]
其中 τ_th = R_th * C_th
n阶 Foster 模型：
Z_th(t) = Σ_{i=1}^n R_i * [1 – exp(-t / (R_i*C_i))]
ΔT(t) = P_diss * Z_th(t)

P_diss: 器件/互连功耗 (W)
R_th: 热阻 (K/W)
C_th: 热容 (J/K)
T_a: 环境温度 (K)
T_j: 结温 (K)
ΔT: 温升 (K)
τ_th: 热时间常数 (s)
Z_th(t): 瞬态热阻抗 (K/W)
R_i, C_i: Foster模型第i阶热阻、热容

FinFET/Nanosheet 自热分析
动态温度仿真

计算晶体管或互连在高功率密度下，由于自身功耗引起的局部温升，及其对性能和可靠性的影响。

应变硅迁移率模型

应力分量 σ_xx, σ_yy, σ_zz, σ_xy
压电系数 Π_ij
零应力迁移率 μ_0
应力系数 α, β

迁移率变化 Δμ/μ_0
等效垂直场 E_eff

一阶模型 (对双轴应力):
Δμ/μ_0 = α * (σ_xx + σ_yy) + β * σ_zz
更普适的模型 (考虑剪切应力):
Δμ/μ_0 = Π_xx * (σ_xx – σ_h) + Π_yy * (σ_yy – σ_h) + Π_zz * (σ_zz – σ_h) + Π_xy * σ_xy
其中 σ_h = (σ_xx + σ_yy + σ_zz)/3 为静水应力分量。
迁移率与垂直电场关系 (经验):
μ_eff = μ_0 / [1 + (E_eff / E_0)^γ]

σ_ij: 应力张量分量 (Pa)
Π_ij: 压电系数张量分量 (1/Pa)，与晶向、载流子类型有关
μ_0: 零应力/低场迁移率 (cm²/V·s)
α, β: 工艺/材料相关的应力系数 (1/Pa)
Δμ/μ_0: 迁移率相对变化
E_eff: 有效垂直电场 (V/cm)
E_0, γ: 与工艺相关的拟合参数
σ_h: 静水应力分量 (Pa)

应变工程优化
器件性能提升

评估因工艺引入的机械应力（如SiGe源漏、应力 liner）对硅沟道载流子迁移率的影响，从而改变驱动电流。

量子限制与隧穿模型

势垒高度 φ_b
势垒厚度 t_ox
有效质量 m*
载流子能量 E

隧穿概率 T_qm
栅氧隧穿电流密度 J_tun

三角形势垒近似 (FN隧穿):
J_fn = A * E_ox² * exp(-B / E_ox)
其中 A = q³ m / (8π h φ_b m_ox), B = (8π √(2m_ox) φ_b^{3/2}) / (3h q)
直接隧穿 (WKB近似):
T_qm ≈ exp[ – (2 / ħ) ∫_0^{t_ox} √(2m_ox * (φ(x) – E)) dx ]
其中 φ(x) = φ_b – q * E_ox * x (线性势垒)
J_dt = J_fowler * T_qm

φ_b: 势垒高度 (eV)
t_ox: 氧化层厚度 (cm)
E_ox: 氧化层电场 (V/cm)
m*: 载流子有效质量 (kg)， m_ox 为氧化层中有效质量
E: 载流子能量 (eV)
T_qm: 量子隧穿概率
J_tun: 隧穿电流密度 (A/cm²)
J_fn: Fowler-Nordheim 隧穿电流密度
J_dt: 直接隧穿电流密度
q: 电子电荷 (1.6e-19 C)
h: 普朗克常数 (6.626e-34 J·s)
ħ: 约化普朗克常数 (h/2π)
A, B: FN 隧穿常数

超薄栅氧漏电分析
量子效应建模

当氧化层薄至纳米尺度，载流子以量子隧穿方式穿越势垒，导致栅极漏电。此模型用于精确计算隧穿电流。

工艺波动模型 (Pelgrom 模型)

器件面积 W*L
工艺参数 P
失配系数 A_p

参数失配方差 σ²(ΔP)
相关系数 ρ

Pelgrom 定律 (阈值电压、电流因子失配):
σ²(ΔV_th) = A_{Vth}² / (W * L)
σ²(Δβ/β) = A_β² / (W * L)
参数相关性：
ρ(ΔV_th, Δβ) = ρ_0 / √(W*L)
更一般的空间波动模型 (包括系统变化):
ΔP(x,y) = ΔP_global + ΔP_sys(x,y) + ΔP_rand(x,y)
其中随机分量 ΔP_rand 满足 Pelgrom 定律。

σ(ΔP): 两个相同器件参数P的差值标准差
A_p: 失配系数，取决于工艺节点和参数 (如 A_{Vth} 单位: mV·μm)
W, L: 晶体管沟道宽度和长度 (μm)
ρ: 不同参数失配间的相关系数
ΔP_global: 全局工艺偏差 (如晶圆间)
ΔP_sys: 系统性的空间梯度变化 (如光刻、CMP)
ΔP_rand: 随机失配 (如掺杂涨落)

匹配电路设计 (SRAM, ADC)
电路良率分析

描述由于掺杂浓度、线宽、氧化层厚度等微观随机涨落导致的器件参数（如Vth, β）失配，是模拟/混合信号电路设计的核心模型。

化学机械抛光 (CMP) 模型

抛光压力 P
相对速度 v
Preston 常数 K
时间 t
初始形貌 h_0(x,y)

材料去除率 RR
抛光后高度 h(x,y,t)

Preston 方程 (局部去除率):
RR(x,y) = dh(x,y,t)/dt = -K * P(x,y,t) * v(x,y,t)
压力分布模型 (弹性基础):
P(x,y,t) = k * [h(x,y,t) – h_ref(t)]
其中 h_ref 为基准平面高度。
高度演化方程:
∂h/∂t = -K * k * v * (h – h_ref) + D * ∇²h
扩散项D模拟浆料输运。

RR: 材料去除率 (厚度/时间)
K: Preston 常数 (工艺相关) (1/压力)
P: 局部抛光压力 (Pa)
v: 晶圆与抛光垫相对速度 (m/s)
h(x,y,t): 表面高度分布 (m)
h_ref(t): 参考高度/平均高度 (m)
k: 等效弹性系数 (Pa/m)
D: 质量输运扩散系数 (m²/s)
∇²: 拉普拉斯算子
t: 抛光时间 (s)

互连平坦化仿真
金属/介质厚度均匀性

模拟CMP工艺中，不同区域由于图案密度、线宽差异导致抛光速率不同，从而影响最终表面平整度（碟形、侵蚀效应）。

光学邻近效应校正 (OPC) 模型

掩模图形 M(x,y)
光学系统传递函数 T(f_x,f_y)
光刻胶模型 R(·)
目标图形 I_target(x,y)

光强分布 I(x,y)
光刻胶轮廓 C(x,y)
边缘放置误差 EPE

光强成像 (Hopkins 公式，标量近似):
I(x,y) = ∫∫∫∫ M(x',y') M*(x'',y'') ×
T(x-x', y-y', x-x'', y-y'') dx'dy'dx''dy''
光刻胶模型 (阈值或更复杂模型):
C(x,y) = R( I(x,y) )
边缘放置误差 (EPE):
EPE(s) = d( C(s), I_target(s) )
其中 d 为光刻胶轮廓C上点s到目标图形对应边的垂直距离。

M(x,y): 掩模透过率函数 (0或1，或连续PSM)
T: 光学系统传递交叉系数 (TCC)
I(x,y): 成像光强分布
C(x,y): 显影后光刻胶轮廓
R(·): 光刻胶响应函数 (如阈值、可变阈值模型)
I_target(x,y): 目标设计图形 (0或1)
EPE(s): 沿图形边缘的放置误差 (nm)
s: 边缘位置参数

