Gen-Fab: ナノフォトニックデバイスの製造変動を予測する変動認識型生成モデル

要旨: シリコンフォトニックデバイスは、オーバーエッチング、アンダーエッチング、コーナーの丸めなど、製造に起因する変動をしばしば示し、それがデバイス性能に大きな影響を及ぼすことがあります。これらの変動は非一様で、特徴サイズと形状の影響を受けます。したがって、特定の設計に対して可能な製造結果の範囲を予測する正確なデジタルツインが必要です。本論文では、Pix2Pixに基づく条件付き生成対向ネットワーク（cGAN）である Gen-Fab を導入し、フォトニック製造結果の不確実性を予測・モデル化します。提案手法は、設計レイアウト（GDS形式）を入力として受け取り、製造されたデバイスの走査電子顕微鏡（SEM）画像に類似した多様で高解像度の予測を生成し、ナノメートルスケールでのプロセス変動の範囲を捉えます。1つの設計に対して複数の出力を可能にするため、モデルのボトルネックには潜在ノイズベクトルを注入します。Gen-Fabを、（1）決定論的な U-Net 予測器、（2）推論時 Monte Carlo Dropout U-Net、（3）さまざまな U-Net のアンサンブルという3つのベースラインと比較します。製造されたフォトニック試験構造の分布外データセットでの評価は、Gen-Fab が精度と不確実性モデリングの両方で全ベースラインを上回ることを示しています。追加の分布シフト分析は、未見の製造ジオメトリへの強い一般化もさらに確認します。Gen-Fab は IoU スコア 89.8% を達成し、決定論的 U-Net（85.3%）、MC-Dropout U-Net（83.4%）、およびさまざまな U-Net のアンサンブル（85.8%）を上回ります。実際の製造結果の分布にもより良く整合し、Kullback–Leibler 発散および Wasserstein 距離を低く抑えています。