@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00212637,
 author = {山本, 真大 and 稲木, 雅人 and 永山, 忍 and 若林, 真一 and 児玉, 親亮 and Masahiro, Yamamoto and Masato, Inagi and Shinobu, Nagayama and Shin'ichi, Wakabayashi and Chikaaki, Kodama},
 book = {DAシンポジウム2021論文集},
 month = {Aug},
 note = {リソグラフィプロセスにおいて，異常な短絡や開放を引き起こす確率の高い回路パターンであるホットスポットは，設計の段階で検出し除去することが望ましい．そこで近年，高速なホットスポット候補の検出手法として機械学習を用いた手法が複数提案されている．しかし，検出手法の高精度な比較評価ができる評価用データセットが，公開されたデータとして存在しない．そこで既存研究として，既存データセットに修正を加えて光学シミュレーションを適用することで訓練・テストデータの追加生成を行い，データセットを増強する手法が提案されている．本研究では，この光学シミュレーション後のラベル付け工程において，短絡や開放が生じているにもかかわらず非ホットスポットとラベル付けされる等の問題を発見し，このラベル付け工程を改良してデータセットの信頼性を向上させた．さらに，このデータセットを用い，検出手法の比較実験を行った．, In the lithography process, a hotspot refers to a circuit pattern that has a high probability of causing undesired open/short-circuits, which should be detected and removed at the design stage. In recent years, for fast hotspot detection, some machine learning-based methods have been proposed. However, there is no open benchmark dataset that can accurately evaluate and compare hotspot detection methods. Therefore, in a study, a method that enhances an existing open benchmark dataset was proposed. It modifies the dataset and applies optical simulation to generate additional training/test data. In this study, we found some problems in its simulation-based labeling process, such as labeling a pattern causing open/short-circuits as a non-hotspot. We improved the process and thus the reliability of the generated dataset. In addition, using the enhanced dataset, we conducted experiments to evaluate and compare some hotspot detection methods.},
 pages = {119--126},
 publisher = {情報処理学会},
 title = {リソグラフィホットスポット検出における特徴量評価用データセット生成手法の改良},
 volume = {2021},
 year = {2021}
}