論文の概要: Intelligent OPC Engineer Assistant for Semiconductor Manufacturing
- arxiv url: http://arxiv.org/abs/2408.12775v2
- Date: Tue, 27 Aug 2024 06:02:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-28 18:11:54.253454
- Title: Intelligent OPC Engineer Assistant for Semiconductor Manufacturing
- Title（参考訳）: 半導体製造のための知的OPC技術者アシスタント
- Authors: Guojin Chen, Haoyu Yang, Bei Yu, Haoxing Ren,
- Abstract要約: 我々は、光近接補正(OPC)として知られる中核的な製造・認識最適化問題を解決するために、AI/LLMを利用した手法であるtextitIntelligent OPC Engineer Assistantを提案する。
本手法は、強化学習に基づくOPCレシピ検索と、レシピ要約のためのカスタマイズされたマルチモーダルエージェントシステムを含む。
実験により,提案手法は設計トポロジを特別に処理した様々なチップ設計上で効率的にOPCレシピを構築できることが実証された。
- 参考スコア（独自算出の注目度）: 10.099586311437497
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Advancements in chip design and manufacturing have enabled the processing of complex tasks such as deep learning and natural language processing, paving the way for the development of artificial general intelligence (AGI). AI, on the other hand, can be leveraged to innovate and streamline semiconductor technology from planning and implementation to manufacturing. In this paper, we present \textit{Intelligent OPC Engineer Assistant}, an AI/LLM-powered methodology designed to solve the core manufacturing-aware optimization problem known as optical proximity correction (OPC). The methodology involves a reinforcement learning-based OPC recipe search and a customized multi-modal agent system for recipe summarization. Experiments demonstrate that our methodology can efficiently build OPC recipes on various chip designs with specially handled design topologies, a task that typically requires the full-time effort of OPC engineers with years of experience.
- Abstract（参考訳）: チップ設計と製造の進歩は、ディープラーニングや自然言語処理といった複雑なタスクの処理を可能にし、人工知能(AGI)の開発への道を開いた。
一方、AIは、計画と実装から製造まで半導体技術の革新と合理化に活用することができる。
本稿では、光学近接補正(OPC)として知られる中核的な製造・認識最適化問題を解決するために、AI/LLMを利用した手法である「textit{Intelligent OPC Engineer Assistant」を提案する。
本手法は、強化学習に基づくOPCレシピ検索と、レシピ要約のためのカスタマイズされたマルチモーダルエージェントシステムを含む。
実験により,提案手法は設計トポロジを特別に処理した様々なチップ設計上で効率的にOPCレシピを構築できることが実証された。
関連論文リスト
- Retrieval-Augmented Instruction Tuning for Automated Process Engineering Calculations : A Tool-Chaining Problem-Solving Framework with Attributable Reflection [0.0]
オープンでカスタマイズ可能な小型コード言語モデル(SLM)を強化するためにRAIT(Retrieval-Augmented Instruction-Tuning)を活用する新しい自律エージェントフレームワークを提案する。
命令チューニングされたコードSLMと外部ツールを使用してRACG(Retrieval-Augmented Code Generation)を組み合わせることで、エージェントは自然言語仕様からコードを生成し、デバッグし、最適化する。
我々のアプローチは、専門的なプロセスエンジニアリングタスクのための基礎的AIモデルの欠如の限界に対処し、説明可能性、知識編集、費用対効果の利点を提供する。
論文 参考訳（メタデータ） (2024-08-28T15:33:47Z) - Knowledge Graph Modeling-Driven Large Language Model Operating System (LLM OS) for Task Automation in Process Engineering Problem-Solving [0.0]
本稿では,化学・プロセス産業における複雑な問題の解決を目的としたAI駆動型フレームワークであるプロセスエンジニアリングオペレーションアシスタント(PEOA)を紹介する。
このフレームワークはメタエージェントによって構成されたモジュラーアーキテクチャを採用しており、中央コーディネータとして機能している。
その結果、計算の自動化、プロトタイピングの高速化、産業プロセスに対するAIによる意思決定支援におけるフレームワークの有効性が示された。
論文 参考訳（メタデータ） (2024-08-23T13:52:47Z) - Benchmarking End-To-End Performance of AI-Based Chip Placement Algorithms [77.71341200638416]
ChiPBenchはAIベースのチップ配置アルゴリズムの有効性を評価するために設計されたベンチマークである。
評価のために、さまざまなドメイン(CPU、GPU、マイクロコントローラなど)から20の回路を集めました。
その結果, 単点アルゴリズムの中間距離が支配的であったとしても, 最終的なPPA結果は満足できないことがわかった。
論文 参考訳（メタデータ） (2024-07-03T03:29:23Z) - Machine Learning Insides OptVerse AI Solver: Design Principles and
Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。
本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。
本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文 参考訳（メタデータ） (2024-01-11T15:02:15Z) - ProAgent: From Robotic Process Automation to Agentic Process Automation [87.0555252338361]
LLM(Large Language Models)は、人間のような知性を持つ言語である。
本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。
そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
論文 参考訳（メタデータ） (2023-11-02T14:32:16Z) - AI/ML Algorithms and Applications in VLSI Design and Technology [3.1171750528972204]
本稿では、VLSIの設計・製造において過去に導入されたAI/ML自動化アプローチについて概説する。
将来、VLSI設計の分野に革命をもたらすため、様々な抽象化レベルでAI/MLアプリケーションの範囲について論じる。
論文 参考訳（メタデータ） (2022-02-21T07:01:27Z) - Computational Rational Engineering and Development: Synergies and
Opportunities [0.0]
本稿では,工学開発プロセスの自動化と自動化をめざした進歩と定式化の視点について検討する。
従来の人中心型ツールベースのCAEアプローチを超越して,コンピュータ・ライタリティの枠組みを設計・工学・開発における課題にまで拡張することが提案されている。
論文 参考訳（メタデータ） (2021-12-27T19:11:34Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳（メタデータ） (2021-01-11T15:54:48Z) - AI-based Modeling and Data-driven Evaluation for Smart Manufacturing
Processes [56.65379135797867]
本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。
本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-08-29T14:57:53Z) - Technology Readiness Levels for AI & ML [79.22051549519989]
機械学習システムの開発は、現代的なツールで容易に実行できるが、プロセスは通常急いで、エンドツーエンドで実行される。
エンジニアリングシステムは、高品質で信頼性の高い結果の開発を効率化するために、明確に定義されたプロセスとテスト標準に従います。
我々は、機械学習の開発と展開のための実証されたシステムエンジニアリングアプローチを提案する。
論文 参考訳（メタデータ） (2020-06-21T17:14:34Z)
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。