Bridging the Sim-to-Real Gap in Semiconductor Visual Program Synthesis via Input Binarization

Sintesi Tecnica: Colmare il divario Sim-to-Real nella sintesi di programmi visivi per semiconduttori tramite la binarizzazione dell'input

Problematica
Il controllo parametrico preciso della geometria dei circuiti è fondamentale per l'ispezione e la metrologia dei semiconduttori. Tuttavia, acquisire dati di addestramento reali sufficienti è costoso. Sebbene i modelli generativi come i Modelli di Diffusione e le GAN possano aumentare i dati, essi mancano della precisione geometrica su scala nanometrica richiesta per questi compiti. Gli approoli esistenti di immagine-codice sono spesso limitati ad ambienti con coppie immagine-codice prontamente disponibili (ad esempio, dati web) o richiedono progettazioni di rete specializzate per domini specifici. Inoltre, esiste un significativo divario di dominio "sim-to-real" quando i modelli addestrati su dati sintetici tentano di elaborare immagini reali da microscopio elettronico a scansione (SEM), principalmente a causa del rumore specifico del SEM, delle texture e degli effetti di bordo che oscurano le strutture geometriche.

Metodologia
Gli autori propongono un framework di sintesi di programmi visivi che converte le immagini di ispezione dei semiconduttori in un linguaggio specifico per il dominio (DSL) riproducibile e modificabile. La metodologia si compone di quattro componenti chiave:

1. Progettazione del DSL: È stato sviluppato un DSL leggero specificamente per architetture di cablaggio Manhattan. A differenza delle immagini raster, questo linguaggio utilizza comandi geometrici vettoriali per definire i pattern dei circuiti. Include primitive per la tela (CANVAS), tracce conduttive con forme a "dogbone" parametrizzate per connessioni via stabili (WIRE) e connessioni tra strati (VIA). I percorsi di routing sono descritti come sequenze di movimenti Manhattan relativi (Orizzontale/Verticale), consentendo descrizioni flessibili a tratto singolo di topologie complesse.
2. Generazione di Dati Sintetici: Per addestrare il modello, gli autori hanno generato 19.200 coppie immagine-DSL sintetiche. Le topologie SEM reali sono state categorizzate in Strisce Verticali, Linee Orizzontali e pattern Manhattan. I parametri strutturali (ad esempio, divisioni della griglia, densità del cablaggio, probabilità di curva) sono stati randomizzati utilizzando ampie distribuzioni uniformi per prevenire l'overfitting su specifiche frequenze spaziali. Le immagini sintetiche sono state renderizzate come pattern binari con rumore impulsivo di tipo sale e pepe opzionale, corrispondendo alla natura binaria del DSL.
3. Addestramento del VLM: Un modello vision-language (specificamente Qwen3-VL-8B) è stato sottoposto a fine-tuning tramite Supervised Fine-Tuning (SFT) per tradurre le immagini in input nelle corrispondenti sequenze DSL. Il modello è stato addestrato esclusivamente sui dati binari sintetici.
4. Strategia di Binarizzazione dell'Input: Per affrontare il divario di dominio durante l'inferenza, le immagini SEM in scala di grigi reali vengono pre-elaborate utilizzando una soglia globale (fissa a un valore di l'input 100) per convertirle in immagini binarie prima di essere fornite al VLM. Questa strategia elimina la texture e il rumore specifici del SEM, allineando la distribuzione dell'input reale con i dati di addestramento binari sintetici e costringendo il modello a concentrarsi sulla struttura geometrica.

Contributi Chiave

• Framework di Sintesi di Programmi Visivi: L'introduzione di un framework che traduce le immagini dei semiconduttori in codice DSL modificabile, consentendo la generazione controllata di dati di addestramento con esatta manipolazione dei parametri (ad esempio, larghezza della linea, lunghezza).
• Binarizzazione dell'Input per l'Adattamento del Dominio: La dimostrazione che l'astrazione della texture tramite binarizzazione dell'input colma efficacemente il divario sim-to-real. Gli autori ipotizzano che la texture e il rumore siano i fattori dominanti che ostacolano l'inferenza del VLM in questo dominio, e la loro rimozione porti guadagni sostanziali.
• Riusabilità: L'approccio tratta la specifica del linguaggio come una variabile di progettazione, permettendo allo stesso'architettura VLM di essere riutilizzata in diversi domini di ispezione semplicemente cambiando il DSL.

Risultati
Gli esperimenti sono stati condotti sul dataset MIIC (1.034 immagini di test). Il metodo proposto (input binario) è stato confrontato con un baseline che utilizza input grezzi in scala di grigi.

• Prestazioni Quantitative: La binarizzazione dell'input ha migliorato tutte le metriche valutate per gli output eseguibili. Il coefficiente medio di Dice è aumentato da 0,4393 (input grezzo) a 0,5256 (input binario). Sono stati osservati miglioramenti anche in IoU (da 0,2865 a 0,3619), nel punteggio F1 del bordo (da 0,4054 a 0,4412) e nel punteggio F1 dello scheletro (da 0,1276 a 0,1746).
• Analisi del Limite Superiore: Sebbene gli input binari abbiano migliorato le prestazioni sui dati reali, i punteggi sono rimasti inferiori a quelli ottenuti sui dati di valutazione sintetica (Dice: 0,6340), indicando che, sebbene i divari di texture siano stati ridotti, persistono altri divari di dominio non legati al colore (ad esempio, sottili differenze di forma).
• Compromesso di Complessità: È stata trovata una correlazione positiva tra la complessità strutturale (misurata tramite la dimensione del DSL compresso) e l'errore di ricostruzione. L'accuratezza diminuisce man mano che i pattern diventano più intricati, con fallimenti che si manifestano spesso come errori a livello topologico, come fili mancanti o allucinati.

Significatività e Rivendicazioni
Il documento sostiene che la binarizzazione dell'input sia una strategia altamente efficace e semplice per mitigare il divario sim-to-real nella sintesi di programmi visivi per semiconduttori. Astrarre le informazioni di texture permette al modello, addestrato esclusivamente su dati sintetici, di ricostruire robustamente il DSL modificabile da immagini SEM reali. Ciò stabilisce una base affidabile per l'augmentation procedurale dei dati, consentendo la generazione attiva di campioni di addestramento diversificati, inclusi i "hard negatives" e le aree critiche, che sono difficili da raccogliere dai campioni reali. Gli autori notano che il lavoro futuro si concentrerà sull'ottimizzazione del DSL per l'efficienza dei token e sul miglioramento del ragionamento a lungo contesto del modello per affrontare i compromessi di complessità osservati.