本發(fā)明專利技術(shù)公開(kāi)了一種基于深度學(xué)習(xí)的電路器件特征尺寸檢測(cè)方法和裝置。其中，該方法包括：制作電路器件數(shù)據(jù)集；搭建用于電路器件特征尺寸提取的待訓(xùn)練深度學(xué)習(xí)模型；使用所述電路器件數(shù)據(jù)集訓(xùn)練所述待訓(xùn)練深度學(xué)習(xí)模型，得到訓(xùn)練好的深度學(xué)習(xí)模型；使用所述訓(xùn)練好的深度學(xué)習(xí)模型對(duì)芯片的電路器件進(jìn)行圖像檢測(cè)，得到圖像檢測(cè)結(jié)果；對(duì)所述圖像檢測(cè)結(jié)果進(jìn)行分析，以得到電路器件的特征尺寸信息。本發(fā)明專利技術(shù)通過(guò)利用深度學(xué)習(xí)模型實(shí)現(xiàn)了電路器件特征尺寸的自動(dòng)檢測(cè)，提高了電路器件特征尺寸檢測(cè)的效率和準(zhǔn)確度。確度。確度。
【技術(shù)實(shí)現(xiàn)步驟摘要】
一種基于深度學(xué)習(xí)的電路器件特征尺寸檢測(cè)方法和裝置
[0001]本專利技術(shù)實(shí)施例涉及電路器件尺寸檢測(cè)
，尤其涉及一種基于深度學(xué)習(xí)的電路器件特征尺寸檢測(cè)方法和裝置。
技術(shù)介紹
[0002]隨著集成電路（IC）設(shè)計(jì)和制造技術(shù)的迅猛發(fā)展，集成電路的集成度越來(lái)越高，模擬電路和數(shù)字電路的規(guī)模也越來(lái)越大。在科技的飛速發(fā)展和技術(shù)的不斷突破下，高端芯片工藝制程從28nm、14nm演進(jìn)到7nm以及要即將量產(chǎn)的5nm，集成電路集成能力以幾何級(jí)爆發(fā)式增長(zhǎng)，對(duì)于超大規(guī)模集成電路，能集成十萬(wàn)、百萬(wàn)個(gè)以上的元器件。
[0003]在電路分析領(lǐng)域，工程師需要對(duì)工藝芯片進(jìn)行去層、局部剖析、電路提取和分析。現(xiàn)有技術(shù)中，電路分析工程師在提取集成電路的基本器件（參見(jiàn)圖1a
?
b和圖2）時(shí)，通常是通過(guò)人工提取器件特征尺寸，再提取基本器件。但集成電路中基本器件種類繁多，尺寸不一，數(shù)量龐大，多則達(dá)到百萬(wàn)數(shù)量級(jí)別。對(duì)于工程師團(tuán)隊(duì)，提取完全部的器件至少需數(shù)月，電路提取速率低，不能滿足工期要求。另外，重復(fù)性的繁瑣工作，沒(méi)有技術(shù)含量，也導(dǎo)致了大量的人力資源浪費(fèi)。而通過(guò)傳統(tǒng)的圖像識(shí)別算法進(jìn)行識(shí)別時(shí)，由于器件圖像類型多，器件的形狀多樣，在處理圖像畸變、抗干擾性方面效果差，最終導(dǎo)致提取準(zhǔn)確率低，無(wú)法滿足器件提取的準(zhǔn)確率高的要求。
[0004]綜上，現(xiàn)有技術(shù)中的人工提取基本器件特征尺寸速率極低，而傳統(tǒng)的圖像識(shí)別算法準(zhǔn)確率又低。上述提取方法不僅耗費(fèi)較大的人力資源，最終的電路提取速率也不高，無(wú)法實(shí)現(xiàn)對(duì)電路器件的高效提取和分析。
專利技術(shù)內(nèi)容
[0005]本專利技術(shù)提供一種基于深度學(xué)習(xí)的電路器件特征尺寸檢測(cè)方法和裝置，以實(shí)現(xiàn)電路器件高效提取和準(zhǔn)確提取。
