论文摘要
基于机器学习的坏点检测技术已经成为光刻坏点检测的重要研究方向,在新技术节点开发与物理设计验证中具有重要意义。按照基于机器学习的光刻坏点检测技术的流程,依次介绍了特征提取、机器学习模型建模和待测样本提取等步骤中面临的问题,综述了近年研究中针对以上问题提出的关键技术及其优劣。对基于机器学习的坏点检测技术的发展方向和面临的挑战进行了展望。目前,完全基于机器学习技术的坏点检测技术中数据生成成本巨大,精度尚不满足集成电路行业应用的要求,因此与光刻仿真模型、图形匹配等传统方法的结合是基于机器学习的坏点检测技术最容易应用于实际生产的技术途径。
论文目录
文章来源
类型: 期刊论文
作者: 盖天洋,粟雅娟,陈颖,韦亚一
关键词: 机器学习,坏点检测,集成电路物理设计,计算光刻,设计工艺联合优化
来源: 微纳电子技术 2019年06期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 动力工程,自动化技术
单位: 中国科学院微电子研究所微电子器件与集成技术重点研究室,中国科学院大学
基金: 国家科技重大专项资助项目(2017ZX02315001,2017ZX02101004)
分类号: TP181;TK407
DOI: 10.13250/j.cnki.wndz.2019.06.001
页码: 421-428+434
总页数: 9
文件大小: 1143K
下载量: 197
相关论文文献
标签：机器学习论文; 坏点检测论文; 集成电路物理设计论文; 计算光刻论文; 设计工艺联合优化论文;