基于机器学习的光刻坏点检测研究进展

• 作者: 盖天洋 粟雅娟 陈颖 韦亚一
• 来源期刊: 微纳电子技术
• 学科: 工学
• 关键词: 机器学习 坏点检测 集成电路物理设计 计算光刻 设计工艺联合优化
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 技术论坛
• 页码范围: 421-428,434
• 页数: 9页
• 分类号: TN305.7
• 字数: 5769字
• 语种: 中文
• DOI: 10.13250/j.cnki.wndz.2019.06.001

摘要

基于机器学习的坏点检测技术已经成为光刻坏点检测的重要研究方向,在新技术节点开发与物理设计验证中具有重要意义.按照基于机器学习的光刻坏点检测技术的流程,依次介绍了特征提取、机器学习模型建模和待测样本提取等步骤中面临的问题,综述了近年研究中针对以上问题提出的关键技术及其优劣.对基于机器学习的坏点检测技术的发展方向和面临的挑战进行了展望.目前,完全基于机器学习技术的坏点检测技术中数据生成成本巨大,精度尚不满足集成电路行业应用的要求,因此与光刻仿真模型、图形匹配等传统方法的结合是基于机器学习的坏点检测技术最容易应用于实际生产的技术途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈颖	中国科学院微电子研究所微电子器件与集成技术重点研究室	34	470	12.0	21.0
5	粟雅娟	中国科学院微电子研究所微电子器件与集成技术重点研究室	9	29	3.0	5.0
6	韦亚一	中国科学院微电子研究所微电子器件与集成技术重点研究室	9	7	2.0	2.0
10	盖天洋	中国科学院微电子研究所微电子器件与集成技术重点研究室	1	1	1.0	1.0