論文の概要: Novel End-to-End Production-Ready Machine Learning Flow for Nanolithography Modeling and Correction

• arxiv url: http://arxiv.org/abs/2401.02536v1
• Date: Thu, 4 Jan 2024 20:53:43 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-08 16:37:49.414741
• Title: Novel End-to-End Production-Ready Machine Learning Flow for Nanolithography Modeling and Correction
• Title（参考訳）: ナノリソグラフィモデリングと補正のためのエンド・ツー・エンド生産対応機械学習
• Authors: Mohamed S. E. Habib, Hossam A. H. Fahmy, Mohamed F. Abu-ElYazeed
• Abstract要約: 最先端の研究は、ランタイムと計算能力を減らすために機械学習(ML)技術を模索した。 本稿では,ML-RETの修正が可能な,スケーラブルなエンドツーエンドフローを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Optical lithography is the main enabler to semiconductor manufacturing. It requires extensive processing to perform the Resolution Enhancement Techniques (RETs) required to transfer the design data to a working Integrated Circuits (ICs). The processing power and computational runtime for RETs tasks is ever increasing due to the continuous reduction of the feature size and the expansion of the chip area. State-of-the-art research sought Machine Learning (ML) technologies to reduce runtime and computational power, however they are still not used in production yet. In this study, we analyze the reasons holding back ML computational lithography from being production ready and present a novel highly scalable end-to-end flow that enables production ready ML-RET correction.
• Abstract（参考訳）: 光リソグラフィーは半導体製造の主要な実現手段である。 設計データをIC(Integrated Circuits)に転送するために必要な解像度向上技術(RET)を実行するには、広範囲な処理が必要である。 RETsタスクの処理能力と計算ランタイムは、機能サイズが継続的に小さくなり、チップ領域が拡張され、ますます増大している。 最先端の研究は、ランタイムと計算能力を減らすために機械学習(ML)技術を模索したが、まだ本番環境では使われていない。 本研究では,ML 計算リソグラフィーの運用準備が整っていない理由を解析し,ML-RET の修正が可能な,スケーラブルなエンドツーエンドフローを新たに提示する。

関連論文リスト

• A Scalable and Efficient Iterative Method for Copying Machine Learning Classifiers [0.802904964931021]
  本稿では,機械学習モデルのコピーのトレーニングや維持に必要な計算資源を大幅に削減する,新しいシーケンシャルなアプローチを提案する。 シーケンシャルアプローチの有効性は、合成データセットと実世界のデータセットによる実験を通じて実証され、正確性を維持したり改善したりしながら、時間とリソースの大幅な削減を示す。
  論文  参考訳（メタデータ） (2023-02-06T10:07:41Z)
• An Adversarial Active Sampling-based Data Augmentation Framework for Manufacturable Chip Design [55.62660894625669]
  リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。 機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。 本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-27T20:53:39Z)
• 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)
• 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)
• Tiny Machine Learning for Concept Drift [8.452237741722726]
  本稿では,ディープラーニング特徴抽出器とk-アネレスト近傍に基づくTML-CD(Tiny Machine Learning for Concept Drift)ソリューションを提案する。 適応モジュールは、TML-CDの知識ベースを継続的に更新し、データ生成プロセスに影響を与える概念ドリフトに対処する。 3つの市販マイクロコントローラユニットへのTML-CDの移植は、現実世界の広範システムで提案されていることの実現可能性を示している。
  論文  参考訳（メタデータ） (2021-07-30T17:02:04Z)
• Modeling and Optimizing Laser-Induced Graphene [59.8912133964006]
  レーザ誘起グラフェンの生成の最適化を記述したデータセットを提供する。 提供するデータセットに基づいて,3つの課題を提起します。 興味のあるユーザにとっての出発点として、図解的な結果と、それらを生成するためのコードを提示します。
  論文  参考訳（メタデータ） (2021-07-29T18:08:24Z)
• Improving Semiconductor Device Modeling for Electronic Design Automation by Machine Learning Techniques [6.170514965470266]
  本稿では,変分オートエンコーダを用いたMLに基づくデバイスモデリング改善のための自己拡張戦略を提案する。 提案手法の有効性を実証するために,ガリウム窒化物デバイスにおけるオーミック抵抗値に対するディープニューラルネットワークに基づく予測タスクに適用する。
  論文  参考訳（メタデータ） (2021-05-25T00:52:44Z)
• Efficient Transformers in Reinforcement Learning using Actor-Learner Distillation [91.05073136215886]
  「Actor-Learner Distillation」は、大容量学習者モデルから小容量学習者モデルへ学習の進捗を移す。 Actor-Learner Distillation を用いて,トランスフォーマー学習モデルの明確なサンプル効率向上を再現する,いくつかの挑戦的なメモリ環境を実証する。
  論文  参考訳（メタデータ） (2021-04-04T17:56:34Z)
• Optimization of Quantum-dot Qubit Fabrication via Machine Learning [0.0]
  我々は、インライン走査型電子顕微鏡を解釈するために畳み込みニューラルネットワークを訓練する。 この戦略は、5次元の設計空間内でモデルリソグラフィープロセスの最適化によって実証される。
  論文  参考訳（メタデータ） (2020-12-15T22:30:49Z)
• Predictive modeling approaches in laser-based material processing [59.04160452043105]
  本研究の目的は,レーザー加工が材料構造に及ぼす影響を自動予測することである。 その焦点は、統計的および機械学習の代表的なアルゴリズムのパフォーマンスに焦点を当てている。 結果は、材料設計、テスト、生産コストを削減するための体系的な方法論の基礎を設定することができる。
  論文  参考訳（メタデータ） (2020-06-13T17:28:52Z)

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。