论STA | POCV/ SOCV 之分析

Library reading

目前，SOCV 可以三种形式呈现：

• Timing lib 中带有LVF data, T 家先进工艺的库大多以这种形式呈现，LVF data 集成在timing lib 中，如下图所示，每个timing arc 都有 early/ late 的 ocv_sigma* 和LVF moment 表格，表格的纵坐标是输入pin 的slew, 表格的横坐标是输出pin 的load. 
• 独立的LVF data,  其内容同timing lib 中集成的LVF data 一样。
• 没有SOCV data, 需要基于AOCV 的table 抽取SOCV data. 

对于LVF 的三种呈现形式，Innovus 跟Tempus 在single mode single corner (SMSC) 跟multi mode multi corner (MMMC) 读入时有些许差别。

对于不同的lib 需要的注意的点有：

• 先进工艺的LVF libraries 包含两部分内容：
• Early/Late sigma LVF, 在lib 中以ocv_sigma* 表示。
• LVF 会分别有delay, transtion, constraint 的Early/Late sigma 值，可以通过如下命令选择当前分析使用哪些sigma 值：

• Advanced moments based models， moment Groups 有一大组变量，可以回顾《论STA | POCV/SOCV 对lib 的要求》。
• 可以用如下命令来设置，是否使用LVF 中的moments 数据：

• 如果没有SOCV LVF, 可以用AOCV lib 抽取一个data 来模拟SOCV. 这种flow 只适用于flow tunning, 因为精度不够，不足以用于sign off. 因为AOCV 只有对delay 的variation, 所以无法从AOCV lib 中抽出transtion 跟constraints 的variation. 
• 要从AOCV lib 里抽取SOCV 在Innovus 跟Tempus 中必须设置如下变量： 

set timing_library_infer_socv_from_aocv true

• 在AOCV 跟SOCV 中经常提到sigma 的概念，回顾《论STA | SOCV / POCV 模型》可知，对于正态分布，随机变量落在-1σ ~ 1σ <即1 sigma >间的概率是68.27%，落在-2σ ~ 2σ <即2 sigma >间的概率是95.45%，落在-3σ ~ 3σ <即3 sigma > 间的概率是99.73%. 由此可知3 sigma 可以保证99.73 的情况都可以被覆盖到，所以当前最先进工艺仍用3 sigma 来卡。在用AOCV 抽SOCV 时，可以用如下变量来控制用几sigma, 该值默认是3.

timing_library_scale_aocv_to_socv_to_n_sigma 

• 除了随机variation 还可以读入Spatial derating file 来模拟distance axis based variation. 在早一点的工艺库中会把depth based 的AOCV variation 跟spatial based 的AOCV variation 分成两张table, 但在新工艺库中，通常会将二者合成一张表。

Innovus/ Tempus 中的变量设置

Innovus 跟Tempus 中SOCV 的相关设置如下表所示。

如果在同一个Design 中，对某个corner 想用flat OCV, 而其他corner 用SOCV; 假设SOCV LVF lib 已在view Definition 中定义好，可以通过如下方式将某个Corner 的SOCV reset 掉，用Flat OCV 的值代替：

•  enable SOCV；
• 设置Flat OCV, Sigma variation Derate;
• 将要用flat OCV Corner 的sigma Variation reset 掉，此处为delay_corner dc1.
• 定义analysis_view.

对于如上设置，View1 跟View2 的timing report 分别为：

• View1 的sigma 为0，用flat OCV 进行分析。

• View2 用SOCV data 进行分析：

如何理解SOCV 的timing report 且听下会分解。