• 學位論文

以主動式學習引導次級解析輔助特徵圖案擺置

隨著半導體製程技術的演進，特徵尺寸已遠小於曝光光源波長，迫使成像明顯偏離原來的設計圖案。因此光學微影解析度增強技術在製造可行性領域中益發重要。其中，次級解析輔助特徵圖案的擺置能有效提高目標圖案的焦深及其製程視窗的品質。為了突破業界慣用的以模型為基礎的高計算成本以及以準則為基礎的過大的查找表，近期研究多專注於使用機器學習的預測來減少計算時間。然而，現有機器學習模型的表現高度仰賴足夠的訓練樣本，在先進製程中，雖有龐大的解空間，但僅有少量標記資料。雖然可以透過收集更多的樣本來解決，但決定樣本資訊性的訣竅仍鮮少被討論。在本篇論文中，我們的貢獻有三：一、提出新穎的基於變分自動編碼器的主動式學習框架來主動選擇具資訊性的樣本並減少所需的標記資料量。二、提出區域性同心圓取樣表示法避免資訊丟失。三、提出聚類法決定最終次級解析輔助特徵圖案的擺置。實驗結果顯示，我們提出的框架僅使用40%的訓練樣本即能達到較現有方法優異的製程變異帶寬與邊緣放置誤差。

• 學位論文

智能車於交叉路口管理之模型, 驗證, 與排程

交叉路口管理是具有聯網性與自動性的智能車最有代表性的應用之一。聯網性提供了一輛車無法偵測到的環境訊息，而自動性提供人類駕駛所無法達到的精確車輛控制。交叉路口管理解決了車輛之間最基本的衝突問題–兩輛車不應該在同一個時間出現在同一個地點，如果兩輛車真要這麼做，那必須決定他們經過的順序以優化特定目標，像是車流量或是通暢性。在本篇論文中，我們先提出一個交叉路口管理之圖模型。此通用圖模型可適用於不同粒度的交叉路口及其他衝突場景。接著，我們提出可以保證沒有僵局的正規驗證方法。基於所提出的圖模型還有驗證方法，我們發展了一個中央式的循環移除演算法，使車輛的排程可以安全(沒有碰撞)並有效率(沒有僵局)地通過交叉路口。最後，我們進一步提出一個輕量且不需要另外呼叫驗證函式，就可以同時保證無碰撞且無僵局的排程演算法。實驗結果展現了所提模型的表達性以及所提演算法的效能和效率。

• 學位論文

應用於自動駕駛車輛車道合併與車道變換排程問題之最佳化方法

車道合併和車道變換是導致交通堵塞和延遲的主要來源。隨著自動駕駛技術的發展，我們可以借助車對車或車與基礎設施間的通信，來緩解車道合併和車道變換帶來的堵塞和延遲。在這篇論文中，我們先提出一個兩車道合併的情景，並發表一種動態規劃演算法來找到最佳解。接著，我們將問題延伸為一個連續車道合併的情景，我們分析了應用相同動態規劃演算法來處理此連續車道合併問題的困難處，並提出了改進的版本來解決它。實驗結果顯示，與先前研究使用的貪婪演算法相比，我們的動態規劃演算法可以有效地降低所有車輛通過合併點所需的時間，並減少所有車輛的平均延遲。第二部分，我們提出一個強制性車道變換的情景，並使用混合整數線性規劃（MILP）來找到最佳解，我們還提出了一種基於遞增窗口的MILP演算法，來減少所需的計算時間。實驗結果顯示與原本的MILP相比，遞增窗口的MILP可以花費更少的時間來獲得幾乎相同的表現。

• 學位論文

張量本位之平行運算記憶體搬運優化方法論

近年來,深度學習技術在電腦視覺、自然語言處理、人工智慧等領域取得了極大的成功。在這些應用中大量使用了平行處理技術,提高運算性能。而在深度學習平行處理架構中,最大的一個挑戰是把資料從晶片外部移動到處理單元中。這是因為電晶體密度提昇的速度,遠遠快於記憶頻寬加大的速度。本論文中,我們提出一個數學方法,可以有效地將優化各種應用的技術套用於不同平行處理架構。我們發現在平行處理中,可以將資料搬移視為一種在記憶體層級中張量的轉換,因此就可以用數學描述多種記憶體優化技術。我們稱前述的張量轉換為「MERIT 轉換」,其不只可以適用於深度學習中,也適用對許多傳統的機器學習以及電腦視覺運算。此外「MERIT 轉換」可以對應到既存的向量處理架構上,透過這個轉換,我們能將許多常見的應用轉換為 GPU 上的 MERIT 表示法,可以用更少的程式碼提昇高達 20 倍的執行速度。我們也用這個轉換的原理設計了專用硬體架構 VectorMesh 來執行這個轉換。在這個架構中,處理單元被組成一個向量單元,透過佇列進行向量對向量的直接交換。除了常見的卷積網路、矩陣乘法外,VectorMesh 也支援多種深度學習技術例如次像素卷積或是相關性層,並且跟其他更專用的處理器有同等的能源以及面積效率。

