CCASを用いた局所特徴量に基づくリソグラフィホットスポット検出器の検討

• Item type: Symposium(1)
• 公開日: 2019-08-21
• タイトル: CCASを用いた局所特徴量に基づくリソグラフィホットスポット検出器の検討
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: Hotspot検出・異常検知
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 東京工業大学
• 著者所属: 東京工業大学
• 著者所属: 東京工業大学
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Tokyo Institute of Technology
• 著者名: 高橋, 秀和; 佐藤, 真平; 高橋, 篤司
• 著者名(英): Hidekazu, Takahashi; Shimpei, Sato; Atsushi, Takahashi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 光リソグラフィは回路パターン転写技術の一つである．パターンの微細化に伴い，ウェーハ上に所望のパターンが形成されないという問題が顕著になっている．そこであらかじめマスクパターンを補正するOPC (Optical Proximity Correction) が開発された．しかし，適切なOPCを施しても，製造ばらつきによって所望のパターンではない短絡や断線といった欠陥が生じることがある．欠陥が生じる可能性が高い局所領域をホットスポットと呼ぶ．ホットスポットは，歩留まり低下の原因であり，設計段階で除去することが求められる．ホットスポットの検出手段として，リソグラフィシミュレーションが広く用いられている．光学系の情報，マスクパターンの形状を基にウェーハ上に形成されるパターンを出力する．高精度なホットスポット検出のため，様々な条件下を想定したシミュレーションが求められる．そのため計算時間をいかにして短縮するかという課題が存在する．本稿では，局所特徴量とその出現頻度分布に基づくホットスポット検出器を提案する．マスク上の小領域 (クリップ) がホットスポットを含むかどうか識別する．提案する検出器は，複数の単純な識別器 (弱識別器) を連結し，構成される．評価実験として，ICCAD2012ベンチマークデータを用いる．結果，ホットスポットを含むクリップに対する検出率98%前後を実現しながら，ホットスポットを含まないクリップに対する誤検出率を1%未満に抑えることに成功した．また，検出器が全クリップを識別するために必要な計算時間は，機械学習を用いた既存手法と比較して，8倍程度高速であることを確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: With the development of technology nodes, a defective circuit pattern has occurred on a chip. Local regions, which may cause defects such as opens/shorts, are called hotspots, which induce yield loss, so they should be eliminated in the design phases. To detect hotspots, a conventional method extensively relies on lithography simulation, which can achieve good accuracy but may suffer from huge computational time. Recently, methods that introduce image recognition techniques are proposed. In this paper, we propose the hotspot detector based on the probability distribution of feature vectors, where feature optimization and classification are guided by the distribution. Experimental results show that our proposed method achieves 98% accuracy while False Positive Rate is less than 1 %, and 8 times smaller CPU time than conventional machine learning based methods on ICCAD2012 benchmark suite.
• 書誌情報: DAシンポジウム2019論文集; 巻 2019, p. 99-104, 発行日 2019-08-21
• 出版者 / 言語: ja
• 出版者: 情報処理学会