| DC Field | Value | Language |
|---|
| dc.contributor.author | Шульга, А. А. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-07-13T08:48:28Z | - |
| dc.date.available | 2026-07-13T08:48:28Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Шульга, А. А. Применение методов машинного обучения для оптимизации процессов литографии в микроэлектронике = Application of machine learning methods for optimizing lithography processes in microelectronics / А. А. Шульга // Электронные системы и технологии : сборник материалов 62-й научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 13–17 апреля 2026 г. / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: П. В. Камлач [и др.]. – Минск, 2026. – С. 300–301. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/64577 | - |
| dc.description.abstract | Фотолитография – один из ключевых этапов производства микросхем. Когда размеры элементов становятся меньше, начинают сильнее сказываться оптические искажения, и без вычислительной литографии уже не обойтись. В статье разбирается, как методы машинного обучения помогают настраивать параметры литографического процесса. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | фотолитографии | en_US |
| dc.subject | вычислительная литография | en_US |
| dc.subject | машинное обучение | en_US |
| dc.subject | нейронные сети | en_US |
| dc.subject | микроэлектроника | en_US |
| dc.title | Применение методов машинного обучения для оптимизации процессов литографии в микроэлектронике | en_US |
| dc.title.alternative | Application of machine learning methods for optimizing lithography processes in microelectronics | en_US |
| dc.type | Article | en_US |
| local.description.annotation | Photolithography is one of the key stages in microchip production. As elements become smaller, optical distortions begin to have a greater impact, and computational lithography becomes indispensable. This article examines how machine learning methods help to adjust the parameters of the lithography process. | en_US |
| Appears in Collections: | Электронные системы и технологии : материалы 62-й конференции аспирантов, магистрантов и студентов (2026)
|
