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！

龙图腾网获悉华东师范大学申请的专利一种基于对比学习的光刻工艺窗口检测方法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：CN116482943B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202310455894.2，技术领域涉及：G03F7/20；该发明授权一种基于对比学习的光刻工艺窗口检测方法是由沈季玮;陆虎;吕岳;吕淑静设计研发完成，并于2023-04-25向国家知识产权局提交的专利申请。

本一种基于对比学习的光刻工艺窗口检测方法在说明书摘要公布了：本发明提供了一种基于对比学习的光刻工艺窗口检测方法，包括：获取光刻条件集中的光刻条件及所述光刻条件对应的全部光刻图像即待测光刻图像和目标光刻图像，将所述全部光刻图像即待测图像与目标图像对齐，在训练完成的重建神经网络模型中输入对齐后的光刻图像，将对齐后的光刻图像重建为保留轮廓细节并且去除背景噪声的重建光刻图像，将重建待测图像和重建目标图像输入训练完成的对比学习网络计算相似度，当重建待测图像与重建目标图像之间相似度满足要求和约束时对应的待测图像判定为合格，全部合格待测图像对应的光刻条件为目标光刻工艺窗口。本发明能够有效地避免过拟合和欠拟合的问题，并且具有高精度的检测和较强的网络可解释性。

本发明授权一种基于对比学习的光刻工艺窗口检测方法在权利要求书中公布了：1.一种基于对比学习的光刻工艺窗口检测方法，其特征在于，包括： 获取光刻条件集中的光刻条件及所述光刻条件对应的全部光刻图像，所述光刻条件包括光刻工艺流程中所要设定的光刻能量参数和光刻焦距参数，所述全部光刻图像包括待测光刻图像和目标光刻图像，将全部待测图像与目标图像对齐；在训练完成的降噪神经网络模型中输入对齐后的光刻图像，保留光刻图像的轮廓细节并且去除背景噪声，将降噪后的待测图像和降噪后的目标图像输入训练完成的对比学习网络计算相似度，当降噪后的待测图像与降噪后的目标图像之间相似度满足要求时判定对应的待测图像为合格，全部合格的待测图像对应的光刻条件为目标光刻工艺窗口，满足实际生产的要求；其中： 所述将降噪后的待测图像和降噪后的目标图像输入训练完成的对比学习网络计算相似度，具体包括：使用自监督图像表示学习的对比学习模型SimCLR来学习光刻图像特征，并计算光刻图像的相似度，所述对比学习模型SimCLR是一个双塔网络，其中每个塔包含一系列卷积和池化层，最后输出一个高维向量表示图像，在训练过程中，两个塔将输入的两个相似图像分别编码为向量，并将其传递给对比损失函数；所述对比损失函数是用于训练SimCLR模型的核心；对比损失函数将输入的两个向量编码与其他图像的向量编码进行比较，使来自同一图像的向量在嵌入空间中更接近，而来自不同图像的向量在嵌入空间中更远离；使用训练数据集训练模型，并使用验证数据集评估模型的性能； 训练对比学习模型SimCLR，具体步骤： ⅰ创建数据集：收集降噪光刻图像以构建数据集，并将其分为训练集和验证集； ⅱ数据增强：对输入图像进行随机的数据增强变换，生成一对相似的图像；其变换包括随机裁剪、水平翻转和色彩抖动；增强后的图像对被视为正样本； ⅲ特征提取：使用一个卷积神经网络作为特征提取器，将输入图像映射到特征空间；该网络在训练过程中不断更新以学习更好的特征表示；在特征提取器的顶部添加一个投影头，投影头是一个简单的前馈神经网络，将特征提取器的输出映射到一个低维表示空间；所述低维表示空间将用于计算相似度； ⅳ计算对比损失：在表示空间中，计算正样本对之间的相似度，并与其他负样本对进行比较；负样本对是从同一个批次中的其他图像生成；对比损失的目标是最小化正样本对之间的距离，同时最大化与负样本对之间的距离； ⅴ反向传播和优化：根据对比损失进行反向传播，更新特征提取器和投影头的参数，以便学习更好的图像表示； 使用训练好的对比学习模型SimCLR：将降噪待测图像与降噪目标图像输入给所述SimCLR模型，编码为向量，然后计算向量之间的余弦相似度；图像之间的相似度用编码后的向量之间的余弦相似度来表示，当降噪待测图像与降噪目标图像之间相似度满足要求时判定对应的待测图像为合格，全部合格待测图像对应的光刻条件为目标光刻工艺窗口，满足实际生产的要求。

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东师范大学，其通讯地址为：200241 上海市闵行区东川路500号；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。