본 논문은 현대 VLSI 제조에서 중요한 문제인 광학 근접 보정(OPC)을 다룬다. OPC는 리소그래피 근접 효과를 보정하기 위해 마스크 패턴을 수정하는 과정이다. 기존의 OPC 기법들은 경험적 지식, 반복적 지역 탐색, 수치 최적화 등을 활용했지만 여전히 어려운 문제로 남아있다.
최근 기계 학습 기법이 OPC 문제에 새로운 기회를 제공했다. 회귀 모델, 생성 모델, 강화 학습 기반 OPC 등이 제안되었다. 그러나 이러한 접근법들은 데이터 의존성, 비효율적인 학습, OPC 문제의 특성 고려 부족 등의 한계가 있다.
이에 본 논문은 CAMO라는 강화 학습 기반의 OPC 프레임워크를 제안한다. CAMO는 다음과 같은 특징을 가진다:
실험 결과, CAMO는 학계와 산업계의 최신 OPC 엔진들을 능가하는 성능을 보였다.
To Another Language
from source content
arxiv.org
Viktige innsikter hentet fra
by Xiaoxiao Lia... klokken arxiv.org 04-02-2024
https://arxiv.org/pdf/2404.00980.pdfDypere Spørsmål