基于ResNet34的光刻热点识别方法.pdf
《基于ResNet34的光刻热点识别方法.pdf》由会员分享,可在线阅读,更多相关《基于ResNet34的光刻热点识别方法.pdf(3页珍藏版)》请在咨信网上搜索。
1、信息记录材料 2023 年 7 月 第 24 卷第 7 期基于 ResNet34 的光刻热点识别方法林 牧(广东工业大学自动化学院 广州 广东 510000)【摘摘要要】随着集成电路特征尺寸的不断缩小,设计版图的日益复杂,由于光的衍射或者掩膜版本身的缺陷,导致在复制到晶圆表面的图形发生变形,这种变形包括图案断裂“断路”或相邻图案桥接“短路”。这种缺陷一般称之为光刻热点,光刻热点已经成为优化掩模设计提高可打印性的主要问题。本文提出了一种基于 ResNet34 的光刻热点检测方法,使用几何翻转扩增训练数据集。实验结果表明,与基于深度学习或代表性机器学习的热点检测方法相比,所提方法在 ICCAD 2
2、012 竞赛基准上取得了更好的性能。【关关键键词词】光光刻刻热热点点;残残差差网网络络;深深度度学学习习【中中图图分分类类号号】TP279 【文文献献标标识识码码】A 【文文章章编编号号】1009-5624(2023)07-0125-030 引言随着对高集成度和更好性能的需求,半导体的物理设计不断缩小,这给集成电路的制造良品率带来极大的挑战。当光源的波长远远大于特征尺寸的时候,所引起的光学临近校正已经变得不可忽略,会在将掩模板图形复制到晶圆上时,发生严重的形变,即短路和断路,这种缺陷一般称为光刻热点,光刻热点会影响集成电路性能。现有的光刻热点检测技术主要有 4 种:光刻模拟1、模式匹配2、机器
3、学习3和深度学习4。光刻模拟能够提供一个准确的计算光刻图形,捕获敏感的布局模式,对光刻热点的检测率是最高的,但是光刻模拟需要消耗大量的计算资源和时间成本;模式匹配能够加速光刻热点的识别效率,但是模式匹配高度依赖于热点库的建立,能够识别出热点库存在或者相似的热点,对于未知的热点图形,模式匹配的识别率较低;机器学习在光刻热点检测中体现出不错的性能,但是机器学习本身要具有丰富的专业理论知识,需要手动地提出特征,需要消耗大量的时间在训练和测试前对数据进行处理并且容易造成热点的遗漏和误判问题;近年来,随着深度学习的引入,它能够自动提取热点的特征表示并且能够实现端对端的训练,避免了大量繁琐的手动特征提取过
4、程5。在本文中,研究人员利用残差网络容易优化的优点,通过残差网络增加网路的深度来提高准确率,提出具有残差结构的热点检测模型,此外,研究人员做出了额外的工作来改进检测模型的性能,通过数据增强和预训练模型去提高模型的学习能力。本文的方法检测的精准率为16%,召回率为 99.2%,与其他的方法相比,本文的方法能够很好地完成目标检测任务。1 光刻热点数据描述热点图形和非热点图形的几何特征相似度比较高,将设计好的版图图形转移到晶圆上的光刻工艺涉及许多变化。一些图案对这些变化很敏感,导致热点图形和非热点图形的特征表现极为相似,这对网络模型的学习能力提出更高的要求。热点数据是高度不平衡的,光刻热点总是少数的
5、,在实际的集成电路设计环节中,通过分辨率增强技术之后版图的热点数量也是始终小于非热点数量,表 1 列出了 ICCAD 2012 竞赛的 5 个基准数据,可以看出,非热点的数量远远大于热点数量,特别是基准 5 的数据。非热点图形是热点图形的 10 倍,在没有进行数据扩增的情况下,网络可能会将热点图形误判为非热点图形。表 1 ICCAD 2012 竞赛数据集名字训练集测试集HSNHSHSNHS技术基准 199340226467932nm基准 217452854984129828nm基准 3909464318084633328nm基准 49544521773189028nm基准 5262716411
6、932728nm2 使用方法2.1 数据扩增研究人员采用 ICCAD 2012 数据集作为模型的训练和测试数据集,数据集的结构如表 1 所示,数据集包括 28nm 和 32nm 技术,非热点的数量远远大于热点的数量,如果将数据直接输入到网络中进行学习,网络可能无法很好地学习到热点图形的版图特征,热点图形很可能被错误地归类为非热点图形。因此,对数据集进行数据扩增是必不可少的,但是由于光的衍射和布局的特性,无法以任意角度旋转、裁剪、颜色空间变换等形式增强数据,任意旋转可能会导致光衍射后图案发生变化,而剪切可能会剪切出热点的图像特征。然而,考虑到光刻过程中光源的对称性,版图图形方向的改变不会改变其属
7、性,然后可以通过翻转原始版图图形来增加版图图形的数量。通常,采用水平翻转、垂直翻转和水平垂直翻转 3 种几何数据增强方法,本文采用图 1 的方式对数据进行扩增。2.2 残差网络在深度学习中,增加网络的深度和宽度可以大大提高网络的性能。一般来说,深度网络的性能优于浅层网络。然而,仅仅增加网络的深度和宽度就会导致网络的梯度爆炸和梯度消失。正则化可以解决网络的爆炸性梯度问题。然而,梯度消失的问题却无法得到解决。HE 提出残差网络来解决梯度消失问题。残差网络采用快捷方式连接,见图 2,图 2(b)是残差网络的结构。残差网络的参考大大521信息记录材料 2023 年 7 月 第 24 卷第 7 期注:图
8、 1(a)是原始图像,图 1(b)、(c)、(d)分别是(a)逆时针旋转 90、180、270得到的。(e)是(a)水平翻转得来的,图 1(f)、(g)、(h)分别是(e)逆时针旋转 90、180、270得到的。图 1 数据增强缓解了深度神经网络深度增加而导致的梯度消失问题。图 2 残差网络结构在本文中,研究人员使用 ResNet34 网络作为深度学习网络。该网络主要是参考 VGG19 网络并对其进行了修改,通 过 快 捷 连 接 添 加 残 差 单 元6。如 图 3 所 示,ResNet347首先使用步幅为 2 的卷积作为降采样,在最后使用平均池化而不是整个连接层,ResNet34 的一个重
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 ResNet34 光刻 热点 识别 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。