半導体デバイスの検証には、ゲイン帯域幅、スルーレート、高調波歪み、位相ノイズなど、ますます多岐にわたる測定項目が求められています。設計が複雑化するにつれ、テストチームは測定精度を損なうことなく、より多くのデバイスをより短時間で特性評価するという、ますます大きなプレッシャーに直面しています。
従来の手法では、それぞれ独自のドライバスタック、キャリブレーションサイクル、ケーブルを備えた固定機能の計測器をラックに並べて使用する。被試験デバイス（DUT）を1台から複数台に拡張する場合、通常はハードウェアの数を増やす必要があり、それに伴うコスト、ベンチスペース、メンテナンスの負担も増大する。さらに悪いことに、計測器の数を増やしても、テストの実行は依然として逐次的な場合が多く、各DUTは共有リソースを使用する順番を待つことになる。
本ホワイトペーパーでは、Pythonベースのテスト自動化とFPGAベースの計測を組み合わせることで、真の並列デバイステストを実現するという、従来とは異なるアプローチを紹介します。時間制約のある処理を再構成可能なハードウェアにオフロードし、Pythonを軽量なオーケストレーションレイヤーとして使用することで、エンジニアリングチームはテスト時間を大幅に短縮できるだけでなく、チャネル間の再現性と同期性を向上させることができます。
図1：Moku:Deltaと周波数応答アナライザを用いたマルチチャンネルDUTテスト
規模拡大の課題
単一デバイスでのテスト手法は、線形的に拡張できるものではありません。検証チームがDUT（被試験デバイス）の数を増やしてスループットを向上させようとすると、ハードウェアとソフトウェアの両面で複合的な障害に直面します。
ハードウェアのボトルネック
- 逐次再構成：従来の方法では、各測定対象デバイス（DUT）ごとに各計測器を再構成する必要があり、測定間のオーバーヘッドが大幅に増加します。この待ち時間は、デバイス数が増えるにつれて急速に蓄積されます。
- 計測器の競合：信号発生器やデジタル化装置などのリソースを複数の計測器が共有する場合、それらはキューを形成します。次の計測器がハードウェアにアクセスするには、前の計測器が完了する必要があるため、テスト計画で同時実行が求められている場合でも、実質的な並列処理能力が低下します。
- コストと柔軟性：PXIラックや卓上型計測器は高価で、再構成が困難です。新しい機能を追加するには、単に構成を更新するだけでなく、追加のカードを購入し、ケーブルを配線し直し、再校正を行う必要がある場合がほとんどです。
ソフトウェアとタイミングの問題 - OSジッター：ホストCPUがテストタイミングを管理する場合、オペレーティングシステムによって非決定的な遅延が発生します。バックグラウンドプロセスやシステムアップデートによって測定時間が数ミリ秒短縮され、チャネル間の同期が劣化する可能性があります。
- ドライバの競合：PXIシャーシまたはVISAリソースマネージャを介して複数のベンダーの計測器を接続すると、特に複雑な構成の場合、ドライバやリソースのロックに関する競合が頻繁に発生します。
- タイミングのずれ：共通のクロック基準と決定論的なトリガーがない場合、チャネル間の測定値にずれが生じ、比較が困難で合否判定に信頼性の低いデータが生成される可能性があります。
FPGAが並列テストの基盤となる理由
FPGAは既に多くの計測機器に搭載されており、通常はタイミング分配や基本的なトリガー処理に用いられています。Liquid Instruments社のMokuプラットフォームは、これをさらに発展させ、FPGAを計測、信号生成、リアルタイムデジタル信号処理の主要な実行エンジンとして活用しています。
図2：単一のハードウェアデバイスMoku:Deltaを使用して複数のDUTにスケーリングする
決定論的タイミング
FPGAは厳密なハードウェアクロックサイクルに基づいて演算を実行し、マイクロ秒以下の精度を実現します。オペレーティングシステムがタスクの実行タイミングを決定するCPUベースのシステムとは異なり、FPGAはすべての命令を予測可能な固定間隔で処理します。これは、データセットがまったく同じサンプルから開始する必要がある同期マルチチャネル取得において不可欠です。
真のハードウェア並列処理
FPGAは、チップの異なるセクションを異なるタスクに割り当てることで、複数のチャネルと制御ループを同時に処理できます。各操作に専用のロジックが割り当てられているため、共有リソースの競合は発生しません。Mokuプラットフォームはこの利点を活用し、1つのデバイス上で最大8つの計測器を同時に実行し、計測器ブロック間で80Gbpsのデジタル通信を行うことで、ロスレスなリアルタイムフィードバックループを実現しています。
再構成可能性
固定機能の計測器とは異なり、FPGAはわずか数秒で再構成して全く異なる動作を実行させることができます。オシロスコープとして機能していたチップの一部を、ハードウェアの変更を一切必要とせず、単一のAPI呼び出しだけでスペクトラムアナライザや周波数応答アナライザに変えることが可能です。
スケーリングアーキテクチャ
Moku:Deltaは、8つのアナログ入力、8つのアナログ出力、32のデジタルI/Oチャンネル、および最大8つの同時計測器スロットを提供します。計測器の配置はソフトウェアで定義されるため、2台のDUTから8台への拡張は、追加のケーブル接続とPythonスクリプトのパラメータ変更のみで済みます。追加のハードウェアを購入、校正、または保守する必要はありません。
時間の節約
4つのDUTと3つのテスト（各テストに10分かかる）からなる検証シーケンスを考えてみましょう。逐次的なアプローチでは、各デバイスで各テストを順番に実行する必要があります。つまり、4つのDUT×3つのテスト×10分で、合計2時間かかります。一方、FPGAベースの並列実行では、4つのDUTすべてを同時に実行できるため、テスト時間は合計約30分に短縮されます。複数の計測器スロットを使用して3つのテストすべてを同時に実行できる場合は、10分に短縮することも可能です。
