IHP SG13G2 开源PDK:130nm BiCMOS工艺设计套件技术白皮书
技术概览
IHP SG13G2开源工艺设计套件(PDK)基于130nm BiCMOS技术平台,专为模拟/数字混合信号和射频电路设计而开发。该套件采用0.13μm CMOS工艺结合高性能SiGe:C npn-HBT双极器件,提供完整的制造设计流程支持。工艺技术具备350GHz过渡频率(f_T)和450GHz振荡频率(f_max)的卓越射频性能,支持毫米波电路设计应用。
核心特性
工艺技术参数
- CMOS工艺节点:0.13μm栅极长度
- 双极器件性能:SiGe:C HBT器件,f_T=350GHz,f_max=450GHz
- 栅氧化层选项:1.2V薄栅氧(数字逻辑)和3.3V厚栅氧(模拟电路)
- 金属布线层次:5层薄金属(0.35μm厚度),2层厚金属(2-3μm厚度)
- 无源元件:多晶硅电阻器、MIM电容器、RF MIM电容器
设计套件组成
- 标准单元库:包含基础逻辑单元(与门、或门、反相器等)
- IO单元集:支持多种接口标准的输入输出单元
- SRAM编译器:可配置的静态随机存取存储器单元
- 原始器件:MOSFET、HBT、电阻、电容等基本器件
技术架构
仿真模型支持
工艺套件提供完整的器件模型库,支持ngspice和Xyce电路仿真工具。HBT器件模型基于VBIC模型架构,包含自热效应和基极电阻非线性建模。MOSFET模型采用PSP紧凑模型,准确描述亚微米器件的短沟道效应。
物理设计支持
- GDSII格式:所有单元和器件的版图数据
- LEF/TechLEF:布局交换格式和技术文件
- Liberty格式:时序和功耗库文件
- DRC/LVS规则:基于KLayout的设计规则检查和版图与原理图对比规则
应用场景
毫米波通信系统
SG13G2工艺的450GHz f_max特性使其非常适合77GHz汽车雷达、94GHz成像系统和120GHz通信系统设计。实测数据显示在94GHz频段,HBT器件功率增益达到8dB,噪声系数低于5dB。
混合信号SoC
双栅氧工艺支持1.2V数字核心和3.3V模拟接口的单芯片集成。典型应用包括高速数据转换器(ADC/DAC)、锁相环(PLL)和射频前端模块。
典型案例:60GHz收发机
采用SG13G2工艺实现的60GHz收发机芯片,集成低噪声放大器、功率放大器、混频器和频率合成器。测试结果显示在57-64GHz频段内,发射功率达到10dBm,接收机噪声系数为6.5dB。
开发指南
环境配置
获取PDK源代码:
git clone https://gitcode.com/gh_mirrors/ih/IHP-Open-PDK
工具链集成
支持的EDA工具包括:
- 电路仿真:ngspice 39、Xyce 7.6
- 版图设计:KLayout 0.28
- 原理图输入:xschem 3.1、Qucs-S 0.0.21
- 物理验证:Magic 8.3
设计流程
- 电路设计:使用xschem或Qucs-S创建原理图
- 仿真验证:采用ngspice进行电路性能仿真
- 版图实现:基于KLayout完成物理设计
- 验证签核:执行DRC/LVS检查确保制造可行性
贡献方式
技术合作途径
IHP欢迎学术界和工业界的研究人员参与PDK的开发和改进。贡献内容包括但不限于:
- 器件模型精度提升
- 设计规则优化
- 新标准单元开发
- 设计方法学创新
资源获取
技术文档和设计案例可通过PDK包中的doc目录获取。工艺设计手册包含详细的器件参数、设计规则和模型说明。测量数据位于libs.doc/meas目录,提供HBT、MOS和被动器件的实测特性。
技术支持
技术咨询和合作建议可通过邮件联系:openpdk@ihp-microelectronics.com。IHP提供工艺技术背景说明和设计方法学指导,支持研究人员开展基于SG13G2工艺的创新设计。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00