第 5 章 ルジャンドル多項式ベースのランダム曲面モデル
5.6 次数と曲面の複雑度
ここまでは4次多項式(15自由度)で説明してきたが,実際のシリコンでのシステマティック 成分はそこまで複雑ではない,あるいはプロセスや設計の進化によってもっとコントロールされ る場合が考えられる.そのような場合は,式(5.37)よりシンプルな形を考えることができる.たと えば式(5.44)~(5.46)のような1次~3次の式である.(4次より上の次数を考えることもできるが 実用的には必要ない.)
Z1(x,y) = a0R0(x,y) + a1R1(x,y) + a2R2(x,y) (5.44) Z2(x,y) = a0R0(x,y) + a1R1(x,y) + a2R2(x,y)
+ a3R3(x,y) + a4R4(x,y) + a5R5(x,y) (5.45) Z3(x,y) = a0R0(x,y) + a1R1(x,y) + a2R2(x,y)
+ a3R3(x,y) + a4R4(x,y) + a5R5(x,y) + a6R6(x,y) + a7R7(x,y) + a8R8(x,y)
+ a9R9(x,y) (5.46)
式(5.37)(4次)を含めた,それぞれの次数での曲面サンプルを図5.10に示す.係数a0~a14を σ = 1の独立したガウス分布としてランダムに変化させている.次数が高いほどより複雑な曲面 を表現できる.個々の次数でN=106個のサンプルを生成し,出力波形の σ(σSYS)をヒストグ ラム化した.図5.11にそれを示す.(4次のグラフは図5.8の再掲) 次数が高いほどσSYSの値 は大きくなる(図5.11).次数とσSYSはほぼ比例関係である(図5.12).σSYSの分布の広がり(σ
SYSのσ)は,次数よらずほぼ一定である.(表5.1)
1st-order #1 1st-order #2 1st-order #3
2nd-order #1 2nd-order #2 2nd-order #3
3rd-order #1 3rd-order #2 3rd-order #3
4th-order #1 4th-order #2 4th-order #3
-1 0 1
-1 0
1 -6.0-4.5
-1.5-3.03.00.01.5 4.5 6.0
1 0
-1 1 0 -1 -6
0 6
y x
-1 0 1
-1 0
1 -6.0-4.5
-3.0-1.50.01.5 4.53.0 6.0
1 0
-1 1 0 -1 -6
0 6
y x
-1 0 1
-1 0
1 -4.5-6.0
-3.0-1.51.50.0 4.53.0 6.0
1 0
-1 1 0 -1 -6
0 6
y x
-1 0 1
-1 0
1 -12.0-3.09.0-6.06.0-9.03.00.0
12.0
1 0
-1 1 0 -1 -12
0 12
y x
-1 0 1
-1 0
1 -12.0-3.09.0-6.06.0-9.03.00.0
12.0
1 0
-1 1 0 -1 -12
0 12
y x
-1 0 1
-1 0
1 -12.0-3.09.0-6.06.0-9.00.03.0
12.0
1 0
-1 1 0 -1 -12
0 12
y x
-1 0 1
-1 0
1 -16.0
-12.0-4.0-8.08.04.00.0 12.0 16.0
1 0
-1 1 0 -1 -16
0 16
y x
-1 0 1
-1 0
1 -16.0
-12.0-4.0-8.08.04.00.0 12.0 16.0
1 0
-1 1 0 -1 -16
0 16
y x
-1 0 1
-1 0
1 -16.0
-12.0-4.0-8.08.00.04.0 12.0 16.0
1 0
-1 1 0 -1 -16
0 16
y x
-1 0 1
-1 0
1 -20.0
-15.0 -10.0-5.05.00.0 15.010.0 20.0
1 0
-1 1 0 -1 -20
0 20
y x
-1 0 1
-1 0
1 -20.0
-15.0 -10.0-5.05.00.0 15.010.0 20.0
1 0
-1 1 0 -1 -20
0 20
y x
-1 0 1
-1 0
1 -20.0
-15.0 -10.0-5.00.05.0 15.010.0 20.0
1 0
-1 1 0 -1 -20
0 20
y x
図5.10 曲面サンプル(1次~4次)
0 100000
1 11 21 31 41 51 61
σSYS=1.253
N = 106
