实验室博士生姜聪的论文“LithoExp: Explainable Two-stage CNN-based Lithographic Hotspot Detection with Layout Defect Localization”被IEEE/ACM Transactions on Design Automation of Electronic Systems(TODAES)录用。

在芯片设计制造流程中，光刻热点检测是保证芯片制造版图与设计版图内容一致的关键技术。当前光刻热点检测模型普遍沿用原始深度学习的训练范式，自动探索芯片版图布局关键特征的提取方法并用于热点检测。这导致模型无法使用芯片设计的布局信息等专业知识提取有效的特征，性能面临瓶颈，进一步提升热点检测的准确率往往需要以牺牲误报率为代价。同时，这导致模型对预测结果的解释与光刻热点检测的实际缺陷位置不一致，导致芯片设计人员无法验证预测结果是否合理，降低了模型的可信度。

为了解决光刻热点检测模型的可解释性不足问题，博士生姜聪在刘康副教授的指导下提出了LithoExp算法，此工作受传统光刻仿真算法的启发，提出了一种可解释的两阶段光刻热点检测器，兼顾检测精度与可解释性。该架构在第一阶段通过定位光刻计算得到的芯片布局模式缺陷区域来提取热点特征，在第二阶段结合模拟光刻计算得到的缺陷标记以及原始版图信息，在有效光刻半径内完成最终的热点检测。实验结果表明，LithoExp实现了更高的热点检测准确率（98.1%）和最低的误报率（4.0%）。而在可解释性方面，LithoExp从定量对比和可视化对比两方面展示出与芯片光刻热点检测传统流程更一致的解释结果。

LithoExp总体架构