一种基于神经网络梯度反馈的化学机械抛光的虚拟填充方法

本发明公开了一种基于神经网络梯度反馈的化学机械抛光的虚拟填充方法，属于半导体和CMOS超大规模集成电路领域。本发明分为版图数据处理，神经网络预测和优化求解以及虚拟填充插入三个阶段，将输入的GDS版图分为均匀的窗口并根据其中的图案信息确定可填充区域，提取出窗口密度以及窗口密度的上下限，将窗口数据转化为一个非线性的优化问题，通过调用神经网络来预测CMP后版图的平面度损失作为优化的目标，同时根据神经网络提供的梯度信息来迭代各个窗口的输入密度，最后输出一个虚拟填充后的版图文件。本发明在计算过程中增强了预测结果的可解释性，并且解决了传统优化算法在大规模优化问题上的低效率以及次优解问题。