光刻掩模优化
分辨率增强技术

通过预先扭曲掩模图形（添加辅助线条、调整线宽），来补偿光学衍射和光刻胶效应对成像造成的失真，使硅片图形更接近设计目标。

设计规则检查 (DRC) 几何运算

多边形集合 A, B
运算规则 (宽度、间距、包围、面积等)

运算结果集合 C
错误标记列表 E

布尔运算：
C = A AND B (交集)
C = A OR B (并集)
C = A NOT B (差集)
C = A XOR B (异或)
尺寸调整：
Grow(A, d) = A ⊕ B_d (膨胀)
Shrink(A, d) = A ⊖ B_d (腐蚀)
其中 B_d 是半径为d的圆盘。
间距检查 (Spacing):
E = { p

Distance(p, A) < S_min, p ∈ B }
宽度检查 (Width):
E = { A'

A' = Shrink(A, W_min/2) AND A' ≠ ∅ }

A, B: 输入多边形层
C: 输出多边形层
E: 错误标记集合
d: 尺寸调整量
S_min: 最小间距规则
W_min: 最小宽度规则
⊕: 形态学膨胀运算
⊖: 形态学腐蚀运算
B_d: 结构元素 (圆盘)
Distance(p, A): 点p到多边形A的最小距离

等效电路模型降阶 (MOR)

状态空间矩阵 {C, G, B, L}
阶数 q << n
投影矩阵 V

降阶系统 {C_q, G_q, B_q, L_q}
传递函数 H_q(s) ≈ H(s)

原始系统 (来自PEEC, FEM):
C dx/dt = -G x + B u
y = L^T x
采用 Krylov 子空间投影 (Arnoldi 算法):
构建投影矩阵 V, 使得 colspan(V) = K_q(G⁻¹C, G⁻¹B)
其中 K_q(A, R) 为矩阵A关于起始向量R的q阶Krylov子空间。
降阶模型:
C_q = V^T C V, G_q = V^T G V, B_q = V^T B, L_q = V^T L
x ≈ V x_q, y_q = L_q^T x_q
矩匹配: H_q(s) 的前q阶矩与 H(s) 匹配。

C: 电容/电感矩阵 (n×n)
G: 电导矩阵 (n×n)
B, L: 输入输出映射矩阵 (n×p)
x: 状态变量向量 (n×1)
u, y: 输入输出向量 (p×1)
V: 投影矩阵 (n×q), 列正交
C_q, G_q: 降阶系统矩阵 (q×q)
B_q, L_q: 降阶映射矩阵 (q×p)
H(s): 传递函数
q: 降阶后系统阶数
n: 原始系统阶数 (非常大)

大规模互连/封装模型简化
快速瞬态仿真

将有限元或矩量法提取的庞大寄生参数网络，通过数学变换（如Krylov子空间投影）降低其复杂度，生成计算高效的宏模型，用于电路仿真。

芯片-封装-系统协同仿真耦合函数

芯片功耗分布 P_chip(x,y,t)
封装热网络模型 Z_th_pkg(s)
系统散热边界条件 h, T_∞

芯片温度场 T_chip(x,y,t)
封装热流分布 q_pkg(t)
系统级温度 T_sys

多尺度热耦合:
芯片 (详细): ρc ∂T/∂t = ∇·(k∇T) + P_chip
封装 (紧凑网络): C_pkg dT_pkg/dt = -G_pkg T_pkg + q_pkg
系统 (集总/CFD): 边界条件 T=T_sys 或 -k ∂T/∂n = h(T-T∞)
界面耦合条件:
T_chip(boundary) = T_pkg(interface)
∫A -k ∂T_chip/∂n dA = q_pkg
电-热耦合迭代: 计算T_chip → 更新器件参数 (迁移率, Vth) → 重新计算P_chip → 直至收敛。

P_chip: 芯片功耗分布 (W/m³)
T_chip: 芯片温度场 (K)
Z_th_pkg(s): 封装热阻抗 (频域或阶跃响应)
C_pkg, G_pkg: 封装热网络电容/电导矩阵
T_pkg: 封装节点温度向量
q_pkg: 流入封装的热流向量 (W)
h: 系统级对流换热系数 (W/m²K)
T_∞: 环境温度 (K)
T_sys: 系统级温度 (K)
k: 热导率 (W/mK)
ρ: 密度 (kg/m³)
c: 比热容 (J/kgK)

芯片-封装协同设计
系统级热管理

建立从晶体管（纳米尺度自热）到芯片、封装、散热器乃至整个系统的多物理场（电-热-应力）耦合仿真框架，用于评估芯片在实际工作环境下的性能与可靠性。

硅光子波导模式方程

波导折射率分布 n(x, y)
真空波数 k₀ = 2π/λ
传播常数 β

模式场分布向量: Ψ(x,y) = [E_x, E_y, H_x, H_y]ᵀ
有效折射率 n_eff = β/k₀

矢量亥姆霍兹方程 (全矢量波动方程):
∇ × (∇ × E) – k₀² n²(x,y) E = 0
∇ × (1/n² ∇ × H) – k₀² H = 0
标量近似 (适用于弱导):
∇ₜ² Ψ + [k₀² n²(x,y) – β²] Ψ = 0
其中 ∇ₜ² = ∂²/∂x² + ∂²/∂y² 为横向拉普拉斯算子。

n(x,y): 波导横截面折射率分布
λ: 真空波长 (m)
k₀: 真空波数 (1/m)
β: 传播常数 (1/m)
n_eff: 模式有效折射率
Ψ: 模式场分布 (电场E或磁场H分量)
E, H: 电场和磁场向量

硅光互连波导设计
光电共封装

求解特定折射率分布的波导所支持的光波导模（模式），用于设计单模波导、耦合器、分束器等光子器件，计算其有效折射率、场分布、损耗等。

光栅耦合器方程

光栅周期 Λ
占空比 f
光栅刻蚀深度 d
入射角 θ

衍射效率 η_m (m为衍射级次)
耦合效率 η_coup

光栅方程 (相位匹配):
n_i sinθ_i + m λ/Λ = n_eff
其中 m=±1, ±2,…
耦合效率 (简化，针对单模光纤到波导):
η_coup ∝

∫∫ E_fiber(x,y) · E_wg*(x,y) dx dy

²
严格耦合波分析 (RCWA) 是更精确的求解方法，将光栅区展开为傅里叶级数，求解麦克斯韦方程。

Λ: 光栅周期 (m)
f: 占空比 (光栅脊宽/周期)
d: 刻蚀深度 (m)
θ: 入射光角度 (弧度)
η_m: 第m级衍射效率
η_coup: 总的输入/输出耦合效率
n_i: 入射介质折射率
n_eff: 波导模式有效折射率
E_fiber: 光纤模场
E_wg: 波导模场

微环谐振器传递函数

环半径 R
波导与环的耦合系数 κ
波导损耗系数 α
环周传播常数 βL

谐振波长 λ_res
自由光谱范围 FSR
品质因子 Q
透射谱 T(λ)

全通型微环 (单波导耦合) 透射率:
T(λ) =

(t – a e^{jφ}) / (1 – t a e^{jφ})

²
其中: t = √(1-κ²) (直通端振幅传输系数), a = exp(-αL/2) 为环单程振幅损耗因子, φ = βL 为单程相移, L=2πR 为环周长。
谐振条件: φ = βL = 2mπ, m为整数。
谐振波长: λ_res = n_eff L / m
自由光谱范围: FSR ≈ λ² / (n_g L), n_g 为群折射率。

R: 微环半径 (m)
κ: 振幅耦合系数
α: 波导功率损耗系数 (1/m)
β: 传播常数 (1/m)
L: 环周长 (m)
λ_res: 谐振波长 (m)
FSR: 自由光谱范围 (波长差)
Q: 品质因子, Q = λ_res / FWHM
T(λ): 波长相关的透射率
n_eff: 有效折射率
n_g: 群折射率, n_g = n_eff – λ dn_eff/dλ

