VLSI掩模优化：从浅层学习到深度学习
机器学习
2019-12-17 v1 机器学习
摘要
VLSI掩模优化是可制造性感知设计中最关键的阶段之一，由于复杂的掩模优化与光刻仿真而成本高昂。近期研究表明，机器学习技术在处理复杂大数据问题方面具有显著优势，这为可制造性设计(DFM)问题带来专门的机器学习解决方案的潜力，并加速VLSI设计周期。本文聚焦于一种辅助掩模版图优化的异构OPC框架。初步结果显示所提框架的高效性与有效性，其有潜力成为现有EDA方案的替代方案。
引用
@article{arxiv.1912.07254,
title = {VLSI Mask Optimization: From Shallow To Deep Learning},
author = {Haoyu Yang and Wei Zhong and Yuzhe Ma and Hao Geng and Ran Chen and Wanli Chen and Bei Yu},
journal= {arXiv preprint arXiv:1912.07254},
year = {2019}
}
备注
6 pages; accepted by 25th Asia and South Pacific Design Automation Conference (ASP-DAC 2020)