論文の概要: On Improving Hotspot Detection Through Synthetic Pattern-Based Database
Enhancement
- arxiv url: http://arxiv.org/abs/2007.05879v1
- Date: Sun, 12 Jul 2020 00:38:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 05:22:05.592902
- Title: On Improving Hotspot Detection Through Synthetic Pattern-Based Database
Enhancement
- Title(参考訳): 合成パターンに基づくデータベース拡張によるホットスポット検出の改善について
- Authors: Gaurav Rajavendra Reddy, Constantinos Xanthopoulos and Yiorgos Makris
- Abstract要約: デザインホットスポットは設計から設計まで様々であり、設計段階では早期に予測され修正されるべきである。
ホットスポットの既知のデータベースを情報ソースとして使用することで、この問題に対処するためのさまざまな取り組みがなされている。
本研究では,この制約に,合成パターン生成による新しいデータベース拡張手法を用いて対処する。
- 参考スコア(独自算出の注目度): 3.111692607713822
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Continuous technology scaling and the introduction of advanced technology
nodes in Integrated Circuit (IC) fabrication is constantly exposing new
manufacturability issues. One such issue, stemming from complex interaction
between design and process, is the problem of design hotspots. Such hotspots
are known to vary from design to design and, ideally, should be predicted early
and corrected in the design stage itself, as opposed to relying on the foundry
to develop process fixes for every hotspot, which would be intractable. In the
past, various efforts have been made to address this issue by using a known
database of hotspots as the source of information. The majority of these
efforts use either Machine Learning (ML) or Pattern Matching (PM) techniques to
identify and predict hotspots in new incoming designs. However, almost all of
them suffer from high false-alarm rates, mainly because they are oblivious to
the root causes of hotspots. In this work, we seek to address this limitation
by using a novel database enhancement approach through synthetic pattern
generation based on carefully crafted Design of Experiments (DOEs).
Effectiveness of the proposed method against the state-of-the-art is evaluated
on a 45nm process using industry-standard tools and designs.
- Abstract(参考訳): 集積回路(IC)製造における連続技術スケーリングと高度な技術ノードの導入は、常に新しい製造可能性の問題を露呈している。
そのような問題の1つは、設計とプロセスの間の複雑な相互作用から生まれ、デザインホットスポットの問題である。
このようなホットスポットは設計から設計まで様々に知られており、理想的には、ファウンダリーに頼ってすべてのホットスポットのプロセス修正を開発するのではなく、設計段階で早期に予測され、修正されるべきである。
過去には、ホットスポットのデータベースを情報ソースとして利用することで、この問題に対処するための様々な取り組みがなされてきた。
これらの取り組みの大部分は、新しい入ってくるデザインのホットスポットを特定し予測するために、機械学習(ML)またはパターンマッチング(PM)技術を使用する。
しかし、それらのほとんどは、主にホットスポットの根本原因に偏っているため、高い誤警報率に悩まされている。
本研究では,実験(does)を念入りに設計した合成パターン生成による新しいデータベース拡張手法を用いて,この制約に対処する。
産業標準ツールと設計を用いた45nmプロセスにおいて,提案手法の有効性を評価した。
関連論文リスト
- Design-o-meter: Towards Evaluating and Refining Graphic Designs [11.416650723712968]
本稿では,グラフィックデザインの良さを定量化するデータ駆動手法であるDesign-o-meterを紹介する。
私たちの知る限りでは、Design-o-meterは統一されたフレームワークで設計をスコア付けし洗練する最初のアプローチです。
論文 参考訳(メタデータ) (2024-11-22T14:17:46Z) - State-Space Modeling in Long Sequence Processing: A Survey on Recurrence in the Transformer Era [59.279784235147254]
