逻辑诊断版图感知:从 fail log 反推候选到物理定位的完整流程
更新时间:2026-09-29。在 CP/FT/Burn-in 测试与诊断 里我们讲了量产测试各站点怎么筛片、fail log 长什么样;在 DFT 故障模型与覆盖率 里讲了 stuck-at、transition 这些故障抽象怎么定义。但测试只告诉你「这颗芯片坏了」,没告诉你「坏在哪」。良率爬坡阶段,工程师真正需要的是把几百万门的设计反查到几个可疑的物理位置,交给失效分析(Failure Analysis,FA)去开盖切片。这一篇讲清逻辑诊断(logic diagnosis)怎么从 fail log 反推候选,以及版图感知(layout-aware)诊断怎么用物理邻接信息把候选集从几百个缩到个位数。
本文要回答的问题
- ATE 吐出的 fail log 里到底有哪些信息,诊断引擎拿它怎么反推缺陷候选?
- chain 诊断和 logic 诊断为什么必须分两步走,顺序反了会怎样?
- 诊断引擎说的「candidate」「symptom」「score」分别是什么,怎么解读报告?
- layout-aware 比传统 logic-only 诊断多用了什么信息,能把定位精度提高多少?
- 诊断结果回流到良率分析(yield analysis)后,怎么指导工艺和设计改进?
一、从 fail log 到候选:诊断在做什么
先建立问题模型。扫描测试的工作方式是:ATE 把 ATPG 生成的 pattern 逐拍 shift 进扫描链,capture 一拍后把响应 shift 出来,和期望值的 golden 数据比对。任何一个 cycle 上任何一个 scan cell 的输出和期望不符,就记一条 fail。一颗芯片一次 pattern set 跑完,fail log 里可能躺着几十到几千条记录,每条记录是一个三元组:pattern 编号、scan cell 位置(链号 + shift 拍数)、fail 的 cycle 语义。
诊断引擎的任务是解一个逆问题:已知一组观测到的 fail 症状(symptom),反推哪个位置的哪种缺陷(defect)能解释全部或大部分症状。这是一个典型的布尔可满足性问题——假设节点 X 上有一个 stuck-at-0 缺陷,用故障仿真(fault simulation)把这个缺陷注入进去,看它产生的 fail pattern 集合和实际 fail log 的重合度。重合度越高,X 是真实缺陷位置的可信度越高。
上图这条链路里最容易被低估的是 fail log 的质量。诊断是垃圾进垃圾出:如果 fail log 里混进了测试机本身的接触抖动、pattern 应用错误、或者 chain 完整性问题导致的假 fail,诊断引擎会把这些噪声也当成症状去解释,候选集被污染。所以工业界标准做法是先跑 chain 诊断确认扫描链本身健康,再跑 logic 诊断,下一节展开。
候选报告里每一条 candidate 通常带三个字段:位置(net 名或 cell 实例名)、故障类型(stuck-at-0/1、bridge、open 等)、score(解释了多少比例的症状,常见满分 100 或归一化到 1)。score 80 以上的 top candidate 值得送去 FA,score 50 以下基本可以放弃——候选太多说明症状不足以区分,候选太少说明 fail log 本身有问题。
二、chain 诊断先行:扫描链不健康一切免谈
扫描链是测试数据的运输通道。如果某条链中间断了一个点(chain defect),那么这个点之后的所有 cell 都会观测到错误值——fail log 会呈现「同一链上从某个 shift 拍开始连续 fail」的瀑布状症状。如果不先识别出这个 chain 缺陷,直接把这些症状喂给 logic 诊断,引擎会以为组合逻辑里有一大片缺陷,报出几百个假候选。
chain 诊断利用的是链本身的结构性:shift 操作是纯串行移位,任何一个 cell 的 stuck 或 hold 问题都会在 shift 测试(chain test pattern,通常是 0011 交替序列)里暴露成特征性的症状模式。诊断引擎对这些症状做模式匹配,能相当精确地说出「链 7 的第 142 个 cell 是 stuck-at-0」。定位到 cell 之后,再对照版图看那个 cell 的物理坐标,chain 缺陷的物理定位几乎是免费的。
上图的分支判断对应一个真实的工程决策:瀑布状症状出现,先把 chain 缺陷定位并屏蔽(mask),把这条链贡献的所有症状从 fail log 里剔除,再把干净的症状交给 logic 诊断。顺序反过来的代价是诊断时间爆炸和候选失真——一个 chain 坏点能污染几十条链的观测数据(压缩架构下通过 decompressor 扩散),logic 诊断在噪声里挣扎几小时也收敛不了。
