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！

龙图腾网获悉南京航空航天大学;南京航空航天大学苏州研究院申请的专利一种图形化晶圆光学成像仿真与实测图像的差异修正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：CN120850943B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202511332866.7，技术领域涉及：G06F30/398；该发明授权一种图形化晶圆光学成像仿真与实测图像的差异修正方法是由邹扬扬;孟凯;张航瑛;楼佩煌;钱晓明;武星;王昊昊设计研发完成，并于2025-09-18向国家知识产权局提交的专利申请。

本一种图形化晶圆光学成像仿真与实测图像的差异修正方法在说明书摘要公布了：本发明公开一种图形化晶圆光学成像仿真与实测图像的差异修正方法，涉及半导体与集成电路工艺检测技术领域。所述方法包括：获取仿真样本集X和实测样本集Y；构建双生成器‑双判别器框架的差异修正模型；将仿真样本集X的训练集输入生成器G,得到由仿真样本修正生成的实测近似样本；将实测样本集Y的训练集输入生成器F,得到由实测样本修正生成的仿真近似样本；将实测近似样本和仿真近似样本分别输入判别器和判别器；构建总损失函数，进行优化迭代训练，直至总损失收敛。通过跨域特征差异的高效建模、跨域一致性的显式约束和多损失协同优化，提升了仿真与实测图像差异的修正精准度。

本发明授权一种图形化晶圆光学成像仿真与实测图像的差异修正方法在权利要求书中公布了：1.一种图形化晶圆光学成像仿真与实测图像的差异修正方法，其特征在于，包括： 步骤S1，获取图形化晶圆的仿真样本集X和实测样本集Y，分别划分训练集和验证集； 步骤S2，设计CNN-TransformerU-net架构的生成器，构建双生成器-双判别器框架的差异修正模型；所述差异修正模型包括生成器G、生成器F、判别器和判别器； 步骤S3，将所述仿真样本集X的训练集输入所述生成器G，生成所述仿真样本集X到所述实测样本集Y的映射，得到由仿真样本修正生成的实测近似样本； 步骤S4，使用对比损失函数约束所述仿真样本集X和所述实测近似样本的跨域特征在特征空间中对齐； 步骤S5，将所述实测样本集Y的训练集输入所述生成器F,生成所述实测样本集Y到所述仿真样本集X的映射，得到由实测样本修正生成的仿真近似样本； 步骤S6，使用循环一致损失函数约束双向映射关系，满足FGX≈X； 步骤S7，将所述实测近似样本和所述仿真近似样本分别输入所述判别器和所述判别器，利用对抗损失函数约束所述生成器G的输出和所述实测样本集Y的分布一致性，同时约束所述生成器F的输出和所述仿真样本集X的分布一致性； 步骤S8，构建总损失函数，通过Adam优化器迭代训练，直至所述仿真样本集X的验证集总损失收敛； 所述步骤S2中，设计CNN-TransformerU-net架构的生成器包括CNN分支、Transformer分支、特征融合模块和解码器； 所述步骤S3，包括： 将所述仿真样本集X的训练集输入生成器G，分别提取所述CNN分支输出的局部特征与所述Transformer分支输出的全局特征； 通过所述特征融合模块对所述局部特征与所述全局特征进行对齐并融合，得到融合特征； 将最深层级的融合特征输入解码器，通过转置卷积逐级上采样恢复分辨率获得上采样特征，逐层处理特征，先对解码器当前上采样特征与对应层级的融合特征进行跳跃连接，再通过通道拼接，经1×1卷积统一通道维度并增强表达，最终经解码器顶层FinalLayer中的conv1×1和Tanh函数激活，输出实测近似样本=GX； 所述步骤S4，包括： 分别通过所述生成器G的编码器与所述生成器F的编码器提取所述仿真样本集X的L层特征与所述实测近似样本的L层特征； 对所述实测近似样本每层特征图的空间位置s，选择空间位置s的特征作为查询向量，对应样本特征为正样本，其余位置特征为负样本，构建多层对比损失函数，表达式为： ； ； 式中，X为仿真样本集；x为仿真样本集X中的仿真样本；Y为实测样本集；y为实测样本集Y中的实测样本；为对仿真样本x求期望；为对实测样本y求期望；l为当前的网络层索引；L为总特征层数；s为特征图上的空间位置索引；为第l层特征图的总空间位置数；为查询向量；为正样本；为负样本集合； 计算每层特征的对比损失与，总对比损失为两者之和，表达式为： ； 通过交叉熵损失函数约束正样本被正确选择的概率，表达式为： ； 式中，为查询向量；为正样本；为负样本；为温度超参数；为余弦相似度； 所述步骤S8中，总损失函数表达式为： ； 式中，为总损失函数；为对抗损失函数的权重超参数；为生成器G与判别器的对抗损失；为生成器F与判别器的对抗损失；为循环一致性损失函数的权重超参数；为循环一致性损失函数；为对比损失函数的权重超参数；为仿真样本集X上的局部对比损失函数；为实测样本集Y上的局部对比损失函数；为身份损失函数的权重超参数；为身份损失函数。

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南京航空航天大学;南京航空航天大学苏州研究院，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。