基于机器学习的上下文感知DFM规则分析与评分
摘要：评估物理布局设计的可制造性质量时，通常使用DFM规则评分技术来进行物理设计和物理验证阶段。然而，传统的DFM规则评分方法的一个主要缺点是得出的DFM规则评分可能不准确，因为评分可能与光刻模拟结果高度对应。例如，传统的DFM规则评分方法通常使用基于规则的技术来计算评分，而不考虑目标布局形状的邻近几何场景。这可能导致评分结果不准确，因为计算得出的DFM规则评分可能过于乐观或过于悲观。因此，在本文中，我们提出了一种新方法，利用机器学习技术分析目标布局的上下文，并预测其对制造可行性的光刻影响。
作者：Vikas Tripathi, Valerio Perez, Yongfu Li, Zhao Chuan Lee, I-Lun Tseng, and Jonathan Ong
论文ID：1808.05999
分类：Other Computer Science
分类简称：cs.OH
提交时间：2018-08-21