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

技術要約：入力の二値化による半導体ビジュアルプログラム合成におけるSim-to-Realギャップの架橋

問題提起
回路形状に対する精密なパラメータ制御は、半導体検査およびメトロロジーにおいて極めて重要である。しかし、十分な実世界の訓練データを取得することはコストがかかる。拡散モデルやGANのような生成モデルはデータを拡張できるが、これらのタスクに求められるナノメートルスケールの幾何学的精度には欠けている。既存の画像・コード変換アプローチは、画像とコードのペアが容易に入手できる環境（例：ウェブデータ）に限定されているか、特定のドメイン向けに特化したネットワーク設計を必要とすることが多い。さらに、合成データで訓練されたモデルが実際の走査電子顕微鏡（SEM）画像を処理しようとする際、SEM特有のノイズ、テクスチャ、エッジ効果が幾何学的構造を不明瞭にするため、重大な「sim-to-real」ドメインギャップが存在する。

手法
著者らは、半導体検査画像を再現可能で編集可能なドメイン固有言語（DSL）に変換するビジュアルプログラム合成フレームワークを提案している。この手法は、以下の4つの主要コンポーネントで構成される。

1. DSL設計: マンハッタン配線アーキテクチャ用に特別に設計された軽量なDSLが開発された。ラスター画像とは異なり、この言語は回路パターンを定義するためにベクトルベースの幾何学的コマンドを使用する。これには、キャンバス（CANVAS）、安定したビア接続のためのパラメータ化された「ドッグボーン」形状を持つ導電性トレース（WIRE）、および層間接続（VIA）のプリミティブが含まれる。ルーティングパスは相対的なマンハッタン移動（水平/垂直）のシーケンスとして記述され、複雑なトポロジーの柔軟なワンストローク記述を可能にする。
2. 合成データ生成: モデルを訓練するために、19,200組の合成画像・DSLペアを生成した。実際のSEMトポロジーは、垂直ストライプ、水平ライン、およびマンハッタンパターンのカテゴリに分類された。特定の空間周波数への過学習を防ぐため、構造パラメータ（グリッド分割、配線密度、屈曲確率など）は広範な一様分布を用いてランダム化された。合成画像は、DSLのバイナリ特性に合わせ、オプションのソルトインパルスノイズを伴うバイナリパターンとしてレンダリングされた。
3. VLM訓練: 画像を対応するDSLシーケンスに翻訳するために、視覚言語モデル（具体的にはQwen3-VL-8B）を教師あり微調整（SFT）を通じてファインチューニングした。モデルは、合成バイナリデータのみを用いて訓練された。
4. 入力の二値化戦略: 推論時のドメインギャップに対処するため、実際のグレースケールSEM画像は、実画像がVLMに供給される前に、グローバル閾値処理（閾値100に固定）を用いてバイナリ画像へと前処理される。この戦略は、SEM特有のテクスチャやノイズを取り除き、実入力の分布をバイナリの合成訓練データに適合させ、モデルを幾何学的構造に集中させる。

主な貢献

• ビジュアルプログラム合成フレームワーク: 半導体画像を編集可能なDSLコードに変換するフレームワークの導入。これにより、正確なパラメータ操作（例：線幅、長さ）を用いた訓練データの制御された生成が可能になる。
• ドメイン適応のための入力の二値化: 入力の二値化によるテクスチャ抽象化が、sim-to-realギャップを効果的に埋めることを実証した。著者らは、テクスチャとノイズがVLMの推論を妨げる支配的な要因であり、それらを除去することで大幅な向上が得られると仮定している。
• 再利用性: 本アプローチは、言語仕様を設計変数として扱うため、DSLを変更するだけで、異なる検査ドメインに対して同じVLMアーキテクチャを再利用することができる。

結果
実験はMIICデータセット（1,034枚のテスト画像）を用いて行われた。提案手法（バイナリ入力）は、生のグレースケール入力を用いたベースラインと比較された。

• 定量的性能: 入力の二値化により、評価されたすべての実行可能出力の指標が向上した。平均Dice係数は、生の入力による0.4393から、バイナリ入力による0.5256へと増加した。IoU（0.2865から0.3619）、Boundary F1スコア（0.4054から0.4412）、およびSkeleton F1スコア（0.1276から0.1746）においても改善が見られた。
• 上限分析: バイナリ入力は実データに対する性能を向上させたものの、スコアは合成評価データで達成されたスコア（Dice: 0.6340）よりも低いままであった。これは、テクスチャのギャップは減少したものの、他の非カラー・ドメインギャップ（例：微妙な形状の違い）が依然として存在することを示している。
• 複雑性のトレードオフ: 構造的複雑さ（圧縮されたDSLサイズで測定）と再構成誤差の間には正の相関が見られた。パターンが複雑になるにつれて精度は低下し、失敗はしばしば、ワイヤの欠落や幻覚といったトポロジーレベルのエラーとして現れた。

意義と主張
本論文は、入力の二値化が、半導体のビジュアルプログラム合成におけるsim-to-realギャップを緩和するための非常に効果的かつ単純な戦略であると主張している。テクスチャ情報を抽象化することで、合成データのみで訓練されたモデルが、実際のSEM画像から編集可能なDSLを堅牢に再構成することを可能にする。これは、**手続き型データ拡張（procedural data augmentation）**のための信頼できる基盤を確立するものであり、実サンプルからの収集が困難なハードネガティブやクリティカルな領域を含む、多様な訓練サンプルを能動的に生成することを可能にする。著者らは、今後の課題として、DSLのトークン効率の最適化、および観察された複雑性のトレードオフに対処するためのロングコンテキスト推論の改善に焦点を当てるとしている。