机构名称：
¥ 1.0
摘要 — 随着半导体特征尺寸的急剧缩小，热点检测已成为生成优化掩模设计以实现更好可印刷性的关键且具有挑战性的问题。机器学习技术，尤其是深度学习，在热点检测任务上取得了显著的成功。然而，由于两阶段流程和布局特征表示效率较低，大多数现有的热点检测器性能不佳。更重要的是，大多数工作只能解决具有明显热点模式的简单基准测试，如 ICCAD 2012 竞赛基准测试。在本文中，我们首先开发了一种新的端到端热点检测流程，其中布局特征嵌入和热点检测共同执行。基于注意机制的深度卷积神经网络 (CNN) 被用作主干来学习布局特征的嵌入并同时对热点进行分类。实验结果表明，我们的框架在更具挑战性的基准测试上实现了比现有技术更高的准确率，误报更少，推理速度更快。
通过基于注意力的深度布局度量学习进行热点检测
主要关键词
相关文件推荐
