基于芯片组系统的TSV阵列的信号完整性控制策略

《Micromachines》：The Signal-Integrity Control Strategy of a TSV Array for a Chiplet-Based System

　　

在本研究中，研究人员基于反向传播神经网络（BP-NN）模型和线性递减惯性权重粒子群优化算法（PSO-LDIW），开发了一种用于芯片组（Chiplet）系统的硅通孔（TSV）阵列的信号完整性控制策略。基于HFSS软件，研究人员获取了TSV阵列的仿真结果。通过BP-NN模型建立了设计参数（TSV间距、TSV高度、TSV半径、氧化层厚度和偏移角）与信号指标（回波损耗、插入损耗、近端串扰和远端串扰）之间的不规则关系。然后，研究人员利用PSO-LDIW算法优化TSV阵列的设计参数，以获得期望的信号指标。基于优化后的设计参数，通过HFSS仿真验证了所开发信号完整性控制策略的有效性。在三个验证案例中，BP-NN预测值与对应HFSS仿真值之间的相对误差范围为0.31%至5.02%。HFSS结果与期望的近端串扰（NEXT）、远端串扰（FEXT）和回波损耗目标的相对偏差不超过5.72%，而与期望的插入损耗目标的最大绝对偏差为0.0160 dB。这些结果表明，所开发的策略在测试案例中能够有效控制TSV阵列的信号指标。

论文解读文章

研究背景与问题

随着半导体技术的快速发展，消费电子产业蓬勃兴起。先进工艺制造的芯片因高性能和低功耗占据了市场重要份额。在先进芯片制造过程中，三维集成电路（3D IC）成为关键组成部分。基于芯片组（Chiplet）的系统是一种复杂的3D IC，其中硅通孔（TSV）被用于实现垂直方向的互连，从而提升系统的性能和能效。然而，传输信号的完整性对芯片组系统的性能至关重要。过去，学者们通过数学方程推导和有限元方法（FEM）软件对TSV的信号完整性进行了大量研究，例如同轴TSV结构、凸点形状优化、磁耦合系数模型以及接地TSV与硅衬底直接欧姆接触的串扰抑制方案。然而，当TSV阵列结构变得复杂，尤其是在芯片组系统中使用时，数学推导极为繁琐，FEM仿真非常耗时。因此，亟需研究一种高效的高效率信号完整性控制策略。

研究内容与意义

为解决上述问题，研究人员提出了一种基于反向传播神经网络（BP-NN）模型和线性递减惯性权重粒子群优化算法（PSO-LDIW）的TSV阵列信号完整性控制策略。该策略通过建立设计参数与信号指标之间的代理模型，并利用优化算法逆向搜索最优设计参数，从而高效地控制信号完整性。本研究发表在《Micromachines》期刊上。

主要关键技术方法（不超过250字）

研究人员采用了以下关键方法：首先，利用HFSS 2024 R2软件对3×3 TSV阵列进行有限元仿真，通过正交实验设计获取81组样本数据（设计参数范围：TSV间距P为20–100 μm，高度H为15–40 μm，半径R为1.5–4.5 μm，氧化层厚度t_ox为0.1–0.9 μm，偏移角θ为50–90 deg）。其次，构建BP-NN模型，以五个设计参数为输入，四个信号指标（回波损耗S55(1,1)、插入损耗S15(1,1)、近端串扰NEXT、远端串扰FEXT）为输出，采用70.4%样本训练、14.8%验证、14.8%独立测试，隐藏层神经元数量依据验证集误差确定。最后，采用PSO-LDIW算法进行多目标优化，惯性权重从0.9线性递减至0.4，种群大小50，迭代300次，多目标优化准则加权系数（α=0.3, β=0.2, γ=0.4, δ=0.1）通过偏差分析选定。

研究结果

2. 有限元仿真结果

通过HFSS仿真分析了设计参数对信号指标的影响。部分结果显示：回波损耗随P增大而减小，随H增大而增大；远端串扰FEXT随P增大而减小，随R增大先增后减；FEXT随H增大而增大；近端串扰NEXT随P和H增大而增大。表明设计参数与信号指标关系复杂不规则。

3. 信号指标控制策略

3.1 BP-NN模型

基于81组正交实验样本建立BP-NN模型。经独立测试集评估，回波损耗、插入损耗、NEXT和FEXT的测试平均绝对百分比误差（MAPE）分别为1.72%、4.08%、3.16%和4.12%，插入损耗测试平均绝对误差（MAE）为0.0026 dB，表明模型预测能力良好。

3.2 多目标优化准则

基于BP-NN预测值与期望值的偏差构建多目标优化准则，加权系数通过偏差分析选定为0.3、0.2、0.4、0.1。

3.3 PSO-LDIW优化

采用PSO-LDIW算法，惯性权重线性递减。设置三个验证案例（Case A、B、C）代表不同设计严格程度。30次独立运行结果变化范围很小，表明策略稳定。

4. 验证与讨论

4.1 验证

将优化后的TSV结构在HFSS中重建并仿真，对比BP-NN预测值与HFSS仿真值。12个比较中11个相对误差低于5%，FEXT在Case A中误差为5.02%，总体误差范围0.31%–5.02%。HFSS结果与期望目标相比，NEXT相对偏差1.61%–2.58%，FEXT相对偏差1.45%–3.94%，回波损耗相对偏差2.80%–5.72%，插入损耗绝对偏差0.0077–0.0160 dB（因期望值接近0，相对偏差较大）。

4.2 讨论

提出的策略通过BP-NN代理模型避免了重复全波仿真，PSO-LDIW相比标准PSO、随机搜索和遗传算法获得了更低的平均最终适应度值（Case A、B、C分别降低约11.9%、4.2%、10.4% vs 标准PSO）。一次完整PSO-LDIW运行约需802.96秒（约14分钟），远低于传统试错设计。当前训练模型仅适用于3×3 Cu TSV阵列、SiO₂绝缘层、硅衬底及指定参数范围；其他配置需重新建模。未来工作将考虑TSV阵列样品制造与实测验证。

5. 结论

本文提出了一种基于BP-NN模型和PSO-LDIW算法的TSV阵列控制策略，用于优化3D-IC中的信号完整性。主要结论如下：（1）建立了详细的TSV阵列有限元模型，分析了设计参数与性能指标的关系，揭示了不规则复杂特性。（2）在三个验证案例中，BP-NN预测与HFSS仿真的最大相对误差为5.02%；HFSS结果与期望NEXT、FEXT和回波损耗目标的最大相对偏差为5.72%，与期望插入损耗目标的最大绝对偏差为0.0160 dB。结果验证了所提方法的预测精度和目标控制能力。当前训练的代理模型适用于所研究的TSV拓扑和参数范围；其他TSV配置需要新的仿真数据和模型重新训练。（3）所提出的设计方法减少了对专家经验的依赖。一次完整的PSO-LDIW优化运行约需802.96秒（不到14分钟），而每次代理模型评估远快于HFSS仿真。未来工作将进一步考虑TSV阵列样品的制造与测量，以实验验证所提出的信号完整性控制策略。