論文の概要: AdaOPC: A Self-Adaptive Mask Optimization Framework For Real Design Patterns

• arxiv url: http://arxiv.org/abs/2303.12723v1
• Date: Wed, 15 Mar 2023 13:40:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-25 03:09:23.694552
• Title: AdaOPC: A Self-Adaptive Mask Optimization Framework For Real Design Patterns
• Title（参考訳）: AdaOPC: リアルデザインパターンのための自己適応型マスク最適化フレームワーク
• Authors: Wenqian Zhao, Xufeng Yao, Ziyang Yu, Guojin Chen, Yuzhe Ma, Bei Yu, Martin D.F. Wong
• Abstract要約: 光近接補正(OPC)は、印刷性最適化のための広く使われている解像度向上技術である。 効率向上のための自己適応型OPCフレームワークを提案する。 実験結果から,本フレームワークは性能と効率の両面で大幅に向上していることが明らかとなった。
• 参考スコア（独自算出の注目度）: 13.03056139396295
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Optical proximity correction (OPC) is a widely-used resolution enhancement technique (RET) for printability optimization. Recently, rigorous numerical optimization and fast machine learning are the research focus of OPC in both academia and industry, each of which complements the other in terms of robustness or efficiency. We inspect the pattern distribution on a design layer and find that different sub-regions have different pattern complexity. Besides, we also find that many patterns repetitively appear in the design layout, and these patterns may possibly share optimized masks. We exploit these properties and propose a self-adaptive OPC framework to improve efficiency. Firstly we choose different OPC solvers adaptively for patterns of different complexity from an extensible solver pool to reach a speed/accuracy co-optimization. Apart from that, we prove the feasibility of reusing optimized masks for repeated patterns and hence, build a graph-based dynamic pattern library reusing stored masks to further speed up the OPC flow. Experimental results show that our framework achieves substantial improvement in both performance and efficiency.
• Abstract（参考訳）: 光近接補正(OPC)は、印刷性最適化のための広く使われている解像度向上技術である。 近年、厳密な数値最適化と高速な機械学習は、学問と産業の両方におけるopcの研究の焦点であり、それぞれが堅牢性や効率性の観点から相互補完している。 設計層上のパターン分布を検査し、異なるサブリージョンが異なるパターン複雑性を持つことを示す。 さらに、多くのパターンが繰り返しデザインレイアウトに現れることもわかり、これらのパターンは最適化されたマスクを共有する可能性がある。 これらの特性を活用し,効率向上のための自己適応型OPCフレームワークを提案する。 まず、拡張可能なソルバプールから異なる複雑さのパターンを適応的に選択し、速度/精度の共最適化を行う。 それとは別に、繰り返しパターンに対する最適化マスクの再利用の可能性を証明するとともに、OPCフローをさらに高速化するために、グラフベースの動的パターンライブラリを構築する。 実験の結果,我々のフレームワークは性能と効率の両面で大幅に改善することがわかった。

関連論文リスト

• Backpropagation of Unrolled Solvers with Folded Optimization [55.04219793298687]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 1つの典型的な戦略はアルゴリズムのアンローリングであり、これは反復解法の操作による自動微分に依存している。 本稿では,非ロール最適化の後方通過に関する理論的知見を提供し,効率よく解けるバックプロパゲーション解析モデルを生成するシステムに繋がる。
  論文  参考訳（メタデータ） (2023-01-28T01:50:42Z)
• An Empirical Evaluation of Zeroth-Order Optimization Methods on AI-driven Molecule Optimization [78.36413169647408]
  分子目的を最適化するための様々なZO最適化手法の有効性について検討する。 ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。 本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-10-27T01:58:10Z)
• A Pareto-optimal compositional energy-based model for sampling and optimization of protein sequences [55.25331349436895]
  深層生成モデルは、生命科学における逆問題に対する一般的な機械学習ベースのアプローチとして登場した。 これらの問題は、データ分布の学習に加えて、興味のある複数の特性を満たす新しい設計をサンプリングする必要があることが多い。
  論文  参考訳（メタデータ） (2022-10-19T19:04:45Z)
• Efficient Non-Parametric Optimizer Search for Diverse Tasks [93.64739408827604]
  興味のあるタスクを直接検索できる,スケーラブルで汎用的なフレームワークを初めて提示する。 基礎となる数学表現の自然木構造に着想を得て、空間を超木に再配置する。 我々は,モンテカルロ法を木探索に適用し,レジェクションサンプリングと等価形状検出を備える。
  論文  参考訳（メタデータ） (2022-09-27T17:51:31Z)
• Large Scale Mask Optimization Via Convolutional Fourier Neural Operator and Litho-Guided Self Training [54.16367467777526]
  マスクタスクを効率的に学習できる畳み込みニューラルネットワーク(CFCF)を提案する。 機械学習ベースのフレームワークが初めて、最先端の数値マスクデータセットを上回った。
  論文  参考訳（メタデータ） (2022-07-08T16:39:31Z)
• Batched Data-Driven Evolutionary Multi-Objective Optimization Based on Manifold Interpolation [6.560512252982714]
  バッチ化されたデータ駆動型進化的多目的最適化を実現するためのフレームワークを提案する。 オフザシェルフ進化的多目的最適化アルゴリズムがプラグイン方式で適用できるのは、非常に一般的である。 提案するフレームワークは, より高速な収束と各種PF形状に対する強いレジリエンスを特徴とする。
  論文  参考訳（メタデータ） (2021-09-12T23:54:26Z)
• LinEasyBO: Scalable Bayesian Optimization Approach for Analog Circuit Synthesis via One-Dimensional Subspaces [11.64233949999656]
  アナログ回路合成のための1次元部分空間による高速でロバストなベイズ最適化手法を提案する。 提案アルゴリズムは,バッチサイズが15のとき,LP-EIおよびREMBOpBOと比較して最大9倍,38倍の最適化手順を高速化できる。
  論文  参考訳（メタデータ） (2021-09-01T21:25:25Z)
• A self-adapting super-resolution structures framework for automatic design of GAN [15.351639834230383]
  本稿では,超高解像度画像再構成生成ネットワークフレームワークを提案する。 生成器と識別器のハイパーパラメータを最適化するためにベイズ最適化を用いる。 本手法は,GANの最適化ポリシとしてベイズ最適化を採用する。
  論文  参考訳（メタデータ） (2021-06-10T19:11:29Z)
• A Framework for Discovering Optimal Solutions in Photonic Inverse Design [0.0]
  フォトニック逆設計は複雑な光学系にとって必須の工学ツールとして登場した。 グローバル最適に近づく解を見つけることは、計算的に難解なタスクを示すかもしれない。 我々は,複雑な最適化空間上でのグローバル最適化に近い解の探索を高速化するフレームワークを開発する。
  論文  参考訳（メタデータ） (2021-06-03T22:11:03Z)
• Optimization-Inspired Learning with Architecture Augmentations and Control Mechanisms for Low-Level Vision [74.9260745577362]
  本稿では,GDC(Generative, Discriminative, and Corrective)の原則を集約する,最適化に着想を得た統合学習フレームワークを提案する。 フレキシブルな組み合わせで最適化モデルを効果的に解くために,3つのプロパゲーティブモジュールを構築した。 低レベル視覚タスクにおける実験は、GDCの有効性と適応性を検証する。
  論文  参考訳（メタデータ） (2020-12-10T03:24:53Z)

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。