論文の概要: MaskOpt: A Large-Scale Mask Optimization Dataset to Advance AI in Integrated Circuit Manufacturing

• arxiv url: http://arxiv.org/abs/2512.20655v1
• Date: Thu, 18 Dec 2025 05:53:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-25 19:43:21.5415
• Title: MaskOpt: A Large-Scale Mask Optimization Dataset to Advance AI in Integrated Circuit Manufacturing
• Title（参考訳）: MaskOpt: 集積回路製造におけるAI推進のための大規模マスク最適化データセット
• Authors: Yuting Hu, Lei Zhuang, Hua Xiang, Jinjun Xiong, Gi-Joon Nam,
• Abstract要約: 提案するMaskOptは,45$Mathrmnm$ nodeの実際のIC設計から構築した大規模ベンチマークデータセットである。 我々は、ICマスク最適化のための最先端ディープラーニングモデルを評価し、ベンチマークを構築する。
• 参考スコア（独自算出の注目度）: 9.945697214043385
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As integrated circuit (IC) dimensions shrink below the lithographic wavelength, optical lithography faces growing challenges from diffraction and process variability. Model-based optical proximity correction (OPC) and inverse lithography technique (ILT) remain indispensable but computationally expensive, requiring repeated simulations that limit scalability. Although deep learning has been applied to mask optimization, existing datasets often rely on synthetic layouts, disregard standard-cell hierarchy, and neglect the surrounding contexts around the mask optimization targets, thereby constraining their applicability to practical mask optimization. To advance deep learning for cell- and context-aware mask optimization, we present MaskOpt, a large-scale benchmark dataset constructed from real IC designs at the 45$\mathrm{nm}$ node. MaskOpt includes 104,714 metal-layer tiles and 121,952 via-layer tiles. Each tile is clipped at a standard-cell placement to preserve cell information, exploiting repeated logic gate occurrences. Different context window sizes are supported in MaskOpt to capture the influence of neighboring shapes from optical proximity effects. We evaluate state-of-the-art deep learning models for IC mask optimization to build up benchmarks, and the evaluation results expose distinct trade-offs across baseline models. Further context size analysis and input ablation studies confirm the importance of both surrounding geometries and cell-aware inputs in achieving accurate mask generation.
• Abstract（参考訳）: 集積回路(IC)次元がリソグラフィ波長以下に小さくなるにつれて、光リソグラフィーは回折やプロセスの可変性といった課題に直面している。 モデルベース光近接補正 (OPC) と逆リソグラフィ法 (ILT) は依然として必要だが計算コストがかかり、スケーラビリティを制限した繰り返しシミュレーションが必要となる。 マスク最適化にはディープラーニングが適用されているが、既存のデータセットは、しばしば合成レイアウトに依存し、標準セル階層を無視し、マスク最適化ターゲット周辺のコンテキストを無視し、実用的なマスク最適化への適用性を制限している。 実IC設計から構築した大規模ベンチマークデータセットであるMaskOptを45$\mathrm{nm}$ノードで提案する。 MaskOptには104,714個の金属層タイルと121,952個の超層タイルが含まれている。 各タイルは、セル情報を保存するために標準セル配置でクリップされ、繰り返しロジックゲートの発生を利用する。 異なるコンテキストウィンドウサイズがMaskOptでサポートされ、光学的近接効果から隣接する形状の影響を捉えている。 ICマスク最適化のための最先端ディープラーニングモデルの評価を行い,評価結果からベースラインモデル間のトレードオフを明らかにした。 さらにコンテキストサイズ分析と入力アブレーション研究により、正確なマスク生成を実現する上で、周囲のジオメトリとセル認識入力の両方が重要であることが確認された。

関連論文リスト

• Polyline Path Masked Attention for Vision Transformer [52.90241449955985]
  ビジョントランスフォーマー (ViT) はコンピュータビジョンにおいて大きな成功を収めた。 Mamba2は自然言語処理タスクにおいて大きな可能性を実証している。 本稿では,VTの自己注意機構とMamba2の強化された構造化マスクを統合するポリリンパス仮面注意(PPMA)を提案する。
  論文  参考訳（メタデータ） (2025-06-19T00:52:30Z)
• MaskAttn-UNet: A Mask Attention-Driven Framework for Universal Low-Resolution Image Segmentation [5.130440339897479]
  MaskAttn-UNetはマスクアテンション機構を通じて従来のU-Netアーキテクチャを強化する新しいセグメンテーションフレームワークである。 本モデルでは,無関係な背景を抑えながら重要な領域を選択的に強調し,乱れや複雑なシーンのセグメンテーション精度を向上させる。 以上の結果から,MaskAttn-UNetは変圧器モデルよりも計算コストが大幅に低く,最先端の手法に匹敵する精度を達成できた。
  論文  参考訳（メタデータ） (2025-03-11T22:43:26Z)
• High-Quality Mask Tuning Matters for Open-Vocabulary Segmentation [109.19165503929992]
  ここでは,CLIPのマスク分類能力を高めるために,生成されたマスクの代わりに接地トラスマスクを使用するMaskCLIP++を提案する。 低コストの微調整を経て、MaskCLIP++はマルチドメインデータセットのマスク分類性能を大幅に改善した。 我々は,A-847,PC-459,A-150,PC-59,PAS-20データセット上で+1.7,+2.3,+2.1,+3.1,+0.3 mIoUの性能改善を実現する。
  論文  参考訳（メタデータ） (2024-12-16T05:44:45Z)
• Bridge the Points: Graph-based Few-shot Segment Anything Semantically [79.1519244940518]
  プレトレーニング技術の最近の進歩により、視覚基礎モデルの能力が向上した。 最近の研究はSAMをFew-shot Semantic segmentation (FSS)に拡張している。 本稿では,グラフ解析に基づく簡易かつ効果的な手法を提案する。
  論文  参考訳（メタデータ） (2024-10-09T15:02:28Z)
• ColorMAE: Exploring data-independent masking strategies in Masked AutoEncoders [53.3185750528969]
  Masked AutoEncoders (MAE)は、堅牢な自己管理フレームワークとして登場した。 データに依存しないColorMAEという手法を導入し、ランダムノイズをフィルタすることで異なる二元マスクパターンを生成する。 ランダムマスキングと比較して,下流タスクにおける戦略の優位性を示す。
  論文  参考訳（メタデータ） (2024-07-17T22:04:00Z)
• MixMask: Revisiting Masking Strategy for Siamese ConvNets [23.946791390657875]
  この研究は、textbfMixMaskと呼ばれる新しいフィリングベースのマスキング手法を導入している。 提案手法は,消去された領域を別の画像からのコンテンツに置き換えることにより,従来のマスキング手法で見られる情報の枯渇を効果的に解消する。 我々は,線形探索,半教師付きおよび教師付きファインタニング,オブジェクト検出,セグメンテーションなどの領域におけるフレームワークの性能向上を実証的に検証した。
  論文  参考訳（メタデータ） (2022-10-20T17:54:03Z)

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。