EPIC: Efficient Prediction of IC Manufacturing HotspotsWith a Unified Meta-Classification Formulatio

论文笔记 --EPIC: Efficient Prediction of IC Manufacturing HotspotsWith a Unified Meta-Classification Formulation

摘要

在本文中，我们介绍了EPIC，这是一种用于深亚波长光刻的IC制造热点的有效的预测器。 EPIC提出了一个统一的框架，使用数学编程/优化将不同的热点检测方法（例如机器学习和模式匹配）组合在一起。 EPIC算法已经在先进的制造条件下经过了许多行业基准测试。 到目前为止，它证明了选择性组合各种热点检测方法的理想功能（提高3.5-8.2％的准确度）以及显着抑制检测噪声（例如减少80％的虚假警报）的最佳能力。 这些特性使EPIC非常适合进行高性能的物理验证并指导有效的可制造性友好的物理设计。

引言

由于特征尺寸的连续缩放和有限的光刻能力之间的差距越来越大[1]，半导体行业在IC设计和制造中都面临着严峻的挑战。 为了应对这些挑战，已经开发出了具有设计意识的制造技术和易于制造的设计技术，以避免高可变性的设计模式（工艺热点）并确保在后硅阶段获得高产品良率。 在这样的过程中，通常通过强大的分辨率增强技术（RET）（例如子分辨率辅助功能，光学邻近校正等）来重新定位和优化印刷掩膜的目标。与此同时，各种融合的光刻技术也在研究之中 积极的研究和开发，包括双（多）图案光刻，电子束光刻和EUV光刻。 但是，这些技术仍然会遭受不同程度和类型的打印差异，因此依赖于版图的光刻技术热点仍然是一个具有挑战性的问题。

为了优化设计的掩膜以获得更好的可印刷性，一种方法是首先在布局中定位光刻热点，然后以逐个构造的方式对其进行修复。因此，快速、准确的光刻热点检测成为设计和制造领域广泛应用的共同和关键问题.

然而，对这种检测方法的追求在许多方面都受到了严峻的挑战：（1）设计变得越来越复杂； （2）在不断发展的制造条件下，实际热点的数量只是整个设计的很小一部分，很难同时实现高检测精度和低误报率； （3）由于周转时间短，检测受到严重的运行时间限制.

当前最新的热点检测方法主要分为3类。 （1）光刻模拟非常准确，但占用大量CPU。 （2）具有良好噪声抑制能力的机器学习技术[7-13]仍需要进一步提高准确性。 （3）模式匹配技术[14-17]非常擅长检测预先表征的热点模式，但缺乏预测从未见过的热点的能力。 建立原始模式库后，如果涉及到新类型的设计，这尤其是问题所在。

最近在[18]中，提出了一种热点检测流程来混合机器学习模型和模式匹配模型的优势。 这种流程首先将数据样本提供给模式匹配器，然后使用机器学习分类器进一步检查由模式匹配器生成的非热点数据集。 与以前的工作相比，它证明了在检测准确性和错误警报抑制之间的良好性能折衷。但是，其临时性可能使性能微调和优化过程非常昂贵

为了更好地解决该问题，我们提出了EPIC：一种有效的元分类公式（图1），将各种热点检测技术组合到一个统一的自动化框架中，该框架选择性地利用了它们的优势并消除了它们的弊端。 基于订单统计[19]中的理论框架，我们提出了一种具有不同类型基础分类器的新CAD流程，并通过约束二次规划优化了流程。

本文的其余部分安排如下。 在第2节中，我们进一步激发了主题分类方法，并总结了我们的主要贡献。 第3节详细介绍了整个CAD流程，并概述了元分类器构造。 第4节简要介绍了几类构建基块检测技术，随后是第5节，其中这些技术在主题分类器下与数学编程和优化技术结合在一起。 第6节介绍了结果和分析。 第7节总结了论文。

动机和贡献

图2展示了在应用RET后32nm工艺节点上某些设计的2个局部区域的打印图像&