0 1 2 3 4 5 6
σ value 16 × 16 matrix
σSYS 0
1×105
Frequency
0 100000
1 11 21 31 41 51 61
σSYS=2.120
N = 106
0 1 2 3 4 5 6
σ value 16× 16 matrix
σSYS 0
1×105
Frequency
1
st2
nd0 100000
1 11 21 31 41 51 61
σSYS=2.889
N = 106
0 1 2 3 4 5 6
σ value 16 × 16 matrix
σSYS 0
1×105
Frequency
0 100000
1 11 21 31 41 51 61
σSYS=3.605
N = 106
0 1 2 3 4 5 6
σ value 16 × 16 matrix
σSYS 0
1×105
Frequency
3
rd4
th図5.11 各次数での出力波形の大きさ(σSYSのヒストグラム)
0 1 2 3 4
0 1 2 3 4 5
Order of function σSYS
図5.12 関数の次数に対するσSYSの値
図5.10で,次数による複雑さの違いを視覚的に確認できる.これを何かの指標で客観的に示そ う.ここでは文献[41]にならい,図5.13の方法を用いて自己相関長を求める.同じマトリックス
を図5.13(a)のように重ね,シフト量(x, y)をパラメータに,重なった部分の積和を求める.これを
グラフ化する.図5.13(b)において,λはピーク値からe-1倍における断面積と等価な面積の円の 直径である.このλを自己相関長と定義する.
x y0 -1 -2
2 1
-2 -0
1.
-0.125 0.000 0.125 0.250 0.375 0.500 0.625 0.750 0.875 1.000
λ
e-1
16 × 16 matrices (x, y)
0 Shift
0
(The same data)
Auto-correlation coefficient (a.u.)
(a) Basic calculation of
auto-correlation coefficient. (b) Definition of the correlation length, λ.
Multiply and accumulate of overlapped area.
図5.13 相関長(λ)の定義
以上の方法で,各次数(式(5.37),式(5.44)~(5.46))でのモンテカルロ法をN=104個実施し,
λの分布をヒストグラム化した(図5.14).またそれぞれのヒストグラムのλの平均値と次数の 関係を図5.15に示す.これらの図に示されるように,次数が高くなるにつれて自己相関長は短く なる.特にλの逆数は次数とほぼ比例する値を示す.このように式(5.37),式(5.44)~(5.46)に示 すランダム曲面モデルは,その次数の選択で曲面の複雑度(自己相関長)をコントロールできる.
Order of function
1 1.253 0.654 2 2.120 0.685 3 2.889 0.690 4 3.605 0.687
S Y S
σSYS
σ
σ表5.1 σSYSの平均値およびσSYSのσ
0 5000
0 0.5 1 1.5
λ = 1.24
N= 104
λ 16 x 16 matrix
Frequency 0
1
st5×103
0 0.5 1 1.5
0 5000
0 0.5 1 1.5
λ = 0.96
N= 104
λ 16 x 16 matrix
Frequency 0
2
nd5×103
0 0.5 1 1.5 2 2.5 3
0 5000
0 0.5 1 1.5
λ = 0.78
N= 104
λ 16 x 16 matrix
Frequency 0
3
rd5×103
0 0.5 1 1.5 2 2.5 3
0 5000
0 0.5 1 1.5
λ = 0.65
N= 104
λ 16 x 16 matrix
Frequency 0
4
th5×103
0 0.5 1 1.5 2 2.5 3
図5.14 各次数でのλ分布(ヒストグラム)
このランダム曲面モデルの応用について考える.曲面の複雑度を,式(5.47)となるように,ラン ダム曲面モデルの大きさ(振幅)と複雑度(次数)を選択する.
ランダム曲面モデル > 実シリコンのシステマティック成分 (5.47)
この条件下で,正常となる設計が施されていれば,実シリコンでのロバスト性が保証される.