SEMU-Net：用于纳米光子器件制造工艺变异的基于分割的纠正器
计算机视觉与模式识别
2024-11-27 v1 图像与视频处理
摘要
集成硅光子器件通过在硅绝缘芯片上操控光的传输和处理来实现，其对结构变异极为敏感。纳米级制造过程中出现的微小偏差——即在纳米尺度上精确构建结构的过程——如过度或不足蚀刻、角线圆角以及意外缺陷，都会显著影响性能。为应对这些挑战，我们引入了 SEMU-Net，这是一套完整的方法，通过自动分割扫描电子显微镜（SEM）图像来训练两个基于 U-Net 及其变体的深度神经网络模型。预测模型用于预测制造引起的变异，而纠正模型则用于调整设计，以确保最终制造的结构与原计划规格高度吻合。实验结果表明，分割 U-Net 的平均 IoU 分数达到 99.30%，而在串联架构中使用的纠正器注意力 U-Net 的平均 IoU 分数达到 98.67%。
引用
@article{arxiv.2411.16973,
title = {SEMU-Net: A Segmentation-based Corrector for Fabrication Process Variations of Nanophotonics with Microscopic Images},
author = {Rambod Azimi and Yijian Kong and Dusan Gostimirovic and James J. Clark and Odile Liboiron-Ladouceur},
journal= {arXiv preprint arXiv:2411.16973},
year = {2024}
}
备注
Accepted to WACV 2025