LIC-CGAN:使用深度学习的大型面具的快速光刻隐形图像计算方法

科学领域:

• 计算式 lithography 的使用方法.
• 深度学习应用程序深度学习应用程序
• 半导体制造业 半导体制造业

背景情况:

• 对于大面积面具的隐形图像计算是关键的,但在石版模拟中耗时.
• 现有的方法对于复杂,大规模的面具图案缺乏效率.

研究的目的:

• 开发一种快速,准确的方法来计算大面积面具的3D隐形图像.
• 使用深度学习加速 lithography 模拟.

主要方法:

• 建议采用一个深度学习方法,LIC-CGAN (使用条件生成对抗网络进行潜图像计算).
• 大面具布局被分为剪辑; 隐藏的图像从图书馆中检索或由CGANs生成.
• 局部潜伏图像被合成为完整的模拟.

主要成果:

• 在隐形图像计算中,LIC-CGAN方法实现了高精度.
• 与严格的模拟方法相比,观察到2.5-4.7倍的加速度因子.
• 这种方法已成功地应用于显示面板的光刻模拟.

结论:

• 对于大面积面罩的3D隐形图像计算,LIC-CGAN提供了一个明显更快的替代方案.
• 深度学习有效地解决了 lithography 模拟中的计算瓶.
• 这种方法提高了显示面板制造工艺的效率.