CN113554091B - 分解半导体结构的布局的方法、装置、系统和存储介质 - Google Patents
分解半导体结构的布局的方法、装置、系统和存储介质 Download PDFInfo
- Publication number
- CN113554091B CN113554091B CN202110834320.7A CN202110834320A CN113554091B CN 113554091 B CN113554091 B CN 113554091B CN 202110834320 A CN202110834320 A CN 202110834320A CN 113554091 B CN113554091 B CN 113554091B
- Authority
- CN
- China
- Prior art keywords
- invariant
- subgraphs
- class
- layout
- subgraph
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/39—Circuit design at the physical level
- G06F30/392—Floor-planning or layout, e.g. partitioning or placement
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Architecture (AREA)
- Bioinformatics & Computational Biology (AREA)
- Geometry (AREA)
- Design And Manufacture Of Integrated Circuits (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供了一种分解半导体结构的布局的方法、装置、系统和存储介质。该方法包括:基于半导体结构在预设截面处的布局形成待分解的结构布局原图;基于结构布局原图获得多个包括结构布局原图中的至少一部分的子图;对多个所述子图的不变矩进行聚类,以获得包含不变矩的多个类;以及将同一个类中的不变矩对应的子图归至同一个集合中,以在每个集合内的全部子图中选取特征子图。
Description
技术领域
本申请涉及图像处理领域,更具体的,涉及一种分解半导体结构的布局的方法和、装置、系统和存储介质。
背景技术
在半导体制造领域,设计师需要设计庞大、复杂的布局图。设计师通常采用面向制造的设计(DFM)技术提高设计稳健性,以进一步提高产品可靠性和提高制造产量。
任何一个可能对设计师有价值的DFM建议,都必须提供一个在不同预期工艺条件下如何制造出特定设计的准确预测。为了实现这种预测能力,就需要在设计流程的所有阶段都了解过程窗口。光刻友好设计(LFD)可捕捉一些信息,例如在制造过程中设计将如何响应光刻窗口效应。这些知识使设计人员能够改进和优化布局,进而使设计对过程窗口变化的敏感性大大降低。
在优化布局设计的过程中,需要对大量的不同模式的设计进行实验研究和总结,从而吸取经验、教训,避开经常出问题的模式,吸收优秀的模式,因此需要对半导体结构的截面布局图进行分解。然而,目前现有厂商提供的DFM分解工具所采用的方法有一些不足。例如通过锚定角的投影,虽然增加了信息量,但是也增加了冗余,这些冗余对聚类并无帮助。
发明内容
本申请的实施例提供了一种用于分解半导体结构的布局的方法,该方法包括:基于半导体结构在预设截面处的布局形成待分解的结构布局原图;基于结构布局原图获得多个包括结构布局原图中的至少一部分的子图;对多个前述子图的不变矩进行聚类,以获得包含不变矩的多个类;以及将同一个类中的不变矩对应的子图归至同一个集合中,以在每个集合内的全部子图中选取特征子图。
在一个实施方式中,该方法还包括:计算子图的不变矩的步骤,包括:提取子图的角点,并基于角点形成轮廓图;以及基于角点的坐标,计算轮廓图的不变矩。
在一个实施方式中,计算轮廓图的不变矩的步骤包括:计算轮廓图的Hu矩。
在一个实施方式中,轮廓图是位于子图中的凸包。
在一个实施方式中,计算轮廓图的不变矩的步骤包括:计算至少一个体现轮廓图的特征的矩,其中,轮廓图的特征是角点数、长宽比、面积、重心、外接圆半径、最小外接圆半径或椭圆旋转角中至少之一。
在一个实施方式中,获得多个包括结构布局原图中的至少一部分的子图的步骤包括:利用固定尺寸的窗口从结构布局原图截取子图。
在一个实施方式中,截取子图的步骤包括:通过滑动窗口截取子图,并使子图包括与其他子图重叠的部分。
在一个实施方式中,聚类的步骤包括:获得未被归入类的多个不变矩中任意两个不变矩之间的第一欧氏距离;以及将第一欧氏距离最小的两个不变矩归为一类。
在一个实施方式中,对多个子图的不变矩进行聚类的步骤包括:对多个子图的不变矩进行层次聚类,以获得包含不变矩的多个类,并获得至少一个上层类,其中,上层类包括多个类中的至少一个类。
在一个实施方式中,聚类的步骤包括:获得未被归入类的多个不变矩中任意两个不变矩之间的第一欧氏距离;获得未被归入类的多个不变矩中任意一个不变矩与类之间的第二欧氏距离;以及若一个不变矩包括小于其全部的第一欧氏距离的第二欧式距离,将一个不变矩与其最小的第二欧式距离所对应的类归入同一个上层类。
在一个实施方式中,选取特征子图的步骤包括:选取具有距离聚类中心最近的不变矩的子图作为特征子图。