电光调制器 (载流子色散) 模型

载流子浓度变化 ΔN, ΔP
等离子体色散系数 a, b
相互作用长度 L
重叠积分 Γ

折射率变化 Δn
吸收变化 Δα
相位调制 Δφ
调制效率 V_πL_π

等离子体色散效应 (硅):
Δn = Δn_e + Δn_h = – (e² λ² / (8π² c² ε_0 n)) * [ (ΔN / m_ce) + (ΔP / m_ch) ]
Δα = Δα_e + Δα_h = (e³ λ² / (4π² c³ ε_0 n)) * [ (ΔN / μ_e m_ce²) + (ΔP / μ_h m_ch²) ]
其中 m_c* 为导带/价带载流子有效质量, μ 为迁移率。
相位调制器相移: Δφ = (2π/λ) Δn_eff Γ L
Mach-Zehnder调制器 (MZM) 传输: I_out / I_in = cos²(Δφ/2)
V_πL_π = λ / (2 Γ Δn_max/V)

ΔN, ΔP: 电子、空穴浓度变化 (m⁻³)
Δn, Δα: 折射率和吸收系数变化
a, b: 经验等离子体色散系数 (m³)， Δn = -a ΔN – b ΔP
λ: 波长 (m)
n: 材料折射率
e: 电子电荷 (C)
c: 光速 (m/s)
ε_0: 真空介电常数 (F/m)
Γ: 光场与调制区的重叠积分因子
L: 调制器长度 (m)
Δφ: 累积相移 (rad)
V_πL_π: 半波电压-长度积 (V·cm)，衡量调制效率

硅基电光调制器设计
高速光互连

利用载流子注入、耗尽或积累改变硅的折射率，从而调制通过光波导的光的相位，结合干涉结构（如MZM）转换为强度调制。模型用于优化掺杂分布、波导几何和电极设计，以实现高带宽、低功耗调制。

线边缘粗糙度 (LER) 电学影响模型

粗糙度相关长度 ξ
粗糙度均方根高度 Δ
线宽 W
线长 L

电阻涨落 σ_R/R
电流涨落 σ_I/I
阈值电压涨落 σ_Vth

基于几何扰动的解析模型 (一阶近似):
σ_R / R₀ ≈ (Δ / W) * √(ξ / L)
其中 R₀ 为理想线电阻。
更精确的模型考虑功率谱密度 (PSD):
PSD(f) = 2Δ²ξ / (1 + (2πfξ)²)^{H+1}
其中 f 为空间频率，H 为 Hurst 指数 (通常~0.5)。
电学参数涨落可通过将粗糙轮廓代入泊松方程或通过蒙卡卡罗模拟得到。

ξ: 相关长度，描述粗糙度起伏的空间相关性 (m)
Δ: 线边缘偏离理想位置的均方根粗糙度 (m)
W: 平均线宽 (m)
L: 线长 (m)
σ_R: 电阻的标准差 (Ω)
R₀: 理想 (平滑) 线电阻 (Ω)
PSD(f): 粗糙度的功率谱密度 (m³)
H: Hurst 指数，描述粗糙度的自仿射特性 (0<H<1)
σ_Vth: 晶体管阈值电压涨落 (V)

先进节点互连与器件涨落分析
电路性能良率预测

描述光刻和刻蚀工艺引起的导线物理边缘的随机波动。LER导致互连线电阻、电容的涨落，并严重影响窄沟道晶体管的Vth均匀性。模型用于评估其对电路时序、功耗和良率的影响。

混合键合 (Cu-Cu) 电-热-力耦合模型

键合界面接触电阻 R_c
界面热阻 R_th_int
界面法向应力 σ_n
屈服强度 σ_y
扩散激活能 Q

电流-电压特性 I(V)
界面温升 ΔT_int
蠕变应变率 dε/dt

电接触: R_c = ρ / (A_eff) + R_tunnel
其中 A_eff 为实际导电接触面积，小于表观面积。
A_eff 与 σ_n 相关: A_eff = A_nom * (σ_n / H)^m, H为材料硬度。
热传导: ΔT_int = R_th_int * q, 1/R_th_int = h_k A_eff + h_ph A_nom, h_k 和 h_ph 分别为电子和声子贡献的传热系数。
应力松弛 (蠕变): dε/dt = A_0 exp(-Q/kT) (σ_n)^n

R_c: 接触界面电阻 (Ω·m²)
R_th_int: 界面热阻 (K·m²/W)
σ_n: 界面法向应力 (Pa)
A_eff: 有效电/热接触面积 (m²)
A_nom: 名义接触面积 (m²)
H: 材料硬度 (Pa)
ρ: 材料电阻率 (Ω·m)
R_tunnel: 隧穿电阻 (如果存在氧化层)
q: 通过界面的热流密度 (W/m²)
ΔT_int: 界面温升 (K)
dε/dt: 稳态蠕变应变率 (1/s)
Q: 扩散激活能 (eV)
A_0, m, n: 材料相关常数

3D IC Cu-Cu混合键合可靠性

描述3D堆叠中芯片间直接铜-铜键合界面的电、热、机械行为。模型耦合了接触压力、实际接触面积、界面电阻、热阻以及高温下的蠕变退化，用于评估互连性能和长期可靠性。

主动学习代理模型 (Kriging/Gaussian Process)

设计变量 x ∈ R^d
观测数据 D = {(x_i, y_i)}
核函数 k(x, x')
均值函数 m(x)

代理模型 f_hat(x) ~ GP(m(x), k(x, x'))
预测均值 μ(x)
预测方差 σ²(x)
期望改进 EI(x)

高斯过程回归:
μ(x) = k(x, X)[K + σ_n²I]⁻¹ y
σ²(x) = k(x, x) – k(x, X)[K + σ_n²I]⁻¹ k(X, x)
其中 K_ij = k(x_i, x_j)， X 和 y 为观测数据矩阵和向量。
常用核函数 (平方指数):
k(x, x') = σ_f² exp( -0.5 Σ{i=1}^d (x_i – x'i)² / l_i² )
主动学习采集函数 (期望改进):
EI(x) = E[ max(0, f(x) – f(x⁺))

D ]
= (μ(x) – f(x⁺) – ξ) Φ(Z) + σ(x) φ(Z)
Z = (μ(x) – f(x⁺) – ξ) / σ(x)

x: d维设计变量 (如几何尺寸、偏压)
y: 观测到的性能 (如带宽、功耗)
D: 已评估的数据集
GP: 高斯过程
m(x): 先验均值函数
k(x,x'): 协方差函数 (核函数)
μ(x), σ²(x): 在x点预测的均值和方差
σ_f²: 信号方差
l_i: 第i维的长度尺度参数
σ_n²: 噪声方差
f(x⁺): 当前最优观测值
EI(x): 期望改进，用于选择下一个评估点
ξ: 平衡探索与利用的参数
Φ, φ: 标准正态CDF和PDF

GPU设计空间探索
多目标优化

拓扑优化 (密度法) 目标函数

设计域 Ω 的伪密度场 ρ(x) ∈ [0,1]
材料属性插值 (如弹性模量 E(ρ))
约束 (如体积分数 V_f)
目标 (如最小柔度 C)

优化变量向量 ρ
目标函数值 C(ρ)
敏度 ∂C/∂ρ

最小柔度 (最大刚度) 问题:
min_ρ C(ρ) = Uᵀ K U = Σ_e (u_eᵀ k_e(ρ_e) u_e)
s.t. K(ρ) U = F
V(ρ) / V_0 ≤ V_f
0 ≤ ρ_e ≤ 1
材料插值 (SIMP):
E(ρ_e) = E_min + ρ_e^p (E_0 – E_min)
其中 p≥3 为惩罚因子，迫使中间密度趋于0或1。
敏度分析: ∂C/∂ρ_e = -p ρ_e^{p-1} (E_0 – E_min) u_eᵀ k_e⁰ u_e

