論文の概要: Inverse Lithography Physics-informed Deep Neural Level Set for Mask Optimization

• arxiv url: http://arxiv.org/abs/2308.12299v1
• Date: Tue, 15 Aug 2023 01:56:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-27 04:38:13.960305
• Title: Inverse Lithography Physics-informed Deep Neural Level Set for Mask Optimization
• Title（参考訳）: 逆リソグラフィ物理によるマスク最適化のためのディープニューラルレベルセット
• Authors: Xing-Yu Ma, Shaogang Hao
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.8547032097715571
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As the feature size of integrated circuits continues to decrease, optical proximity correction (OPC) has emerged as a crucial resolution enhancement technology for ensuring high printability in the lithography process. Recently, level set-based inverse lithography technology (ILT) has drawn considerable attention as a promising OPC solution, showcasing its powerful pattern fidelity, especially in advanced process. However, massive computational time consumption of ILT limits its applicability to mainly correcting partial layers and hotspot regions. Deep learning (DL) methods have shown great potential in accelerating ILT. However, lack of domain knowledge of inverse lithography limits the ability of DL-based algorithms in process window (PW) enhancement and etc. In this paper, we propose an inverse lithography physics-informed deep neural level set (ILDLS) approach for mask optimization. This approach utilizes level set based-ILT as a layer within the DL framework and iteratively conducts mask prediction and correction to significantly enhance printability and PW in comparison with results from pure DL and ILT. With this approach, computation time is reduced by a few orders of magnitude versus ILT. By gearing up DL with knowledge of inverse lithography physics, ILDLS provides a new and efficient mask optimization solution.
• Abstract（参考訳）: 集積回路の特性が減少し続けるにつれて、光近接補正(OPC)がリソグラフィープロセスにおいて高い印刷性を確保するための重要な解像度向上技術として登場した。 近年、レベルセットベースの逆リソグラフィ技術 (ILT) は、特に高度なプロセスにおいて、その強力なパターン忠実性を示す、有望なOPCソリューションとして注目されている。 しかし、irtの膨大な計算時間消費は、主に部分的層とホットスポット領域を補正する可能性を制限する。 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。 しかし、逆リソグラフィーのドメイン知識の欠如は、プロセスウィンドウ(PW)拡張などにおけるDLベースのアルゴリズムの能力を制限する。 本稿では,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レベルセット (ILDLS) アプローチを提案する。 本手法では、DLフレームワーク内のレイヤとしてレベルセットベースILTを使用し、純粋なDLとILTの結果と比較して、マスク予測と修正を繰り返し、印刷性およびPWを大幅に向上させる。 このアプローチにより、計算時間はILTに対して数桁削減される。 ILDLSは逆リソグラフィの知識でDLをギアアップすることで、新しい効率的なマスク最適化ソリューションを提供する。

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)
• Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
  非視線画像(NLOS)は、その潜在的な応用により注目されている。 既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。 本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
  論文  参考訳（メタデータ） (2024-09-21T04:39:45Z)
• Directed Exploration in Reinforcement Learning from Linear Temporal Logic [59.707408697394534]
  リニア時間論理(LTL)は強化学習におけるタスク仕様のための強力な言語である。 合成された報酬信号は基本的に疎結合であり,探索が困難であることを示す。 我々は、仕様をさらに活用し、それに対応するリミット決定性B"uchi Automaton(LDBA)をマルコフ報酬プロセスとしてキャストすることで、よりよい探索を実現することができることを示す。
  論文  参考訳（メタデータ） (2024-08-18T14:25:44Z)
• Gradient-Mask Tuning Elevates the Upper Limits of LLM Performance [51.36243421001282]
  Gradient-Mask Tuning (GMT) は、勾配情報に基づいてトレーニング中のパラメータを選択的に更新する手法である。 実験により, GMTは従来の微調整法に勝るだけでなく, LLM性能の上限も高めることを示した。
  論文  参考訳（メタデータ） (2024-06-21T17:42:52Z)
• ILILT: Implicit Learning of Inverse Lithography Technologies [5.373749225521622]
  ILILTは,暗黙の学習入力を地上条件のILTソリューションに活用し,効率と品質を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-05-06T15:49:46Z)
• Convergence Rate Maximization for Split Learning-based Control of EMG Prosthetic Devices [2.432653781859026]
  Split Learning (SL) は筋電図に基づく補綴制御における有望な分散学習手法である。 本稿では,モデル収束率の最大化の観点から,最適カット層選択のためのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-01-06T15:05:49Z)
• GPU-accelerated Matrix Cover Algorithm for Multiple Patterning Layout Decomposition [8.528609848514511]
  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。
  論文  参考訳（メタデータ） (2023-03-25T02:51:12Z)
• 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)
• Ultra-High-Definition Low-Light Image Enhancement: A Benchmark and Transformer-Based Method [51.30748775681917]
  低照度画像強調(LLIE)の課題を考察し,4K解像度と8K解像度の画像からなる大規模データベースを導入する。 我々は、系統的なベンチマーク研究を行い、現在のLLIEアルゴリズムと比較する。 第2のコントリビューションとして,変換器をベースとした低照度化手法であるLLFormerを紹介する。
  論文  参考訳（メタデータ） (2022-12-22T09:05:07Z)
• Low-light Image Enhancement by Retinex Based Algorithm Unrolling and Adjustment [50.13230641857892]
  本稿では,低照度画像強調(LIE)問題に対する新たなディープラーニングフレームワークを提案する。 提案フレームワークは,大域的明るさと局所的明るさ感度の両方を考慮したアルゴリズムアンロールと調整ネットワークに着想を得た分解ネットワークを含む。 一連の典型的なLIEデータセットの実験では,既存の手法と比較して,定量的かつ視覚的に,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-02-12T03:59:38Z)
• Universal and Flexible Optical Aberration Correction Using Deep-Prior Based Deconvolution [51.274657266928315]
  そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。 具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
  論文  参考訳（メタデータ） (2021-04-07T12:00:38Z)

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。