최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기국가/구분 | 한국(KR)/등록특허 | |
---|---|---|
국제특허분류(IPC8판) |
|
|
출원번호 | 10-2018-7035952 (2018-12-11) | |
공개번호 | 10-2019-0006188 (2019-01-17) | |
등록번호 | 10-2188014-0000 (2020-12-01) | |
우선권정보 | 미국(US) 62/335,544 (2016-05-12) | |
국제출원번호 | PCT/EP2017/059328 (2017-04-20) | |
국제공개번호 | WO 2017/194281 (2017-11-16) | |
번역문제출일자 | 2018-12-11 | |
DOI | http://doi.org/10.8080/1020187035952 | |
발명자 / 주소 |
|
|
출원인 / 주소 |
|
|
대리인 / 주소 |
|
|
심사청구여부 | 있음 (2018-12-11) | |
심사진행상태 | 등록결정(일반) | |
법적상태 | 등록 |
본 명세서에서는, 기계 학습 모델을 이용하여, 디자인 레이아웃으로부터 핫스폿을 식별하거나, 디자인 레이아웃 내의 패턴이 결함있는지를 예측하는 다양한 방법들이 개시된다.본 명세서에 개시된 예시적인 방법은 디바이스 제조 공정에서의 복수의 공정 조건들 하에서 각각 핫스폿들의 성능의 특성들의 세트들을 각각 얻는 단계; 핫스폿들 각각에 대하여 공정 조건들 각각에 대해, 그 공정 조건 하에서의 특성들에 기초하여, 그 핫스폿이 결함있는지를 결정하는 단계; 공정 조건들 각각의 특성들을 얻는 단계; 핫스폿들 각각의 특성들을 얻는 단계; 및 공정 조
디바이스 제조 공정에서 테스트 패턴(test pattern)의 성능의 특성을 얻는 단계;상기 특성에 기초하여 상기 테스트 패턴이 핫스폿(hot spot)인지를 결정하는 단계; 및하드웨어 컴퓨터 시스템에 의해, 상기 특성을 포함하는 피처 벡터(feature vector) 및 상기 테스트 패턴이 핫스폿인지의 여부인 라벨을 갖는 샘플을 포함하는 트레이닝 세트(training set)를 이용하여 기계 학습 모델(machine learning model)을 트레이닝하는 단계를 포함하는 기계 학습 모델을 이용하여 핫스폿을 식별하는 방법.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.