申请/专利权人:武汉大学
申请日:2022-03-10
公开(公告)日:2024-04-12
公开(公告)号:CN114898169B
主分类号:G06V10/774
分类号:G06V10/774;G06V10/82;G06N3/0464;G06N3/08;G06F16/215;G06F16/54
优先权:
专利状态码:有效-授权
法律状态:2024.04.12#授权;2022.08.30#实质审查的生效;2022.08.12#公开
摘要:本发明属于光学邻近校正技术领域,公开了一种基于深度学习的光刻OPC数据库建立方法。本发明包括构建数据集和深度学习回归网络,利用数据集对深度学习回归网络进行训练和测试,将训练好的网络模型作为光刻OPC数据库。本发明基于深度学习进行数据库构造,能够对数据库的数据集内的目标掩膜图像进行回归预测,快速回归预测出优化掩膜图像,且能够对数据库外的目标掩膜图像进行回归预测,解决了现有光刻OPC数据库的数据量需求庞大、占据内存大、调用图像时计算代价大速度慢、缺乏泛化能力等问题。
主权项:1.一种基于深度学习的光刻OPC数据库建立方法,其特征在于,包括以下步骤:步骤1、构建数据集;所述数据集包括多组数据组,每组所述数据组包括目标掩膜图像及其对应的多张优化掩膜图像;步骤2、构建深度学习回归网络;步骤3、将所述数据集划分为训练集和测试集,通过所述训练集对所述深度学习回归网络进行训练,通过所述测试集对所述深度学习回归网络进行测试;训练时,将所述数据集内每一组数据组中的所有优化掩膜图像输入至所述深度学习回归网络中,同时在所述深度学习回归网络中将该组数据组的目标掩膜图像定义为该组数据组的标签,所述深度学习回归网络会自我学习该标签与其对应的多张优化掩膜图像之间的映射关系;测试时,将所述测试集内每一组数据组中的目标掩膜图像作为所述深度学习回归网络的输入,将回归预测出的优化掩膜图像作为所述深度学习回归网络的输出,并求得所述深度学习回归网络的精度;若所述深度学习回归网络的精度大于预设精度,则视所述深度学习回归网络合格,得到训练好的网络模型;步骤4、将所述训练好的网络模型作为光刻OPC数据库,所述光刻OPC数据库用于输入目标掩膜图像,输出一张与该目标掩膜图像对应的优化掩膜图像。
全文数据:
权利要求:
百度查询: 武汉大学 一种基于深度学习的光刻OPC数据库建立方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。