Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 华芯程(杭州)科技有限公司请求不公布姓名获国家专利权

华芯程(杭州)科技有限公司请求不公布姓名获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉华芯程(杭州)科技有限公司申请的专利一种基于大语言模型的光刻仿真方法、装置、设备及介质获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120430094B

龙图腾网通过国家知识产权局官网在2025-10-10发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510940708.3,技术领域涉及:G06F30/20;该发明授权一种基于大语言模型的光刻仿真方法、装置、设备及介质是由请求不公布姓名;请求不公布姓名设计研发完成,并于2025-07-09向国家知识产权局提交的专利申请。

一种基于大语言模型的光刻仿真方法、装置、设备及介质在说明书摘要公布了:本申请公开了一种基于大语言模型的光刻仿真方法、装置、设备及介质,涉及光刻仿真技术领域,包括:将待仿真芯片版图输入至预训练大语言模型,对待仿真芯片版图进行多边形遍历和编码,生成单个多边形的序列信息,将所有序列信息按序拼接,得到与待仿真芯片版图对应的完整版图序列;对完整版图序列进行序列特征提取,得到目标序列特征,捕捉目标序列特征中表征多边形的全局上下文关系的目标编码特征,基于目标编码特征生成预测的目标序列数据,并提取每个多边形的顶点坐标、边方向和长度信息,基于每个多边形的顶点坐标、边方向和长度信息重构每个多边形的目标几何轮廓,将所有目标几何轮廓组合的完整的光刻仿真版图进行输出。实现版图的快速仿真。

本发明授权一种基于大语言模型的光刻仿真方法、装置、设备及介质在权利要求书中公布了:1.一种基于大语言模型的光刻仿真方法,其特征在于,包括: 获取待仿真芯片版图,将所述待仿真芯片版图输入至预训练大语言模型,以便通过所述预训练大语言模型对所述待仿真芯片版图进行多边形遍历和编码,生成单个多边形的序列信息,并将所有序列信息按序拼接,以得到与所述待仿真芯片版图对应的完整版图序列; 通过所述预训练大语言模型对所述完整版图序列进行序列特征提取,以得到目标序列特征,然后捕捉所述目标序列特征中表征多边形的全局上下文关系的目标编码特征,以基于所述目标编码特征生成预测的目标序列数据; 通过所述预训练大语言模型从所述目标序列数据中提取每个多边形的顶点坐标、边方向和长度信息,以基于每个多边形的顶点坐标、边方向和长度信息重构每个多边形的目标几何轮廓,将所有所述目标几何轮廓组合的完整的光刻仿真版图进行输出; 所述将所述待仿真芯片版图输入至预训练大语言模型之前,还包括: 获取覆盖不同制程节点和不同版图场景的若干历史芯片版图;其中,版图场景包括密集图形和孤立图形; 对各所述历史芯片版图进行光刻仿真,生成对应的光刻胶轮廓作为标签数据,以得到携带标签数据的历史芯片版图; 将各携带标签数据的历史芯片版图输入至大语言模型,以便所述大语言模型的语义编码层对各所述历史芯片版图进行多边形遍历和编码,以得到与各所述历史芯片版图对应的历史完整版图序列; 基于所述历史完整版图序列、所述标签数据对应的标签数据序列,生成携带标签数据的历史完整版图序列; 利用各携带标签数据的历史完整版图序列对所述大语言模型的进行训练,以得到学习了历史完整版图序列与光刻后的目标几何轮廓之间映射关系的预训练大语言模型; 所述大语言模型包括依次连接的编码器、解码器、输出层,其中,所述利用各携带标签数据的历史完整版图序列对所述大语言模型的进行训练,以得到学习了历史完整版图序列与光刻后的目标几何轮廓之间映射关系的预训练大语言模型,包括: 通过所述大语言模型的所述编码器中的多头自注意力层捕捉所述历史完整版图序列中各序列元素之间的多边形间的邻近效应关系、全局布局关联关系,以得到注意力加权后的特征向量; 通过所述编码器中的残差连接层对所述注意力加权后的特征向量与所述多头自注意力层的输入信息进行相加处理,以得到对应的全局特征; 将所述标签数据序列中的当前时间步之前的目标标签数据序列输入至所述大语言模型的所述解码器,以便通过所述解码器的掩膜多头自注意力层基于所述目标标签数据序列预测下一标签数据序列元素; 通过所述大语言模型的所述输出层基于所述解码器的输出的局部特征与所述全局特征逐时间步生成完整预测标签序列; 通过损失函数对所述完整预测标签序列与对应的所述标签数据序列进行损失值计算,以基于损失值结果反向优化所述大语言模型的模型参数,直至满足迭代停止条件时,输出当前大语言模型为预训练大语言模型。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人华芯程(杭州)科技有限公司,其通讯地址为:311113 浙江省杭州市余杭区良渚街道网周路99号1幢22层2208室;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。