ρ(x): 单元伪密度，0为孔洞，1为实体材料
ρ: 所有单元密度的向量
C: 结构柔度 (整体应变能的度量)
U: 整体位移向量
K: 整体刚度矩阵
F: 载荷向量
u_e, k_e: 单元位移和单元刚度矩阵
E(ρ): 插值后的杨氏模量
E_0, E_min: 实体和孔洞材料模量 (E_min<<E_0)
p: SIMP惩罚因子
V(ρ), V_0: 材料体积和设计域体积
V_f: 允许的最大体积分数

芯片散热微结构 (如微通道、均热板) 设计
轻量化封装支撑结构

在给定的设计空间、载荷和约束下，寻找材料的最佳分布，以实现某种性能（如刚度最大、散热最快）的最优化。密度法通过引入连续变量和惩罚机制，用梯度算法求解0-1离散问题，用于设计创新的散热或机械结构。

相场法模拟微结构演化

序参量场 η(r, t) (如浓度c，相分数φ)
化学势 μ
自由能泛函 F[η]
迁移率 M

Cahn-Hilliard 方程 (扩散控制的相分离):
∂c/∂t = ∇·(M ∇μ)
μ = δF/δc = f'(c) – κ ∇²c
其中 f(c) 为体自由能密度 (如双阱势)， κ 为梯度能系数。
Allen-Cahn 方程 (界面驱动的相变):
∂φ/∂t = -L δF/δφ = -L [f'(φ) – ε² ∇²φ]
L 为界面迁移率。

c(r,t): 组元浓度场
φ(r,t): 相分数场 (0 或 1 代表不同相)
F[η]: 系统的总吉布斯自由能泛函
μ: 化学势
M: 原子迁移率
κ, ε: 梯度能量系数，与界面能相关
f(·): 体自由能密度函数
L: 动力学系数 (界面迁移率)
∇: 梯度算子
t: 时间

焊料合金微观组织演化
电迁移空洞形核与生长

用于模拟在温度、应力或电流作用下，材料内部微观结构（如晶粒、相界、空洞）的时空演化。通过求解包含热力学和动力学信息的偏微分方程，可以预测微结构形貌、界面运动以及由此导致的性能退化。

2.5D/3D IC 硅通孔 (TSV) 电-热-力耦合模型

TSV半径 R
绝缘层厚度 t_ox
TSV高度 H
铜与硅的CTE α_Cu, α_Si
工艺温度 ΔT

电阻 R_tsv
电感 L_tsv
电容 C_tsv
热应力 σ_θθ (周向应力)

电气模型 (集总参数):
R_tsv = ρ_Cu H / (πR²) [1 + α_T ΔT] //考虑温度系数
C_tsv = (2π ε_ox H) / ln[(R+t_ox)/R] //TSV-衬底电容
L_tsv ≈ (μ₀ H)/(2π) ln(p/R) //p为TSV间距
热应力 (线性弹性，平面应变):
σ_θθ(r) = E Δα ΔT / [(1-ν)] * [ (R/r)² / ( (R+t_ox)²/(R+t_ox)² – R² ) ]
其中 Δα = α_Cu – α_Si，在Cu/Si界面(r=R)处应力最大。

R: TSV铜柱半径 (m)
t_ox: 绝缘层（如SiO2）厚度 (m)
H: TSV高度 (m)
ρ_Cu: 铜电阻率 (Ω·m)
α_T: 铜电阻温度系数 (1/K)
ε_ox: 绝缘层介电常数 (F/m)
μ₀: 真空磁导率 (H/m)
p: TSV中心间距 (m)
α_Cu, α_Si: 铜和硅的热膨胀系数 (1/K)
ΔT: 相对于应力自由状态的温变 (K)
E, ν: 硅衬底的杨氏模量和泊松比
σ_θθ: 界面处周向热应力 (Pa)

3D集成与中介层(Interposer)设计
TSV引起的机械应力与载流子迁移率变化分析

计算TSV的寄生参数（RLC），评估其对高速信号完整性的影响。同时，计算因Cu和Si的CTE失配在退火或工作温升时产生的热机械应力，此应力会改变邻近晶体管的载流子迁移率（压电效应），需在布局中设置“保持距离”（keep-out zone）。

电磁带隙 (EBG) 结构与电源分配网络 (PDN) 阻抗模型

EBG单元周期 a
蘑菇型贴片宽度 w
过孔半径 r_via
介质层厚度 h, 介电常数 ε_r

带隙频率范围 [f_L, f_U]
PDN目标阻抗 Z_target
实际阻抗 Z_PDN(f)

电源地平面间EBG结构的带隙估算 (简化):
f_L ≈ c / (2a √ε_eff) //下限，c为光速
f_U 由贴片电容和过孔电感决定: L_via ≈ μ₀ h, C_patch ≈ ε₀ ε_r w² / h
f_U ≈ 1 / (2π √(L_via C_patch))
PDN阻抗目标: Z_target ≤ (V_dd * Ripple%) / I_max
实际PDN阻抗（包含EBG）需通过全波仿真或等效电路模型获取，在带隙内阻抗显著增大，抑制噪声传播。

a: EBG结构单元周期 (m)
w: 蘑菇型贴片宽度 (m)
r_via: 连接贴片和地平面的过孔半径 (m)
h: 介质层厚度 (m)
ε_r: 介质相对介电常数
f_L, f_U: 电磁带隙的起止频率 (Hz)
Z_target: PDN最大允许目标阻抗 (Ω)
V_dd: 电源电压 (V)
Ripple%: 允许的电压纹波百分比
I_max: 最大瞬态电流 (A)
ε_eff: 有效介电常数
L_via, C_patch: 过孔电感和贴片电容

抑制电源噪声（SSN）
高速电路电磁兼容设计

在芯片封装或PCB的电源-地平面中设计周期性EBG结构，其在一定频率范围内（带隙）表现出高阻抗特性，从而阻断同步开关噪声（SSN）的传播。模型用于预测带隙位置和宽度，以匹配目标抑制频段（如芯片的时钟谐波）。

基于机器学习/深度学习的布局布线预测模型

布局特征向量 F (e.g., 单元密度，线网长度分布，宏模块位置)
模型参数 θ (权重，偏置)

预测目标 y_hat (e.g., 时序裕量，功耗，布线拥堵度)
损失函数 L(θ)

监督学习范式:
y_hat = NN(F; θ) 或 y_hat = GBRT(F)
训练过程: min_θ L(θ) = Σ_i (y_i – y_hat_i)² + λ

θ

用于时序签核的先进时序模型 (NLDM, CCS, ECSM)

输入转换时间 S_in
输出负载电容 C_load
查找表维度 (S_in, C_load)
电压 V, 温度 T 作为附加变量

传播延迟 D
输出转换时间 S_out
电流波形 I(t)

非线性延迟模型 (NLDM) – 二维查找表:
D = f_D(S_in, C_load)
S_out = f_S(S_in, C_load)
复合电流源模型 (CCS) – 提供时域电流信息:
I_out(t) = LUT_I(S_in, C_load, t)
有效电流源模型 (ECSM) – 用电压源串联电阻表示:
V_out(t) = V_dd – I_out(t) * R_eff，其中R_eff和I_out(t)从特征化得到。
模型是工艺角 (PVT: Process, Voltage, Temperature) 的函数。

