文献

J-GLOBAL ID：202002273990613603   整理番号：20A1868200

明示的ROC最適化によるLithrocリソグラフィーホットスポット検出【JST・京大機械翻訳】

LithoROC lithography hotspot detection with explicit ROC optimization

著者 (5件)： Ye Wei (UT Austin) ,  Lin Yibo (UT Austin) ,  Li Meng (UT Austin) ,  Liu Qiang (UT Austin) ,  Pan David Z. (UT Austin)
資料名： ACM Proceedings  (ACM Proceedings)
号： ASPDAC ’19  ページ： 292-298  発行年： 2019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： レイアウト設計パターンの拡張複雑性を有する最新の集積回路スケールとして,レイアウト仕上と設計閉鎖を確実にするための物理的検証の重要な段階であるリソグラフィーホットスポット検出は,その効率と精度に関してより高い需要を提起した。すべてのホットスポット検出手法の中で,機械学習は,低い誤り警報を維持しながら高精度を達成するためにそれ自身を区別する。しかし,クラス不均衡問題のために,異なる機械学習モデルを評価するために精度と誤り警報メトリックを使用する従来の実践は,あまり有効でない。本研究では,ROC曲線(AUC)下の領域の使用を提案し,以前の方法と比較して不均衡データセットに対するより全体論的尺度を提供した。クラス不均衡を系統的に取り扱うために,従来の交差エントロピー損失の代用として直接AUC最大化のための代理損失関数を提案した。実験結果は,ホットスポット検出のための最先端のニューラルネットワークモデルに適用するとき,新しい代理損失関数が交差エントロピー損失を凌駕するのに有望であることを示した。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： エントロピー ,  *最適化 ,  集積回路 ,  損失関数 ,  配置設計 ,  *ホットスポット ,  機械学習 ,  神経回路網モデル ,  誤警報 ,  複雑性 ,  高精度 ,  不均衡データセット ,  *改変
準シソーラス用語： ホップ数 ,  クラス不均衡 , 【Automatic Indexing@JST】

分類 (2件)： 固体デバイス製造技術一般  (NC03030V) ,  固体デバイス計測・試験・信頼性  (NC03040G)

タイトルに関連する用語 (2件)： ROC ,  最適化