このサーベイは、シーケンシャルなデータ処理の反復モデルに基づく最新のアプローチの詳細な概要を提供する。
新たなイメージは、標準のバックプロパゲーション・オブ・タイムから外れた学習アルゴリズムによって構成される、新しいルートを考える余地があることを示唆している。
論文 参考訳(メタデータ) (2024-06-13T12:51:22Z) - Latent Directions: A Simple Pathway to Bias Mitigation in Generative AI [45.54709270833219]
生成的AIにおけるバイアスの緩和、特にテキスト・ツー・イメージのモデルは、社会にその影響が拡大していることを考えると、非常に重要である。
本研究は,潜在空間の方向を学習することで,多種多様な包摂的合成画像を実現するための新しいアプローチを提案する。
これらの学習された遅延方向を線形に組み合わせて、新しい緩和を導入し、望めばテキスト埋め込み調整と統合することができる。
論文 参考訳(メタデータ) (2024-06-10T15:13:51Z) - Design Editing for Offline Model-based Optimization [18.701760631151316]
オフラインモデルベース最適化(MBO)は、デザインとスコアのオフラインデータセットのみを使用してブラックボックスの目的関数を最大化することを目的としている。
一般的なアプローチは、既存の設計とその対応するスコアを使用して代理モデルをトレーニングし、その後、代理モデルに関する勾配ベースの更新を通じて新しい設計を生成することである。
この方法は、サロゲートモデルが見当たらない設計の高得点を誤って予測できるという、アウト・オブ・ディストリビューションの問題に悩まされる。
過度に最適化された設計を校正する前に拡散を利用したオフラインモデルベース最適化のための新しい設計編集手法(DEMO)を提案する。
論文 参考訳(メタデータ) (2024-05-22T20:00:19Z) - Compositional Generative Inverse Design [69.22782875567547]
入力変数を設計して目的関数を最適化する逆設計は重要な問題である。
拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。
N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
論文 参考訳(メタデータ) (2024-01-24T01:33:39Z) - Machine Learning-Based Multi-Objective Design Exploration Of Flexible
Disc Elements [1.5638419778920147]
本稿では,ANNアーキテクチャを工学設計問題に適用し,改良された設計ソリューションの探索と同定を行う。
本研究の問題点は、ディスク結合に使用されるフレキシブルディスク素子の設計である。
この目的を達成するために、ANNと遺伝的アルゴリズムを組み合わせて設計探索を行い、指定された基準を満たす設計を同定する。
論文 参考訳(メタデータ) (2023-04-14T16:48:51Z) - Design Automation for Fast, Lightweight, and Effective Deep Learning
Models: A Survey [53.258091735278875]
本調査では,エッジコンピューティングを対象としたディープラーニングモデルの設計自動化技術について述べる。
これは、有効性、軽量性、計算コストの観点からモデルの習熟度を定量化するために一般的に使用される主要なメトリクスの概要と比較を提供する。
この調査は、ディープモデル設計自動化技術の最先端の3つのカテゴリをカバーしている。
論文 参考訳(メタデータ) (2022-08-22T12:12:43Z) - Design-Bench: Benchmarks for Data-Driven Offline Model-Based
Optimization [82.02008764719896]
ブラックボックスモデルに基づく最適化問題は、タンパク質、DNA配列、航空機、ロボットの設計など、幅広い領域で広く使われている。
本稿では,統合評価プロトコルと最近の手法の参照実装を備えたオフラインMBOのためのベンチマークであるDesign-Benchを提案する。
私たちのベンチマークには、生物学、材料科学、ロボット工学における現実世界の最適化問題から派生した、多種多様な現実的なタスクが含まれています。
論文 参考訳(メタデータ) (2022-02-17T05:33:27Z) - Adaptive Inference through Early-Exit Networks: Design, Challenges and
Directions [80.78077900288868]
初期のネットワークの設計手法をその重要コンポーネントに分解し、各コンポーネントの最近の進歩を調査する。
我々は、他の効率的な推論ソリューションと早期に競合する立場をとり、この分野の研究における現在の課題と最も有望な今後の方向性についての洞察を提供する。
論文 参考訳(メタデータ) (2021-06-09T12:33:02Z) - Autofocused oracles for model-based design [8.22379888383833]
非ゼロサムゲームとしてデータ駆動設計問題を定式化する。
設計アルゴリズムが進むにつれて回帰モデルを再訓練するための原則的戦略を開発する。
論文 参考訳(メタデータ) (2020-06-14T23:22:50Z) - Recent Developments Combining Ensemble Smoother and Deep Generative
Networks for Facies History Matching [58.720142291102135]
本研究は、ファシズムモデルのための連続パラメータ化を構築するためのオートエンコーダネットワークの利用に焦点を当てる。
本稿では,VAE,GAN,Wasserstein GAN,変分自動符号化GAN,サイクルGANの主成分分析(PCA),転送スタイルネットワークのPCA,スタイル損失のVAEの7種類の定式化をベンチマークする。
論文 参考訳(メタデータ) (2020-05-08T21:32:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。