S_in: 输入信号转换时间 (从V_1到V_2, e.g., 20%-80%)
C_load: 输出端总负载电容 (F)
D: 单元从输入触发到输出达到50%V_dd的延迟 (s)
S_out: 输出信号转换时间 (s)
I(t): 输出引脚电流随时间变化的波形 (A)
LUT: 通过SPICE仿真预先特征化得到的查找表
f_D, f_S: 通过插值查找表得到的延迟和转换时间函数
V: 电源电压 (V)
T: 结温 (K)
R_eff: ECSM模型中的等效驱动电阻 (Ω)

静态时序分析 (STA)
信号完整性分析

标准单元和IO库的特征化模型。NLDM提供基本的延迟和转换时间；CCS和ECSM提供更精确的电流波形，用于计算互连IR压降、地弹和串扰噪声，是先进节点时序和功耗签核的标准。

片上电磁干扰 (EMI) 与近场耦合模型

干扰源电流波形 I_src(t)
源-受体距离 d
频率 f
介质特性 ε_r, μ_r

近场辐射磁场 H_field
耦合到受害线的感应电压 V_ind

小环天线近场模型 (磁场主导，f < 1/(2πd)):
H_field ≈ (I_src * A_src) / (4π d³) // 准静态近似
其中 A_src 为电流环面积。
互感耦合模型:
V_ind = M * dI_src/dt
互感 M ≈ (μ₀ μ_r A_src A_vic) / (2π d³) * k // 两共面环，k为几何因子。
频率域全波模型 (如矩量法MoM):
求解电场积分方程(EFIE):
(jωμ/4π) ∫ J(r') G(r,r') dr' = -E_inc(r) // 其中 G 为格林函数。

I_src(t): 干扰源（如时钟网络、电源总线）的时域电流 (A)
d: 干扰源与受害电路/互连的间距 (m)
f: 电流的主要频率分量 (Hz)
A_src, A_vic: 源环路和受害环路的等效面积 (m²)
H_field: 近区磁场强度 (A/m)
V_ind: 在受害线路上感应的噪声电压 (V)
M: 源与受害线路间的互感 (H)
μ₀, μ_r: 真空和相对磁导率
ε_r: 相对介电常数
k: 耦合系数 (与几何有关)
J(r'): 未知的电流密度分布
G: 自由空间或分层介质格林函数

模拟/射频电路与数字电路的隔离设计
片上天线与无线互连

分析芯片内高速数字电路产生的快速电流变化（dI/dt）通过近场耦合（主要是磁耦合）对邻近敏感模拟/射频电路产生的干扰。模型用于确定必要的隔离距离、保护环设计或屏蔽策略。

热致噪声 (Thermally Induced Noise) 模型

电阻 R
温度 T (K)
带宽 Δf

热噪声电压均方值 <v_n²>
热噪声电流均方值 <i_n²>

奈奎斯特公式:
<v_n²> = 4 k_B T R Δf
<i_n²> = 4 k_B T G Δf = (4 k_B T / R) Δf // G=1/R
对于复阻抗 Z(f) = R(f) + jX(f):
<v_n²> = 4 k_B T R(f) Δf // 仅实部产生噪声
在电路仿真中 (如SPICE)，电阻噪声用并联电流源或串联电压源建模: i_n = √(4 k_B T G Δf) 或 v_n = √(4 k_B T R Δf)。

R: 电阻值 (Ω)
T: 电阻的绝对物理温度 (K)
Δf: 所考虑噪声的带宽 (Hz)
k_B: 玻尔兹曼常数 (1.38×10⁻²³ J/K)
<v_n²>: 热噪声电压的均方值 (V²)
<i_n²>: 热噪声电流的均方值 (A²)
G: 电导 (S)
Z(f): 频率相关的复阻抗
R(f): 阻抗的实部

高精度模拟电路 (如ADC, PLL, LNA) 设计
传感器读出电路

由导体中载流子的热运动产生的固有噪声。是模拟电路中噪声的基本来源之一，决定了电路的信噪比(SNR)和分辨率极限。在GPU的PLL、高速SerDes、高精度传感器接口中必须精确建模。

散粒噪声 (Shot Noise) 模型

平均电流 I_DC
电子电荷 q
带宽 Δf

散粒噪声电流均方值 <i_sh²>

肖特基公式 (适用于空间电荷限制可忽略的情况，如PN结):
<i_sh²> = 2 q I_DC Δf
对于 MOSFET 沟道电流，噪声更复杂，与工作区有关:
饱和区: <i_d²> = (8/3) k_B T g_m Δf + 2q I_D Δf // 包含热噪声和散粒噪声
亚阈值区: 散粒噪声主导，公式近似为 2q I_D Δf。

I_DC: 流过器件（如二极管、晶体管）的平均直流电流 (A)
q: 电子电荷 (1.6×10⁻¹⁹ C)
Δf: 带宽 (Hz)
<i_sh²>: 散粒噪声电流的均方值 (A²)
I_D: MOSFET漏极电流 (A)
g_m: MOSFET跨导 (S)
k_B: 玻尔兹曼常数

光电探测器、激光器驱动电路
亚阈值MOSFET电路

由于电荷的离散性，电流在微观上由一个个载流子组成，导致电流围绕平均值随机波动。在PN结、肖特基结、以及MOSFET的亚阈值和饱和区中显著。是光电探测和低功耗电路中的主要噪声源。

用于DFM的化学机械抛光 (CMP) 形貌模型

金属密度 ρ_metal(x,y)
抛光速率常数 K
压力分布 P(x,y)
初始高度 h_0(x,y)

抛光后高度 h(x,y)
厚度变化 Δh(x,y)
碟形 (Dishing) 深度 D_d
侵蚀 (Erosion) 深度 D_e

基于密度和压力分布的CMP模型:
dh(x,y,t)/dt = -K * P_eff(x,y,t)
P_eff(x,y,t) = P_applied * f_contact[ρ_metal(x,y), h(x,y,t)]
其中 f_contact 是接触压力分布函数，与局部金属密度和全局/局部高度差有关。
碟形深度 (在宽金属线上):
D_d ≈ K * t_overpolish * (1 – ρ_metal) * σ_pressure
侵蚀深度 (在密集阵列中):
D_e ≈ K * t_overpolish * (ρ_metal) * σ_pressure_adjacent

ρ_metal(x,y): 局部金属图案密度 (0到1)
K: 抛光速率，与浆料、工艺参数相关 (m/s/Pa)
P_eff: 有效的局部抛光压力 (Pa)
P_applied: 施加的平均压力 (Pa)
f_contact: 描述压力分布的复杂函数
h(x,y,t): 抛光过程中表面高度 (m)
t: 抛光时间 (s)
D_d: 金属线中心相对于边缘的凹陷深度 (m)
D_e: 介质区域相对于原始表面的凹陷深度 (m)
t_overpolish: 过抛时间 (s)
σ_pressure: 压力分布的非均匀性

可制造性设计 (DFM)
金属厚度均匀性补偿

模拟CMP工艺中，由于图案密度分布不均导致的抛光速率差异。高密度区抛光慢，低密度区抛光快，导致“碟形”和“侵蚀”效应。此模型用于指导布局阶段添加虚设填充金属，使全局密度均匀化，从而获得平整的表面。

先进光刻光源-掩模协同优化 (SMO) 目标函数

光源强度分布 J(α, β)
掩模透过率 M(x,y)
目标图形 I_target(x,y)
光刻胶阈值 I_th

光强分布 I(x,y) = S{J, M}
边缘放置误差 (EPE)
工艺窗口 (Process Window)
代价函数 Cost

成像模型: I = S{J, M}， 其中S为光刻成像系统模型。
目标: 最小化实际光刻胶轮廓与设计图形的误差。
代价函数:
Cost(J, M) = Σ_i w_i * EPE_i²(J, M) + λ_R * R(M)
其中 R(M) 是掩模复杂度的正则化项 (如Total Variation, TV)，惩罚过于复杂的掩模图形以降低制造成本和误差。
SMO通过梯度下降或优化算法同时优化J和M。

