雖然集成電路的設(shè)計(jì)工藝早已經(jīng)發(fā)展至45nm以下,但主流的光刻制造波長仍停留在193nm,兩者的差距會使光刻圖形產(chǎn)生形變,影響芯片的性能。即使已經(jīng)提出各種分辨率增強(qiáng)技術(shù)來提高光刻精度。但版圖中仍存在許多難以制造的熱點(diǎn)設(shè)計(jì),因此在芯片生產(chǎn)前對熱點(diǎn)進(jìn)行檢測就變得十分重要。本文圍繞著熱點(diǎn)檢測展開了以下研究工作:1、針對基于機(jī)器學(xué)習(xí)的熱點(diǎn)檢測算法需手動(dòng)提取特征的問題,本文提出了一種基于遷移學(xué)習(xí)的熱點(diǎn)檢測方法。通過遷移預(yù)訓(xùn)練好的深度網(wǎng)絡(luò)實(shí)現(xiàn)熱點(diǎn)檢測,其能在有限的樣本量下得到優(yōu)異的檢測結(jié)果。對三種經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了遷移和對比,得到了最適合熱點(diǎn)檢測的網(wǎng)絡(luò)架構(gòu)是VGG16。2、為了提升熱點(diǎn)的檢測效果,增強(qiáng)網(wǎng)絡(luò)的泛化能力,主要從超參數(shù)、數(shù)據(jù)集以及網(wǎng)絡(luò)模型三個(gè)方面做了分析及優(yōu)化:分析了學(xué)習(xí)率、動(dòng)量以及隨機(jī)失活三個(gè)常用超參數(shù)的原理及作用,并且通過對這三個(gè)超參數(shù)的調(diào)優(yōu),有效地優(yōu)化了網(wǎng)絡(luò)的訓(xùn)練過程,提高了網(wǎng)絡(luò)的泛化能力。針對集成電路版圖設(shè)計(jì)數(shù)據(jù)集中存在的類別不平衡問題,本文通過對比加權(quán)和采樣兩類方法的檢測結(jié)果以及對類別權(quán)重比值掃描調(diào)優(yōu),發(fā)現(xiàn)在代價(jià)函數(shù)中引入類別加權(quán)能有效提高熱點(diǎn)檢測的查全率,并且在權(quán)重比...

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1集成電路版圖設(shè)計(jì)示意圖

第一章緒論第一章緒論1.1研究背景在二十一世紀(jì)的今天，集成電路已經(jīng)悄無聲息地滲透進(jìn)了人們生產(chǎn)生活的各個(gè)領(lǐng)域。無論是現(xiàn)在生活不可或缺的智能手機(jī)家電還是方便快捷的交通，或是國防軍工科研等都離不開集成電路的使用。集成電路[1]從簡單的電子管開始到當(dāng)下的超高速CPU，其在誕生后的五十年里....

圖1-2光學(xué)鄰近效應(yīng)對光刻圖形的影響

電子科技大學(xué)碩士學(xué)位論文刻圖形產(chǎn)生畸變，質(zhì)量嚴(yán)重下降。如圖1-2所示，由于光學(xué)鄰近效應(yīng)的存在，圖中的光刻圖形產(chǎn)生了邊角圓化、線端縮短、線寬偏差不均等嚴(yán)重失真情況[4]。外面的虛線框?yàn)樵镜陌鎴D設(shè)計(jì)，中間實(shí)線陰影部分為實(shí)際所得圖形。這些可能出現(xiàn)的圖形失真現(xiàn)象會給集成電路帶來電學(xué)特性....

圖1-3包含熱點(diǎn)的集成電路設(shè)計(jì)版圖

電子科技大學(xué)碩士學(xué)位論文刻圖形產(chǎn)生畸變，質(zhì)量嚴(yán)重下降。如圖1-2所示，由于光學(xué)鄰近效應(yīng)的存在，圖中的光刻圖形產(chǎn)生了邊角圓化、線端縮短、線寬偏差不均等嚴(yán)重失真情況[4]。外面的虛線框?yàn)樵镜陌鎴D設(shè)計(jì)，中間實(shí)線陰影部分為實(shí)際所得圖形。這些可能出現(xiàn)的圖形失真現(xiàn)象會給集成電路帶來電學(xué)特性....

圖2-6LeNet-5卷積神經(jīng)網(wǎng)絡(luò)[42]

第二章熱點(diǎn)檢測和深度遷移學(xué)習(xí)的像素網(wǎng)格組成。當(dāng)神經(jīng)網(wǎng)絡(luò)中至少有一層采用了卷積運(yùn)算，而不是矩陣乘法運(yùn)算時(shí)，就可以成為卷積網(wǎng)絡(luò)。卷積神經(jīng)網(wǎng)絡(luò)自1998年由LeCun提出以來發(fā)展出了一系列性能優(yōu)異的網(wǎng)絡(luò)模型，并且已經(jīng)在圖像分類、人臉識別等很多領(lǐng)域取得了優(yōu)異的表現(xiàn)。圖2-6是基于卷積神經(jīng)....

本文編號：4004305