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

Resumo Técnico: Reduzindo o Gap Sim-to-Real na Síntese de Programas Visuais para Semicondutores via Binarização de Entrada

Definição do Problema
O controle paramétrico preciso sobre a geometria de circuitos é crítico para a inspeção e metrologia de semicondutores. No entanto, adquirir dados de treinamento do mundo real em quantidade suficiente é dispendioso. Embora modelos generativos como Modelos de Difusão e GANs possam aumentar os dados, eles carecem da precisão geométrica em escala nanométrica exigida para essas tarefas. Abordagens existentes de imagem-para-código são frequentemente limitadas a ambientes com pares imagem-código prontamente disponíveis (ex: dados da web) ou requerem designs de rede especializados para domínios específicos. Além disso, existe um gap significativo de "sim-to-real" quando modelos treinados em dados sintéticos tentam processar imagens reais de Microscopia Eletrônica de Varredura (SEM), principalmente devido ao ruído específico de SEM, textura e efeitos de borda que obscurecem estruturas geométricas.

Metodologia
Os autores propõem um framework de síntese de programa visual que converte imagens de inspeção de semicondutores em uma Linguagem de Domínio Específico (DSL) reproduzível e editável. A metodologia consiste em quatro componentes principais:

1. Design da DSL: Uma DSL leve foi desenvolvida especificamente para arquiteturas de fiação Manhattan. Diferente de imagens raster, esta linguagem utiliza comandos geométricos baseados em vetores para definir padrões de circuitos. Ela inclui primitivas para o canvas (CANVAS), trilhas condutoras com formas "dogbone" parametrizadas para conexões estáveis de via (WIRE), e conexões de camada intermédia (VIA). Os caminhos de roteamento são descritos como sequências de movimentos Manhattan relativos (Horizontal/Vertical), permitindo descrições de um único traço para topologias complexas.
2. Geração de Dados Sintéticos: Para treinar o modelo, os autores geraram 19.200 pares imagem-DSL sintéticos. Topologias reais de SEM foram categorizadas em Listras Verticais, Linhas Horizontais e padrões Manhattan. Parâmetros estruturais (ex: divisões de grade, densidades de fiação, probabilidades de dobra) foram randomizados usando distribuições uniformes amplas para evitar o overfitting a frequências espaciais específicas. As imagens sintéticas foram renderizadas como padrões binários com ruído de impulso sal e pimenta opcional, correspondendo à natureza binária da DSL.
3. Treinamento do VLM: Um Modelo de Linguagem Visual (especificamente o Qwen3-VL-8B) foi ajustado via Supervised Fine-Tuning (SFT) para traduzir imagens de entrada nas sequências de DSL correspondentes. O modelo foi treinado exclusivamente nos dados binários sintéticos.
4. Estratégia de Binarização de Entrada: Para abordar o gap de domínio durante a inferência, imagens SEM em tons de cinza reais são pré-processadas usando limiarização global (fixada em um limiar de 100) para convertê-las em imagens binárias antes de serem alimentadas ao VLM. Esta estratégia remove a textura e o ruído específicos de SEM, alinhando a distribuição de entrada real com os dados de treinamento binários sintéticos e forçando o modelo a focar na estrutura geométrica.

Principais Contribuições

• Framework de Síntese de Programa Visual: A introdução de um framework que traduz imagens de semicondutores em código DSL editável, permitindo a geração controlada de dados de treinamento com manipulação exata de parâmetros (ex: largura de linha, comprimento).
• Binarização de Entrada para Adaptação de Domínio: A demonstração de que a abstração de textura via binarização de entrada mitiga efetivamente o gap sim-to-real. O artigo hipotetiza que a textura e o ruído são os fatores dominantes que dificultam a inferência do VLM neste domínio, e sua remoção gera ganhos substanciais.
• Reutilização: A abordagem trata a especificação da linguagem como uma variável de design, permitindo que a mesma arquitetura de VLM seja reutilizada em diferentes domínios de inspeção simplesmente alterando a DSL.

Resultados
Experimentos foram conduzidos no dataset MIIC (1.034 imagens de teste). O método proposto (entrada binária) foi comparado contra um baseline utilizando entradas de tons de cinza brutos.

• Desempenho Quantitativo: A binarização de entrada melhorou todas as métricas avaliadas para saídas executáveis. O coeficiente Dice médio aumentou de 0,4393 (entrada bruta) para 0,5256 (entrada binária). Melhorias também foram observadas no IoU (0,2865 para 0,3619), no F1 score de contorno (0,4054 para 0,4412) e no F1 score de esqueleto (0,1276 para 0,1746).
• Análise de Limite Superior (Upper Bound): Embora as entradas binárias tenham melhorado o desempenho em dados reais, os escores permaneceram inferiores aos alcançados em dados de avaliação sintética (Dice: 0,6340), indicando que, embora os gaps de textura tenham sido reduzidos, outros gaps de domínio não relacionados à cor (ex: sutis diferenças de forma) persistem.
• Trade-off de Complexidade: Foi encontrada uma correlação positiva entre a complexidade estrutural (medida pelo tamanho comprimido da DSL) e o erro de reconstrução. A precisão declina conforme os padrões se tornam mais intrincados, com falhas manifestando-se frequentemente como erros de nível topológico, como fios ausentes ou alucinados.

Significância e Alegações
O artigo afirma que a binarização de entrada é uma estratégia altamente eficaz e simples para mitigar o gap sim-to-real na síntese de programas visuais de semicondutores. Ao abstrair a informação de textura, o método permite que um modelo treinado exclusivamente em dados sintéticos reconstrua robustamente o DSL editável a partir de imagens SEM reais. Isso estabelece uma base confiável para a aumentação de dados procedural, permitindo a geração ativa de amostras de treinamento diversas, incluindo negativos difíceis e áreas críticas, que são difíceis de coletar a partir de amostras reais. Os autores observam que trabalhos futuros focarão na otimização da DSL para eficiência de tokens e na melhoria do raciocínio de contexto longo do modelo para abordar os trade-offs de complexidade observados.