2019年5月23日，台湾新竹国立清华大学林嘉文教授应邀来计算机所访问，并做了题为“When Deep Learning Meets IC Fabrication: A Data-Driven Approach to IC Design for Manufacturability”的学术报告。

嘉文教授做学术报告

林教授首先简要介绍了自己的基本情况，接着介绍了自己团队近期展开的主要工作。

报告分享了其研究组在基于深度学习的图像预测如何帮助IC设计实现可制造性方面的相关工作及经验。传统上，在ID电路设计和布局之后，制造IC晶片需要数月的时间，其涉及到光刻和化学处理等多个步骤，可能会使布局图案显著变形并且太复杂而无法在数学上建模。通常我们无法在得到制造出的IC晶片的电子显微镜（SEM）图像之前，识别由于IC制造引起的布局图案的变形所导致的金属线的缺陷（例如断线），使得电路设计和验证成本很高且耗时严重。为了解决上述问题，在可制造性的IC设计方面存在两个基本问题：（1）如何从IC布局预测最终制造出的IC电路，以便在预先的模拟过程中评估布局的质量，以及（2）如何自动修改IC布局图案，使制造出的IC电路尽可能和所需的图案相同。

在这次报告中，林教授讲解了将金属层的光刻和蚀刻工艺制定为一组IC布局图案与其相应的SEM图像之间的一组非线性翘曲函数，并使用基于CNN的LithoNet对IC制造参数进行参数化建模。基于LithoNet，还提出了一种基于CNN的OPCNet来自动修改IC布局模式，使其制造的IC电路与所需的布局模式非常相似，即所谓的光学邻近校正（OPC）过程。在最后的报告问答环节上，林教授对大家的积极提问做了详细的回答。精彩的报告获得了大家的热烈掌声。

林嘉文，台湾国立清华大学（NTHU）电气工程系教授，IEEE Fellow。2000年在NTHU获得电子工程博士学位。现任NTHU人工智能研究中心副主任，以及NTHU EECS学院多媒体技术研究中心主任。研究兴趣包括图像/视频处理，计算机视觉和视频网络。2018-2019年IEEE CASS杰出讲师，2019-2020年台湾中文图像处理与模式识别协会会长；曾担任IEEE Transactions on Image Processing（TIP）, IEEE Transactions on Multimedia（TMM）, IEEE Transactions on Circuits and Systems for Video Technology, （TCSVT）以及 IEEE Multimedia的副主编和IEEE CASS多媒体系统和应用技术委员会主席，并曾在2013-2015年担任IEEE多媒体交易的指导委员会成员。于2010年担任IEEE ICME的TPC主席，并且是台中IEEE VCIP 2018的会议主席和台北IEEE ICIP 2019的TPC主席，获得了2015年IEEE VCIP最佳论文奖和2005年VCIP青年研究员奖。