基于CNN特征提取器的设计规则检查
机器学习
2020-12-22 v1
摘要
在先进节点工艺中，设计规则检查（DRC）正变得日益复杂。若能在版图阶段拥有一个快速交互式DRC引擎将极为理想。本工作中，我们确立了此类引擎可行性的概念验证。所提出的模型由一个经训练用于检测DRC违例的卷积神经网络（CNN）组成。该模型使用从一组个SRAM设计衍生出的人工数据进行训练。本演示聚焦于金属1层规则。利用该方案，我们检测多种DRC违例的速度比布尔检查器快32倍，准确率高达92%。所提出的方案可轻松扩展至完整规则集。
引用
@article{arxiv.2012.11510,
title = {Design Rule Checking with a CNN Based Feature Extractor},
author = {Luis Francisco and Tanmay Lagare and Arpit Jain and Somal Chaudhary and Madhura Kulkarni and Divya Sardana and W. Rhett Davis and Paul Franzon},
journal= {arXiv preprint arXiv:2012.11510},
year = {2020}
}