专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果109个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于TFNet的晶圆工艺缺陷分类分割方法-CN202310889434.0在审
  • 陈一宁;罗悦宁;高大为 - 浙江大学
  • 2023-07-18 - 2023-10-20 - G06V20/69
  • 本发明涉及一种基于TFNet的晶圆工艺缺陷分类分割方法,包括:将初始缺陷sem图输入至特征提取网络中,生成特征映射;将特征提取网络中其中一个编码器块输出的特征映射输入至形状流分支中,生成第一拼接特征;将特征提取网络中最后一个编码器块输出的分辨率最小的第五特征映射与第一拼接特征进行拼接,获取第二拼接特征;将第二拼接特征输入至卷积核中,生成拼接特征;将所述拼接特征与编码器块输出的特征映射共同输入至MCF交叉注意模块,获取融合特征;将融合特征输入至解码器中,生成mask图;将mask图输入至网络分类头,生成缺陷类别和混淆矩阵。本发明可以高速准确地分割缺陷图像,具有良好的泛化性和分割效果,有助于实现对相应缺陷工艺的修复改进。
  • 一种基于tfnet工艺缺陷分类分割方法
  • [发明专利]一种改善晶圆马鞍形翘曲变形的方法-CN202310893581.5在审
  • 李哲轩;任堃;高大为 - 浙江大学
  • 2023-07-20 - 2023-10-13 - H01L21/268
  • 本发明公开一种改善晶圆马鞍形翘曲变形的方法,包括以下步骤:步骤一,量测晶圆翘曲情况;步骤二,在晶圆背面形成保护氧化层和激光吸收层;步骤三,在晶圆背面垂直于X方向切槽处理;步骤四,在晶圆背面形成应力调整层;步骤五,在晶圆背面进行化学机械研磨。本发明通过对晶圆背面切槽处理以及对应力调整层的设计区域进行激光退火,以使应力调整层发生压缩应力,从而有效改善各向异性翘曲。防止由于晶圆翘曲造成的产品良率下降,甚至停机、掉片的现象发生,能够降低成本,提高生产效率。该方法较传统方法相比简单易加工,且效果显著。
  • 一种改善马鞍形变形方法
  • [发明专利]一种RGB/RGBA图像的无损压缩方法-CN202310830672.4在审
  • 陈一宁;曾立超;蔡宇;陈海栋;高大为 - 浙江大学
  • 2023-07-06 - 2023-09-29 - H04N19/103
  • 本发明涉及一种RGB/RGBA图像无损压缩的方法,所述方法包括:加载图像数据;构建哈希数组,并计算差值和索引值;依次判断待编码像素值是否满足游程块、索引块、小差分块、中差分块、大差分块、超大差分块、透明度块和重写块的条件,以确定最佳的编码方式并进行编码;按照从左到右、从上到下的顺序遍历图像的像素点直至编码完成。本发明独特的编码方式,结合了游程编码、索引编码和差分编码等多种编码的优势,可以有效地减少数据的冗余信息,提高压缩率。
  • 一种rgbrgba图像无损压缩方法
  • [发明专利]一种基于掩模弱点图形分类的片段替换修正方法-CN202310507908.0在审
  • 江小龙;任堃;高大为 - 浙江大学
  • 2023-05-08 - 2023-09-29 - G03F1/36
  • 本发明公开了一种基于掩模弱点图形分类的片段替换修正方法,首先根据测试图形做具体分类,将测试图形的弱点分为桥接、收缩、线端窄化和接触孔被硅栅层覆盖;然后针对测试图形中各个类型的弱点快速傅里叶变换技术对弱点图像进行去噪处理,消除暗点并收缩范围,得到每个类型的通用修正片段并与弱点图形和仿真图形一起存入修正片段库;最后将实际图形数据进行库匹配,根据测试图形的分类方法判断实际图形数据的弱点类型,再用该弱点类型对应的修正片段库文件进行替换完成修正。该方法将通用修正片段及模拟图形保存形成分类弱点修正片段库,比一一对比原始图形和修正结果效率高,不需要建立大量的图形库数据;简单易行,缩短了出版周期。
  • 一种基于弱点图形分类片段替换修正方法
  • [发明专利]基于贝塞尔自然曲线格式的曲线光罩OPC修正方法-CN202310858807.8在审
  • 牟芝平;任堃;高大为 - 浙江大学
  • 2023-07-13 - 2023-09-22 - G03F1/36
