文献

J-GLOBAL ID：202002267252056762   整理番号：20A2264648

改良型データ増強とニューラル常微分方程式によるホットスポット検出精度を改善するLith-NeuralODE【JST・京大機械翻訳】

Litho-NeuralODE Improving Hotspot Detection Accuracy with Advanced Data Augmentation and Neural Ordinary Differential Equations

著者 (5件)： Lu Wei (Shanghai Jiao Tong University, Shang Hai, China) ,  Zhang Yuhang (Shanghai Jiao Tong University, Shang Hai, China) ,  Zhang Qing (Shanghai Jiao Tong University, Shang Hai, China) ,  Zhang Xinjie (Shanghai Jiao Tong University, Shang Hai, China) ,  Li Yongfu (Shanghai Jiao Tong University, Shang Hai, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： GLSVLSI ’20  ページ： 387-392  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
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： パターンマッチングにおける深層ニューラルネットワークの使用は,リソグラフィーホットスポット検出の精度を大幅に改善し,破局的チップ故障を防ぐ。本論文では,3つのデータ増強技術(”変換”,”Gauss雑音”および”Fill形状”)を提案し,不均衡異常値リソグラフィーホットスポット問題に対処し,検出精度を改善するために,ニューラル常微分方程式ネットワーク(Litho-NeuralODE)を採用した。このアーキテクチャは28x28ピクセルクリップを用いてホットスポット分類を行う。ICCAD 2012 Contestベンチマークに関する実験結果は,提案フレームワークが98.7%の全体の最高精度と平均10の最低ミスを達成して,最先端の研究を凌駕することを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *常微分方程式 ,  故障 ,  ネットワーク ,  特徴抽出 ,  Gauss雑音 ,  *ホットスポット ,  異常値 ,  パターンマッチング ,  ベンチマーク ,  計算機アーキテクチャ
準シソーラス用語： 不均衡 ,  検出精度 ,  製造可能性 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層ニューラルネットワーク ,  製造可能性のための設計 ,  特徴抽出 ,  リソグラフィーホットスポット検出

分類 (2件)： 固体デバイス製造技術一般  (NC03030V) ,  半導体集積回路  (NC03162T)

タイトルに関連する用語 (4件)： データ増強 ,  常微分方程式 ,  ホットスポット ,  検出精度