Méthodes d'analyse de la variabilité et de conception robuste des circuits analogiques dans les technologies CMOS avancées

Avec la miniaturisation toujours plus poussée des technologies CMOS, il devient de plus en plus difficile de maîtriser les variations des paramètres technologiques lors de la fabrication des circuits intégrés. A cause de ces variations, les performances des circuits peuvent varier de façon considérable. Par conséquent, des méthodes d’analyse de la variabilité et de conception robuste sont plus que jamais nécessaires pour garantir un rendement de fabrication des circuits élevé.Les techniques classiques d’analyse de la variabilité se révèlent soit pessimistes conduisant alors à un surdimensionnement (analyse « pire-cas »), soit très couteuses en temps de calcul (analyse Monte Carlo). Quant aux méthodes de conception automatisée robuste, elles sont généralement basées sur des algorithmes d’optimisation locaux qui améliorent la robustesse des circuits localement, mais risquent de ne pas converger vers le dimensionnement globalement robuste. Dans ce travail de thèse, une nouvelle méthode d’analyse de la variabilité ainsi qu’une nouvelleapproche pour concevoir des circuits analogiques robustes ont été développées. La méthode d’analyse de la variabilité consiste à approximer les performances des circuits par des modèles polynomiaux à partir des plans d’expériences, puis à estimer les variations extrêmes grâce au développement limité de Cornish-Fisher. Cette méthode s’avère aussi précise que l’analyse de Monte Carlo, mais présente un coût calculatoire bien plus faible. Enfin, l’approche de conception robuste met en oeuvre la méthode précédente d’analyse de la variabilité dans un algorithme d’optimisation par intervallesafin d’assurer un dimensionnement globalement robuste.With the continuous downscaling of CMOS technology, precise control over process parameters has become a highly challenging task. Due to the fluctuations in the manufacturing process, the performance of integrated circuits (ICs) will vary greatly between chips. Therefore, efficient methods to analyze such variability are essential to guarantee that fabricated ICs will meet the design and yield specifications. The classical methods for variability analysis are either pessimistic, thus leading to overdesign (worst-case analysis), or computing time expensive (Monte Carlo analysis). As for robust design methods, they are generally based on local optimization algorithms that locally improve the yield, but may not guarantee that the globally robust sizing is found. In this work, a new method for variability analysis and a new approach to design robust analog circuits are developed. The method dedicated to variability analysis consists of building polynomial models of the circuit performance metrics with the Design of Experiments theory, and then estimating the extreme variations by means of the Cornish-Fisher expansion. Compared to Monte Carlo analysis, this method shows a good accuracy without the shortcoming of a large computing cost. Finally, the robust design approach applies the previous variability analysis method in an intervalbasedoptimization algorithm to obtain a globally robust sizing