机构名称：
¥ 1.0
摘要 —我们提出了一个基于深度学习的数据驱动框架，该框架由两个卷积神经网络组成：1）LithoNet，可预测 IC 制造导致的电路形状变形；2）OPCNet，可建议 IC 布局校正以补偿这种形状变形。通过学习布局设计模式对与其产品晶圆的扫描电子显微镜 (SEM) 图像之间的形状对应关系，给定一个 IC 布局模式，LithoNet 可以模拟制造过程以预测其制造的电路形状。此外，LithoNet 可以将晶圆制造参数作为潜在向量，以模拟可以在 SEM 图像上检查的参数产品变化。此外，用于建议对光刻光掩模进行校正的传统光学邻近校正 (OPC) 方法在计算上非常昂贵。我们提出的 OPCNet 模仿了 OPC 程序，并通过与 LithoNet 协作来检查制造的电路形状是否与其原始布局设计最佳匹配，从而有效地生成校正的光掩模。因此，提出的 LithoNet-OPCNet 框架不仅可以从布局模式预测制造的 IC 的形状，还可以根据预测形状与给定布局之间的一致性建议布局校正。使用几个基准布局模式的实验结果证明了所提方法的有效性。
从 IC 布局到芯片照片：基于 CNN 的数据...
主要关键词
相关文件推荐