在一个实施方式中,选取距离类的各个不变矩的欧式距离之和最小的位置为聚类中心;以及其中,选取具有与聚类中心之间欧氏距离最小的不变矩的子图为特征子图。
在一个实施方式中,半导体结构包括三维存储器。
第二方面,本申请的实施例提供了一种用于分解半导体结构的布局的装置,该装置包括:图像生成单元,被配置为基于半导体结构在预设截面处的布局形成待分解的结构布局原图;拆分单元,被配置为基于结构布局原图得到多个包括部分结构布局原图中的至少一部分的子图;聚类单元,被配置成对多个子图的不变矩进行聚类,以获得包含不变矩的多个类;以及特征子图确定单元,被配置成将同一个类中的不变矩对应的子图归至同一个集合中以在每个集合内的全部子图中选取特征子图。
在一个实施方式中,聚类单元被配置为提取子图的角点,并基于角点形成轮廓图,并基于角点的坐标,计算轮廓图的不变矩。
在一个实施方式中,轮廓图的不变矩为轮廓图的Hu矩。
在一个实施方式中,聚类单元被进一步配置成计算至少一个体现轮廓图的特征的矩,其中,轮廓图的特征是角点数、长宽比、面积、重心、外接圆半径、最小外接圆半径或椭圆旋转角中的至少之一。
在一个实施方式中,拆分单元进一步被配置成利用固定尺寸的窗口从结构布局原图截取子图。
在一个实施方式中,拆分单元进一步被配置成:通过滑动窗口截取子图,使子图包括与其他子图重叠的部分。
在一个实施方式中,聚类单元进一步被配置成:获得未被归入所述类的多个不变矩中任意两个不变矩之间的第一欧氏距离;以及将第一欧氏距离最小的两个不变矩归为一类。
在一个实施方式中,聚类单元进一步被配置成:对多个子图的不变矩进行层次聚类,以获得包含不变矩的多个类,并获得至少一个上层类,其中,上层类包括多个类中的至少一个类。
在一个实施方式中,聚类单元进一步被配置成:获得未被归入类的多个不变矩中任意两个不变矩之间的第一欧氏距离;获得未被归入类的多个不变矩中任意一个不变矩与类之间的第二欧氏距离;以及若一个不变矩包括小于其全部的第一欧氏距离的第二欧式距离,将一个不变矩与其最小的第二欧式距离所对应的类归入同一个上层类。
在一个实施方式中,特征子图确定单元被进一步配置成:选取具有距离聚类中心最近的不变矩的子图作为特征子图。
在一个实施方式中,聚类单元进一步被配置成:选取距离类的各个不变矩的欧式距离之和最小的位置为聚类中心;以及特征子图确定单元被进一步配置成:具有与聚类中心之间欧氏距离最小的不变矩的子图为特征子图。
在一个实施方式中,半导体结构包括三维存储器。
本申请的第三方面提供一种用于分解半导体结构的布局的系统,该系统包括:存储器,存储可执行指令;以及一个或多个处理器,与存储器通信以执行可执行指令从而实现前述的分解半导体结构的布局的方法。
本申请的第四方面提供一种计算机可读介质,其上存储有计算机可读指令,其中,计算机可读指令被处理器执行时实现前述的分解半导体结构的布局的方法。
本申请的实施例提供的分解半导体结构的布局的方法,能够快速简洁地将基于半导体结构的布局的结构布局原图分解为包含于多个集合的子图,且获得每个集合中的特征子图。通过从结构布局原图中获得了多个特征子图,进而可以主要研究这些特征子图中的结构在生产过程中的表现,来研究分析整个半导体结构的布局。本申请提供的方法获得的集合数量适当,冗余较少且集合内的子图关联性强,即特征子图对集合的代表性好。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请的一个可以将实施例应用于其中的示例性系统架构图;
图2是根据本申请实施方式的用于分解半导体结构的布局的方法流程框图;
图3示出了一张结构布局原图;图4示出了分解得到的第一子图;
图5示出了图4中的轮廓图;图6至图9示出了分解出的另一些子图;
图10是根据本申请实施方式用于分解半导体结构的布局的装置示意图;以及
图11是根据本申请实施方式的用于分解半导体结构的布局的系统的框图。
具体实施方式
为了更好地理解本申请,将参考附图对本申请的各个方面做出更详细的说明。应理解,这些详细说明只是对本申请的示例性实施方式的描述,而非以任何方式限制本申请的范围。在说明书全文中,相同的附图标号指代相同的元件。表述“和/或”包括相关联的所列项目中的一个或多个的任何和全部组合。
应注意,在本说明书中,第一、第二、第三等的表述仅用于将一个特征与另一个特征区分开来,而不表示对特征的任何限制。因此,在不背离本申请的教导的情况下,下文中讨论的第一子图也可被称作第二子图。反之亦然。
在附图中,为了便于说明,已稍微调整了部件的厚度、尺寸和形状。附图仅为示例而并非严格按比例绘制。例如,子图的大小和结构布局原图的大小并非按照实际生产中的比例。如在本文中使用的,用语“大致”、“大约”以及类似的用语用作表近似的用语,而不用作表程度的用语,并且旨在说明将由本领域普通技术人员认识到的、测量值或计算值中的固有偏差。
还应理解的是,用语“包括”、“包括有”、“具有”、“包含”和/或“包含有”,当在本说明书中使用时表示存在所陈述的特征、元件和/或部件,但不排除存在或附加有一个或多个其它特征、元件、部件和/或它们的组合。此外,当诸如“...中的至少一个”的表述出现在所列特征的列表之后时,修饰整个所列特征,而不是修饰列表中的单独元件。此外,当描述本申请的实施方式时,使用“可”表示“本申请的一个或多个实施方式”。并且,用语“示例性的”旨在指代示例或举例说明。