• 學位論文

在大量生產晶片中診斷系統性維持時間錯誤

維持時間錯誤可能在複雜的設計中出現，但他們難以被診斷。這篇論文提出了一個針對電路的邏輯部分診斷系統性維持時間錯誤的方法。我們提出了一個四階段的流程來解決這個問題：辨認階段會從晶片在量產階段的錯誤日誌中把具有系統性特徵的錯誤日誌辨認出來並分組；過濾階段建造一個僅含大部分錯誤特徵的錯誤日誌用以避免隨機缺陷造成的效應；驗證階段驗證目前診斷的錯誤是否為維持時間錯誤，並找出維持時間錯誤中收到錯誤數值的正反器；決定階段決定該錯誤的錯誤模型與相對應的故障正反器。我們的技術已經在兩個商業案例中被證明有效，其結果也已經由公司驗證。我們的技術也勝過使用商業用工具的標準診斷方法。

• 學位論文

神經網路架構下的公平模型

過去數年間，演算法公平性的研究逐漸受到關注。 近年來，我們可以發現到人工 智慧(AI)逐漸在許多重要的工作中取代人類進行決策，像是決定誰會被雇用或是 誰可以成功貸款等。 人們可能認為這些演算法所進行的決策都是無偏差的，然而 事實不然。 舉例來說，線上旅遊網站會引導Mac用戶前往較貴的飯店，以及刑事 司法所採用的風險評估軟體存在著種族相關的偏差。 因此，機器學習中的公平性 是當前的一大需求。 大體來說，公平性可分為個體公平性以及群體公平性。 前 人已經提出很多方法可以在機器學習任務中達到公平性，同時保持的正確率。 許 多公平性的指標，例如差別影響、差別對待、均等概率，皆需要被考慮以達到公 平性。 公平性感知機器學習演算法試圖找出方法，在某些特定的保護屬性或敏感 屬性下，如種族、性別、宗教等，得以使習得模型產生公平、無偏差的預測結 果。 在這篇論文中，我們提出了2種神經網路架構下的模型，利用替代限制及直接 的公平性限制進行梯度學習，並達到公平性。 我們也考慮了多個敏感屬性，並確 保了它們的公平性。 此模型也達到了群體公平性的不同標準。 透過這項研究， 我們希望可以提出一個新的方法達成神經網路分類任務之公平性。

• 學位論文

使用貝氏訊號機率模型的轉態延遲錯誤測試圖樣產生技術

現代的高效能積體電路對於操作頻率的需求逐年提升，也因此對於延遲錯誤的偵測需求愈發重視。基於全掃描鍊的轉態延遲錯誤測試是一種廣泛被使用於偵測延遲錯誤的方法。在傳統的測試品質項目中，錯誤涵蓋率與測試圖樣數目是最重要的指標。最近的趨勢則是更進一步要求測試過程中的電力消耗與正常操作模式時相近—過高與過低的電力消耗分別會造成過度測試與測試逃脫的問題。 本論文所提出的轉態延遲錯誤自動化測試圖樣產生器以基於貝氏理論的訊號機率模型取代傳統的COP與SCOAP可測試性指標，藉以提高測試圖樣的錯誤偵測能力並使其功率消耗更接近正常的模式。貝式訊號機率模型因為考慮電路裡常見的重收斂扇出，因此比COP與SCOAP更精確的預測電路行為。在產生測試圖樣的過程中，這可以降低錯誤的決定，因此提高錯誤偵測率。此外，我們亦使用基於貝氏理論的訊號機率模型來設定ATPG未指定的信號值。實驗結果顯示，採用貝氏理論訊號機率模型確實能提高錯誤偵測率並降低測試功率。

• 學位論文

微流道液體流動產生之能量探討

能量的搜集這個主題多年來一直被視為是很重要且廣為流傳的全球議題。隨著捕獲以及搜集再生能源的需求提升，各種不同搜集能量的方法逐漸地被人們發掘。在本篇研究中，展示了一種利用微流道中水流產生奈米級能量的方法，也就是將微流道裡流體的動能轉換成電能的可能性。我們發現影響產生電流大小的因素可能與溶液中的奈米氣泡、液體流量、電極距離以及水溶液中pH值有關。實驗用的試片是由金電極以及微流道所組成，在實驗量測的部分，我們將流速設定在200 ul/min。根據實驗結果，由水流產生之電流訊號與電極距離以及流速皆成正相關。而電極距離越遠（0.5 cm-3 cm），輸出電流就會越大（0.3 nA-0.7 nA）。除此之外，我們也針對pH值（pH = 4-11）做了一系列的測試。根據實驗結果，我們發現pH值越高的水溶液會有較高的電流訊號。 綜合來說，這項實驗展示出其產生能量的發展潛力，它能使用在不同的水環境(例如雨水，河流，海洋等等)或者是流動的水當中，並能自動產生電流。除此之外，這項實驗也有機會可以與環境監控的應用相結合。 關鍵

