文献

J-GLOBAL ID：201702224498466353   整理番号：17A0212800

機械学習誘導エッチ近接効果補正【Powered by NICT】

Machine Learning-Guided Etch Proximity Correction

著者 (2件)： Shim Seongbo (Department of Electrical Engineering, KAIST, Daejeon, South Korea) ,  Shin Youngsoo (Department of Electrical Engineering, KAIST, Daejeon, South Korea)
資料名： IEEE Transactions on Semiconductor Manufacturing  (IEEE Transactions on Semiconductor Manufacturing)
巻： 30  号： 1  ページ： 1-7  発行年： 2017年 
JST資料番号： T0521A  ISSN： 0894-6507  CODEN： ITSMED  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ルールとエッチ近接効果補正(EPC)のモデルベース法が広く用いられているが,それらは20nm以下の技術のために不十分な正確であった。単純なルールはレイアウトにおける複雑なパターンに適した長くではないと少数の経験的に決定されたパラメータに基づくモデルは物理的エッチング現象を反映できない。EPCに対する機械学習を導入した:関心の各セグメント,その周辺と共に,幾何学的および光学パラメータ,エッチバイアスを予測する人工神経回路網を受けたにより特徴づけられた。はこの新しいアプローチ市販OPCツールを用いたEPCを実装し,20nm技術におけるDRAMゲート層に適用し,モデルベースEPCよりもより正確な34%予測を達成した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *機械学習 ,  *エッチング ,  ニューラルネットワーク ,  DRAM
準シソーラス用語： モデルベース ,  *近接効果補正 , 【Automatic Indexing@JST】

分類 (2件)： 固体デバイス製造技術一般  (NC03030V) ,  トランジスタ  (NC03070N)

タイトルに関連する用語 (4件)： 機械学習 ,  誘導 ,  エッチ ,  近接効果補正