論文の概要: Full-chip CMP modelling based on Fully Convolutional Network leveraging White Light Interferometry

• arxiv url: http://arxiv.org/abs/2605.05062v1
• Date: Wed, 06 May 2026 15:55:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.918986
• Title: Full-chip CMP modelling based on Fully Convolutional Network leveraging White Light Interferometry
• Title（参考訳）: 白色光干渉法を用いた完全畳み込みネットワークに基づくフルチップCMPモデリング
• Abstract要約: 化学機械研磨(CMP)はIC製造において重要な役割を担っている。 現在のモデルは、しばしば密度ステップハイト(DSH)モデリングに依存している。 WLI(White Light Interfer-ometry)とAFM(Atomic Force Microscopy)という2つの表面分析手法の利点を組み合わせることを提案する。 本モデルは,CMP後のフルチップナノトポグラフィーをナノメートル精度で予測することを目的としている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: As time-to-market is crucial in the Integrated Circuit (IC) industry, speeding up layout manufacturability verifi-cation is essential. Chemical-Mechanical Polishing (CMP) plays a vital role in IC fabrication but is significantly influenced by Layout-Dependent Effects (LDE). An accurate and efficient CMP model enables design teams to correct surface unevenness before fabrication, reducing costs and accelerating the design phase. However, existing models often rely on Density Step Height (DSH) modeling, which is time-consuming for calibration and requires substantial hardware resources for fine-grained predictions. In this paper, we propose combining the advantages of two surface analysis techniques, White Light Interfer-ometry (WLI) and Atomic Force Microscopy (AFM), to train a deep learning model. This model aims to predict full-chip post-CMP nanotopography with nanometer-scale accuracy. Our deep learning model is based on a Convolutional Neural Network (CNN) and follows a two-step pipeline. The model is trained on each technique separately, resulting in a detailed full-chip CMP model.
• Abstract（参考訳）: 集積回路(IC)業界では、市場投入までの時間が不可欠であるため、レイアウト製造可能性の検証のスピードアップが不可欠である。 CMP(Chemical-Mechanical Polishing)はIC製造において重要な役割を担っているが、Layout-Dependent Effects (LDE) の影響は大きい。 正確で効率的なCMPモデルにより、設計チームは製造前に表面の凹凸を補正し、コストを削減し、設計フェーズを加速することができる。 しかし、既存のモデルは、キャリブレーションに時間を要する密度ステップハイト(DSH)モデリングに依存しており、詳細な予測には相当なハードウェアリソースを必要とする。 本稿では,White Light Interfer-ometry (WLI) とAtomic Force Microscopy (AFM) の2つの面解析手法の利点を組み合わせた深層学習モデルの学習手法を提案する。 本モデルは,CMP後のフルチップナノトポグラフィーをナノメートル精度で予測することを目的としている。 私たちのディープラーニングモデルは、畳み込みニューラルネットワーク(CNN)に基づいて、2ステップのパイプラインに従っています。 モデルはそれぞれの技術で個別に訓練され、その結果、詳細なフルチップCMPモデルが得られる。

