Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020109074 - PROCÉDÉ DE RÉDUCTION D'INCERTITUDE DANS DES PRÉDICTIONS DE MODÈLE D'APPRENTISSAGE MACHINE

Numéro de publication WO/2020/109074
Date de publication 04.06.2020
N° de la demande internationale PCT/EP2019/081774
Date du dépôt international 19.11.2019
CIB
G06N 3/04 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3Systèmes de calculateurs basés sur des modèles biologiques
02utilisant des modèles de réseaux neuronaux
04Architecture, p.ex. topologie d'interconnexion
G06N 3/08 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3Systèmes de calculateurs basés sur des modèles biologiques
02utilisant des modèles de réseaux neuronaux
08Méthodes d'apprentissage
G03F 1/36 2012.01
GPHYSIQUE
03PHOTOGRAPHIE; CINÉMATOGRAPHIE; TECHNIQUES ANALOGUES UTILISANT D'AUTRES ONDES QUE DES ONDES OPTIQUES; ÉLECTROGRAPHIE; HOLOGRAPHIE
FPRODUCTION PAR VOIE PHOTOMÉCANIQUE DE SURFACES TEXTURÉES, p.ex. POUR L'IMPRESSION, POUR LE TRAITEMENT DE DISPOSITIFS SEMI-CONDUCTEURS; MATÉRIAUX À CET EFFET; ORIGINAUX À CET EFFET; APPAREILLAGES SPÉCIALEMENT ADAPTÉS À CET EFFET
1Originaux pour la production par voie photomécanique de surfaces texturées, p.ex. masques, photomasques ou réticules; Masques vierges ou pellicules à cet effet; Réceptacles spécialement adaptés à ces originaux; Leur préparation
36Masques à correction d'effets de proximité; Leur préparation, p.ex. procédés de conception à correction d'effets de proximité
G03F 7/20 2006.01
GPHYSIQUE
03PHOTOGRAPHIE; CINÉMATOGRAPHIE; TECHNIQUES ANALOGUES UTILISANT D'AUTRES ONDES QUE DES ONDES OPTIQUES; ÉLECTROGRAPHIE; HOLOGRAPHIE
FPRODUCTION PAR VOIE PHOTOMÉCANIQUE DE SURFACES TEXTURÉES, p.ex. POUR L'IMPRESSION, POUR LE TRAITEMENT DE DISPOSITIFS SEMI-CONDUCTEURS; MATÉRIAUX À CET EFFET; ORIGINAUX À CET EFFET; APPAREILLAGES SPÉCIALEMENT ADAPTÉS À CET EFFET
7Production par voie photomécanique, p.ex. photolithographique, de surfaces texturées, p.ex. surfaces imprimées; Matériaux à cet effet, p.ex. comportant des photoréserves; Appareillages spécialement adaptés à cet effet
20Exposition; Appareillages à cet effet
CPC
G03F 1/36
GPHYSICS
03PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
FPHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR;
1Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
36Masks having proximity correction features; Preparation thereof, e.g. optical proximity correction [OPC] design processes
G03F 7/70441
GPHYSICS
03PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
FPHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR;
7Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
70Exposure apparatus for microlithography
70425Imaging strategies, e.g. for increasing throughput, printing product fields larger than the image field, compensating lithography- or non-lithography errors, e.g. proximity correction, mix-and-match, stitching, double patterning
70433Layout for increasing efficiency, for compensating imaging errors, e.g. layout of exposure fields,; Use of mask features for increasing efficiency, for compensating imaging errors
70441Optical proximity correction
G06N 3/0454
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
0454using a combination of multiple neural nets
G06N 3/0472
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
0472using probabilistic elements, e.g. p-rams, stochastic processors
G06N 3/082
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
082modifying the architecture, e.g. adding or deleting nodes or connections, pruning
G06N 3/084
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
084Back-propagation
Déposants
  • ASML NETHERLANDS B.V. [NL]/[NL]
Inventeurs
  • MIDDLEBROOKS, Scott, Anderson
  • VAN KRAAIJ, Markus, Gerardus, Martinus, Maria
  • PISARENCO, Maxim
Mandataires
  • PETERS, John Antoine
Données relatives à la priorité
18209496.130.11.2018EP
19182658.526.06.2019EP
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) METHOD FOR DECREASING UNCERTAINTY IN MACHINE LEARNING MODEL PREDICTIONS
(FR) PROCÉDÉ DE RÉDUCTION D'INCERTITUDE DANS DES PRÉDICTIONS DE MODÈLE D'APPRENTISSAGE MACHINE
Abrégé
(EN)
Described herein is a method for quantifying uncertainty in parameterized (e.g., machine learning) model predictions. The method comprises causing a parameterized model to predict multiple posterior distributions from the parameterized model for a given input. The multiple posterior distributions comprise a distribution of distributions. The method comprises determining a variability of the predicted multiple posterior distributions for the given input by sampling from the distribution of distributions; and using the determined variability in the predicted multiple posterior distributions to quantify uncertainty in the parameterized model predictions. The parameterized model comprises encoder-decoder architecture. The method comprises using the determined variability in the predicted multiple posterior distributions to adjust the parameterized model to decrease the uncertainty of the parameterized model for predicting wafer geometry, overlay, and/or other information as part of a semiconductor manufacturing process.
(FR)
L'invention concerne un procédé de quantification d'incertitude dans des prédictions de modèle paramétrées (par exemple, apprentissage machine). Le procédé consiste à amener un modèle paramétré à prédire de multiples distributions postérieures à partir du modèle paramétré pour une entrée donnée. Les multiples distributions postérieures comprennent une distribution de distributions. Le procédé comprend la détermination d'une variabilité des distributions postérieures multiples prédites pour l'entrée donnée par échantillonnage à partir de la distribution de distributions ; et l'utilisation de la variabilité déterminée dans les multiples distributions postérieures prédites pour quantifier l'incertitude dans les prédictions de modèle paramétrées. Le modèle paramétré comprend une architecture de codeur-décodeur. Le procédé comprend l'utilisation de la variabilité déterminée dans les multiples distributions postérieures prédites pour ajuster le modèle paramétré de façon à diminuer l'incertitude du modèle paramétré pour prédire une géométrie de tranche, un recouvrement et/ou d'autres informations en tant que partie d'un processus de fabrication de semi-conducteur.
Également publié en tant que
Dernières données bibliographiques dont dispose le Bureau international