Jan, 2024

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

PDF
TL;DR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。
optical lithographyresolution enhancement techniquessemiconductor manufacturingmachine learningcomputational lithography
发现论文，激发创造
  • 神经刻印：使用 “实 2 虚” 学习的光刻模拟器，弥合计算光学中的设计到制造差距

    我们引入神经光刻术来解决计算光学中的 ' 设计到制造 ' 差距问题，并通过两个任务演示了其有效性。

    Sep, 2023

  • ILILT：逆向光刻技术的隐式学习

    该论文提出了一种隐式学习的 ILILT 框架，利用隐式层学习方法和光刻条件输入，以获取高质量的优化掩模，从而大幅提高效率和质量。

    May, 2024

  • 应用机器学习模型预测器件电气性能的度量数据分析

    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。

    Nov, 2023

  • 使用不完备的机械知识进行制造过程加速且低成本的机器学习

    本研究提出了一种基于迁移学习的方法，通过使用大量来源于基于物理的流程模型的计算廉价的数据进行 ML 模型训练，然后在少量代价昂贵的实验数据上进行微调，从而降低了新工艺过程物理模型开发的高成本，并且该方法在 Fused Filament Fabrication 的印刷线宽建模中表现良好，减少了模型开发时间、实验成本、计算成本和预测误差。

    Apr, 2023

  • 2.5D 芯片平台中的硅光子学机器学习加速器

    本文描述了如何将光计算和通信集成到 2.5D 芯片平台中，从而驱动一类新型的可持续扩展的机器学习硬件加速器，以加速新兴的机器学习工作负载，通过跨层设计、硬件 / 软件协同设计和硅光子设计制备。

    Jan, 2023

  • 扫描透射电子显微镜自动实验的深度学习

    本论文探讨了在电子显微镜中使用机器学习来进行数据分析和优化工作流程的挑战，并讨论了人类科学家和机器学习在实验工作流程中的相对贡献以及开发通用超级语言的需求。

    Apr, 2023

  • 反向曝光实验物理驱动的深度神经水平集掩膜优化

    基于水平集的逆向光刻技术在深度学习框架内实现掩膜优化，显著提高印刷性能，减少计算时间，为逆向光刻领域提供了一种高效的解决方案。

    Aug, 2023

  • 可靠的边缘机器学习硬件用于科学应用

    在极端实验环境下，通过开发和验证可靠的算法，解决了 ML 边缘处理中的验证挑战，包括在实验软件框架中实现比特精确的性能验证，验证在极端量化和修剪下的 ML 模型的稳健性，以及实现高精度的模型检查以实现高效容错。该研究探讨了开发强健算法的方法，提出了初步结果和缓解策略，并展望未来研究的方向，致力于实现加速科学发现的自主科学实验方法的长远目标。

    Jun, 2024

  • 基于卷积傅里叶神经算子和光刻指导自训练的大规模掩模优化

    本文提出了一种能够通过学习版图瓦片依赖性来实现无需传统工具干预的无缝大规模光刻版优化的卷积傅里叶神经操作器（CFNO），并通过训练机器学习模型发现了光刻引导的自学习（LGST）的可能性，实现了迭代模型和数据集更新，加快了优化速度，并优于同类学术数值版优化器。

    Jul, 2022

  • 低电子剂量 LC-TEM 获取的原位图像的机器学习优化

    我们研究了一种机器学习技术，用于通过液体透射电子显微镜（LC-TEM）在原位观察期间对所获得的图像进行细化。我们的模型采用了 U-Net 架构和 ResNet 编码器。通过准备一个原始图像数据集进行训练，其中包含了使用和不使用溶液的样品的图像对。训练后的模型可以将噪声图像转换为清晰的图像，转换时间约为 10 毫秒，并且我们将该模型应用于使用 Gatan DigitalMicrograph（DM）软件进行原位观察时。即使由于低电子剂量原因，DM 软件的视图窗口中看不到纳米颗粒，但在我们的机器学习模型生成的连续细化图像中是可见的。

    Oct, 2023