論文の概要: GPU-Accelerated Inverse Lithography Towards High Quality Curvy Mask Generation

• arxiv url: http://arxiv.org/abs/2411.07311v1
• Date: Mon, 11 Nov 2024 19:10:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-13 13:20:37.157892
• Title: GPU-Accelerated Inverse Lithography Towards High Quality Curvy Mask Generation
• Title（参考訳）: GPU加速逆リソグラフィーによる高品質な曲面生成
• Authors: Haoyu Yang, Haoxing Ren,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 5.373749225521622
• License:
• Abstract: Inverse Lithography Technology (ILT) has emerged as a promising solution for photo mask design and optimization. Relying on multi-beam mask writers, ILT enables the creation of free-form curvilinear mask shapes that enhance printed wafer image quality and process window. However, a major challenge in implementing curvilinear ILT for large-scale production is mask rule checking, an area currently under development by foundries and EDA vendors. Although recent research has incorporated mask complexity into the optimization process, much of it focuses on reducing e-beam shots, which does not align with the goals of curvilinear ILT. In this paper, we introduce a GPU-accelerated ILT algorithm that improves not only contour quality and process window but also the precision of curvilinear mask shapes. Our experiments on open benchmarks demonstrate a significant advantage of our algorithm over leading academic ILT engines.
• Abstract（参考訳）: 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。 ILTは、マルチビームマスクライタをベースとして、印刷されたウェハ画像の品質とプロセスウィンドウを高める自由形式のカービリニアマスク形状を作成することができる。 しかし、大規模生産のためにカービリニアILTを実装する上での大きな課題は、ファウンデーリやEDAベンダーが現在開発中のマスクルールチェックである。 最近の研究はマスクの複雑さを最適化プロセスに取り入れているが、その多くが電子ビームショットの削減に焦点を絞っている。 本稿では,輪郭品質とプロセスウィンドウだけでなく,カービリニアマスク形状の精度も向上するGPU加速型ILTアルゴリズムを提案する。 オープンなベンチマーク実験は、主要なILTエンジンよりもアルゴリズムの顕著な優位性を証明している。

関連論文リスト

• 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)
• 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)
• 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)
• Delicate Textured Mesh Recovery from NeRF via Adaptive Surface Refinement [78.48648360358193]
  画像からテクスチャ化された表面メッシュを生成する新しいフレームワークを提案する。 我々のアプローチは、NeRFを用いて幾何学とビュー依存の外観を効率的に初期化することから始まります。 ジオメトリと共同で外観を洗練し、テクスチャ画像に変換してリアルタイムレンダリングします。
  論文  参考訳（メタデータ） (2023-03-03T17:14:44Z)
• GD-MAE: Generative Decoder for MAE Pre-training on LiDAR Point Clouds [72.60362979456035]
  Masked Autoencoders (MAE)は、大規模な3Dポイントクラウドでの探索が難しい。 我々は,周囲のコンテキストを自動的にマージするためのtextbfGenerative textbfDecoder for MAE (GD-MAE)を提案する。 提案手法の有効性を, KITTI と ONCE の2つの大規模ベンチマークで実証した。
  論文  参考訳（メタデータ） (2022-12-06T14:32:55Z)
• Realistic mask generation for matter-wave lithography via machine learning [0.0]
  準安定原子を対象としたマスク生成のための機械学習手法を提案する。 マスクの初期近似を生成するために、新しいディープニューラルアーキテクチャを訓練する。 この近似は、任意の精度に収束できる遺伝的最適化アルゴリズムの初期集団を生成するために用いられる。
  論文  参考訳（メタデータ） (2022-07-15T09:14:03Z)
• 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)
• 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)
• Image Inpainting with Edge-guided Learnable Bidirectional Attention Maps [85.67745220834718]
  不規則な穴の画像インペインティングを改善するためのエッジガイド学習可能な双方向注意マップ(Edge-LBAM)を紹介します。 当社のEdge-LBAMメソッドには、予測エッジによる構造認識マスク更新を含むデュアルプロシージャが含まれています。 広範な実験により,エッジlbamはコヒーレントな画像構造を生成し,色差やぼやけを防止できることがわかった。
  論文  参考訳（メタデータ） (2021-04-25T07:25:16Z)
• Progressive Encoding for Neural Optimization [92.55503085245304]
  メッシュ転送におけるppe層の能力と,そのアドバンテージを,現代の表面マッピング技術と比較した。 最も重要な点は, パラメタライズフリーな手法であり, 様々な対象形状表現に適用可能であることである。
  論文  参考訳（メタデータ） (2021-04-19T08:22:55Z)

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。