論文の概要: LithoGRPO: Fast Inverse Lithography via GRPO Reinforced Flow Matching

• arxiv url: http://arxiv.org/abs/2606.00228v1
• Date: Fri, 29 May 2026 18:01:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.166069
• Title: LithoGRPO: Fast Inverse Lithography via GRPO Reinforced Flow Matching
• Title（参考訳）: LithoGRPO: GRPO強化フローマッチングによる高速逆リソグラフィ
• Abstract要約: Inverse Lithography Technology (ILT) は、ウェハへのパターン転送の忠実度を高める最適化マスクを生成する。 本稿では,フローマッチングパラダイムとGRPOに基づく強化学習(RL)ファインチューニングを統合したILTフレームワークLithoGRPOを紹介する。 RLサンプリング効率を向上させるために,130倍以上の高速化を実現し,製造性評価のための高速ショットカウントアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 51.14153938143746
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In semiconductor manufacturing, lithography projects circuit layouts onto silicon wafers through an optical mask. As circuit features shrink below the wavelength of light, optical diffraction causes the printed patterns to deviate from their intended layouts. Inverse Lithography Technology (ILT) addresses this challenge by generating optimized masks that enhance the fidelity of pattern transfer onto wafers. While ILT resembles an image synthesis task, its reliance on explicit physical metrics for mask evaluation limits the applicability of existing generative models. We introduce LithoGRPO, an ILT framework that integrates the flow-matching paradigm with GRPO-based reinforcement learning (RL) fine-tuning, enabling efficient exploration of diverse masks for a given target layout. Unlike purely generative or optimization-based approaches, RL in LithoGRPO exploits the explicitly defined, physics-based reward function of ILT, enabling optimization under complex, process-aware constraints. To the best of our knowledge, this is the first framework that unifies flow matching and RL for mask optimization. To improve RL sampling efficiency, we propose a fast shot-counting algorithm for manufacturability evaluation, achieving over 130x speedup while preserving the mask ranking of the traditional shot-count metric. Extensive experiments demonstrate that LithoGRPO achieves state-of-the-art performance over both optimization-based and learning-based methods, while maintaining efficient mask generation.
• Abstract（参考訳）: 半導体製造において、リソグラフィーは光学マスクを通してシリコンウェハに回路レイアウトを投影する。 光の波長以下で回路の特徴が小さくなると、光学回折によりプリントされたパターンは意図したレイアウトから逸脱する。 Inverse Lithography Technology (ILT)は、ウェハへのパターン転送の忠実度を高める最適化マスクを生成することでこの問題に対処する。 ILTは画像合成タスクに似ているが、マスク評価のための明示的な物理指標に依存するため、既存の生成モデルの適用性が制限される。 本稿では,フローマッチングパラダイムとGRPOに基づく強化学習(RL)ファインチューニングを統合したILTフレームワークLithoGRPOを紹介する。 純粋に生成的あるいは最適化的アプローチとは異なり、LithoGRPOのRLはILTの明確に定義された物理ベースの報酬関数を利用して、複雑なプロセス認識制約の下で最適化を可能にする。 私たちの知る限りでは、これはフローマッチングとマスク最適化のためのRLを統合する最初のフレームワークです。 RLサンプリング効率を向上させるために,従来のショットカウント基準のマスクランキングを維持しつつ,130倍以上のスピードアップを実現した,製造性評価のための高速ショットカウントアルゴリズムを提案する。 大規模な実験により、LithoGRPOは効率の良いマスク生成を維持しつつ、最適化法と学習法の両方で最先端のパフォーマンスを達成することが示された。

関連論文リスト

• MorphOPC: Advancing Mask Optimization with Multi-scale Hierarchical Morphological Learning [11.329737398904875]
  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。
  論文  参考訳（メタデータ） (2026-04-13T14:40:34Z)
• Timestep-Aware Block Masking for Efficient Diffusion Model Inference [48.764748095994996]
  拡散確率モデル(DPM)は画像生成において大きな成功を収めたが、高い推論遅延に悩まされている。 本稿では,事前学習したDPMの計算グラフを時間単位に最適化する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-20T13:35:03Z)
• 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)
• Inpainting-Guided Policy Optimization for Diffusion Large Language Models [67.97530437998117]
  自己回帰型LLMの代替として,マスケッド拡散大言語モデル (dLLM) が登場している。 本稿では,dLLMに対するRLアルゴリズムの設計について検討する。
  論文  参考訳（メタデータ） (2025-09-12T16:44:31Z)
• FUDOKI: Discrete Flow-based Unified Understanding and Generation via Kinetic-Optimal Velocities [76.46448367752944]
  MLLM(Multimodal large language model)は、単一のフレームワーク内で視覚的理解と画像生成を統一する言語である。 ほとんどの既存のMLLMはAutore(AR)アーキテクチャに依存しており、将来の開発に固有の制限を課している。 本稿では,離散フローマッチングに基づく統一マルチモーダルモデルであるFUDOKIを紹介する。
  論文  参考訳（メタデータ） (2025-05-26T15:46:53Z)
• 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)
• 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)
• 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)

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。