芯片算力
自监督虚拟量测用于CMP MRR预测(新加坡科技设计大学、A*STAR、新加坡国立大学)
👁 17 · ⚡ 11
硅基要点
- 新加坡科技设计大学(SUTD)、A*STAR与新加坡国立大学(NUS)的研究人员发表了“Self-S…
- GREP通过全局代理目标回归,从无标签传感器信号中学习时间表征,…… » 阅读更多 该文章发布…
- 该框架在三种条件下与经特征工程处理的监督基线进行对比评估:有限标注数据、传感器噪声,以…
电讯正文
据Semiconductor Engineering公开报道,新加坡科技设计大学(SUTD)、A*STAR及新加坡国立大学(NUS)的研究人员发表了《Self-Supervised Attention-Based Virtual Metrology for CMP MRR Prediction》。摘录如下:“在本文中,我们提出Global Regression Pretraining(GREP),一种用于CMP* MRR预测的自监督、基于注意力的框架。
在相关背景下,gREP通过全局代理目标回归从无标签传感器信号中学习时序表示……» 阅读更多 该文章首发于Semiconductor Engineering。该框架在三种条件下与经特征工程处理的监督基线进行对比评估:标注数据有限、传感器噪声以及时序过程漂移。“ *化学机械平坦化 在此查找技术论文。
报道还提到rico、Jonathan Adam、Nagarajan Raghavan和Senthilnath Jayavelu。许可证CC BY-NC-ND 4.0。标签:A*Star 先进过程控制 化学机械平坦化 CMP 机器学习 材料去除率 MRR 新加坡国立大学 NUS 半导体制造 新加坡科技设计大学 SUTD 虚拟量测 发表回复 取消回复 评论 * 姓名 *(注:此姓名将公开显示)邮箱 *(此信息将不公开显示)通过电子邮件通知我后续评论。Ware on Neural Network Model Quantization On Mobile Zack63 on Change Is Tough Yağız Boz on EDA/SIP Revenue Up 12.7%; APAC Roars Back Murugavel Ganesan on Executive Outlook: Agentic AI’s Impact On Chip Design F.
(本段译文暂缺,完整英文电讯见默认英文版。)
---
来源台:Semiconductor Engineering · 原文链接