From IC Layout to Die Photograph: A CNN-Based Data-Driven Approach

光掩模 光学接近校正 计算机科学 薄脆饼 集成电路布局 水准点(测量) 制作 集成电路 平版印刷术 参数统计 IC布局编辑器 一致性(知识库) 人工智能 过程(计算) 工程制图 电路提取 材料科学 工程类 抵抗 等效电路 数学 纳米技术 光电子学 电气工程 电压 病理 操作系统 统计 替代医学 地理 医学 大地测量学 图层(电子)
作者
Hao-Chiang Shao,Chao-Yi Peng,Jun-Rei Wu,Chia‐Wen Lin,Shao-Yun Fang,Pin-Yian Tsai,Yan-Hsiu Liu
出处
期刊:IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems [Institute of Electrical and Electronics Engineers]
卷期号:40 (5): 957-970 被引量:15
标识
DOI:10.1109/tcad.2020.3015469
摘要

We propose a deep learning-based data-driven framework consisting of two convolutional neural networks: 1) LithoNet that predicts the shape deformations on a circuit due to IC fabrication and 2) OPCNet that suggests IC layout corrections to compensate for such shape deformations. By learning the shape correspondences between pairs of layout design patterns and their scanning electron microscope (SEM) images of the product wafer thereof, given an IC layout pattern, LithoNet can mimic the fabrication process to predict its fabricated circuit shape. Furthermore, LithoNet can take the wafer fabrication parameters as a latent vector to model the parametric product variations that can be inspected on SEM images. Besides, traditional optical proximity correction (OPC) methods used to suggest a correction on a lithographic photomask is computationally expensive. Our proposed OPCNet mimics the OPC procedure and efficiently generates a corrected photomask by collaborating with LithoNet to examine if the shape of a fabricated circuit optimally matches its original layout design. As a result, the proposed LithoNet-OPCNet framework can not only predict the shape of a fabricated IC from its layout pattern but also suggests a layout correction according to the consistency between the predicted shape and the given layout. Experimental results with several benchmark layout patterns demonstrate the effectiveness of the proposed method.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
gdwang1973发布了新的文献求助10
刚刚
阔达蓝血完成签到,获得积分10
2秒前
12ocky完成签到,获得积分10
2秒前
英俊的铭应助LYJ采纳,获得10
2秒前
刘大大发布了新的文献求助10
2秒前
lulu828完成签到,获得积分10
2秒前
3秒前
潇飞天下发布了新的文献求助10
3秒前
4秒前
4秒前
5秒前
5秒前
顾矜应助cyy1226采纳,获得10
5秒前
6秒前
7秒前
7秒前
8秒前
8秒前
真实的灵发布了新的文献求助10
9秒前
9秒前
9秒前
9秒前
9秒前
铠甲勇士完成签到,获得积分10
9秒前
10秒前
5515发布了新的文献求助10
10秒前
Ivyxie发布了新的文献求助10
10秒前
生动谷蓝发布了新的文献求助10
10秒前
kk发布了新的文献求助30
10秒前
不配.应助jmsfasw采纳,获得10
10秒前
10秒前
11秒前
榴莲奶黄包完成签到,获得积分20
11秒前
lily发布了新的文献求助10
11秒前
hhy完成签到,获得积分10
11秒前
Jasen发布了新的文献求助20
12秒前
12秒前
12秒前
gdwang1973完成签到,获得积分10
12秒前
土豪的子骞完成签到 ,获得积分10
13秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
A Dissection Guide & Atlas to the Rabbit 600
中国心血管健康与疾病报告2023(要完整的报告) 500
Ожившие листья и блуждающие цветы. Практическое руководство по содержанию богомолов [Alive leaves and wandering flowers. A practical guide for keeping praying mantises] 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3101982
求助须知:如何正确求助?哪些是违规求助? 2753257
关于积分的说明 7623194
捐赠科研通 2405938
什么是DOI,文献DOI怎么找? 1276507
科研通“疑难数据库(出版商)”最低求助积分说明 616864
版权声明 599076