Nov, 2023

应用机器学习模型预测器件电气性能的度量数据分析

PDF
TL;DR摘要：本研究使用了 imec N14 BEOL 工艺流程以及 LELE 图案技术，在半导体设备制造中分析和控制叠加误差，研究其对电容的影响，并探索在早期阶段使用机器学习模型预测最终电容测量结果的方法。
moore lawtransistor densityepeoverlay analysismachine learning models
发现论文，激发创造
  • 全新端到端可生产的纳米光刻建模与修正的机器学习流程

    通过分析原因，本研究提出了一种高度可扩展的端到端流程，以实现生产就绪的机器学习计算光刻修正。

    Jan, 2024

  • 可解释机器学习以实现掺杂共轭聚合物高通量电导率优化

    借助高通量实验技术和机器学习的结合，提出了一种利用吸收光谱进行电导率测量的机器学习方法，实现了对材料电导率的加速测量，极大提高了测量效率并获得了有价值的洞察力。

    Aug, 2023

  • 基于物理信息机器学习的超早期电池样机验证的非破坏性降解模式解耦

    利用物理信息机器学习方法，我们展示了一种可以通过电信号量化和可视化描述热力学和动力学相关性的时态损失，实现非破坏性降解模式表征，加速整个使用寿命轨迹的温度自适应预测，速度提高了 25 倍，准确率保持在 95.1％，这种研究为电池原型的降解提供了新的可能性。

    Jun, 2024

  • 一种自动机器学习方法用于喷墨打印组件分析：迈向智能添加制造的一步

    本研究提出了一种基于机器学习的架构，用于对柔性基板上喷墨打印的元件进行微波表征。通过使用多个机器学习算法并自动选择最佳算法来提取材料参数（墨水电导率和介电性能），并利用喷墨打印共面波导（CPW）材料参数与电磁仿真传播常数之间的相互依赖关系训练机器学习模型，然后利用这些机器学习模型和测得的传播常数提取测试样机的墨水电导率和介电性能，最后通过比较四种启发式机器学习模型，证明了 eXtreme Gradient Boosted Trees Regressor（XGB）和 Light Gradient Boosting（LGB）算法在研究中的表征问题中表现最佳。

    Apr, 2024

  • 深度学习算法用于高级级 - 3 硅碳化物功率 MOSFET 器件的逆建模

    该研究提出了一种基于深度学习的逆向建模方法，用于检索硅碳化钼场效应晶体管（SiC Power MOS）的物理参数，其中通道长度是设备静态和动态行为中的关键参数，实验结果证实了多层感知器在检索该参数方面的有效性。

    Oct, 2023

  • 半导体晶圆图缺陷模式识别的机器学习技术：一项调查、实证和实验评估

    综述了利用机器学习技术识别半导体制造中晶圆缺陷的方法学，提供了各种机器学习算法在晶圆缺陷检测中的优势、局限性和潜在应用的深入分析，通过创新的分类方法将算法细分为更具体的类别和技术，结合实证评估和实验评估提供了对机器学习技术和算法全面的理解，指导研究人员在工作中做出更明智的决策，并阐明了晶圆缺陷识别中机器学习技术的未来前景和进一步研究的机会。

    Oct, 2023

  • 基于机器学习的电极制造优化，实现高性能能量和功率电池

    本研究通过提出一种动力学机器学习辅助流程的数据驱动方法，优化了生产参数的逆向设计，从而实现了可用于能量或功率应用的电极的制造。

    Jul, 2023

  • 对比超优化机器学习模型在有机太阳能电池效率降解预测中的应用

    通过使用机器学习模型，本研究提出了一种优化的方法来表示聚合物有机太阳能电池的功率转换效率的时间衰减。该方法应用于一个包含 996 个条目的数据库，并使用自动化机器学习协议进行优化，结果显示优化模型的确定系数达到超过 0.90，预测可靠性得到确认，并得出了关于数据集变量与 OSC 的性能和稳定性之间的关联性的结论。

    Mar, 2024

  • 面向印刷多层感知机的乘积累加和激活的定制逼近

    本文提出了一种基于印刷电子技术的自动设计框架，通过引入近似计算和定制设计的原则，克服了印刷电子技术中复杂电路实现的限制，实现了超低功耗的多层感知器分类器，使得即使在最复杂的结构下，也能实现电池供电操作且显著超越目前的技术水平。

    Dec, 2023

  • 利用扫描透射电子显微镜学习和控制石墨烯中硅掺杂的转变

    我们引入了一种机器学习方法来确定在扫描透射电子显微镜（STEM）的电子束刺激下，硅原子在单层碳原子上的过渡动力学。我们的方法是以数据为中心的，利用在 STEM 上收集的数据。处理和过滤数据样本以生成符号表示，然后使用神经网络来预测过渡概率。这些学习到的过渡动力学然后被用来引导单个硅原子在晶格上移动到预先确定的目标位置。我们提供经验证明我们方法的高效性和普适性的经验分析。

    Nov, 2023