関連論文リスト

• MiniCPM-SALA: Hybridizing Sparse and Linear Attention for Efficient Long-Context Modeling [80.48332380100915]
  MiniCPM-SALAは、疎注意の高忠実長文モデリングと線形注意のグローバル効率を統合するハイブリッドモデルである。 1つのNVIDIA A6000D GPUでは、256Kトークンのシーケンス長におけるフルアテンションモデルの推論速度が3.5倍に達する。
  論文  参考訳（メタデータ） (2026-02-12T09:37:05Z)
• RP-CATE: Recurrent Perceptron-based Channel Attention Transformer Encoder for Industrial Hybrid Modeling [38.59451477828059]
  産業用ハイブリッドモデリングは、メカニスティックモデリングと機械学習に基づくモデリング技術の両方を統合している。 既存の工業用ハイブリッド・モデリング手法には2つの大きな制限がある。 本稿では,Recurrent Perceptron-based Channel Attention Transformer (RP-CATE)を提案する。
  論文  参考訳（メタデータ） (2025-12-22T08:44:58Z)
• Hardware-Aware Model Design and Training of Silicon-based Analog Neural Networks [33.83993649730681]
  物理インフォームドハードウェア・アウェアモデルを用いてニューラルネットワークを再トレーニングすることにより、理想的なネットワークモデルの推論精度を完全に回復できることを示す。 これは、アナログニューラルネットワークの忠実性を改善するデフォルトオプションよりも、スケーラビリティと統合密度に有望である。
  論文  参考訳（メタデータ） (2025-12-08T10:11:13Z)
• Chat to Chip: Large Language Model Based Design of Arbitrarily Shaped Metasurfaces [1.7706010980924418]
  LLMはスペクトル予測と逆設計に必要な物理的関係を学習できることを示す。 この"chat-to-chip"ワークフローは、よりユーザフレンドリーなデータ駆動ナノフォトニクスへの一歩である。
  論文  参考訳（メタデータ） (2025-09-29T02:24:57Z)
• MiniCPM4: Ultra-Efficient LLMs on End Devices [126.22958722174583]
  MiniCPM4は、エンドサイドデバイス向けに明示的に設計された高効率な大規模言語モデル(LLM)である。 この効率性は、モデルアーキテクチャ、トレーニングデータ、トレーニングアルゴリズム、推論システムという4つの重要な側面において、体系的な革新を通じて達成します。
  論文  参考訳（メタデータ） (2025-06-09T16:16:50Z)
• Minitron-SSM: Efficient Hybrid Language Model Compression through Group-Aware SSM Pruning [76.88243649182886]
  注意と状態空間モデル(SSM)を組み合わせたハイブリッドアーキテクチャは、最先端の精度と実行時のパフォーマンスを達成する。 近年の研究では、アテンションのみのモデルに圧縮と蒸留を適用することで、トレーニングコストのごく一部でより小さく、より正確なモデルが得られることが示されている。 本稿では,SSMブロックの構造的整合性とそのシーケンスモデリング機能を維持するグループ対応プルーニング戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-15T17:26:29Z)
• Cliqueformer: Model-Based Optimization with Structured Transformers [102.55764949282906]
  大規模なニューラルネットワークは予測タスクに優れるが、タンパク質工学や材料発見といった設計問題への応用には、オフラインモデルベース最適化(MBO)の問題を解決する必要がある。 機能的グラフィカルモデル(FGM)を用いてブラックボックス関数の構造を学習するトランスフォーマーベースのアーキテクチャであるCliqueformerを提案する。 化学および遺伝子設計タスクを含む様々な領域において、Cliqueformerは既存の方法よりも優れた性能を示している。
  論文  参考訳（メタデータ） (2024-10-17T00:35:47Z)
• Applying Machine Learning Models on Metrology Data for Predicting Device Electrical Performance [0.10051474951635875]
  ムーア・ローはトランジスタ密度が2年ごとに2倍になると述べているが、これは継続的な革新のために今日まで維持されている。 どのようなパターン化方式であっても、印刷パターンの品質を評価する上で最も重要な指標はEPEである。 オーバーレイエラーは、P2P電気接触の点で短絡や断線接続などのIC装置の致命的な故障を引き起こす可能性がある。
  論文  参考訳（メタデータ） (2023-11-20T10:55:09Z)
• Image-based Artificial Intelligence empowered surrogate model and shape morpher for real-time blank shape optimisation in the hot stamping process [3.264571107058741]
  本研究は,画像に基づく人工インテリジェンスを用いたサロゲートモデリング (IAISM) 手法の開発である。 IAISMは任意の空白形状を与えられた as-formed コンポーネントの完全な薄めフィールドを予測するために訓練される。 高精度で汎用的なサロゲートモデリングおよび最適化ツールとして、提案されたパイプラインは、フルチェーンのデジタルツインに統合されることを約束している。
  論文  参考訳（メタデータ） (2022-12-01T20:17:48Z)
• 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)
• Real-time Neural-MPC: Deep Learning Model Predictive Control for Quadrotors and Agile Robotic Platforms [59.03426963238452]
  モデル予測制御パイプライン内の動的モデルとして,大規模で複雑なニューラルネットワークアーキテクチャを効率的に統合するフレームワークであるReal-time Neural MPCを提案する。 ニューラルネットワークを使わずに、最先端のMPCアプローチと比較して、位置追跡誤差を最大82%削減することで、実世界の問題に対する我々のフレームワークの実現可能性を示す。
  論文  参考訳（メタデータ） (2022-03-15T09:38:15Z)
• Covert Model Poisoning Against Federated Learning: Algorithm Design and Optimization [76.51980153902774]
  フェデレーテッド・ラーニング(FL)はパラメータ伝達中にFLモデルに対する外部攻撃に対して脆弱である。 本稿では,最先端の防御アグリゲーション機構に対処する有効なMPアルゴリズムを提案する。 実験の結果,提案したCMPアルゴリズムは,既存の攻撃機構よりも効果的で,かなり優れていることが示された。
  論文  参考訳（メタデータ） (2021-01-28T03:28:18Z)

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。