ПРИМЕНЕНИЕ НЕЙРОСЕТЕВЫХ АВТОЕНКОДЕРОВ ТИПА UNET ДЛЯ ЗАДАЧ ИНВЕРСНОЙ ФОТОЛИТОГРАФИИ

В работе обсуждается вопрос о применимости нейросетей к задачам проектирования микроэлектроники и постепенного встраивания в элементы специализированных САПР нейросетевых модулей, позволяющих существенно ускорить процессы моделирования на разных этапах проектирования. Рассматривается применение многослойной конволюционной архитектуры нейросети типа UNET к задаче прямой и инверсной вычислительной фотолитографии. С помощью данного нейросетевого подхода удалось на два порядка ускорить вычисление фотошаблона для 90-нм техпроцесса и достигнуть точности моделирования, превосходящую стандартные методы инверсной фотолитографии (ILT).

APPLICATION OF NEURAL NETWORK AUTO ENCODERS OF UNET TYPE FOR INVERSE PHOTOLITOGRAPHY TASKS

The paper discusses the issue of the applicability of neural networks to the problems of designing microelectronics. The integration of neural network modules into the elements of specialized EDA systems can significantly speed up the modeling processes at different stages of design. The application of a multilayer convolutional architecture of a neural network of the UNET type to the problem of direct and inverse computational photolithography is considered. Using this neural network approach, we were able to speed up the computation of a photo mask for a 90nm process technology by two orders of magnitude and achieve simulation accuracy that surpasses standard inverse photolithography (ILT) methods.