[0006]第一方面，本專利技術(shù)實(shí)施例提供了一種基于深度學(xué)習(xí)的電路器件特征尺寸檢測(cè)方法，包括：S1、制作電路器件數(shù)據(jù)集；S2、搭建用于電路器件特征尺寸提取的待訓(xùn)練深度學(xué)習(xí)模型；S3、使用所述電路器件數(shù)據(jù)集訓(xùn)練所述待訓(xùn)練深度學(xué)習(xí)模型，得到訓(xùn)練好的深度學(xué)習(xí)模型；S4、使用所述訓(xùn)練好的深度學(xué)習(xí)模型對(duì)芯片的電路器件進(jìn)行圖像檢測(cè)，得到圖像檢測(cè)結(jié)果；S5、對(duì)所述圖像檢測(cè)結(jié)果進(jìn)行分析，以得到電路器件的特征尺寸信息。
[0007]可選的，所述S1具體包括：在各工藝層對(duì)選取的電路器件進(jìn)行標(biāo)注，并導(dǎo)出包含標(biāo)注信息的電子器件圖像；根據(jù)所述待訓(xùn)練深度學(xué)習(xí)模型的輸入標(biāo)準(zhǔn)對(duì)電子器件圖像進(jìn)行處理，以得到電路
器件數(shù)據(jù)集。
[0008]可選的，所述S2中的待訓(xùn)練深度學(xué)習(xí)模型包括多分辨率并行卷積單元和多分辨率融合單元。
[0009]可選的，所述S3具體包括：將所述電路器件數(shù)據(jù)集分批次送入所述待訓(xùn)練深度學(xué)習(xí)模型；根據(jù)所述電路器件數(shù)據(jù)集的分類情況，設(shè)置待訓(xùn)練深度學(xué)習(xí)模型的損失函數(shù)、訓(xùn)練批次、學(xué)習(xí)率以及優(yōu)化器對(duì)所述待訓(xùn)練深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，以得到訓(xùn)練好的深度學(xué)習(xí)模型。
[0010]可選的，所述S4具體包括：使用訓(xùn)練好的深度學(xué)習(xí)模型對(duì)芯片的模擬區(qū)器件圖像和數(shù)字區(qū)器件圖像進(jìn)行特征提取，根據(jù)特征提取結(jié)果確定芯片的電路器件輪廓。
[0011]可選的，所述S5具體包括：對(duì)所述芯片的電路器件輪廓進(jìn)行分析，確定所述芯片的電路器件的特征尺寸。
[0012]第二方面，本專利技術(shù)實(shí)施例還提供一種基于深度學(xué)習(xí)的集成器件特征尺寸檢測(cè)裝置，包括：數(shù)據(jù)集制作模塊，用于制作電路器件數(shù)據(jù)集；模型搭建模塊，用于搭建用于電路器件特征尺寸提取的待訓(xùn)練深度學(xué)習(xí)模型；模型訓(xùn)練模塊，用于使用所述電路器件數(shù)據(jù)集訓(xùn)練所述待訓(xùn)練深度學(xué)習(xí)模型，得到訓(xùn)練好的深度學(xué)習(xí)模型；圖像檢測(cè)模塊，用于使用所述訓(xùn)練好的深度學(xué)習(xí)模型對(duì)芯片的電路器件進(jìn)行圖像檢測(cè)，得到圖像檢測(cè)結(jié)果；特征尺寸提取模塊，用于對(duì)所述圖像檢測(cè)結(jié)果進(jìn)行分析，以得到電路器件的特征尺寸信息。
[0013]可選的，所述數(shù)據(jù)集制作模塊具體用于：在各工藝層對(duì)選取的電路器件進(jìn)行標(biāo)注，并導(dǎo)出包含標(biāo)注信息的電子器件圖像；根據(jù)所述待訓(xùn)練深度學(xué)習(xí)模型的輸入標(biāo)準(zhǔn)對(duì)電子器件圖像進(jìn)行處理，以得到電路器件數(shù)據(jù)集。
[0014]可選的，所述模型訓(xùn)練模塊具體用于：將所述電路器件數(shù)據(jù)集分批次送入所述待訓(xùn)練深度學(xué)習(xí)模型；根據(jù)所述電路器件數(shù)據(jù)集的分類情況，設(shè)置待訓(xùn)練深度學(xué)習(xí)模型的損失函數(shù)、訓(xùn)練批次、學(xué)習(xí)率以及優(yōu)化器對(duì)所述待訓(xùn)練深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，以得到訓(xùn)練好的深度學(xué)習(xí)模型。