除非另外限定,否则本文中使用的所有措辞(包括工程术语和科技术语)均具有与本申请所属领域普通技术人员的通常理解相同的含义。还应理解的是,除非本申请中有明确的说明,否则在常用词典中定义的词语应被解释为具有与它们在相关技术的上下文中的含义一致的含义,而不应以理想化或过于形式化的意义解释。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。另外,除非明确限定或与上下文相矛盾,否则本申请所记载的方法中包含的具体步骤不必限于所记载的顺序,而可以任意顺序执行或并行地执行。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的用于分解半导体结构的布局的方法、用于分解半导体结构的布局的装置的示例性系统架构100。
如图1所示,系统架构100可以包括终端101,网络102、数据库服务器103和服务器104。网络102用以在终端101,数据库服务器103与服务器104之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户110可以使用终端101通过网络102与服务器104进行交互,以接收或发送文件等。终端101上可以安装有各种客户端应用,例如分析特征子图的应用、分析半导体器件的应用、分析制造工艺的应用等。
这里的终端101可以是硬件,也可以是软件。当终端101为硬件时,可以是具有显示屏的各种电子设备,包括但不限于平板电脑、膝上型便携计算机和台式计算机等。当终端101为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
数据库服务器103可以是提供各种服务的数据库服务器。例如数据库服务器中可以存储有样本集。样本集中包含有用作样本的特征子图等。这样,用户110也可以通过终端101,从数据库服务器103所存储的样本集中选取样本,例如用来进行对比。
服务器104也可以是提供各种服务的服务器,例如对终端101上显示的各种应用提供支持的后台服务器。后台服务器可以将终端101发送的特征子图存储进模式库,还可向终端101提供模式库。
这里的数据库服务器103和服务器104同样可以是硬件,也可以是软件。当它们为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当它们为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
本申请实施例所提供的用于分解半导体结构的布局的方法可由服务器104执行。相应地,用于分解半导体结构的布局的装置也可设置于服务器104中。在服务器104可以实现数据库服务器103的相关功能的情况下,系统架构100中可以不设置数据库服务器103。
应该理解,图1中的终端、网络、数据库服务器和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端、网络、数据库服务器和服务器。
继续参见图2,其示出了根据本申请一个实施例的用于分解半导体结构的布局的方法200。该方法200可以包括以下步骤:
步骤S201,基于半导体结构在预设截面处的布局形成结构布局原图。
步骤S202,基于结构布局原图获得多个包括结构布局原图中的至少一部分的子图。
步骤S203,对多个前述子图的不变矩进行聚类,以获得多个包含不变矩的类。
步骤S204,将同一个类中的不变矩对应的子图归至同一个集合中,以在每个集合内的全部子图中选取特征子图。
下面将分别对上述步骤S201~S204做进一步的示例性描述。
步骤S201
半导体结构通常是层次复杂的三维结构。在完成半导体结构例如存储器的设计后通常会得到GDS(Graphic Data Stream,图形数据流文件)文件。GDS文件是一种以二进制形式存储的版图文件,其中包括关于半导体结构的诸多信息。具体地,GDS文件中可包括半导体结构在预设截面处的布局信息。步骤S201中,通过读取和解析GDS文件,可从半导体结构在预设截面处的布局中提取多边形数据,并将多边形数据绘制为图像,例如图3所示的结构布局原图。
示例性地,半导体结构包括三维存储器。预设截面可以是三维存储器的互连层或衬底等位置。
步骤S202
参考图4,其中示出了第一子图。第一子图包括在如图3所示的结构布局原图上窗口A中的图像信息。具体地,所获得的多个子图包含了结构布局原图中的全部图像信息,没有遗漏。如此可保证结构布局原图的全部图像信息都可被分析。进一步地,子图之间可包括重复的部分。
在示例性地实施方式中,获得多个包括结构布局原图中的至少一部分的子图的步骤包括:利用固定尺寸的窗口从结构布局原图截取子图。示例性地,也可以调整窗口的大小。固定尺寸的窗口可以提高后续计算的速度。由于窗口大小实际对应了半导体器件的物理尺寸,可以利用先验知识划定较合适的窗口大小。
在示例性地实施方式中,截取子图的步骤包括:通过滑动窗口截取子图,并使子图包括与其他子图重叠的部分。参考图6和图7,图6示出了将图3中的窗口A向右滑动后所截取的第二子图,图7示出了将图3中的窗口A向下滑动后所截取的第三子图。第二子图及第三子图都与第一子图的大小一致,三者包括重复的区域,也包括不同的区域。通过滑动的窗口截取的子图,可以将结构布局原图以饱和的方式拆分,涵盖了该半导体结构所具有的各种局部结构。
步骤S203
对多个子图的不变矩进行聚类,以获得多个包含不变矩的类。具体地,通过计算子图的不变矩,可提炼出每个子图的特性,有助于获得不同子图之间的相同点。
