well proximity effect

Well Proximity Effect
[intro]
implanting N-Well causes Vt increasing near N-Well edges.
The implanting particles above the N-Well edges are clustered at the N-Well edges, i.e. the concentration near N-Well edges are higher than that in the center of the N-Well.

[Environment]
BSIM 4.5 or above
in 90nm/65nm or above CMOS process

[Solution]
Pre-sim:
Cadence: Enable 'Well Proximity Accurate' option for every MOS
HSpice: set SC variable,
    e.g.: M1 VD  VG VS VB NMOS L=0.5U W=2U SC=2u

Layout:
increase the space between N-Well edges and MOSes according to DRC rules or above 3um.
inserting dummy source/drain for sensitive MOSes.

[Ref] http://www.bubuchen.com/2008/09/well-proximity-effect_5006.html

waveview notes

Tools: waveview

hotkey:
'd' --> show marker ON/OFF

Open parameter simulation results
open -> runObFile

Matlab multicore setup

I found a good material/manual
[www] http://mirlab.org/jang/books/matlabProgramming4guru/02-2_Optimization4codeNmem.asp?title=2-2%20%A5%AD%A6%E6%B3B%B2z

Here is the content:

2-2 平行處理

此外，我們也可以借用多核電腦的平行處理，來加速程式碼的執行。欲達到此功能，你的電腦必須具備多核心，而且你的系統也必須先安裝平行處理工具箱（Parallel Processing Toolbox，簡稱 PCT）。若兩者兼備，加速計算的方法如下：

1. 在使用平行處理指令之前，下達「matlabpool local n」指令，其中 n 代表核心數目，例如 4（四核心電腦）或 8（八核心電腦）。
2. 使用 parfor 指令來取代原來的 for 迴圈，其指令格式如下： parfor loopvar = initval:endval, statements, end
3. 最後下達「matlabpool close」來關閉平行處理的功能。

我們就可以來嘗試一個簡單的範例：

Example 1: 02-程式碼與記憶體之最佳化/parfor01.m

ver distcomp % 顯示 PCT 的版本 matlabpool local 4 n = 100; rowMedian1=zeros(1000, 1); rowMedian2=zeros(1000, 1); % === 第一種方法：common for-loop tic for i = 1:1000 rowMedian1(i) = max(eig(rand(n))); end time1 = toc; % === 第二種方法：parallep for-loop tic parfor i = 1:1000 rowMedian2(i) = max(eig(rand(n))); end time2 = toc; fprintf('time1 = %g, time2 = %g, speedup factor = %g\n', time1, time2, time1/time2); matlabpool close------------------------------------------------------------------------------------------------------- MATLAB Version: 8.1.0.604 (R2013a) MATLAB License Number: DEMO Operating System: Microsoft Windows 7 Version 6.1 (Build 7601: Service Pack 1) Java Version: Java 1.6.0_17-b04 with Sun Microsystems Inc. Java HotSpot(TM) 64-Bit Server VM mixed mode ------------------------------------------------------------------------------------------------------- Parallel Computing Toolbox Version 6.2 (R2013a) Starting matlabpool using the 'local' profile ... connected to 4 workers. time1 = 4.94823, time2 = 1.62187, speedup factor = 3.05094 Sending a stop signal to all the workers ... stopped.

在這個範例中，我們產生了 1000 個 100x100 的亂數矩陣，然後計算每一個矩陣的特徵值（共有 100個）的最大值，若使用平行處理專用的 parfor 迴圈，計算速度是一般 for 迴圈的 3 倍左右。（我的電腦是四核心。） 如果你在執行 MATLAB 時，一邊還要還要修改論文，此時若 MATLAB 佔用了所有的多核 CPU，可能會導致電腦整個慢下來，讓你無法進行文書編輯。因此 parfor 提供另一個參數，可以指定所用到的工作者個數，指令格式如下：
parfor (loopvar = initval:endval, M), statements, end 其中 M 即是所用到的核心個數。例如在下例中，雖然我的電腦是四核心，但我只使用兩核來進行 parfor 的運算：

Example 2: 02-程式碼與記憶體之最佳化/parfor02.m

fprintf('MATLAB version = %s\n', version); matlabpool local 4 n = 100; rowMedian1=zeros(1000, 1); rowMedian2=zeros(1000, 1); % === 第一種方法：common for-loop tic for i = 1:1000 rowMedian1(i) = max(eig(rand(n))); end time1 = toc; % === 第二種方法：parallel for-loop using 2 workers tic parfor (i = 1:1000, 2) % 只用兩個核心 rowMedian2(i) = max(eig(rand(n))); end time2 = toc; fprintf('time1 = %g, time2 = %g, speedup factor = %g\n', time1, time2, time1/time2); matlabpool closeMATLAB version = 8.1.0.604 (R2013a) Starting matlabpool using the 'local' profile ... connected to 4 workers. time1 = 4.91713, time2 = 2.58577, speedup factor = 1.90162 Sending a stop signal to all the workers ... stopped.

由於只用到兩核，所以加速倍數接近兩倍。 在使用 parfor 迴圈時，有幾點要特別注意：

• 因為每個迴圈可能有不同的核心同時計算，因此迴圈之間不能有相依性，否則會造成錯誤的結果，這是特別需要注意之處。
• 在 parfor 迴圈的迴圈變數必須是整數，而且每次變大幅度都是1，以下是幾個不符合規定的範例：

  不合格的 parfor 用法	說明
  parfor i = 1:2:25	1, 3, 5,... 非連續整數。
  parfor i = -7.5:7.5	-7.5, -6.5,... 非整數。
  A = [3 7 -2 6 4 -4 9 3 7]; parfor i = find(A>0)	結果是 1, 2, 4,...，非連續整數。
  parfor i = [5;6;7;8]	[5;6;7;8]是一個行向量，而非 parfor 所須要的列向量。

PCT 是一個功能強大的工具箱，目前也可以支援多台電腦的平行運算，並可以使用 GPU（Graphic Processing Unit，圖形處理器）來進行大量的平行運算，詳細功能請參考下一小節的介紹。

---

MATLAB程式設計：進階篇

performing FFT by WaveView

Main steps:
1. open the waveform file and click on ADC output signals
2. performing ADC function
3. performing DAC function
4. performing FFT function

Steps:
1. execute the waveview binary file
>> wv &

2. open the waveform file, arrange signals from MSB to LSB (top-to-down)
eg. ~/ADC/spectre/schematic/psf/tran.tran

 3. select all signals and then click on the ADC icon

 4. 

5. group the A2D signals as one signal

6. performing DAC function on the grouped signal

 7. select the reconstructed waveform and press the tools/FFT icon