自动布局生成及其在机器学习引擎评估中的应用
机器学习
2019-12-13 v1 人工智能
机器学习
摘要
基于机器学习的光刻热点检测近来已被深入研究，从多种特征提取技术到高效学习模型。据观察，此类基于机器学习的框架在已知公开金属层基准上提供了令人满意的金属层热点预测结果。在这项工作中，我们试图评估这些基于机器学习的热点检测器对复杂图形的泛化能力。我们首先引入一个自动布局生成工具，可在给定一组设计规则的情况下合成多种布局图形。该工具目前支持金属层和通孔层生成。作为一个案例研究，我们使用代表性的基于机器学习的热点检测器对生成的通孔层布局进行热点检测，结果表明有必要对模型鲁棒性和通用性进行持续研究，以在 DFM 流程中原型化并集成学习引擎。布局生成工具的源代码将发布于 https://github.com/phdyang007/layout-generation。
引用
@article{arxiv.1912.05796,
title = {Automatic Layout Generation with Applications in Machine Learning Engine Evaluation},
author = {Haoyu Yang and Wen Chen and Piyush Pathak and Frank Gennari and Ya-Chieh Lai and Bei Yu},
journal= {arXiv preprint arXiv:1912.05796},
year = {2019}
}
备注
6 pages, submitted to 1st ACM/IEEE Workshop on Machine Learning for CAD (MLCAD) for review