在示例性地实施方式中,计算子图的不变矩的步骤包括:提取子图的角点,并基于角点形成轮廓图;以及基于角点的坐标,计算轮廓图的不变矩。如图4所示,第一子图的图像中包括十二个角点,继而可基于这些角点形成如图5所示的位于第一子图中的轮廓图。示例性地,轮廓图是这十二个角点的凸包。具体地,基于角点1A~1F形成第一轮廓图,而其余角点1G等被包含在轮廓图之内。通过将子图转化为轮廓图,可以进一步简化子图,降低计算强度同时尽可能地保留子图的特点。
在示例性地实施方式中,计算轮廓图的不变矩的步骤包括:计算至少一个体现轮廓图的特征的矩,其中,轮廓图的特征是角点数、长宽比、面积、重心、外接圆半径、最小外接圆半径或椭圆旋转角。
示例性地,轮廓图的零阶矩为:
V(i,j)表示轮廓图在(i,j)点上的灰度值。当轮廓图为二值图时,M00就是这个图像上白色区域的总和。进一步地,通过一阶矩可以获得轮廓图的重心。通过二阶矩可以获得轮廓图的主轴方向角,进而得到一个与轮廓图惯性等价的图像椭圆。该椭圆的长轴与轮廓图的主轴方向相同。
在示例性地实施方式中,计算轮廓图的不变矩的步骤包括:计算轮廓图的Hu矩。基于图像的低阶矩可以构建Hu矩。Hu矩包括七个矩组,把图像信息代入后可获得七个值。Hu矩具有平移、缩放和旋转的不变性,即当两个图像具有相同形状但是相互之间有平移、缩放或旋转的变化时,这两个图像的Hu矩的七个值几乎相同。当两个具有相同形状的图像翻转时,Hu矩中的一个特性值的正负性翻转。
当两个图像的形状不同时,Hu矩的七个值不同且相差很大。
示例性地,聚类的步骤包括:获得未被归入类的多个不变矩中任意两个不变矩之间的欧氏距离;以及将欧氏距离最小的两个不变矩归为一类。当Hu矩的七个值相差不大时,两个Hu矩的欧氏距离很近。而即使是一个值相差较大,两个Hu矩的欧式距离也会变大。
示例性地,可选取距离类的各个不变矩的欧式距离之和最小的位置为聚类中心。进一步地,可获得未被归入类的多个不变矩中任意两个不变矩之间的第一欧氏距离;还获得未被归入类的多个不变矩中任意一个不变矩与类之间的第二欧氏距离。当一个不变矩所对应的第一欧式距离和第二欧式距离中,最小的是第二欧式距离,则可将该不变矩合并到与其具有最小的欧式距离的类中。
在示例性实施方式中,对多个子图的不变矩进行聚类的步骤包括:对多个子图的不变矩进行层次聚类,以获得包含不变矩的多个类,并获得至少一个上层类。上层类包括多个类中的至少一个类。
示例性地,聚类的步骤包括:获得未被归入类的多个不变矩中任意两个不变矩之间的第一欧氏距离;获得未被归入类的多个不变矩中任意一个不变矩与类之间的第二欧氏距离;以及若一个所述不变矩包括小于其全部的第一欧氏距离的第二欧式距离,将该不变矩与其最小的第二欧式距离所对应的类归入同一个上层类。
本申请提供的实施方式中,可以采用其他计算方式获得具有多个值的不变矩之间的距离,并依据所得的距离进行聚类。
示例性地,可依据Hu矩中的每一个值进行层次聚类,即七个值中任一值的绝对值不同的两个Hu矩分为不同的类。在另一些实施方式中,当两种图形相似但是相对翻转,二者的Hu矩可有六个值相近而一个值的符号相反。具有这两种图形中同一种的多个子图可分为同一类,而这两个类可归入同一个上层类。
示例性地,可计算两个类之间的相似度。例如两个类之间的具有几个相同的Hu矩的值。进而可基于类之间的相似度将多个类分层,形成例如树状图。进一步地,层次聚类所获得的层数可大于两层。
步骤S204
将同一个类中的不变矩对应的子图归至同一个集合中,以在每个集合内的全部子图中选取特征子图。
参考图4、图6至图9,这五个子图可以是同一个集合中的子图,这些图可截取自结构布局原图的不同位置。图8所示的第四子图的轮廓图相对第一轮廓图水平翻转;图9所示的第五子图的轮廓图相对第一轮廓图垂直翻转。
示例性地,选取特征子图的步骤包括:选取具有距离聚类中心最近的不变矩的子图作为特征子图。
示例性地,步骤S204包括:获得每个类的聚类中心。然后计算每个轮廓图距离聚类中心的距离,继而获得距离聚类中心最近的不变矩。进而该不变矩对应的子图可作为特征子图。
如图4、图6至图9所示,图4中的第一轮廓图的不变矩距离聚类中心最近。这几个子图中,其余的轮廓图的不变矩距离聚类中心的距离较大。因而选取图4作为该集合的特征子图。
本申请实施方式提供的用于分解半导体结构的布局的方法,可将半导体结构的布局分解为属于不同集合的多个图像。每个集合中的若干子图具有相同的不变矩,例如Hu矩。不变矩可以很好地刻画图像的形态信息,而不需要关系图像的旋转、翻转或位置偏移。并且可用集合中的特征子图来体现该集合的多个不同的子图,以统一分析这些子图所对应的半导体结构的局部特征,进而获得这些局部特征在生产制造过程中的共有特性。
本申请提供的方法具有较少的冗余,能够比较快速地分类,并且由于计算过程中图像的特征保留的较好,使得分类准确,分类效果也较好。
将半导体结构的布局分解为子图并得到特征子图后,可以分析特征子图所对应的半导体局部结构的实际制造特性,进而知晓该集合中各子图所体现的设计内容如何响应例如光刻工艺窗口效应等信息。进而能够在面对各种预期的工艺条件下,预测出如何能够更好地设计结构,即较好地实行了面向制造的设计(DFM)。设计人员能够改进和优化半导体结构的布局,这使得设计工作对过程窗口的变化的敏感性大大降低,进而提高了设计稳健性、产品可靠性和制造的产量。
进一步参考图10,作为对上述方法的实现,本申请提供了一种用于分解半导体结构的布局的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
