DevelSet：用于瞬时掩模优化的深度神经水平集
计算机视觉与模式识别
2023-03-23 v1 人工智能
硬件体系结构
机器学习
摘要
随着先进工艺节点特征尺寸持续缩小，掩模优化在传统设计流程中愈发关键，同时光学邻近校正（OPC）方法的计算开销呈爆炸式增长。近年来，反向光刻技术（ILT）备受关注，并在新兴OPC方案中日益普及。然而，ILT方法要么耗时，要么在掩模可印刷性与可制造性上表现较弱。本文提出DevelSet，一种面向金属层的GPU与深度神经网络（DNN）加速水平集OPC框架。我们首先通过引入曲率项以降低掩模复杂度，并应用GPU加速克服计算瓶颈，从而改进传统基于水平集的ILT算法。为进一步提升可印刷性与快速迭代收敛，我们提出一种依据水平集内在原理精心设计的新型深度神经网络，以促进DNN与GPU加速水平集优化器的联合优化。实验结果表明，DevelSet框架在可印刷性上超越现有最优方法，并将运行性能提升至瞬时水平（约1秒）。
引用
@article{arxiv.2303.12529,
title = {DevelSet: Deep Neural Level Set for Instant Mask Optimization},
author = {Guojin Chen and Ziyang Yu and Hongduo Liu and Yuzhe Ma and Bei Yu},
journal= {arXiv preprint arXiv:2303.12529},
year = {2023}
}
备注
Accepted by ICCAD21