基于深度学习的导向自组装光刻引导模版优化方法

一种基于深度学习的导向自组装光刻引导模版优化方法。首先利用拉丁超立方采样方法在一定引导模版参数范围内采样。利用导向自组装光刻模型根据采样的参数得到训练集和测试集。利用训练接和测试集训练深度神经网络，将该网络直接部署在导向自组装光刻的引导模版优化中，代替在先技术中的导向自组装光刻模型。通过神经网络的一次前向推理代替仿真模型，可以显著提升导向自组装光刻引导模版图形求解的速度，提升反向设计效率。本方法利用三维导向自组装光刻物理仿真数据训练深度神经网络，网络输出中保留了自组装结构的三维信息，在保证速度的同时减少了物理信息丢失，结果更精确。