3. 统计模型与工艺波动来源

在Virtuoso的Monte Carlo分析中，真正决定仿真结果是否可信的，不是采样次数，而是统计模型是否写对、写全。很多初学者把 mc 语句当成“加个随机数”的开关，结果跑出来的良率要么过于乐观，要么与硅片实测严重不符。根本原因在于：全局工艺波动（process）与局部失配（mismatch）是两类物理来源完全不同的随机性，必须用不同的模型分别描述。本节围绕 statistics 块中的 process、mismatch、mis 等语句，讲清语法、物理含义以及它们对电路性能的差异化影响。

一、两类波动的物理来源与建模边界

全局波动来自晶圆制造中跨批次、跨晶圆、跨芯片的系统性偏差。例如氧化层厚度、光刻线宽、掺杂浓度在整片晶圆上存在缓慢的空间梯度，同一批次内不同芯片的NMOS阈值电压可能整体偏高或偏低。这类波动对同一芯片上的所有同类型器件同向、近似同比例地作用，因此建模时用一个全局随机变量驱动所有相关器件。

局部失配则来自同一芯片内相邻器件之间的随机差异，典型来源包括掺杂原子数涨落、栅氧厚度局部起伏、边缘粗糙度等。它只作用于“本应相同”的器件对，例如差分对的两只管子、电流镜的参考管与镜像管。失配随器件面积增大而减小，近似满足 Pelgrom 关系：σ(ΔVth) = A_VT / sqrt(W·L)。这意味着失配模型必须与器件的 W、L 绑定，而不能像全局波动那样只给一个固定 sigma。

二、Virtuoso 统计模型语法与含义

在 ADE XL 或 Assembler 中，统计模型通常写在模型文件的 statistics 块内，或通过 monteCarlo 设置引用。核心语句形式如下：

statistics {
  process {
    vary vth0 dist=gauss std=0.02
    vary tox  dist=gauss std=0.03
  }
  mismatch {
    vary dvth0 dist=gauss std=0.005
  }
  mis {
    vary dw   dist=gauss std=0.01
    vary dl   dist=gauss std=0.01
  }
}

逐项解释：process 块定义全局变量，每次 Monte Carlo 抽样时，所有引用该模型的器件共享同一组抽样值；mismatch 块定义局部失配变量，每个器件实例独立抽样，因此差分对两只管子会得到不同的 dvth0；mis 是 mismatch 的简写别名，在部分 PDK 中两者等价，但有些工艺库用 mis 专门表示几何尺寸失配（ΔW、ΔL），用 mismatch 表示电学参数失配（ΔVth、Δβ），此时不能混用。

dist 指定分布类型，常用 gauss（正态）、lognormal（对数正态，适合电阻、电流等正值量）、uniform（均匀）。std 是标准差，单位与所修饰参数一致：vth0 用 V，tox 用 m，dw 用 m。若 PDK 提供的是相对标准差，则用 std=0.02 表示 2% 的 1σ 波动。

三、模型如何影响电路性能：一个差分对示例

假设一个 NMOS 差分对，尾电流 100 μA，负载电阻 10 kΩ，输入对管 W/L = 10 μm/0.18 μm。若只开 process，两只管子的 Vth 同时升高 20 mV，差分输出几乎不变，因为共模漂移被差分结构抑制；此时测得的失调电压很小，容易让人误以为电路“良率很高”。一旦加入 mismatch，两只管子 Vth 各自独立抽样，差值 ΔVth 的 1σ 约为 A_VT / sqrt(W·L)。取典型 A_VT = 5 mV·μm，则 σ(ΔVth) ≈ 5 / sqrt(10×0.18) ≈ 3.7 mV，对应输入失调电压 1σ 约 3.7 mV。若系统要求失调小于 5 mV，则良率大约只有 82% 左右（按正态分布估算），这才是真实的设计约束。

由此可见：process 决定电路的绝对工作点是否落在规格内，mismatch 决定匹配精度和失调类指标。两者必须同时开启，且采样次数要足够——通常至少 200～500 次才能稳定估计 3σ 附近的良率，100 次以下的结果波动很大，不宜作为签核依据。

四、实操要点与常见错误

第一，确认 PDK 中 mismatch 与 mis 是否等价。打开模型文件搜索 statistics 块，若同时存在两个块且参数不同，说明它们分工不同，仿真设置里必须分别引用。第二，检查 std 单位。Virtuoso 不会自动换算，若把 0.02 V 写成 0.02 mV，失配会被低估 1000 倍，良率虚高。第三，注意 process 变量的作用域：它应作用于所有同类型器件，而不是只作用于被选中的实例，否则全局波动被人为削弱。第四，采样次数与收敛判断：先跑 100 次看均值与标准差是否稳定，再增加到 500 次；若 3σ 良率在两次运行间跳变超过 2%，说明次数不足。

最后给出一个可复用的检查清单，用于每次 Monte Carlo 设置后快速核对：