論文の概要: GPU-accelerated Matrix Cover Algorithm for Multiple Patterning Layout
Decomposition
- arxiv url: http://arxiv.org/abs/2303.14335v1
- Date: Sat, 25 Mar 2023 02:51:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-28 20:27:55.549181
- Title: GPU-accelerated Matrix Cover Algorithm for Multiple Patterning Layout
Decomposition
- Title（参考訳）: マルチパターンレイアウト分解のためのGPU加速行列被覆アルゴリズム
- Authors: Guojin Chen, Haoyu Yang, Bei Yu
- Abstract要約: マルチパターニングリソグラフィ(MPLD)技術は、先進ノードにおける製造性を改善するためにますます重要になっている。
本研究では,CPUのダンスリンクデータ構造を並列GPU行列演算に置き換えて,正確なカバーベースMPLDアルゴリズムの解を高速化する。
- 参考スコア（独自算出の注目度）: 8.528609848514511
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Multiple patterning lithography (MPL) is regarded as one of the most
promising ways of overcoming the resolution limitations of conventional optical
lithography due to the delay of next-generation lithography technology. As the
feature size continues to decrease, layout decomposition for multiple
patterning lithography (MPLD) technology is becoming increasingly crucial for
improving the manufacturability in advanced nodes. The decomposition process
refers to assigning the layout features to different mask layers according to
the design rules and density requirements. When the number of masks $k \geq 3$,
the MPLD problems are NP-hard and thus may suffer from runtime overhead for
practical designs. However, the number of layout patterns is increasing
exponentially in industrial layouts, which hinders the runtime performance of
MPLD models. In this research, we substitute the CPU's dance link data
structure with parallel GPU matrix operations to accelerate the solution for
exact cover-based MPLD algorithms. Experimental results demonstrate that our
system is capable of full-scale, lightning-fast layout decomposition, which can
achieve more than 10$\times$ speed-up without quality degradation compared to
state-of-the-art layout decomposition methods.
- Abstract（参考訳）: マルチパターニングリソグラフィ(mpl)は、次世代リソグラフィ技術の遅れにより従来の光リソグラフィの解像度限界を克服する最も有望な方法の1つであると考えられている。
機能サイズが小さくなるにつれて、マルチパターンリソグラフィ(MPLD)技術のレイアウト分解は、先進ノードにおける製造性を改善するためにますます重要になっている。
分解プロセスは、設計規則と密度要求に従って異なるマスク層にレイアウト特徴を割り当てることを指す。
マスク数$k \geq 3$の場合、MPLD問題はNPハードであり、実用的な設計では実行時のオーバーヘッドに悩まされる可能性がある。
しかし, 産業用レイアウトでは, レイアウトパターンの数が指数関数的に増加し,MPLDモデルの実行性能が低下している。
本研究では,CPUのダンスリンクデータ構造を並列GPU行列演算に置き換えて,正確なカバーベースMPLDアルゴリズムの解を高速化する。
実験結果から,本システムは大規模かつ高速なレイアウト分解が可能であり,現状のレイアウト分解法と比較して,品質劣化のない10$\times$ Speed-upを実現することができることがわかった。
関連論文リスト
- GPU-Accelerated Inverse Lithography Towards High Quality Curvy Mask Generation [5.373749225521622]
Inverse Lithography Technology (ILT)は、フォトマスクの設計と最適化のための有望なソリューションとして登場した。
輪郭品質とプロセスウィンドウを改善するGPU加速型ILTアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-11-11T19:10:58Z) - MCGS: Multiview Consistency Enhancement for Sparse-View 3D Gaussian Radiance Fields [73.49548565633123]