图10示出了根据本申请实施例的用于分解半导体结构的布局的装置3000的框图。该装置3000包括图像生成单元301、拆分单元302、聚类单元303和特征子图确定单元304。
图像生成单元301可基于半导体结构在预设截面处的布局形成结构布局原图。拆分单元302可基于结构布局原图得到多个子图,每个子图包括结构布局原图的至少一部分。聚类单元303可对这些子图的多个不变矩进行聚类,以获得多个类,每个类中可包含至少一个不变矩。聚类单元303还可选取距离一个类的各个不变矩的欧式距离之和最小的位置为该类的聚类中心。示例性地,聚类单元303可对这些子图的不变矩进行层次聚类,以获得多个类并获得至少一个上层类。该上层类可包括这些类中的至少一个类。特征子图确定单元304可将同一个类中的不变矩对应的子图归至同一个集合中,以在每个集合内的全部子图中选取特征子图。示例性地,可将同一个上层类中的多个类对应的集合合并为一个并集,进而将该并集中最大的类的特征子图作为该并集的特征子图。
在示例性地实施方式中,拆分单元302可利用固定尺寸的窗口从结构布局原图截取子图。在示例性地实施方式中,拆分单元302可利用窗口滑动地截取子图使子图包括与其他子图重叠的部分。
在示例性地实施方式中,聚类单元303被配置为可提取子图的角点,基于角点形成轮廓图,并可基于角点的坐标计算轮廓图的不变矩。示例性地,聚类单元303进一步被配置成计算轮廓图的Hu矩。聚类单元303可计算至少一个体现轮廓图的特征的矩。
示例性地,聚类单元303可包括:第一计算模块、第二计算模块和归类模块。第一计算模块被配置为获得未被归入类的多个不变矩中任意两个不变矩之间的第一欧氏距离。第二计算模块被配置为获得未被归入类的多个不变矩中任意一个不变矩与类之间的第二欧氏距离,具体地,可计算不变矩与该类的聚类中心之间的欧氏距离。归类模块被配置为若一个不变矩包括小于其全部的第一欧氏距离的第二欧式距离,将一个不变矩与其最小的第二欧式距离所对应的类归入同一个上层类;若一个不变矩具有的最小的欧氏距离是距离另一个不变矩的第一欧式距离,可将这两个不变矩归为一个类。进一步地,一个上层类中可以包括至少一个类,一个上层类中还可以直接包括不变矩。
在示例性地实施方式中,特征子图确定单元304可选取具有距离聚类中心最近的不变矩的子图作为特征子图。具体地,聚类单元303可获得每个类的聚类中心。然后计算每个轮廓图距离聚类中心的距离,继而获得距离聚类中心最近的不变矩。示例性地,选取具有与聚类中心之间欧氏距离最小的不变矩的子图为特征子图。
本申请实施例还提供一种用于分解半导体结构的布局的系统和一种可读存储介质。
图11示出了根据本申请实施方式的用于分解半导体结构的布局的系统。该系统可表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机和其它适合的计算机。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图11所示,该系统包括:一个或多个处理器401、存储器402以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。存储器402存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的用于分解半导体结构的布局的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的用于分解半导体结构的布局的方法。
存储器402作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的用于分解半导体结构的布局的方法对应的程序指令/模块(例如,附图10所示的各功能单元)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的用于分解半导体结构的布局的方法。
存储器402可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据用于分解半导体结构的布局的系统的使用所创建的数据等。具体地,存储器402可存储包括半导体结构的布局数据的GDS文件。还可以存储划分后的集合以及特征子图。此外,存储器402可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至用于分解半导体结构的布局的系统。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用于分解半导体结构的布局的系统还可以包括:输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接,图11中以通过总线连接为例。
输入装置403可接收输入的数字、字符信息,以及产生与用于分解半导体结构的布局的系统的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
以上描述仅为本申请的较佳实施方式以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的保护范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述技术构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (25)
