論文の概要: MorphOPC: Advancing Mask Optimization with Multi-scale Hierarchical Morphological Learning

• arxiv url: http://arxiv.org/abs/2605.12528v1
• Date: Mon, 13 Apr 2026 14:40:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 04:51:46.019055
• Title: MorphOPC: Advancing Mask Optimization with Multi-scale Hierarchical Morphological Learning
• Title（参考訳）: MorphOPC:マルチスケール階層型形態学習によるマスク最適化の促進
• Authors: Yuting Hu, Lei Zhuang, Chen Wang, Ruiyang Qin, Hua Xiang, Gi-joon Nam, Jinjun Xiong,
• Abstract要約: 光近接補正(OPC)はパターンの忠実さと製造性を確保するために広く用いられている。 最近の生成マスク最適化モデルは、従来のOPCの高速機械学習(ML)サロゲートとして機能し、最適に近いマスクを合成することができる。 ニューラルモルフォロジーモジュールを用いたマルチスケール階層モデルである textitMorphOPC を提案し,これらの変換を学習する。
• 参考スコア（独自算出の注目度）: 11.329737398904875
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As feature sizes shrink to the nanometer scale, accurately transferring circuit patterns from photomasks to silicon wafers becomes increasingly challenging. Optical proximity correction (OPC) is widely used to ensure pattern fidelity and manufacturability. Recent generative mask optimization models based on encoder-decoder architecture can synthesize near-optimal masks, serving as fast machine learning (ML) surrogates for traditional OPC. However, these models often fail to capture the geometric transformations from target layouts to mask patterns, leading to suboptimal quality. In this work, we formulate mask generation as a sequence of morphological operations on local layout features and propose \textit{MorphOPC}, a multi-scale hierarchical model with neural morphological modules to learn these transformations. Experiments on edge-based OPC and ILT benchmarks across metal and via layers show that \textit{MorphOPC} consistently outperforms state-of-the-art methods, achieving higher printing fidelity and lower manufacturing cost, demonstrating strong potential for scalable mask optimization.
• Abstract（参考訳）: 機能サイズがナノメートルスケールに縮小するにつれて、フォトマスクからシリコンウェハへの回路パターンの正確な転送がますます困難になっている。 光近接補正(OPC)はパターンの忠実さと製造性を確保するために広く用いられている。 エンコーダ-デコーダアーキテクチャに基づく最近の生成マスク最適化モデルは、従来のOPCの高速機械学習(ML)サロゲートとして機能し、ほぼ最適マスクを合成することができる。 しかし、これらのモデルはしばしば、ターゲットレイアウトからマスクパターンへの幾何学的変換を捉えず、最適以下の品質に繋がる。 本研究では,マスク生成を局所的な配置上の形態的操作の列として定式化し,これらの変換を学習するために,ニューラルな形態的モジュールを持つマルチスケール階層モデルである「textit{MorphOPC}」を提案する。 金属および層間のエッジベースのOPCおよびILTベンチマークの実験により、‘textit{MorphOPC} は最先端の手法を一貫して上回り、印刷精度の向上と製造コストの低減を実現し、スケーラブルマスク最適化の強力な可能性を示している。

関連論文リスト

• MaskOpt: A Large-Scale Mask Optimization Dataset to Advance AI in Integrated Circuit Manufacturing [9.945697214043385]
  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。
  論文  参考訳（メタデータ） (2025-12-18T05:53:45Z)
• Towards Efficient General Feature Prediction in Masked Skeleton Modeling [59.46799426434277]
  マスクスケルトンモデリングのための新しい汎用特徴予測フレームワーク(GFP)を提案する。 我々の重要な革新は、局所的な動きパターンからグローバルな意味表現にまたがる、従来の低レベルな再構築を高レベルな特徴予測に置き換えることです。
  論文  参考訳（メタデータ） (2025-09-03T18:05:02Z)
• 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)
• LAMM-ViT: AI Face Detection via Layer-Aware Modulation of Region-Guided Attention [4.0810988694972385]
  本稿では,顔偽造検出のための視覚変換器であるLayer-Aware Mask Modulation Vision Transformer (LAMM-ViT)を紹介する。 LAMM-ViTはリージョンガイド型マルチヘッドアテンション(RG-MHA)とレイヤ対応マスク変調(LAMM)を各レイヤに統合する。 クロスモデル一般化テストでは、LAMM-ViT は優れた性能を示し、平均 ACC は94.09%、平均 AP は98.62% である。
  論文  参考訳（メタデータ） (2025-05-12T16:42:19Z)
• Fast inverse lithography based on a model-driven block stacking convolutional neural network [10.170465557304897]
  本稿では,光近接補正(OPC)に対する新しい逆リソグラフィー手法を提案する。 モデル駆動でブロックを積み重ねるディープラーニングフレームワークを採用しており、製造に寄与するマスクの生成を迅速化する。 数値実験により,提案手法の有効性が実証された。
  論文  参考訳（メタデータ） (2024-12-19T07:42:07Z)
• Cross-Scan Mamba with Masked Training for Robust Spectral Imaging [51.557804095896174]
  本研究では,空間スペクトルSSMを用いたクロススキャンマンバ(CS-Mamba)を提案する。 実験の結果, CS-Mambaは最先端の性能を達成し, マスク付きトレーニング手法によりスムーズな特徴を再構築し, 視覚的品質を向上させることができた。
  論文  参考訳（メタデータ） (2024-08-01T15:14:10Z)
• AdaOPC: A Self-Adaptive Mask Optimization Framework For Real Design Patterns [13.03056139396295]
  光近接補正(OPC)は、印刷性最適化のための広く使われている解像度向上技術である。 効率向上のための自己適応型OPCフレームワークを提案する。 実験結果から,本フレームワークは性能と効率の両面で大幅に向上していることが明らかとなった。
  論文  参考訳（メタデータ） (2023-03-15T13:40:37Z)
• 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)
• 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)
• 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)
• LevelSet R-CNN: A Deep Variational Method for Instance Segmentation [79.20048372891935]
  現在、多くのアートモデルはMask R-CNNフレームワークに基づいている。 本稿では,両世界の長所を結合したR-CNNを提案する。 我々はCOCOおよびCityscapesデータセットに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2020-07-30T17:52:18Z)

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。