-
公开(公告)号:CN112950530A
公开(公告)日:2021-06-11
申请号:CN202011253287.0
申请日:2020-11-11
Applicant: 三星电子株式会社
Abstract: 一种存储包括图像生成模型的程序代码的非暂时性计算机可读介质,该程序代码在被执行时使处理器:将包括晶片的多个半导体管芯中的一些的采样数据的输入数据输入到图像生成模型的生成器网络,并且输出指示所述多个半导体管芯的晶片图;以及将从生成器网络输出的晶片图输入到图像生成模型的鉴别器网络并鉴别晶片图。
-
公开(公告)号:CN112926743A
公开(公告)日:2021-06-08
申请号:CN202011251713.7
申请日:2020-11-11
Applicant: 三星电子株式会社
Abstract: 一种计算设备,包括:存储计算机可执行指令的存储器;以及处理电路,其被配置为执行计算机可执行指令,使得处理电路被配置为作为机器学习生成器操作,该机器学习生成器被配置为接收半导体工艺参数、根据半导体工艺参数生成半导体工艺结果信息并输出所生成的半导体处理结果信息;并且作为机器学习鉴别器操作,该机器学习鉴别器被配置为从机器学习生成器接收所生成的半导体工艺结果信息并鉴别所生成的半导体工艺结果信息是否为真。
-
公开(公告)号:CN116071516A
公开(公告)日:2023-05-05
申请号:CN202211357538.9
申请日:2022-11-01
Applicant: 三星电子株式会社
IPC: G06T17/20 , G06N3/0464 , G06N20/00 , G06F30/23
Abstract: 一种三维(3D)建模方法,包括:获得表示3D结构的几何数据和包括确定3D结构的属性的因素的输入参数;根据几何数据来生成网格数据;根据网格数据来顺序地生成至少一条经下采样的数据;对输入参数进行预处理来生成3D特征图;以及基于分别与至少一个级相对应的至少一个机器学习模型,根据至少一条经下采样的网格数据和3D特征图来生成属性简档数据,该属性简档数据表示3D结构中的属性的简档。
-
-
公开(公告)号:CN110619922B
公开(公告)日:2024-11-12
申请号:CN201910444511.5
申请日:2019-05-27
Applicant: 三星电子株式会社
IPC: G11C29/56 , G11C29/54 , G06F30/27 , G11C13/00 , G06F18/241
Abstract: 提供了一种半导体故障分析装置及其故障分析方法。所述故障分析方法包括:接收所测量到的对应于半导体器件的测量数据;基于所述测量数据和参考数据生成双采样数据;对所述双采样数据执行故障分析操作;基于所述故障分析操作的结果对所述半导体器件的故障类型进行分类;以及输出关于所述故障类型的信息。
-
公开(公告)号:CN116187155A
公开(公告)日:2023-05-30
申请号:CN202211500153.3
申请日:2022-11-28
Applicant: 三星电子株式会社
IPC: G06F30/27 , G06F30/17 , G16C60/00 , G06F111/04
Abstract: 一种为设计模拟器生成最佳输入数据的方法,该设计模拟器响应于与输入参数有关的输入数据提供与输出参数有关的输出数据。该方法包括:生成包括样本输入数据和样本输出数据的训练数据;根据使用训练数据训练的估计模型从输入参数中选择影响多个输出参数的至少一个基本输入参数;并根据与至少一个基本输入参数对应的基本输入数据和样本输出数据生成最佳输入数据。
-
公开(公告)号:CN110619922A
公开(公告)日:2019-12-27
申请号:CN201910444511.5
申请日:2019-05-27
Applicant: 三星电子株式会社
Abstract: 提供了一种半导体故障分析装置及其故障分析方法。所述故障分析方法包括:接收所测量到的对应于半导体器件的测量数据;基于所述测量数据和参考数据生成双采样数据;对所述双采样数据执行故障分析操作;基于所述故障分析操作的结果对所述半导体器件的故障类型进行分类;以及输出关于所述故障类型的信息。
-
公开(公告)号:CN119337796A
公开(公告)日:2025-01-21
申请号:CN202410919785.6
申请日:2024-07-10
Applicant: 三星电子株式会社
IPC: G06F30/367 , G06N3/04 , G06N3/08
Abstract: 给出了生成神经网络模型并且通过使用神经网络模型执行电路仿真的方法和计算装置。该方法包括:通过基于温度和工艺参数执行工艺仿真来生成样本数据;基于样本数据来训练神经网络模型;执行神经网络模型的轻量级操作以生成轻量级神经网络模型;重新训练轻量级神经网络模型;以及通过使用重新训练后的轻量级神经网络模型以工艺参数作为输入来执行电路仿真。
-
公开(公告)号:CN112418431A
公开(公告)日:2021-02-26
申请号:CN202010842150.2
申请日:2020-08-20
Applicant: 三星电子株式会社
Abstract: 一种用于包括机器学习模型和基于规则的模型的混合模型的方法,包括通过向基于规则的模型提供第一输入从基于规则的模型中获得第一输出,以及通过将第一输入、第二输入和获得的第一输出提供给机器学习模型从机器学习模型中获得第二输出。所述方法还包括基于获得的第二输出的误差来训练机器学习模型。
-
-
-
-
-
-
-
-