図3：1つ以上のテストユニットを用いた逐次テスト処理と、Pythonをオーケストレーション層として使用した並列DUTテストの比較
Python + FPGA：ソフトウェア・ハードウェアアーキテクチャ
並列テストアーキテクチャは、ソフトウェアとハードウェアの役割を明確に分担し、それぞれが得意とする分野に集中できるようにします。その結果、レイテンシの低減、スループットの向上、そして測定のあらゆる側面に対するより厳密な制御が可能になります。
オーケストレーションレイヤーとしてのPython
FPGAが信号生成、トリガー、フィルタリング、リアルタイムDSPを処理するため、ホストPCは高レベル構成、テストシーケンス、データ集約、レポート作成に専念できます。Moku Python APIを使用すると、エンジニアは単一のバージョン管理されたコードベースから計測器の構成、パラメータの設定、測定の開始を行うことができます。豊富なデータ分析ツール（NumPy、SciPy、Matplotlib）のエコシステムを備えているため、後処理や可視化にも最適です。MATLABおよびLabVIEW環境で既存のワークフローを持つチーム向けに、MATLABおよびLabVIEW APIも利用可能です。
4段階のワークフロー
事例研究：並列オペアンプの検証
これらの概念を実際に示すために、アナログ設計およびテストチームにとって一般的な作業である半導体オペアンプICの検証を考えてみましょう。その目的は、複数の仕様にわたるデバイス性能を評価し、検証済みのデータシートを作成することです。
従来のアプローチ
数個のテストを行う場合でも、一般的なベンチテスト構成では、刺激信号用の任意波形発生器、出力側のオシロスコープとスペクトラムアナライザ、ゲインと位相測定用の周波数応答アナライザなど、4～5個の独立した計測器が必要となります。各計測器は数万ドルの費用がかかり、それぞれ専用のインターフェースとドライバが必要で、専用のケーブル配線も欠かせません。複数の被試験デバイス（DUT）に対応するには、この構成全体を複製するか、テストを順次実行する必要があります。
FPGAベースの並列処理アプローチ
1台のMoku:Deltaを使用することで、複数のDUT（被測定デバイス）に対して同じテストを同時に実行でき、測定間のケーブル交換は不要です。マルチインストゥルメントモードでは、最大8台のソフトウェア定義計測器を同じFPGA上に展開し、すべて共通のリファレンスクロックを共有することで、時間的に整合性の取れたデータ取得と確実な位相調整を実現します。
実演では、2つのオペアンプ評価ボード（THS4211EVMとOPA862DEVM）を4つの主要パラメータにわたって同時にテストしました。
- 出力振幅：スペクトラムアナライザに内蔵された波形発生器によって正弦波刺激が生成されます。周波数領域応答では高調波成分によるクリッピングが明らかになり、同時に表示されるオシロスコープ表示では時間領域での挙動が示されます（図4および図5参照）。
- スルーレート：方形波を入力し、取得した出力信号の立ち上がりエッジ／立ち下がりエッジの傾斜を測定します。
- クローズドループ帯域幅：周波数応答アナライザは、正弦波を周波数範囲全体にわたって掃引し、振幅応答を測定します。Pythonは自動的に-3 dBカットオフポイントを特定します。
- 全高調波歪み：固定周波数の正弦波を入力し、スペクトラムアナライザで高調波成分を抽出します。Pythonは、測定されたスペクトルからTHD（全高調波歪み）を計算します。
すべての計測器は、カスタムのPython GUI（図4）を介してPython API呼び出しにより、テスト間でプログラム的に再構成されました。技術者の介入は不要で、両方のDUTのテストシーケンス全体が、通常1つのデバイスをテストするのにかかる時間内に完了しました。システムは、キャプチャされたプロットを含むすべての測定値をまとめたPDF仕様書も生成しました。図5は、図4に示す出力スイング測定に対応するMokuアプリの設定を示しています。
図4：両方のDUT（OPA862EVMとTHS4211EVM）から同時に測定された出力スイング結果を示すPython GUI
図5：図4に対応する出力スイングテスト構成をMokuアプリで表示したもの
結論
シリコンデバイスの完全な特性評価には、時間領域、周波数領域、および混合信号測定を含む幅広いテスト機器が必要です。これらの機器を単一の再構成可能な測定プラットフォームに統合することで、テストチームが単一デバイスの検証から並行生産テストへと規模を拡大する際に直面する、コスト、柔軟性、スループットといった主要な課題を解決できます。
柔軟なオーケストレーションレイヤーとしてPythonを、FPGAベースのハードウェアによる決定論的で真の並列実行と組み合わせることで、エンジニアリングチームは、半導体検証に求められる測定の完全性と同期性を維持しながら、従来は非現実的だったテスト時間を実現できるようになります。
Mokuプラットフォームは、最大2GHzのリアルタイム帯域幅、10nV/√Hz以下の入力ノイズ、GPS同期タイミング、および1台のデバイス上で最大8台の計測器を同時に展開できる機能を備えており、次世代の並列テストシステムのための強力かつ適応性の高い基盤を提供します。
もっと詳しく知る
liquidinstruments.com にアクセスして 無料でダウンロード Mokuソフトウェアを探索する 半導体テストリソースセンターまたは デモをリクエストする Moku:Delta を使用した並列テストについて。