ILILT：逆光刻技术的隐式学习
机器学习
2024-05-07 v1
摘要
光刻技术是将芯片设计掩模转移到硅晶圆上的过程，是现代半导体制造流程中最重要的阶段。由于光刻系统的局限性，需要进行大量的设计优化来解决设计与硅片之间的不匹配。逆光刻技术（ILT）是进行预制造优化（称为掩模优化）的有前景的解决方案之一。由于掩模优化问题的约束非凸性，数值ILT求解器严重依赖良好的初始化以避免陷入次优解。因此，机器学习（ML）技术被提出用于通过单次推理为ILT求解器生成掩模初始化，旨在实现ILT过程中更快更好的收敛。本文探讨了“ML模型能否在不将ILT求解器纳入循环的情况下直接生成高质量优化掩模”这一问题。我们提出了一个隐式学习ILT框架：ILILT，它利用隐式层学习方法和光刻条件输入来约束模型。经过训练以理解ILT优化过程，ILILT能够超越最先进的机器学习解决方案，显著提高效率和质量。
引用
@article{arxiv.2405.03574,
title = {ILILT: Implicit Learning of Inverse Lithography Technologies},
author = {Haoyu Yang and Haoxing Ren},
journal= {arXiv preprint arXiv:2405.03574},
year = {2024}
}
备注
12 pages, 10 figures, accepted by International Conference on Machine Learning (ICML24)