4. 规则分层策略：将规则按层次（金属层、有源区、通孔层）拆分，减少单次检查的规则数量

在大型 SoC 或先进工艺节点（如 7nm/5nm）的物理验证中，DRC 规则集通常包含数万至数十万条检查语句。若将所有规则一次性加载并执行，不仅会耗尽内存资源，还会因规则间的交叉引用导致运行时间呈指数级增长。规则分层策略的核心思想是：按照物理层次（Layer）或工艺模块（Module）将规则集拆分为多个独立的检查子集，每次只运行与当前层次相关的规则，从而大幅降低单次检查的复杂度。

4.1 分层策略的基本原理

现代工艺的 DRC 规则天然具有层次属性。例如，金属层的规则只涉及金属线宽、间距、最小面积等几何约束，与有源区（AA）的注入规则完全解耦。通过将规则按层次拆分，可以实现：

• 规则集瘦身：单次检查的规则数量减少 60%–80%，降低解析与编译开销。
• 内存占用降低：只需加载当前层次的几何数据与规则，避免全芯片数据驻留。
• 并行化基础：不同层次可独立提交至不同计算节点，实现线性加速。
• 增量验证：修改某层版图后，只需重新运行该层的 DRC，无需全量重跑。

4.2 典型分层结构

下表展示了基于工艺模块的规则分层方案，每个模块对应一个独立的 DRC 运行脚本：

4.3 分层策略的 SVG 架构图

下图展示了规则分层策略的整体架构，从原始规则集到分层模块，再到并行执行与结果合并：

4.4 分层策略的实施步骤

在实际项目中实施规则分层策略，建议遵循以下步骤：

1. 规则审计与分类：遍历所有 DRC 规则，按所属物理层次（AA、PO、M1、V1 等）打标签，识别跨层规则。
2. 模块划分：将同层规则归入同一模块，跨层规则归入“接口模块”或附加到上层模块。
3. 脚本拆分：为每个模块创建独立的 DRC 运行脚本（如 drc_aa.drc、drc_m1.drc），确保脚本内无冗余依赖。
4. 数据准备：按模块提取对应的 GDS/OASIS 层次数据，可使用 layermap 或 clip 命令过滤。
5. 并行调度：利用 LSF、SGE 或云原生调度器，将各模块提交至不同计算节点并行执行。
6. 结果合并：收集各模块的 DRC 结果（如 .drc.summary、.drc.db），使用合并工具生成全芯片报告。

4.5 分层策略的收益对比

以下表格对比了未分层与分层策略在典型 28nm 芯片项目中的实测数据：

4.6 分层策略的适用场景与限制

分层策略并非万能，以下场景特别适合：

• 芯片规模大（>100 mm²），层次结构清晰。
• 工艺节点先进（≤28nm），规则数量多且层次独立性强。
• 团队具备并行计算基础设施（LSF、Kubernetes 等）。

以下场景需谨慎使用：

• 层次间存在大量复杂跨层约束（如 3D NAND、BCD 工艺）。
• 规则引擎不支持增量合并或结果合并工具缺失。
• 芯片面积小（<10 mm²），分层带来的调度开销可能超过收益。