1.一种用于分解半导体结构的布局的方法,其特征在于,包括:
基于半导体结构在预设截面处的布局形成待分解的结构布局原图;
基于所述结构布局原图获得多个包括所述结构布局原图中的至少一部分的子图;
对多个所述子图的不变矩进行聚类,以获得包含所述不变矩的多个类;以及
将同一个所述类中的所述不变矩对应的子图归至同一个集合中,以在每个所述集合内的全部所述子图中选取特征子图。
2.根据权利要求1所述的方法,其中,所述方法还包括计算所述子图的不变矩的步骤,包括:
提取所述子图的角点,并基于所述角点形成轮廓图;以及
基于所述角点的坐标,计算所述轮廓图的不变矩。
3.根据权利要求2所述的方法,其中,计算所述轮廓图的不变矩的步骤包括:计算所述轮廓图的Hu矩。
4.根据权利要求2所述的方法,其中,所述轮廓图是位于所述子图中的凸包。
5.根据权利要求2所述的方法,其中,所述计算所述轮廓图的不变矩的步骤包括:
计算至少一个体现所述轮廓图的特征的矩,其中,所述轮廓图的特征是角点数、长宽比、面积、重心、外接圆半径、最小外接圆半径或椭圆旋转角中的至少之一。
6.根据权利要求1所述的方法,其中,获得多个包括所述结构布局原图中的至少一部分的子图的步骤包括:
利用固定尺寸的窗口从所述结构布局原图截取所述子图。
7.根据权利要求6所述的方法,其中,截取所述子图的步骤包括:
通过滑动所述窗口截取所述子图,并使所述子图包括与其他子图重叠的部分。
8.根据权利要求1所述的方法,其中,所述对多个所述子图的不变矩进行聚类的步骤包括:
对多个所述子图的不变矩进行层次聚类,以获得包含所述不变矩的多个类,并获得至少一个上层类,其中,所述上层类包括所述多个类中的至少一个类。
9.根据权利要求8所述的方法,其中,所述聚类的步骤包括:
获得未被归入所述类的多个所述不变矩中任意两个不变矩之间的第一欧氏距离;
获得未被归入所述类的多个所述不变矩中任意一个不变矩与所述类之间的第二欧氏距离;以及
若一个所述不变矩包括小于其全部的第一欧氏距离的第二欧式距离,将所述一个不变矩与其最小的第二欧式距离所对应的类归入同一个所述上层类。
10.根据权利要求1所述的方法,其中,所述选取特征子图的步骤包括:
选取具有距离聚类中心最近的不变矩的子图作为所述特征子图。
11.根据权利要求10所述的方法,其中,选取距离所述类的各个不变矩的欧式距离之和最小的位置为所述聚类中心;以及
其中,选取具有与所述聚类中心之间欧氏距离最小的不变矩的子图为所述特征子图。
12.根据权利要求1所述的方法,其中,所述半导体结构包括三维存储器。
13.一种用于分解半导体结构的布局的装置,其特征在于,包括:
图像生成单元,被配置为基于半导体结构在预设截面处的布局形成待分解的结构布局原图;
拆分单元,被配置为基于所述结构布局原图获得多个包括所述结构布局原图中的至少一部分的子图;
聚类单元,被配置成对多个所述子图的不变矩进行聚类,以获得包含所述不变矩的多个类;以及
特征子图确定单元,被配置成将同一个所述类中的所述不变矩对应的子图归至同一个集合中,以在每个所述集合内的全部所述子图中选取特征子图。
14.根据权利要求13所述的装置,其中,所述聚类单元被配置为:提取所述子图的角点,并基于所述角点形成轮廓图,并基于所述角点的坐标,计算所述轮廓图的不变矩。
15.根据权利要求14所述的装置,其中,所述轮廓图的不变矩为所述轮廓图的Hu矩。
16.根据权利要求14所述的装置,其中,所述聚类单元被进一步配置成计算至少一个体现所述轮廓图的特征的矩,其中,所述轮廓图的特征是角点数、长宽比、面积、重心、外接圆半径、最小外接圆半径或椭圆旋转角中的至少之一。
17.根据权利要求13所述的装置,其中,所述拆分单元进一步被配置成
利用固定尺寸的窗口从所述结构布局原图截取所述子图。
18.根据权利要求17所述的装置,其中,所述拆分单元进一步被配置成:
通过滑动所述窗口截取所述子图,使所述子图包括与其他子图重叠的部分。
19.根据权利要求13所述的装置,其中,所述聚类单元进一步被配置成:
对多个所述子图的不变矩进行层次聚类,以获得包含所述不变矩的多个类,并获得至少一个上层类,其中,所述上层类包括所述多个类中的至少一个类。
20.根据权利要求19所述的装置,其中,所述聚类单元进一步被配置成:
获得未被归入所述类的多个所述不变矩中任意两个不变矩之间的第一欧氏距离;
获得未被归入所述类的多个所述不变矩中任意一个不变矩与所述类之间的第二欧氏距离;以及
若一个所述不变矩包括小于其全部的第一欧氏距离的第二欧式距离,将所述一个不变矩与其最小的第二欧式距离所对应的类归入同一个所述上层类。
21.根据权利要求13所述的装置,其中,所述特征子图确定单元被进一步配置成:
选取具有距离聚类中心最近的不变矩的子图作为所述特征子图。
22.根据权利要求21所述的装置,其中,所述聚类单元进一步被配置成:
选取距离所述类的各个不变矩的欧式距离之和最小的位置为所述聚类中心;以及
所述特征子图确定单元被进一步配置成:
具有与所述聚类中心之间欧氏距离最小的不变矩的子图为所述特征子图。
23.根据权利要求13所述的装置,其中,所述半导体结构包括三维存储器。
24.一种用于分解半导体结构的布局的系统,其特征在于,包括:
存储器,存储可执行指令;以及
一个或多个处理器,与所述存储器通信以执行所述可执行指令从而实现如权利要求1至12中任一项所述的分解半导体结构的布局的方法。