[0015]可選的，所述圖像檢測(cè)模塊具體用于：使用訓(xùn)練好的深度學(xué)習(xí)模型對(duì)芯片的模擬區(qū)器件圖像和數(shù)字區(qū)器件圖像進(jìn)行特征提取，根據(jù)特征提取結(jié)果確定芯片的電路器件輪廓。
[0016]本專利技術(shù)通過(guò)利用訓(xùn)練好的深度學(xué)習(xí)模型可以準(zhǔn)確高效的將芯片的電路器件特征尺寸提取出來(lái)，不僅大大節(jié)省了人力成本，同時(shí)也為高效提取和分析電路的愿景提供了實(shí)現(xiàn)可能。
附圖說(shuō)明
[0017]圖1a為基本器件的poly層圖像；圖1b為基本器件的diff層圖像；圖2為基本器件的特征尺寸示意圖；圖3為本專利技術(shù)實(shí)施例提供的一種基于深度學(xué)習(xí)的電路器件特征尺寸檢測(cè)方法的流程圖；圖4為深度學(xué)習(xí)模型的主干網(wǎng)絡(luò)設(shè)計(jì)示意圖；圖5為mos（場(chǎng)效應(yīng)管）器件的poly層圖像；圖6為mos（場(chǎng)效應(yīng)管）器件的diff層圖像；圖7為檢測(cè)出的mos器件尺寸結(jié)果示意圖。
具體實(shí)施方式
[0018]下面結(jié)合附圖和實(shí)施例對(duì)本專利技術(shù)作進(jìn)一步的詳細(xì)說(shuō)明。可以理解的是，此處所描述的具體實(shí)施例僅僅用于解釋本專利技術(shù)，而非對(duì)本專利技術(shù)的限定。另外還需要說(shuō)明的是，為了便于描述，附圖中僅示出了與本專利技術(shù)相關(guān)的部分而非全部結(jié)構(gòu)。
實(shí)施例
[0019]圖3為本專利技術(shù)實(shí)施例提供的一種基于深度學(xué)習(xí)的電路器件特征尺寸檢測(cè)方法的流程圖，具體包括如下步驟：S1、制作電路器件數(shù)據(jù)集。
[0020]本實(shí)施例中，由于不同類型的電路器件的結(jié)構(gòu)特征存在較為相似的情況，所以在制作電路器件數(shù)據(jù)集時(shí)，需要選取結(jié)構(gòu)特征存在一定區(qū)別的電路器件，在各工藝層對(duì)所選取的電路器件進(jìn)行標(biāo)注，進(jìn)而導(dǎo)出包含電路器件標(biāo)注信息的電子器件圖像。
[0021]然后根據(jù)所述待訓(xùn)練深度學(xué)習(xí)模型的輸入標(biāo)準(zhǔn)對(duì)電子器件圖像進(jìn)行處理，以得到電路器件數(shù)據(jù)集，該電路器件數(shù)據(jù)集為進(jìn)行模型訓(xùn)練的樣本數(shù)據(jù)。
[0022]S2、搭建用于電路器件特征尺寸提取的待訓(xùn)練深度學(xué)習(xí)模型。
[0023]具體的，上述待訓(xùn)練深度學(xué)習(xí)模型包括多分辨率并行卷積單元和多分辨率融合單元，用于對(duì)圖像中的電子器件進(jìn)行特征檢測(cè)。示例性的，該模型的主干網(wǎng)絡(luò)（backbone）設(shè)計(jì)示意圖參見(jiàn)圖4，圖4中的pre為融合前，post為融合后。通過(guò)并行連接多分辨率，反復(fù)交換并行多分辨率子網(wǎng)絡(luò)中的信息，通過(guò)跨分辨率的信息交互，實(shí)現(xiàn)高分辨率豐富語(yǔ)義的特征輸出以及多尺度融合。
