ホットスポットテストケースに用いられるデータベースの分析

• Item type: SIG Technical Reports(1)
• 公開日: 2019-11-06
• タイトル: ホットスポットテストケースに用いられるデータベースの分析
• タイトル / 言語: en
• タイトル: Analysis of databases used for hot spot test cases
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 東京工業大学工学院情報通信系
• 著者所属: 東京工業大学工学院情報通信系
• 著者所属: 東京工業大学工学院情報通信系
• 著者所属: 東京工業大学工学院情報通信系
• 著者所属(英): en
• 著者所属(英): Department of Information and Communications Engineering, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Information and Communications Engineering, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Information and Communications Engineering, Tokyo Institute of Technology
• 著者所属(英): en
• 著者所属(英): Department of Information and Communications Engineering, Tokyo Institute of Technology
• 著者名: 小椋, 弘貴; 高橋, 秀和; 佐藤, 真平; 高橋, 篤司
• 著者名(英): Hiroki, Ogura; Hidekazu, Takahashi; Shinpei, Sato; Atsushi, Takahashi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 半導体の回路パターンの微細化に伴い光リソグラフィの重要性が増してきている．最先端のプロセスでは微細で高密な回路パターンを得るために，デザインルールを定めている．しかし，製造ばらつきによってホットスポットと呼ばれる不具合を生じる可能性の高い箇所がレイアウトに発生することがある．レイアウトにホットスポットが存在している場合は，レイアウトを修正しホットスポットを解消する必要がある．ホットスポットの解消のためには，リソグラフィシミュレーションを用いることが一般的である．シミュレーションを用いたレイアウト修正は時間がかかり，1 つのホットスポット解消にさえ多大なコストを必要とする．そのためレイアウト上に存在する膨大な数のホットスポットを効率よく解消する手法が注目されている．機械学習ベースのホットスポット検出方法では，特徴量，機械学習モデルの選定と学習データが正確な検出には重要である．特に学習データの信頼性が低い場合，機械学習での検出結果の正誤が正しかった場合でも特徴量選択や選定した学習モデルの性能とは別の要素が結果に影響している可能性があり性能評価が正しく行えない可能性がある．本稿では頻繁に用いられるデータベースである ICCAD2012 ベンチマークデータの分析を行う．結果，ICCAD2012 ベンチマークデータはトレーニングデータとテストデータのデータ傾向が類似しているが，データの多様性がないことを確認した．これらのことから，学習データとして不十分な要素がありより良いデータセットを用いるべきであるとの結論に至った．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: With the miniaturization of semiconductor circuit patterns, the importance of photolithography has increased. In the state-of-the-art process, design rules are established to obtain fine and dense circuit patterns. However, there are places in the layout that are likely to cause defects called hot spots due to manufacturing variations. If a hot spot exists in the layout, modify the layout to eliminate the hot spot. Lithography simulation is generally used to eliminate hot spots. Layout modification using simulation is time consuming and requires a great deal of cost to eliminate one hot spot. For this reason, attention has been paid to a method that efficiently eliminates the huge number of hot spots on the layout. In the machine learning-based hot spot detection method, feature quantity, machine learning model selection and learning data are important for accurate detection. In terms of what, when the reliability of the learning data is low, even if the correctness of the detection result in machine learning is correct, there may be factors other than the feature selection and the performance of the selected learning model. The evaluation may not be performed correctly. This paper analyzes ICCAD 2012 benchmark data, which is a frequently used database. As a result, it was confirmed that ICCAD 2012 benchmark data had similar data trends between training data and test data, but there was no data diversity. From these facts, we have concluded; that there are insufficient elements as learning data and that a better data set should be used.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12149313
• 書誌情報: 研究報告組込みシステム（EMB）; 巻 2019-EMB-52, 号 38, p. 1-6, 発行日 2019-11-06
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-868X
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会