基于迁移学习的集成电路热点检测方法研究

发布时间：2024-07-09 03:15

　　虽然集成电路的设计工艺早已经发展至45nm以下,但主流的光刻制造波长仍停留在193nm,两者的差距会使光刻图形产生形变,影响芯片的性能。即使已经提出各种分辨率增强技术来提高光刻精度。但版图中仍存在许多难以制造的热点设计,因此在芯片生产前对热点进行检测就变得十分重要。本文围绕着热点检测展开了以下研究工作:1、针对基于机器学习的热点检测算法需手动提取特征的问题,本文提出了一种基于迁移学习的热点检测方法。通过迁移预训练好的深度网络实现热点检测,其能在有限的样本量下得到优异的检测结果。对三种经典的卷积神经网络模型进行了迁移和对比,得到了最适合热点检测的网络架构是VGG16。2、为了提升热点的检测效果,增强网络的泛化能力,主要从超参数、数据集以及网络模型三个方面做了分析及优化:分析了学习率、动量以及随机失活三个常用超参数的原理及作用,并且通过对这三个超参数的调优,有效地优化了网络的训练过程,提高了网络的泛化能力。针对集成电路版图设计数据集中存在的类别不平衡问题,本文通过对比加权和采样两类方法的检测结果以及对类别权重比值扫描调优,发现在代价函数中引入类别加权能有效提高热点检测的查全率,并且在权重比...

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图1-1集成电路版图设计示意图

第一章绪论第一章绪论1.1研究背景在二十一世纪的今天，集成电路已经悄无声息地渗透进了人们生产生活的各个领域。无论是现在生活不可或缺的智能手机家电还是方便快捷的交通，或是国防军工科研等都离不开集成电路的使用。集成电路[1]从简单的电子管开始到当下的超高速CPU，其在诞生后的五十年里....

图1-2光学邻近效应对光刻图形的影响

电子科技大学硕士学位论文刻图形产生畸变，质量严重下降。如图1-2所示，由于光学邻近效应的存在，图中的光刻图形产生了边角圆化、线端缩短、线宽偏差不均等严重失真情况[4]。外面的虚线框为原本的版图设计，中间实线阴影部分为实际所得图形。这些可能出现的图形失真现象会给集成电路带来电学特性....

图1-3包含热点的集成电路设计版图

电子科技大学硕士学位论文刻图形产生畸变，质量严重下降。如图1-2所示，由于光学邻近效应的存在，图中的光刻图形产生了边角圆化、线端缩短、线宽偏差不均等严重失真情况[4]。外面的虚线框为原本的版图设计，中间实线阴影部分为实际所得图形。这些可能出现的图形失真现象会给集成电路带来电学特性....

图2-6LeNet-5卷积神经网络[42]

第二章热点检测和深度迁移学习的像素网格组成。当神经网络中至少有一层采用了卷积运算，而不是矩阵乘法运算时，就可以成为卷积网络。卷积神经网络自1998年由LeCun提出以来发展出了一系列性能优异的网络模型，并且已经在图像分类、人脸识别等很多领域取得了优异的表现。图2-6是基于卷积神经....

本文编号：4004305