Convolutional neural network 를 이용한 lithography hotspot detection

국문 초록 (Abstract)

반도체 physical design 이 축소되어가면서 lithography 공정은 점점 layout design 에 제약을 주고 있다. 그러므로 빠르고 정확한 lithography hotspot 검출 은 반도체 design 에 점점 중요한 역할을 하고 있다. 그러나 현재의 optical lithography simulation 기반의 design hotspot 기법은 지나치게 많은 computing resource를 사용하며 오랜 시간이 소요되기 때문에 반도체 design 개발에 장애가 되어왔다. 또한 이를 극복하기 위해 개발된 빠르고 경험적인 방식인 pattern matching, machine learning, fuzzy matching 방식 또한 만족할만한 성능을 보여주지 못하였다. 이에 본 논문에서는 Convolutional Neural Network를 이용한 Lithography pattern hotspot detection 을 제안한다. 제안 방식은 기존의 결과보다 더 좋은 hotspot detection performance (95.5% recall / 22.2% precision)를 구현하였다. 또한 convolutional neural network 이 가지는 수행속도 문제를 최대한 줄여 0.72Hr/mm2 의 검사시간을 구현하였다.
이에 해당하는 결과를 만들어내기 위해 convolutional neural network 자체의 성능에만 의존 하지 않고 data augmentation, candidate region설정, modified batch normalization, fast image scanning, DBSCAN clustering 기법을 도입하여 더 높은 성능향상을 꾀하였다. 본 연구는 반도체 lithography hotspot detection 에 convolutional neural network를 사용한 최초의 사례이다.

목차 (Table of Contents)

• 1.서론 1
• 2. 관련 연구 3
• 2.1 Geometry based lithography hotspot detection 3
• 2.2 Convolutional neural network 5
• 2.3 ICCAD 2012 CAD contest dataset 6
• 3.Convolutional neural network 를 이용한 lithography hotspot detection 방법 제안 7
• 3.1 Hotspot classification model training 10
• 3.1.1 Density encoding 11
• 3.1.2 Training data preparation with data augmentation 12
• 3.1.3 Training CNN assisted by modified batch normalization 14
• 3.2 Hotspot Detection using Trained CNN Detector 16
• 3.2.1 검사영역을 줄이기 위한 Candidate region definition 18
• 3.2.2 fast image scan 방법을 이용한 검사시간 단축 19
• 3.2.3 DBscan clustering 을 이용한 hotspot 위치 추출 22
• 4. 실험 23
• 4.1 Hotspot detection 문제 23
• 4.2 Network structure 평가 24
• 4.3 Hotspot Detection 성능 평가 25
• 4.4 Hotspot Detection 시간 평가 30
• 5.결론 33