行业白皮书 CMP建模的机器学习方法 2021年1月21日通过西门子数字工业软件 下载 白皮书概述 大多数IC制造商使用CMP建模来检测潜在热点,作为其DFM流的一部分。然而,为FCVD和eHARP CMP工艺建立基于物理的或紧凑的模型已被证明具有挑战性,因为这些工艺包括几个沉积和退火步骤来填充沟槽。 实验表明,使用机器学习和神经网络对这些和其他CMP过程的氧化物沉积轮廓建模是一种有前途的和令人兴奋的使用该技术。在西门子数字工业软件公司的这份白皮书中,您将了解: 构建CMP模型 定义神经网络配置 神经网络在CMP轮廓建模中的应用 FCVD和EHARP表面轮廓的神经网络建模 读白皮书: 已经是AAC会员了?请点击这里登录。 包含*的字段是必需的 创建账户 基本信息 请输入您的AAC帐户的基本资料。帮助我们改善我们的内容,以满足您的需求! 占领*行政管理/业主电气工程师设计工程师固件工程师工程经理生产/制造测试工程师计算机工程师机械工程师组件采购教授/研究员技术员制造商学生服务工程师其他工程师类型 *产品感兴趣 请选择2个或以上产品兴趣。 模拟 连接器 开发板 数字集成电路 EDA工具 机电 嵌入式 嵌入式软件 集成电路设计 内存 光电子学 被动者 多氯联苯 权力 传感器 测试与测量 无线/射频 行业利益* 请选择2个或以上行业兴趣。 人工智能/神经网络 音频 自动化 汽车 计算 它/网络 消费电子产品 数字信号处理 工程咨询 工业自动化 物联网 照明 医疗/健康 移动设备 安全/标识 智能电网/能源 电信 穿戴 我同意All About Circuit的隐私政策西门子数字工业软件公司的隐私政策并接收来自All About Circuits和Siemens Digital Industries Software的更新 视图白皮书 错误 点击这里更新。