檢索結果：共7筆資料 檢索策略： "Shao-Yun Fang".ecommittee (精準) and ckeyword.raw="機器學習"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
在記憶體DRAM製造的過程中，透過微影製程技術將設計之光罩轉印至光阻為一項至關重要的技術，但隨著線寬持續微縮，193nm浸潤式微影製程上達到物理極限，必須透過解析度增強技術(Resolution E…
2
由於製程的進步讓電晶體的面積越來越小，使得晶片上的電晶體數量呈現指數趨勢的成長，導致在進行電壓降分析時需要消耗大量的時間和資源。而近年來，機器學習發展十分迅速，有許多機器學習的方法被應用在預測電壓降…
3
在使用商業軟體進行動態電壓降 (Dynamic IR drop) 分析時非常地耗時， 而在實際應用中，需要大量的測試向量來驗證電路的電源完整性。在這篇 論文中，我們提出了一種基於機器學習 (Mach…
4
由於機器學習在各領域應用的崛起，機器學習已經廣泛的應用在圖像辨識、資料探勘、語音辨識與處理、搜尋引擎、醫學診斷、金融模型設計等，訓練機器學習模型模仿人類的經驗已經成為趨勢，並使用機器學習取代重複性高…
5
由於極紫外光微影系統技術尚未廣泛應用，目前生產線上仍大部分為ArF-193nm浸潤式微影系統，因此有許多研究者尋找此系統優化方法，其中可利用光源光罩最佳化程序搜尋最佳的光罩圖案設計與對應的最佳光源模…
6
隨著先進製程快速發展以及半導體產業的蓬勃發展，晶片大小也越來越小，因此有更多複雜的設計規則需要被遵守，而一個晶片在被下線之前必須沒有違反任何一個設計規則，這導致一個電路的可繞度就變得相對重要許多。此…
7
隨著半導體製程持續的縮減，標準元件也變得更小。因此，設計規則的數量大幅增加，讓實體設計流程變得更困難，尤其是標準元件的繞線階段，很多設計規則違反可能會出現在此階段。由於複雜的設計規則和有限的繞線資源…