chain 诊断的另一个副产品是链上缺陷与逻辑缺陷共存的场景识别。如果屏蔽了 chain 症状后仍有大量无法解释的 fail,说明逻辑部分也有问题,需要 logic 诊断继续。量产中大约 10-15% 的 fail die 是 chain 问题,剩下大头才是 logic 诊断的主战场。
三、logic 诊断:单故障假设下的反推
logic 诊断的经典方法是单位置故障假设(single fault assumption):假设芯片里只有一个缺陷点,逐个尝试候选位置、逐个注入故障模型,看哪个假设能解释最多症状。方法分两大流派。
第一派是基于因果的(cause-effect):对 fail log 里每个症状,做故障仿真找出「哪个故障能产生这个症状」的候选集合,再对所有症状的候选集求交并做打分。优点是快,缺点是多个缺陷相互掩盖时(一个缺陷把另一个的效应挡住了)交集可能为空。
第二派是基于效果的(effect-cause):从观测点反向回溯,用关键路径追踪(critical path tracing)找出所有可能传播到 fail 观测点的线网,再在这些线网上做注入仿真。这一派在 modern 工具里更常见,配合 X 容忍、per-pattern 报告能处理部分症状不可解释的情况。
真实诊断报告的典型长相如下表(取自典型 layout-aware 工具的输出格式):
| Candidate | 位置(net/cell) | 故障类型 | Score | 匹配 fail 数 | 物理坐标 (μm) |
|---|---|---|---|---|---|
| 1 | u_core/u_alu/n_4821 | stuck-at-0 | 98 | 47/48 | (1203.4, 881.2) |
| 2 | u_core/u_alu/U_inv_97.ZN | open | 91 | 45/48 | (1203.6, 881.0) |
| 3 | u_core/n_12033 ↔ n_12034 | bridge (AND) | 76 | 39/48 | (1205.1, 879.8) |
这张表有三个值得细品的点。第一,top 几个 candidate 往往物理上挤在一起——net n_4821 和它驱动的反相器输出本来就是同一段金属,诊断分不出谁是谁很正常,FA 去那个坐标看就行。第二,bridge 候选的出现说明诊断已经超越了经典 stuck-at 模型,开始考虑相邻线网的短路行为,这正是 layout-aware 的种子。第三,score 没到 100,剩下的 1/48 条 fail 可能是噪声、可能是第二个独立缺陷、也可能是故障模型没覆盖到的行为——追求 100 分往往得不偿失。
四、layout-aware:用版图信息砍候选集
传统 logic-only 诊断的逻辑锥(logic cone)里动辄几百个等效候选——同一故障行为在逻辑上不可区分。layout-aware 诊断的突破口是:真实缺陷是物理事件,服从物理规律。一个桥接缺陷只会发生在版图上相邻(同一层金属间距小于某阈值,或上下层有 via 重叠)的线网之间;一个 open 缺陷只会断在一条连续金属走线的某一点上。把这些物理约束加进候选筛选,等效候选集会被大幅裁剪。
layout-aware 的关键输入是 LEF/DEF 或 Milkyway/NDM 库里的版图数据,工具会预先构建几张表:线网邻接表(哪些 net 在物理上靠得足够近、可能发生 bridge)、关键面积表(critical area,一个随机落点的颗粒有多大几率造成这两条线短路)、cell 内部结构映射(defect 在 cell 内部的哪个 pin 上)。
上图展示了三层过滤的杀伤力。以 bridge 为例:logic-only 诊断报告「net A 与 net B 桥接」,但逻辑锥里和 A 行为等效的 net 有几十条、和 B 等效的也有几十条,组合起来几百个候选对。查邻接表后发现这些等效 net 里物理上真正相邻的只有两对,候选集立刻塌缩。关键面积加权再进一步:两对里有一对 overlap 长度 2μm、另一对只有 0.1μm,随机缺陷落在前者的概率大一个量级,排名自然提前。最后 cell 内部分析把候选从 net 级推进到 pin 级——FA 工程师拿到的不再是「某个模块附近」,而是「坐标 (1203.4, 881.2),大概率是 M2 层断线」这样的可执行信息。
工业数据上,layout-aware 相对 logic-only 通常能把候选数压缩一个数量级(从几百到个位数),把物理定位误差从「模块级(几十 μm 见方)」推进到「μm 级」。FA 的聚焦离子束(FIB)或电压衬度成像(PVC)一次能看的区域很小,候选集每缩小一半,FA 成功率就显著上升。