J(α,β): 光源（照明）在入瞳面的强度分布
M(x,y): 掩模的复透过率函数 (二元、衰减或相移)
I_target(x,y): 期望的光刻胶轮廓 (0或1)
I_th: 光刻胶阈值
S{·}: 光刻成像系统算子，通常用部分相干光成像模型
EPE_i: 第i个评估点的边缘放置误差
w_i: 权重系数
λ_R: 正则化系数
R(M): 掩模复杂度惩罚项

低k1光刻工艺
分辨率增强技术 (RET)

在接近或超出光刻系统分辨率的工艺节点，联合优化光源形状和掩模图形，以最大化工艺窗口（聚焦-曝光宽容度）和成像保真度。是计算光刻的核心技术，可显著提高图案转印质量。

设计-工艺协同优化 (DTCO) 紧凑模型

关键尺寸偏移 ΔCD
边缘放置误差 EPE
局部图案密度 ρ_local
工艺条件向量 P (剂量，焦距等)

电气参数变化 ΔP_e (Vth, I_on, C, R)
电路性能变化 ΔF (频率，功耗)
良率损失函数 Y_loss

工艺变异到电学变异的传递链：
ΔP_e = f(ΔCD, ΔS_A, ΔH)… // ΔS_A: 侧壁角， ΔH: 高度
其中 ΔCD = g(EPE, ρ_local, P)
EPE = h(M, J, P) // M: 掩模， J: 光源
良率损失 (基于失效概率)：
Y_loss = ∫{spec fail} PDF(ΔF) d(ΔF)
ΔF = F(ΔP_e)
DTCO联合优化目标：
min{design, P} [α * Power + β * Delay] + γ * Y_loss

ΔCD: 关键尺寸（线宽）的工艺变异 (nm)
EPE: 光刻边缘放置误差 (nm)
ρ_local: 局部图案密度
P: 工艺条件向量（曝光剂量，焦距，等）
ΔP_e: 器件/互连电学参数变化
ΔF: 电路性能指标（频率F_max，功耗P_total）变化
PDF: 由工艺变异引起的性能参数概率密度函数
Y_loss: 因工艺变异导致性能超出规格的芯片比例
α, β, γ: 多目标优化的权重系数

先进工艺节点（5nm及以下）标准单元与互连架构优化

建立从工艺窗口（光刻、刻蚀、CMP）到器件电学特性，再到电路性能的紧凑/统计分析模型。在物理设计和工艺开发早期，通过联合仿真和优化，确定在可接受的良率下，最优的设计规则、单元库架构和工艺条件。

背面供电网络 (BSPDN) 与埋入式电源轨 (BPR) 电阻模型

硅衬底厚度 t_Si
通孔直径 d_via
金属层高度 h_metal
金属电阻率 ρ_m

背面到晶体管源/漏的电阻 R_b2t
电源轨单位长度电阻 R'
IR 压降分布 ΔV(x,y)

背面通孔 (BTV) 电阻：
R_btv = (4ρ_Cu t_Si) / (π d_via²) // 圆柱体近似
埋入式电源轨 (BPR) 电阻：
R_bpr = ρ_W * L / (W * H) // W, H为BPR的宽和高
从背面到正面晶体管的路径总电阻：
R_b2t = Σ R_btv + Σ R_bpr + Σ R_frontside_via
电源网格IR压降泊松方程：
∇·(σ(x,y) ∇V(x,y)) = -J(x,y)
其中σ为局部电导率，J为电流密度分布。

t_Si: 经过减薄后的硅衬底厚度 (m)
d_via: 背面硅通孔 (BTV) 直径 (m)
h_metal: 背面金属层厚度 (m)
ρ_m: 金属电阻率 (Ω·m)，如Cu, W, Co
R_b2t: 从背面电源到正面晶体管源/漏的电阻 (Ω)
L, W, H: 埋入式电源轨的长度、宽度、高度 (m)
ρ_W: 钨 (W) 的电阻率 (Ω·m)
σ(x,y): 电源网络的电导率分布 (S/m)
V(x,y): 电源电压分布 (V)
J(x,y): 晶体管电流密度分布 (A/m²)

背面供电网络设计
解决IR压降和拥塞

为解决先进工艺节点正面布线资源紧张和IR压降问题，将供电网络移至芯片背面。模型用于评估通过硅衬底的通孔和深埋的电源轨的电阻，优化其尺寸、间距和布局，确保供电均匀稳定。

磁电自旋轨道 (MESO) 逻辑器件与互连模型

输入电荷 Q_in
磁化强度 M
自旋霍尔角 θ_SH
输出电压 V_out

磁化翻转能量 E_sw
自旋-电荷转换效率 η_SC
传递函数 V_out(Q_in)

磁电切换能量 (近似)：
E_sw ≈ (2/π) * α * K_u * V * (H_ME / H_c)² // α:阻尼因子，K_u:各向异性能，V:体积
其中 H_ME 为磁电效应产生的有效场。
自旋-电荷转换 (逆自旋霍尔效应)：
J_s = θ_SH * (2e/ħ) * J_c // 自旋流密度
V_ISHE = (θ_SH * ρ * w / t) * J_s // 输出电压，ρ:电阻率，w,t:器件宽/厚
MESO逻辑门级传递函数 (简化)：
V_out = sgn(Q_in) * η_SC * R_L * I_c * tanh(Q_in / Q_c)

Q_in: 输入电荷，控制磁电效应 (C)
M: 铁电/铁磁多层结构的净磁化强度 (A/m)
θ_SH: 自旋霍尔角，材料属性 (无量纲)
V_out: 输出端通过逆自旋霍尔效应感生的电压 (V)
E_sw: 磁化翻转所需能量 (J)
α: 吉尔伯特阻尼系数
K_u: 磁各向异性能密度 (J/m³)
H_ME: 磁电效应产生的等效磁场 (A/m)
H_c: 矫顽场 (A/m)
J_s, J_c: 自旋流密度和电荷流密度 (A/m²)
η_SC: 自旋到电荷的总体转换效率
R_L: 负载电阻 (Ω)
I_c, Q_c: 特征电流和电荷

超低功耗非冯·诺依曼计算架构探索
新型互连与逻辑研究

为探索超越CMOS的低功耗器件，对基于多铁材料（磁电效应）和自旋轨道耦合的新型逻辑器件进行建模。评估其开关能量、延迟、增益和级联能力，用于未来GPU中可能采用的存算一体或近内存计算单元的设计。

碳纳米管/二维材料FET紧凑模型

沟道电荷密度 n_s
载流子速度 v_sat
接触电阻 R_c
沟道长度 L_ch
量子电容 C_q

漏极电流 I_ds (V_gs, V_ds)
本征跨导 g_m
本征截止频率 f_t

基于漂移扩散的简化模型：
I_ds = (W / L_ch) * μ_eff * C_g * [(V_gs – V_th)V_ds – 0.5 V_ds²] / [1 + (V_ds / (E_sat L_ch))] // 线性/饱和区统一
其中 μ_eff 为有效迁移率，E_sat = v_sat / μ_eff。
量子电容与总栅电容：
1/C_g = 1/C_ox + 1/C_q
C_q = (2q² / (πħv_F)) * √(πn_s) // 对于单层石墨烯FET，v_F为费米速度
本征延迟和截止频率：
τ = C_g V_dd / I_on
f_t ≈ g_m / (2π C_g)

n_s: 沟道中载流子面密度 (1/m²)
v_sat: 饱和速度 (m/s)
R_c: 金属-低维材料接触电阻 (Ω·μm)
L_ch, W: 沟道长度和宽度 (m)
C_q: 量子电容 (F/m²)，源于低维材料态密度有限
C_ox: 栅氧电容 (F/m²)
C_g: 总栅电容 (F/m²)
μ_eff: 有效迁移率 (cm²/V·s)
V_th: 阈值电压 (V)
E_sat: 饱和电场 (V/m)
g_m: 跨导 (S)
f_t: 本征截止频率 (Hz)
τ: 本征开关延迟 (s)