25.一种计算机可读介质,其上存储有计算机可读指令,其中,所述计算机可读指令被处理器执行时实现如权利要求1至12中任一项所述的分解半导体结构的布局的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110834320.7A CN113554091B (zh) | 2021-07-21 | 2021-07-21 | 分解半导体结构的布局的方法、装置、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110834320.7A CN113554091B (zh) | 2021-07-21 | 2021-07-21 | 分解半导体结构的布局的方法、装置、系统和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113554091A CN113554091A (zh) | 2021-10-26 |
CN113554091B true CN113554091B (zh) | 2022-12-09 |
Family
ID=78104205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110834320.7A Active CN113554091B (zh) | 2021-07-21 | 2021-07-21 | 分解半导体结构的布局的方法、装置、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113554091B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2530687A1 (es) * | 2013-09-04 | 2015-03-04 | Shot & Shop S L | Método implementado por ordenador para recuperación de imágenes por contenido y programa de ordenador del mismo |
CN111488502A (zh) * | 2020-04-10 | 2020-08-04 | 山西大学 | 基于Isomap算法布局的低维平行坐标图构建方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9230910B2 (en) * | 2006-03-09 | 2016-01-05 | Tela Innovations, Inc. | Oversized contacts and vias in layout defined by linearly constrained topology |
CN101256627B (zh) * | 2008-01-25 | 2011-12-28 | 浙江工业大学 | 一种基于不变矩的图形畸变分析方法 |
US8402396B2 (en) * | 2009-09-29 | 2013-03-19 | The Regents Of The University Of California | Layout decomposition for double patterning lithography |
CN102509085A (zh) * | 2011-11-19 | 2012-06-20 | 江苏大学 | 基于轮廓不变矩特征的猪行走姿态识别系统和方法 |
CN103049513A (zh) * | 2012-12-14 | 2013-04-17 | 杭州淘淘搜科技有限公司 | 一种服饰鞋包类商品图像多视觉特征融合方法 |
KR102338365B1 (ko) * | 2015-04-24 | 2021-12-09 | 삼성전자주식회사 | 레이아웃 분리 방법 및 레이아웃 분리 시스템 |
TWI745351B (zh) * | 2017-02-24 | 2021-11-11 | 聯華電子股份有限公司 | 半導體佈局圖案分割方法 |
US10628546B1 (en) * | 2018-06-29 | 2020-04-21 | Cadence Design Systems, Inc. | Method and system for automatically extracting layout design patterns for custom layout design reuse through interactive recommendations |
CN113127697B (zh) * | 2021-03-30 | 2022-11-15 | 清华大学 | 图布局优化方法和系统、电子设备及可读存储介质 |
-
2021
- 2021-07-21 CN CN202110834320.7A patent/CN113554091B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2530687A1 (es) * | 2013-09-04 | 2015-03-04 | Shot & Shop S L | Método implementado por ordenador para recuperación de imágenes por contenido y programa de ordenador del mismo |