[0024]S3、使用所述電路器件數(shù)據(jù)集訓(xùn)練所述待訓(xùn)練深度學(xué)習(xí)模型，得到訓(xùn)練好的深度學(xué)習(xí)模型。
[0025]具體的，上述S3具體包括：將所述電路器件數(shù)據(jù)集分批次送入所述待訓(xùn)練深度學(xué)習(xí)模型；根據(jù)所述電路器件數(shù)據(jù)集的分類情況，設(shè)置待訓(xùn)練深度學(xué)習(xí)模型的損失函數(shù)、訓(xùn)練批次、學(xué)習(xí)率以及優(yōu)化器對(duì)所述待訓(xùn)練深度學(xué)本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
【技術(shù)特征摘要】
1.一種基于深度學(xué)習(xí)的電路器件特征尺寸檢測(cè)方法，其特征在于，包括：S1、制作電路器件數(shù)據(jù)集；S2、搭建用于電路器件特征尺寸提取的待訓(xùn)練深度學(xué)習(xí)模型；S3、使用所述電路器件數(shù)據(jù)集訓(xùn)練所述待訓(xùn)練深度學(xué)習(xí)模型，得到訓(xùn)練好的深度學(xué)習(xí)模型；S4、使用所述訓(xùn)練好的深度學(xué)習(xí)模型對(duì)芯片的電路器件進(jìn)行圖像檢測(cè)，得到圖像檢測(cè)結(jié)果；S5、對(duì)所述圖像檢測(cè)結(jié)果進(jìn)行分析，以得到電路器件的特征尺寸信息。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述S1具體包括：在各工藝層對(duì)選取的電路器件進(jìn)行標(biāo)注，并導(dǎo)出包含標(biāo)注信息的電子器件圖像；根據(jù)所述待訓(xùn)練深度學(xué)習(xí)模型的輸入標(biāo)準(zhǔn)對(duì)電子器件圖像進(jìn)行處理，以得到電路器件數(shù)據(jù)集。3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述S2中的待訓(xùn)練深度學(xué)習(xí)模型包括多分辨率并行卷積單元和多分辨率融合單元。4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述S3具體包括：將所述電路器件數(shù)據(jù)集分批次送入所述待訓(xùn)練深度學(xué)習(xí)模型；根據(jù)所述電路器件數(shù)據(jù)集的分類情況，設(shè)置待訓(xùn)練深度學(xué)習(xí)模型的損失函數(shù)、訓(xùn)練批次、學(xué)習(xí)率以及優(yōu)化器對(duì)所述待訓(xùn)練深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，以得到訓(xùn)練好的深度學(xué)習(xí)模型。5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述S4具體包括：使用訓(xùn)練好的深度學(xué)習(xí)模型對(duì)芯片的模擬區(qū)器件圖像和數(shù)字區(qū)器件圖像進(jìn)行特征提取，根據(jù)特征提取結(jié)果確定芯片的電路器件輪廓。6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述S5具體包括：對(duì)所述...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：白雪，趙軍明，于海旺，
申請(qǐng)(專利權(quán))人：蘇州芯聯(lián)成軟件有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。