挑战和机遇部署机器学习的面具。
深度学习(DL)已经成为许多公司的成功不可或缺的一部分。有很多论文和一些报道的成功在半导体制造,然而只有22%的名人参加2021年eBeam倡议名人调查看到DL作为光掩模的竞争优势使到明年,如图1所示。看图表,名人相信它会发生,但随着阿基的d2笔记》面板,及时转移权利意味着它不会为另一个2 - 3年。在这个10分钟的视频小组讨论由阿基,三个专家小组成员分享他们的经验和指导正确的项目为DL光掩模制造过程中的目标。
汤姆·塞西尔Synopsys对此今天看到用例中DL被部署在光学邻近校正(OPC)和逆光刻技术(ILT)。他认为有机会和运行时的好处使用DL哪里有大量的图像处理和造型作为掩模制作过程的一部分。汤姆描述了用户的一个挑战是克服恐惧的黑盒,他们不明白。阿基添加了一个因素是,对于面具使答案有100%的时间是正确的。
图1:深度学习将会发生,但这是一个问题,当光掩模制作根据eBeam倡议名人调查从2021年7月。
克里斯Progler光电池的认为有潜在DL的光掩模制作但是你需要从一个利基项目开始。他描述了自动缺陷分类(ADC)今天是一个大问题,可以受益于DL因为它是高度手册,使用大量的数据,和学习可以不断提高。但是以他的经验,即使应用程序已经很难实现与用户由于一些“黑盒”问题汤姆描述。
米凯尔Wahlsten从Mycronic报告说,他的公司已经从探索实现阶段,但是花了3 - 4年的学习和寻找合适的项目。Mycronic属于深度学习在电子制造中心(CDLe自2018年以来)连同d2。米凯尔说他们已经发现许多项目“协助”应用程序,这是一个好地方。他描述了他们的第一个应用程序作为服务工程师的支持工具标记是否有异常的光掩模作家的输出。米凯尔的建议是寻找合适的项目开始,涉及监督检查但不部分的“建设”。
你可以观看整个82分钟的小组视频覆盖的额外主题EUV光掩模,曲线光掩模,深度学习在这里。
|
|
|
|
|
|
|
|
|
|
留下一个回复