3Dガウシアンによって表現される放射場は、高いトレーニング効率と高速レンダリングの両方を提供する、新しいビューの合成に優れている。
既存の手法では、高密度推定ネットワークからの奥行き先を組み込むことが多いが、入力画像に固有の多視点一貫性を見落としている。
本稿では,3次元ガウス・スプレイティング(MCGS)に基づくビュー・フレームワークを提案し,スパークス・インプット・ビューからシーンを再構築する。
論文 参考訳（メタデータ） (2024-10-15T08:39:05Z) - Q-VLM: Post-training Quantization for Large Vision-Language Models [73.19871905102545]
本稿では,大規模視覚言語モデル(LVLM)の学習後量子化フレームワークを提案する。
視覚言語モデル全体の離散化誤差に大きな影響を及ぼす層間依存関係を抽出し、この依存関係を最適な量子化戦略に組み込む。
実験の結果,提案手法はメモリを2.78倍圧縮し,出力速度を約13B LLaVAモデルで1.44倍向上させることができた。
論文 参考訳（メタデータ） (2024-10-10T17:02:48Z) - Inverse Lithography Physics-informed Deep Neural Level Set for Mask
Optimization [0.8547032097715571]
レベルセットベースの逆リソグラフィ技術(ILT)は、将来性のあるOPCソリューションとして注目されている。
深層学習(DL)法はILTを加速させる大きな可能性を示している。
マスク最適化のための逆リソグラフィー物理インフォームドディープニューラルネットワークレベルセット(ILDLS)手法を提案する。
論文 参考訳（メタデータ） (2023-08-15T01:56:22Z) - Scalable Multiple Patterning Layout Decomposition Implemented by a
Distribution Evolutionary Algorithm [11.366935475887239]
一般化グラフ着色問題として MPL のレイアウト分解をモデル化する。
DEA-PPMは、分解結果と実行時間のバランスをとることができる。
論文 参考訳（メタデータ） (2023-04-09T10:23:30Z) - LayoutDiffusion: Improving Graphic Layout Generation by Discrete
Diffusion Probabilistic Models [50.73105631853759]
レイアウト自動生成のための新しい生成モデルLayoutDiffusionを提案する。
このプロセスでは,前方ステップの成長に伴うレイアウトの混乱が増している。
これにより、プラグアンドプレイ方式で2つの条件付きレイアウト生成タスクを再トレーニングすることなく実現し、既存の方法よりも優れたパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-03-21T04:41:02Z) - DevelSet: Deep Neural Level Set for Instant Mask Optimization [11.847061281805463]
逆リソグラフィ技術 (ILT) が注目され, 新興のOPCソリューションで普及しつつある。
本稿では,GPUおよびディープニューラルネットワーク(DNN)による金属層用レベルセットOPCフレームワークであるDevelSetを紹介する。
論文 参考訳（メタデータ） (2023-03-18T13:48:53Z) - Progressively-connected Light Field Network for Efficient View Synthesis [69.29043048775802]
本稿では、複雑な前方シーンのビュー合成のためのプログレッシブ・コネクテッド・ライトフィールド・ネットワーク(ProLiF)を提案する。
ProLiFは4Dライトフィールドをエンコードし、画像やパッチレベルの損失に対するトレーニングステップで大量の光線をレンダリングすることができる。
論文 参考訳（メタデータ） (2022-07-10T13:47:20Z) - A modular software framework for the design and implementation of
ptychography algorithms [55.41644538483948]
我々は,Pychographyデータセットをシミュレートし,最先端の再構築アルゴリズムをテストすることを目的とした,新しいptychographyソフトウェアフレームワークであるSciComを紹介する。
その単純さにもかかわらず、ソフトウェアはPyTorchインターフェースによる高速化処理を利用する。
結果は合成データと実データの両方で示される。
論文 参考訳（メタデータ） (2022-05-06T16:32:37Z) - Multi-Grid Back-Projection Networks [18.291563524631986]
マルチグリッドバックプロジェクション(MGBP)は、アップスケールアーティファクトで画像やビデオを復元することを学ぶことができる完全な畳み込みネットワークアーキテクチャです。
本稿では,異なる解像度スケールの雑音入力を用いて,出力に発生する人工的詳細量の制御を行う手法を提案する。
論文 参考訳（メタデータ） (2021-01-01T03:17:34Z) - Semantic Layout Manipulation with High-Resolution Sparse Attention [106.59650698907953]
本稿では,意味ラベルマップを編集して入力画像を操作するセマンティックイメージレイアウト操作の課題に対処する。
このタスクの中核的な問題は、視覚的にイメージを現実的にしながら、入力画像から新しいセマンティックレイアウトに視覚的な詳細を転送する方法です。
512×512の解像度で視覚的詳細を新しいレイアウトに効果的に転送する高分解能スパースアテンションモジュールを提案する。
論文 参考訳（メタデータ） (2020-12-14T06:50:43Z)
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。