  • 本发明公开了基于贝塞尔自然曲线格式的曲线光罩OPC修正方法,包括:利用ILT技术将矩形版图转化为基于贝塞尔自然曲线格式的曲线光罩;对生成的曲线光罩进行MRC检查以满足制造要求;对生成的曲线光罩进行OPC精修后交付制造。在曲线光罩OPC修正过程中,首先对生成的曲线光罩进行模型仿真,所得仿真结果包含多个待修正的版图图形,包含需添加的亚分辨率辅助图形,以及包含待修正的亚分辨率辅助图形。接着对曲线光罩主要图形进行OPC修正以及添加或修正亚分辨率辅助图形。所述OPC修正过程可采取基于模型或基于规则的修正方案。OPC修正中的测试图形应当包含常规的矩形光罩测试图形和新型曲线光罩的曲线测试图形。
  • 基于贝塞尔自然曲线格式opc修正方法
  • [发明专利]一种OPC修正中亚分辨率辅助图形布局方法-CN202310560546.1在审
  • 李璇;任堃;高大为 - 浙江大学
  • 2023-05-15 - 2023-08-29 - G03F1/36
  • 本发明公开一种OPC修正中亚分辨率辅助图形布局方法。数据获取模块,获取待OPC修正的版图;计算版图中孤立图形和密集图形的工艺窗口;获取SRAF初始规则,并在孤立图形中插入SRAF,通过光刻模型曝光SRAF;根据SRAF曝光结果设置SRAF宽度;更新SRAF和孤立图形之间的距离;根据更新后的工艺参数实现SRAF插入到孤立图形。本发明提出根据插入SRAF后孤立图形工艺窗口中心位置和密集图形工艺窗口中心位置的差值,实现SRAF插入参数的调节,适用于不同尺寸孤立图形SRAF的插入,具有普适性,能够提高各种尺寸孤立图形的工艺窗口,最终提高产品良率。
  • 一种opc修正中亚分辨率辅助图形布局方法
  • [发明专利]基于CNN-XGBoost-GA模型的集成电路沉积膜厚预测方法-CN202310652271.4在审
  • 陈一宁;蔡宇;史雨萌;高大为 - 浙江大学
  • 2023-06-02 - 2023-08-29 - G06F18/214
  • 本发明涉及一种基于CNN‑XGBoost‑GA模型的集成电路沉积膜厚预测方法,通过运用CNN的卷积层和池化层对提取的集成电路沉积膜特征数据集做归一化、卷积和池化处理,并按预设比例将池化后集成电路沉积膜特征数据集内所有数据随机划分为训练集、测试集和验证集,将用训练集、测试集和验证集训练验证处理后的XGBoost模型作为初始集成电路沉积膜厚预测模型,而后用GA算法对初始集成电路沉积膜厚预测模型做超参数优化,将具有全局最优解超参数的超参数优化后集成电路沉积膜厚预测模型作为最终的集成电路沉积膜厚预测模型,利用最终的集成电路沉积膜厚预测模型预测集成电路沉积膜厚,从而高效率且精准预测集成电路制造中膜厚沉积过程的薄膜厚度。
  • 基于cnnxgboostga模型集成电路沉积预测方法
  • [发明专利]一种解决拆分冲突的光掩模修正方法-CN202310515060.6在审
  • 杨聆雪;任堃;高大为 - 浙江大学
  • 2023-05-09 - 2023-08-22 - G03F1/36
  • 本发明公开一种解决拆分冲突的光掩模修正方法。获取光掩模版图,将所述光掩模版图按照拆分规则进行拆分,得到两个掩模版子图;对两个掩模版子图提取所有三角矛盾拆分冲突图形区域;将上述所有冲突图形区域复制到两个掩模版子图上,得到两个新的掩模版子图;分别对两个新的掩模版子图在各自光罩可制造性规则不受限所有方向上进行OPC修正;对两个OPC修正后的掩模版子图进行曝光,在一片晶圆上形成双重曝光,经过叠加,还原预期的曝光目标轮廓。本发明提出在两个掩模版子图上均放置所有三角矛盾图形区域,可降低生产成本,减少工艺热点数量,提高OPC修正的有效性。
  • 一种解决拆分冲突光掩模修正方法
  • [发明专利]一种应用于智能工厂的设备调度方法-CN202310240314.8在审
  • 陈一宁;梅周洲舟;高大为 - 浙江大学
  • 2023-03-07 - 2023-08-22 - G05B19/418
  • 本发明涉及一种应用于智能工厂的设备调度方法,通过以生产效率为首要目标,对智能工厂生产产品过程中的各类设备的运输路线信息和加工过程信息分别进行优化,以基于优化后的运输路线信息和加工过程信息得到智能工厂内所有设备的最优调度方案,从而实现了自动对智能工厂中的各个设备进行调度,并且能够适应实际情况下的各种突发情况。当然,对于排产系统中各车辆的调度,本发明还能对系统状态进行实时判断并对系统未来状态进行预测,根据预测信息决定系统中各车辆下一步的移动,具有较好的实时性。
  • 一种应用于智能工厂设备调度方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top