后硅时代器件性能评估
新型材料探索

为评估碳纳米管、二硫化钼等低维材料作为未来GPU沟道材料的潜力，建立其载流子输运、电容和接触特性的紧凑模型。用于与硅基FinFET性能（I_on, I_off, f_t, 能量延迟积）进行对标和预测。

用于芯片内液冷微通道的流动与传热模型

通道水力直径 D_h
流速 u
流体性质 (ρ, μ, c_p, k_f)
热流密度 q''

雷诺数 Re
摩擦系数 f
努塞尔数 Nu
压降 ΔP
对流换热系数 h

流体动力学 (层流，充分发展)：
Re = ρ u D_h / μ
f = C / Re // 对于矩形通道，C取决于宽高比
ΔP = f * (L / D_h) * (ρ u² / 2)
对流换热 (恒热流边界)：
Nu = h D_h / k_f
对于矩形通道，Nu ≈ 常数 (如~3-8，取决于宽高比和边界条件)
能量方程 (流体温升)：
ΔT_fluid = q'' * A_s / (ṁ * c_p) // A_s: 散热面积，ṁ: 质量流量
热阻网络：
R_total = R_cond + R_conv = (t_si/k_si) + 1/(h*A)

D_h: 水力直径，4*横截面积/湿周 (m)
u: 平均流速 (m/s)
ρ, μ: 流体密度和动力粘度 (kg/m³, Pa·s)
k_f: 流体热导率 (W/m·K)
c_p: 流体比热容 (J/kg·K)
q'': 芯片表面热流密度 (W/m²)
Re: 雷诺数，判断层流/湍流
f: 达西摩擦系数
ΔP: 流道总压降 (Pa)
Nu: 努塞尔数，表征对流换热强度
h: 对流换热系数 (W/m²·K)
ṁ: 质量流量 (kg/s)
A_s: 固-液接触散热面积 (m²)

高性能GPU直接液冷散热设计
3D IC集成微通道

针对集成在芯片或封装内的微通道液冷系统，计算其流动阻力（所需泵功）和散热能力。优化微通道的几何形状（宽度、高度、肋宽）、流道布局以及冷却液的流量，以满足GPU高热流密度（>1kW/cm²）的散热需求，并控制温度梯度和热应力。

芯片电磁信息泄漏侧信道分析模型

操作电流波形 I_op(t)
电磁探针位置 r, 方向 θ
芯片-探针系统传递函数 H(f)

泄漏的电磁场时空分布 B(r, t)
探测到的信号 s(t)
信噪比 SNR

毕奥-萨伐尔定律 (准静态，时域)：
B(r, t) = (μ₀ / 4π) ∫ [I_op(t) dl × (r – r')] /

r – r'

³
频域传递函数 (考虑封装衰减、探针带宽)：
S(f) = H(f) * FFT[I_op(t)]
探测信号（感应电动势）：
s(t) = -dΦ/dt = -A * n · dB/dt // A: 探针有效面积，n: 法向
信噪比：
SNR = RMS(s_signal(t)) / RMS(s_noise(t))

I_op(t): 芯片内部与加解密等敏感操作相关的瞬态电流 (A)
B(r, t): 泄漏的磁通密度 (T)
r: 观测点位置向量 (m)
dl: 电流元向量 (m)
H(f): 从芯片内部电流到探针输出端电压的频域传递函数
S(f): 探针输出信号的频谱
s(t): 时域探测信号 (V)
Φ: 穿过探针的磁通量 (Wb)
A, n: 探针的有效面积和方向
SNR: 信号与噪声的均方根比值

芯片老化感知的时序与功耗签核模型

老化应力条件 (V, T, t)
老化参数退化量 ΔP (ΔVth, Δμ)
电路网表与活动因子 α

老化后时序裕量 Slack_aged
老化后静态功耗 P_leak_aged
电路寿命分布 F(t)

基于反应-扩散 (R-D) 或经验模型的器件参数退化：
ΔVth(t) = A * exp(-E_a/kT) * (V_gs – V_th)^γ * t^β // BTI/HCI模型组合
电路性能退化传播：
门延迟老化增量：ΔD_gate = (∂D/∂Vth) * ΔVth + (∂D/∂μ) * Δμ
路径延迟：D_path_aged = Σ (D_gate_nominal + ΔD_gate_n)
Slack_aged = T_clk – max(D_path_aged)
老化后泄漏功耗：
P_leak_aged = Σ [I_leak0_n * exp(ΔVth_n / (nV_T))]

V, T, t: 工作电压、结温和应力时间
ΔVth, Δμ: 阈值电压和迁移率的漂移量
α: 电路节点/门的活动因子 (翻转概率)
Slack_aged: 老化后的时序裕量 (s)
P_leak_aged: 老化后的静态功耗 (W)
F(t): 电路在时间t内因老化导致失效的累积概率
A, E_a, γ, β: 老化模型拟合参数
∂D/∂Vth: 门延迟对Vth的灵敏度 (s/V)
I_leak0: 初始亚阈值泄漏电流 (A)
n, V_T: 亚阈值摆幅因子和热电压 (V)

生命周期可靠性签核
自适应电压/频率缩放 (AVFS) 策略制定

在静态时序分析 (STA) 和功耗分析中，不仅考虑工艺、电压、温度 (PVT) 变异，还加入随时间推移的器件老化效应 (BTI, HCI, TDDB)。预测芯片在其使用寿命内的最差时序和最大功耗，为设计余量 (Guard-band) 的设定和可靠性驱动的设计优化提供依据。

系统-技术协同优化 (STCO) 成本-性能模型

芯片面积 A_die
良率 Y_die
封装成本 C_pkg
堆叠芯片数量 N
互连带宽 BW
系统性能 Perf_sys

总成本 C_total
性能密度 Perf_density
能效比 Perf/Watt

成本模型 (简化)：
C_total = (C_wafer / (Dies_per_wafer * Y_die)) + C_test + C_pkg + C_stack(N)
其中 Dies_per_wafer ≈ π*(R_wafer – √A_die)² / A_die
系统性能模型 (例如，对于3D堆叠内存)：
Perf_sys = f(BW, Latency, Mem_Capacity) ∝ BW / (A_die^α) // α ~ 0.5-1
性能密度：Perf_density = Perf_sys / (N * A_die)
能效：Perf/Watt = Perf_sys / P_total
STCO 优化问题：
max [Perf_density] 或 min [C_total/Perf_sys] s.t. P_total ≤ P_budget, T_j ≤ T_max

A_die: 单颗芯片面积 (mm²)
Y_die: 单芯片良率
C_wafer: 晶圆制造成本 ()<br>Diesp​erw​afer:每片晶圆上的芯片数<br>Ct​est,Cp​kg:测试和封装成本()
C_stack(N): N片芯片堆叠的额外成本 ($)
N: 3D堆叠中的芯片层数
BW: 片间互连总带宽 (GB/s)
Latency: 访问延迟 (ns)
Mem_Capacity: 内存容量 (GB)
Perf_sys: 系统级性能指标 (如FLOPS)
P_total: 系统总功耗 (W)
R_wafer: 晶圆半径 (mm)

芯片架构定义与划分
2D vs 2.5D vs 3D 集成方案选型

在芯片产品定义初期，协同优化从系统架构（核心数量、内存层次、带宽需求）到技术实现（工艺节点选择、2D/2.5D/3D封装、互连技术）的整个决策链。通过建立包含成本、性能、功耗、面积的综合模型，评估不同技术路径的性价比，指导产品规划和研发投资。

