在基于机器学习方法来克服有限标记数据集光学临界尺寸计量gydF4y2Ba
这些技术帮助克服有限使用用例的参考数据的约束具有挑战性的强迫症计量先进半导体节点。gydF4y2Ba
积极扩展的半导体器件,器件结构的日益复杂化,加上严格的计量误差预算推高了光学临界尺寸(OCD)的时间来解决一个关键时刻。机器学习(ML),由于其快速好转,已成功应用于强迫症计量作为替代传统的物理建模解决方案。然而,昂贵的和有限的参考数据或标记数据集所需毫升学习经常导致不足或过度学习,限制了其广泛应用。在本文中,我们探索技术,利用处理信息补充参考数据和协同加强物理建模与ML防止不足或过度学习。这些技术已被证明有助于克服有限使用用例的参考数据的约束在挑战强迫症计量先进半导体节点。gydF4y2Ba
作者gydF4y2Ba:gydF4y2Ba
富兰克林·j .赢了gydF4y2Ba
ggydF4y2Ba,在创新公司(美国)gydF4y2Ba
渔洞,在创新公司(美国)gydF4y2Ba
Wenmei明,在创新公司(美国)gydF4y2Ba
佩Žuvela,到创新公司(美国)gydF4y2Ba
Peifen格兰,到创新有限公司(美国)gydF4y2Ba
无非史,在创新公司(美国)gydF4y2Ba
杰,在创新公司(美国)gydF4y2Ba
留下一个回复gydF4y2Ba