CN111488502A (zh) * | 2020-04-10 | 2020-08-04 | 山西大学 | 基于Isomap算法布局的低维平行坐标图构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113554091A (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | pipsCloud: High performance cloud computing for remote sensing big data management and processing | |
US11574097B2 (en) | Deep learning based identification of difficult to test nodes | |
Zhu et al. | Biformer: Vision transformer with bi-level routing attention | |
US10831984B2 (en) | Web page design snapshot generator | |
Lutz et al. | PARTANS: An autotuning framework for stencil computation on multi-GPU systems | |
Chrysos et al. | HC-CART: A parallel system implementation of data mining classification and regression tree (CART) algorithm on a multi-FPGA system | |
KR102521765B1 (ko) | 인과 관계의 판별 방법, 장치, 전자 기기 및 저장 매체 | |
WO2018144052A1 (en) | K-selection using parallel processing | |
RU2430421C2 (ru) | Применение эффектов к объединенной текстовой дорожке | |
US11775845B2 (en) | Character recognition method and apparatus, electronic device and computer readable storage medium | |
US11704559B2 (en) | Learning to search user experience designs based on structural similarity | |
US11321370B2 (en) | Method for generating question answering robot and computer device | |
CN113010612A (zh) | 一种图数据可视化构建方法、查询方法及装置 | |
Mei | CudaChain: an alternative algorithm for finding 2D convex hulls on the GPU | |
CN105164667A (zh) | 修改分析流 | |
EP3425593A1 (en) | Highly parallelizable algorithm for detecting intersections of shapes | |
CN113554091B (zh) | 分解半导体结构的布局的方法、装置、系统和存储介质 | |
Lorbeer et al. | Anomaly detection with partitioning overfitting autoencoder ensembles | |
EP1583008A2 (en) | Distributed CAD apparatus | |
US20190220532A1 (en) | Data processing with nullable schema information | |
US20210367918A1 (en) | User perceptible indicia for web address identifiers | |
Gui et al. | High performance spatiotemporal visual analytics technologies and its applications in big socioeconomic data analysis | |
US10761719B2 (en) | User interface code generation based on free-hand input | |
Carcangiu et al. | Gesture modelling and recognition by integrating declarative models and pattern recognition algorithms | |
CN105324739B (zh) | 基于类别的键盘 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |