LMLitho
收藏github2024-11-19 更新2024-12-19 收录
下载链接:
https://github.com/LMLitho/LMLitho
下载链接
链接失效反馈官方服务:
资源简介:
LMLitho数据集包含光刻过程中的部分数据,每个tar.gz文件包含一个源、一个掩模和相应的抗蚀剂。源有6种类型,掩模有7种类型,所有抗蚀剂都是通过商业工具模拟生成的。
The LMLitho dataset contains partial data from the photolithography process. Each tar.gz archive contains one exposure source, one photomask, and the corresponding photoresist. There are 6 types of exposure sources and 7 types of photomasks, and all photoresists are simulated and generated using commercial tools.
创建时间:
2024-11-19
原始信息汇总
数据集概述
数据集名称
Partial lithography data of our submission "Keep High Fidelity and Generalization: A Large Model-Powered Lithography Simulator" on DAC25.
数据集内容
- 每个tar.gz文件包含一个源(source)、一个掩膜(mask)和对应的抗蚀剂(resist)。
- 源(source)有6种类型。
- 掩膜(mask)有7种类型。
- 所有抗蚀剂(resist)均通过商业工具模拟生成。
许可证
MIT License
其他信息
- 代码风格:Black
- PRs(Pull Requests):欢迎
- 贡献者:可在GitHub页面查看
搜集汇总
数据集介绍

构建方式
LMLitho数据集的构建基于先进的半导体光刻技术,通过模拟商业工具生成光刻过程中的关键数据。每个tar.gz文件包含源、掩模和相应的抗蚀剂数据,其中源数据涵盖6种类型,掩模数据涵盖7种类型。所有抗蚀剂数据均通过商业工具进行精确模拟,确保了数据的真实性和可靠性。
特点
LMLitho数据集的显著特点在于其多样性和精确性。数据集包含了多种类型的源和掩模,提供了丰富的光刻场景模拟。此外,所有抗蚀剂数据均通过商业工具模拟,确保了数据的高保真度和实际应用价值。这种多样性和精确性使得该数据集在半导体光刻领域的研究和应用中具有重要意义。
使用方法
LMLitho数据集适用于半导体光刻领域的研究和开发,特别是用于训练和验证光刻模拟模型。用户可以提取tar.gz文件中的源、掩模和抗蚀剂数据,进行模型训练和测试。数据集的多样性允许用户在不同的光刻场景下进行实验,从而提高模型的泛化能力和实际应用效果。
背景与挑战
背景概述
LMLitho数据集源自于DAC'25会议上提交的论文《Keep High Fidelity and Generalization: A Large Model-Powered Lithography Simulator》。该数据集由主要研究人员或机构开发,旨在为光刻技术领域提供高质量的模拟数据。光刻技术作为半导体制造中的关键步骤,其精度和通用性对芯片性能至关重要。LMLitho数据集通过包含6种不同类型的光源、7种不同类型的掩模以及通过商业工具模拟的抗蚀剂数据,为研究人员提供了一个全面的模拟环境,以探索和优化光刻过程中的高保真度和泛化能力。
当前挑战
LMLitho数据集在构建过程中面临多项挑战。首先,光刻技术的复杂性要求数据集必须精确模拟多种光源和掩模类型,以确保模拟结果的准确性和实用性。其次,通过商业工具模拟抗蚀剂数据的过程需要高度的计算资源和专业知识,这增加了数据集构建的技术难度。此外,如何在保持高保真度的同时实现模型的泛化能力,是该数据集在解决光刻技术领域问题时面临的核心挑战。
常用场景
经典使用场景
LMLitho数据集在半导体制造领域中,主要用于光刻工艺的仿真与优化。通过提供多种类型的光源、掩模和相应的抗蚀剂数据,该数据集支持研究人员在不同光刻条件下进行高保真度的模拟。这种模拟不仅有助于理解光刻过程中的物理现象,还能为新型光刻技术的开发提供数据支持,特别是在提高制造精度和泛化能力方面。
实际应用
在实际应用中,LMLitho数据集被广泛用于半导体制造工艺的优化和验证。通过模拟不同光源和掩模组合下的光刻效果,工程师可以预先评估工艺的可行性,从而减少实验成本和时间。此外,该数据集还支持新型光刻技术的研发,帮助制造商在竞争激烈的市场中保持技术领先地位,提升产品的质量和生产效率。
衍生相关工作
基于LMLitho数据集,研究者们开发了多种用于光刻工艺仿真的先进算法和模型。例如,有研究利用该数据集训练深度学习模型,以提高光刻图像的分辨率和保真度;还有工作通过分析数据集中的模式,提出了新的光刻工艺优化策略。这些衍生工作不仅丰富了光刻技术的研究内容,还为半导体制造领域的技术创新提供了新的思路和方法。
以上内容由遇见数据集搜集并总结生成



