1 |
1
하나 이상의 프로세서들, 및상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서, 반도체의 제조를 위한 제조 파라미터들을 신경망 모델로 입력하는 동작; 및상기 입력된 제조 파라미터를 기반으로 상기 반도체의 전력 및 지연 중 하나 이상을 예측하도록 상기 신경망 모델을 학습시키는 동작을 포함하는, 반도체 제조 파라미터 설정 방법
|
2 |
2
청구항 1에 있어서, 상기 신경망 모델로 입력하는 동작은, 상기 제조 파라미터들에 로그(log)를 취한 값을 상기 신경망 모델로 입력하는, 반도체 제조 파라미터 설정 방법
|
3 |
3
청구항 1에 있어서, 상기 신경망 모델을 학습시키는 동작은, 상기 각 제조 파라미터들에 대해 기 설정된 최소값 내지 최대값의 범위에서 상기 반도체의 전력 및 지연 중 하나 이상을 예측하도록 학습시키는, 반도체 제조 파라미터 설정 방법
|
4 |
4
청구항 3에 있어서, 상기 신경망 모델은, 각 제조 파라미터를 입력 받고, 입력 받은 각 제조 파라미터로부터 상기 반도체의 전력(Power)을 예측하도록 학습되는 제1 신경망 모델; 및각 제조 파라미터를 입력 받고, 입력 받은 각 제조 파라미터로부터 상기 반도체의 지연(Delay)을 예측하도록 학습되는 제2 신경망 모델을 포함하는, 반도체 제조 파라미터 설정 방법
|
5 |
5
청구항 4에 있어서, 상기 신경망 모델로 입력하는 동작은, 상기 제조 파라미터들에 로그(log)를 취한 값을 상기 신경망 모델로 입력하며,상기 제1 신경망 모델 및 상기 제2 신경망 모델의 손실 함수는 하기의 수학식 1로 표현되는, 반도체 제조 파라미터 설정 방법
|
6 |
6
청구항 3에 있어서, 상기 신경망 모델은, 입력 받은 각 제조 파라미터로부터 상기 반도체의 전력 및 지연을 각각 예측하도록 학습되고, 상기 반도체 제조 파라미터 설정 방법은,상기 신경망 모델에서 예측하는 상기 전력 및 상기 지연에 기반하여 PDP(Power Delay Products)를 산출하는 동작을 더 포함하는, 반도체 제조 파라미터 설정 방법
|
7 |
7
청구항 6에 있어서, 상기 반도체 제조 파라미터 설정 방법은,학습된 상기 신경망 모델을 이용하여 상기 PDP를 최소화 하는 제조 파라미터들의 값을 추출하는 동작을 더 포함하는, 반도체 제조 파라미터 설정 방법
|
8 |
8
청구항 7에 있어서, 상기 PDP를 최소화 하는 제조 파라미터들의 값을 추출하는 동작은,학습된 상기 신경망 모델에 경사 하강법(Gradient Descent Method)을 적용하여 상기 PDP를 최소화 하는 제조 파라미터들의 값을 추출하는, 반도체 제조 파라미터 설정 방법
|
9 |
9
청구항 8에 있어서, 상기 경사 하강법(Gradient Descent Method)을 적용하여 상기 PDP를 최소화 하는 제조 파라미터들의 값을 추출하는 동작은, 각 제조 파라미터의 초기값 및 상기 신경망 모델의 학습률을 설정하는 동작;상기 제조 파라미터의 초기값에 대한 상기 PDP의 기울기를 산출하고, 상기 학습률을 이용하여 상기 PDP의 기울기를 음의 방향으로 이동시키기 위한 제조 파라미터를 업데이트하는 동작; 및기 설정된 중단 조건이 만족할 때까지 상기 업데이트하는 동작을 반복하는 동작을 포함하는, 반도체 제조 파라미터 설정 방법
|
10 |
10
청구항 9에 있어서, 상기 신경망 모델로 입력하는 동작은, 상기 제조 파라미터들에 로그(log)를 취한 값을 상기 신경망 모델로 입력하며,상기 PDP의 기울기(G(x))는 하기 수학식 2를 통해 산출하고, 상기 제조 파라미터의 업데이트는 하기 수학식 3을 통해 수행되는, 반도체 제조 파라미터 설정 방법
|
11 |
11
청구항 9에 있어서, 상기 기 설정된 중단 조건은, 산출된 상기 PDP가 기 설정된 목표치 이하가 되는 제1 조건, 상기 PDP의 기울기가 기 설정된 임계 기울기 이하가 되는 제2 조건, 및 상기 제조 파라미터의 업데이트 된 변화량이 기 설정된 임계 변화량 이하가 되는 제3 조건 중 하나 이상을 포함하는, 반도체 제조 파라미터 설정 방법
|
12 |
12
청구항 9에 있어서, 상기 경사 하강법(Gradient Descent Method)을 적용하여 상기 PDP를 최소화 하는 제조 파라미터들의 값을 추출하는 동작은, 상기 제조 파라미터들이 기 학습된 최소값 내지 최대값의 범위 이내에서 상기 신경망 모델로 입력되도록 상기 제조 파라미터들의 입력되는 값의 범위를 제한하는 동작을 더 포함하는, 반도체 제조 파라미터 설정 방법
|
13 |
13