用于模拟/混合信号布局的寄生敏感度模型

寄生参数向量 P (C, R, L)
布局几何参数 X (线宽W, 间距S, 长度L)
电路性能指标 F (增益，带宽，PSRR)

性能变化 ΔF
寄生敏感度矩阵 S = ∂F/∂P
几何敏感度矩阵 G = ∂P/∂X

性能相对于布局几何的一阶近似：
ΔF ≈ (∂F/∂P)^T * (∂P/∂X) * ΔX = S^T * G * ΔX
其中寄生参数与几何的关系 (例如平行线间电容)：
C = ε * (L*H/S) + 2πεL / arccosh((S+W)/W) // 简化模型
∂C/∂S ≈ -ε L H / S² // 对间距的敏感度
优化问题表述：
min_X [Area(X) + λ * Σ

ΔF_i

] s.t. ΔF_i ≤ spec_i

P: 提取的寄生参数向量 (如关键节点电容，互连线电阻)
X: 可调的布局几何参数向量 (线宽，间距，长度，包围等)
F: 电路性能指标向量 (增益Av，单位增益带宽UGB，电源抑制比PSRR等)
S: 性能对寄生的敏感度矩阵
G: 寄生对布局几何的敏感度矩阵
ΔX: 布局几何的调整量
ε: 介电常数
L, H, W, S: 互连线的长度、高度、宽度、间距
λ: 面积与性能的权衡系数
spec_i: 第i个性能指标的规格要求

面向可持续性的芯片生命周期评估 (LCA) 模型

制造阶段：硅片面积 A_wafer， 工艺节点 n
使用阶段：功耗 P_avg， 寿命 t_life
材料清单 BOM， 运输距离 d

总碳足迹 CF_total (kg CO₂eq)
总能量消耗 EC_total (kWh)
水消耗量 WU_total (L)

基于活动的生命周期评估：
CF_total = CF_manufacturing + CF_use + CF_eol
CF_manufacturing = Σ_i (EF_i * A_wafer * N_mask) // i: 各工艺步骤 (光刻，刻蚀，CVD等)
EF_i: 步骤i的排放因子 (kg CO₂eq/cm²)
CF_use = P_avg * t_life * CI_grid // CI_grid: 电网碳排放强度 (kg CO₂eq/kWh)
CF_eol: 报废处理阶段的碳排放
水消耗：WU_total = Σ_j (WF_j * Volume_j) // WF: 水足迹， Volume: 化学品/材料用量

A_wafer: 硅片面积 (cm²)
n: 工艺技术节点 (nm)
P_avg: 芯片平均运行功耗 (W)
t_life: 产品使用寿命 (小时)
BOM: 材料清单，包括原材料、化学品
d: 原材料和成品运输距离 (km)
CF: 碳足迹，以二氧化碳当量计 (kg CO₂eq)
EC: 能量消耗 (kWh)
WU: 水消耗 (升)
EF_i: 制造过程第i步的排放因子
N_mask: 掩模层数，与工艺复杂度相关
CI_grid: 使用地点电网的碳排放强度
EOL: 报废处理阶段

绿色GPU设计
产品环境影响力评估

在追求性能PPA (性能、功耗、面积) 的同时，纳入环境影响指标。模型量化芯片从原材料提取、制造、运输、使用到报废全生命周期的碳排放、能耗和水耗。用于指导设计决策，例如：通过能效优化降低使用阶段碳足迹；通过芯片-封装架构选择减少制造阶段环境影响。

跨尺度不确定性量化 (UQ) 与可靠性模型

工艺波动随机场 ξ_p(x,y) (L, Vth, Tox 等)
工作负载随机序列 W(t)
环境变量随机场 ξ_e (T, Vdd)

电路性能分布 (频率 F_max， 功耗 P_total)
系统级失效率 λ_sys(t)
性能-良率-成本 Pareto 前沿

从工艺到系统的随机传递链：
1. 工艺波动建模:
ξ_p(x,y) ~ GP(0, k(x,y; l_p)) // 高斯过程描述空间相关性
2. 器件参数生成:
P_e(x,y) = P_nom + f(ξ_p(x,y)) // 产生局部器件参数
3. 电路性能抽样:
F_circuit, P_circuit = SPICE_SIM(P_e, ξ_e) // 蒙特卡洛或重要性抽样
4. 系统级可靠性:
λ_sys(t) = ∫ λ(F_max, P_total, T, t) * pdf(F_max, P_total) dF dP
其中 λ(·) 为基于物理的失效率模型 (如 Black 方程用于电迁移)。
多目标优化:
max {Yield(F_max, P_total), Perf(F_max), 1/Cost}

ξ_p(x,y): 表征工艺波动的空间随机场
W(t): 时变工作负载，影响活动因子和温度
ξ_e: 环境变量（电压、温度）的随机波动
F_max: 电路最大工作频率 (随机变量)
P_total: 总功耗 (随机变量)
λ_sys(t): 系统在时间t的失效率
GP: 高斯过程，协方差函数k，相关长度l_p
P_nom: 标称器件参数
f(·): 工艺波动到电学参数的传递函数
pdf: 电路性能的联合概率密度函数

设计鲁棒性与高良率设计
系统级可靠性签核

建立一个从原子级工艺涨落（线边缘粗糙度、随机掺杂波动）到器件、电路，最终到芯片系统级性能与可靠性的概率传递模型。采用蒙特卡洛、多项式混沌展开等方法量化不确定性，在设计中明确优化性能、良率、可靠性的帕累托前沿，实现鲁棒最优设计。

存算一体 (CIM) 与近内存计算架构模型

内存阵列规模 MxN
单元电导 G_ij (模拟或数字)
输入向量 V_in [1xM]
权重精度 b_w

模拟输出电流向量 I_out [Nx1]
数字输出/编码 D_out
计算能效 E (TOPS/W)
计算密度 D (TOPS/mm²)

模拟存算一体 (核心操作):
I_out_j = Σ_i (G_ij * V_in_i) // 基于欧姆定律和基尔霍夫电流定律的向量矩阵乘法 (VMM)
包含非理想因素:
I_out_j_meas = Σ_i (G_ij + δG_ij) * (V_in_i + δV_i) + I_noise + I_leakage
模数转换 (ADC) 开销:
E_ADC ∝ 2^b * f_s // b: ADC精度， f_s: 采样率
系统级能效与性能:
Throughput = M * N * f_op // f_op: 操作频率
Energy_per_Op = (E_CIM_core + E_ADC + E_Digital) / (M*N)
E_CIM_core = (V_dd * I_total) / f_op

M, N: 输入向量长度和输出向量长度/权重矩阵大小
G_ij: 存储单元的电导值，编码权重 (S)
V_in_i: 输入电压，编码输入数据 (V)
I_out_j: 输出电流，是模拟VMM的结果 (A)
δG_ij: 权重（电导）的编程误差和漂移
δV_i: 输入电压的噪声或误差
b_w: 权重的有效比特精度
b: ADC的量化比特数
f_op: CIM阵列的操作频率 (Hz)
E_CIM_core: 模拟计算核心能耗 (J/op)
E_ADC: 模数转换能耗 (J/conversion)
E_Digital: 后续数字逻辑处理能耗 (J)

AI加速器与神经网络硬件
突破内存墙

为缓解“内存墙”问题，对基于SRAM、RRAM、FeFET等非易失存储器构建的存算一体宏进行建模。模型需包含模拟计算的理想公式、实际非理想因素（噪声、偏差、器件变化）、外围电路开销（ADC、DAC）。用于评估不同存算一体架构在特定算法（如DNN推理）下的能效、吞吐量和精度容忍度。

硅基光互连 (Optical I/O) 链路预算与功耗模型