layout-aware 还有两个进阶能力值得知道。一是cell-aware 诊断:用晶体管级仿真为每个标准单元预建内部缺陷的响应特征库,诊断时能把故障定位到 cell 内部的某个晶体管,对 FinFET 时代的 cell 内部缺陷(占先进节点 defect 的大头)至关重要。二是volume diagnosis:把成百上千颗 fail die 的诊断结果聚类,找出「很多颗都指向同一物理区域」的系统性缺陷模式——单颗诊断是刑侦,批量诊断是流行病学。
还有一个经常被问的问题:layout-aware 诊断对硬件环境有什么要求。答案是版图数据必须和诊断用的网表严格同版本。实践中最常见的翻车场景是:tapeout 后版图做过一轮 ECO,metal-only 改版后线网邻接关系变了,但诊断团队手里还是旧版 LEF/DEF——工具按旧邻接表筛选 bridge 候选,真正相邻的线网对根本不在表里,score 高的全是假相邻。纪律很简单:每轮 ECO 后把网表、LEF/DEF、ATPG pattern 三件套打成一个带版本号的诊断包,任何一件更新整包重发。
诊断时间也值得规划。单颗 die 的 logic 诊断在百万门级设计上通常跑几分钟到半小时,cell-aware 因为要查特征库会再慢几倍。volume diagnosis 一次跑几百颗,通常丢给服务器集群过夜跑。这意味着「今天 fail 的片明天就有候选」是可实现的节奏,前提是 fail 数据采集在测试程序里早就配好,而不是临时改程序重测——重测既费机时,还可能因为缺陷本身的不稳定性(比如间歇性开路)拿不到和首次 fail 一致的症状。
五、诊断结果回流:从单颗定位到良率提升
诊断的终点不是一份报告,而是良率。完整闭环是这样的:诊断给出物理位置 → FA 在该位置做物性分析(SEM 成像、切片、成分分析)确证缺陷类型 → 缺陷类型归到根因类别(颗粒、光刻偏移、CMP 凹陷、via 空洞……)→ 按类别统计帕累托 → 工艺端改参数、设计端改规则。
上图里最容易被跳过的是「系统性模式识别」这一步。随机性缺陷(random defect)每颗位置不同,只能靠工艺清洁度慢慢压;系统性缺陷(systematic defect)会在很多颗 die 上反复出现在相同或相近的物理位置——比如某个版图热点(layout hotspot)在光刻工艺窗口边缘。诊断聚类把这类模式挖出来后,设计端可以用 DFM 规则修版图,收益远大于盲目清工艺。这也是为什么先进节点下,版图感知的诊断数据会被反哺到设计规则检查(DRC)的推荐规则(recommended rule)里。
最后一个实践提醒:诊断不是免费午餐,它要求测试时保存 per-fail 的详细数据(每个 fail 的 pattern/cycle/cell),这比 pass/fail 位图大几个数量级。量产测试程序里要预先规划数据采集预算——常见策略是每 lot 抽样若干颗 fail die 采全量 fail cycle,其余只采 first-fail。测试时间和数据量的权衡,在 CP/FT/Burn-in 测试与诊断 的测试成本一节里有过讨论,诊断需求应该在那一步就排进计划,而不是等良率出问题再补。
常见坑
- fail log 没做 chain 诊断就直接喂 logic 诊断,候选被链缺陷污染,白跑几小时。
- 只采 first-fail 数据就想做 layout-aware 诊断——症状太少,候选集根本收不敛。
- 诊断用的网表/版图版本和 tapeout 版本不一致,物理坐标整体偏移,FA 去了找不到东西。
- 盲目信任 score 最高的单条 candidate,不看 top 候选的物理聚类——真正缺陷常常是几条高分候选的共同邻域。
- ATPG 只开了 stuck-at 模型,诊断却想定位 transition/bridge 缺陷,故障模型对不上行为,score 天花板很低。
- 批量诊断只跑一个 lot 就下结论,系统性模式需要跨 lot 聚类才敢确认。
这一篇在知识体系里的位置
- 向上承接:CP/FT/Burn-in 测试与诊断 讲清 fail log 从哪个测试站、以什么格式产出;DFT 故障模型与覆盖率 定义了诊断反推时注入的故障抽象。
- 横向相关:ATPG 压缩架构决定了 fail 症状怎么从压缩逻辑里解出,诊断前必须理解 decompressor 对症状的扩散效应。
- 落地延伸:诊断报告最终服务 FA 与良率工程,cell-aware、volume diagnosis 是先进节点下的标配扩展。
总结
逻辑诊断版图感知是一条「fail log → chain 诊断先行屏蔽链缺陷 → logic 诊断按单故障假设仿真反推候选 → layout-aware 用版图邻接和关键面积把候选从几百砍到个位 → FA 确证后回流工艺与设计规则」的闭环:诊断质量的上限由 fail log 数据完整度和故障模型覆盖决定,定位精度的跃升来自物理约束的加入,而它的终极价值不在单颗芯片的刑侦,而在批量聚类挖出系统性缺陷、驱动良率爬坡。