청구항 12에 있어서, 상기 제조 파라미터들의 입력되는 값의 범위를 제한하는 동작은, 제한 없는 임의의 값을 가지는 잠재 값을 입력 받는 동작; 및리미터 함수(Limitter Function)를 이용하여 상기 입력된 잠재 값이 상기 기 학습된 최소값 내지 최대값의 범위 내에 있도록 하여 상기 신경망 모델로 출력하는 동작을 포함하는, 반도체 제조 파라미터 설정 방법
|
14 |
14
청구항 13에 있어서, 상기 신경망 모델로 입력하는 동작은, 상기 제조 파라미터들에 로그(log)를 취한 값을 상기 신경망 모델로 입력하며,상기 잠재 값이 상기 기 학습된 최소값 내지 최대값의 범위 내에 있도록 하는 동작은 하기 수학식 4를 통해 구현되는, 반도체 제조 파라미터 설정 방법
|
15 |
15
청구항 14에 있어서, 상기 PDP의 기울기()는 하기 수학식 5를 통해 산출하고, 상기 제조 파라미터의 업데이트는 하기 수학식 6을 통해 수행되는, 반도체 제조 파라미터 설정 방법
|
16 |
16
청구항 7에 있어서, 상기 반도체 제조 파라미터 설정 방법은, 각 제조 파라미터들에 대해 상기 PDP에 대한 PDP 민감도를 산출하는 동작을 더 포함하는, 반도체 제조 파라미터 설정 방법
|
17 |
17
청구항 16에 있어서, 상기 PDP 민감도를 산출하는 동작은, 각 제조 파라미터의 최소 값 입력 시 산출되는 PDP 값과 각 제조 파라미터의 최대 값 입력 시 산출되는 PDP 값과의 차이를 통해 각 제조 파라미터의 상기 PDP 민감도를 산출하는, 반도체 제조 파라미터 설정 방법
|
18 |
18
청구항 16에 있어서, 상기 PDP를 최소화 하는 제조 파라미터들의 값을 추출하는 동작은,상기 각 제조 파라미터들 중 상기 PDP 민감도가 기 설정된 기준 이상이 되는 제조 파라미터들을 선택하는 동작을 포함하는, 반도체 제조 파라미터 설정 방법
|
19 |
19
청구항 7에 있어서, 상기 반도체 제조 파라미터 설정 방법은, 각 제조 파라미터들에 대해 상기 전력에 대한 전력 민감도 및 상기 지연에 대한 지연 민감도를 각각 산출하는 동작을 더 포함하는, 반도체 제조 파라미터 설정 방법
|
20 |
20
청구항 19에 있어서, 상기 전력 민감도를 산출하는 동작은, 각 제조 파라미터의 최소 값 입력 시 산출되는 전력 값과 각 제조 파라미터의 최대 값 입력 시 산출되는 전력 값과의 차이를 통해 각 제조 파라미터의 상기 전력 민감도를 산출하고, 상기 지연 민감도를 산출하는 동작은, 각 제조 파라미터의 최소 값 입력 시 산출되는 지연 값과 각 제조 파라미터의 최대 값 입력 시 산출되는 지연 값과의 차이를 통해 각 제조 파라미터의 상기 지연 민감도를 산출하는, 반도체 제조 파라미터 설정 방법
|
21 |
21
청구항 19에 있어서, 상기 반도체 제조 파라미터 설정 방법은, 상기 전력 민감도 및 상기 지연 민감도를 기반으로 각 제조 파라미터들을 기 설정된 복수 개의 그룹으로 분류하는 동작을 더 포함하는, 반도체 제조 파라미터 설정 방법
|
22 |
22
청구항 21에 있어서, 상기 각 제조 파라미터들을 기 설정된 복수 개의 그룹으로 분류하는 동작은, 상기 전력 및 상기 지연에 모두 둔감한 제조 파라미터들을 제1 그룹으로 분류하고, 상기 지연에만 민감한 제조 파라미터들을 제2 그룹으로 분류하며, 상기 전력에만 민감한 제조 파라미터들을 제3 그룹으로 분류하고, 상기 전력 및 상기 지연에 모두 민감한 제조 파라미터들을 제4 그룹으로 분류하며, 상기 전력 및 상기 지연에 모두 민감하지만 상호 반대 방향으로 민감한 제조 파라미터들을 제5 그룹으로 분류하는, 반도체 제조 파라미터 설정 방법
|
23 |
23
하나 이상의 프로세서들;메모리; 및하나 이상의 프로그램들을 포함하고,상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며, 상기 하나 이상의 프로그램들은, 반도체의 제조를 위한 제조 파라미터들을 신경망 모델로 입력하기 위한 명령; 및상기 입력된 제조 파라미터를 기반으로 상기 반도체의 전력 및 지연 중 하나 이상을 예측하도록 상기 신경망 모델을 학습시키기 위한 명령을 포함하는, 컴퓨팅 장치
|
24 |
24
비일시적 컴퓨터 판독 가능한 저장 매체(non-transitory computer readable storage medium)에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 명령어들을 포함하고, 상기 명령어들은 하나 이상의 프로세서들을 갖는 컴퓨팅 장치에 의해 실행될 때, 상기 컴퓨팅 장치로 하여금, 반도체의 제조를 위한 제조 파라미터들을 신경망 모델로 입력하고, 그리고,상기 입력된 제조 파라미터를 기반으로 상기 반도체의 전력 및 지연 중 하나 이상을 예측하도록 상기 신경망 모델을 학습시키는, 컴퓨터 프로그램
|