• 學位論文

適用於類比與混合訊號電路系統之時間延遲電路設計與製作

由於CMOS製程不斷的演進以及操作電壓越來越低的情況下，使用傳統類比電路設計方式，要製作出低功耗以及小面積的電路變得越來越具挑戰性。因此，在一些高速但解析度要求適中的類比電路中，改用在時間軸上做信號處理變得越來越廣泛。近年來，時間數位轉換器電路已經被廣泛應用在全數位式鎖相迴路以及時間模式的類比數位轉換器當中。在低電壓，低功率以及小面積的設計要求下，在時間軸上的信號處理電路在類比電路系統中佔有著極大的優勢。 在本論文中，希望發展一些時間軸上的信號轉換以及信號處理電路應用在純類比或類比數位混合電路當中。首先，我們提出一種新型高速高解析度電壓對時間差轉換器電路，用以結合快閃式時間數位轉換器來實現高速類比數位轉換器。使用0.18-μm CMOS製程，所提出的類比數位轉換器在使用1.8-V 操作電壓下，功耗為16-mW。此外，在400-MHz的取樣頻率下量測100-MHz的弦波輸入信號，其信噪失真比以及無雜散動態範圍分別為26.1 dB 以及31.5 dB。 其次，我們提出一種新型的多相位時脈輸出電路應用在晶片內部的一維眼圖觀測電路。使用65nm CMOS製程，所提出的一維眼圖觀測電路能忠實反映出接收信號眼開程度，用以協助串列接收器前端等化器作信號調適。在10 Gbps的資料傳輸速率下，使用1-V的操作電壓，量測到的功耗為1.5-mW。佈局面積僅佔 0.027mm2。

• 學位論文

藉平衡生長條件修復石墨烯奈米帶邊界

石墨烯是近年來發現的二維材料，以有著極高的載子遷移率和零能隙而能作為超高速度的電子元件而著名。但是為了要能作為積體電路半導體的材料，則需要對其進行結構上面的量化限制，才能打開石墨稀的能隙寬，而作為能夠開關的電晶體原件。石墨稀的能帶寬，會受其晶格排列的結構而有著半導體與半金屬的特性，但是均一而晶圓層及大面積的石墨稀奈米結構的製程卻因為製作技術的限制而遲遲未有進展。本論文提出一套可以符合半導體廠大面積生產的製程技術，目標解決在晶圓層級上面製作規則排列的石墨稀奈米帶，藉由先進的奈米製程，限制石墨稀的寬度而做出具有能帶寬的石墨稀奈米帶陣列，以做為未來製作以石墨稀為主的積體電路製程的藍圖。 我們設計的實驗，將製作出以利用化學氣相沉積法藉由調控溫度與氣體流量等參數在鍺晶圓上沉積一層單晶且沒有缺陷的薄膜層，而後在長滿單晶石墨烯的結構上利用電子束微影技術(E-Beam Lithography, EBL)將其定義成特定圖案並蝕刻，使用聚合物的自組裝特性以及二氧化碳退火進行邊界修復將其自動複製並排列成無缺陷的全晶圓且規則排列的石墨烯奈米帶。 在氣相沉積的過程中，我們探討氬氣(Ar)、氫氣(H2)、甲烷(CH4)氣體流量的改變以及溫度對石墨烯晶體以及分布的影響，其中氬氣為載流氣體，本身不參與反應，所以主要探討為氫氣與甲烷的比例。在實驗中我們發現過低的氫氣/甲烷比例不會有任何石墨烯晶粒，而過高的比例會造成晶粒趨於圓形，而非單晶的六角形，在這兩個範圍之內可以找到一組最佳的氣體比例來生長單晶石墨烯；而生長溫度過低可能會導致沒有任何晶粒生長或是造成過多的碳沉積現象而非具有強鍵結的石墨烯；反之，溫度過高會導致出現鋸齒或樹枝狀的現象。 在了解生長氣體濃度比例及溫度對於石墨稀生長影響之後，我們使用電子束微影將奈米帶陣列的形狀定義出來，以模擬製程上面的通道定義的製程，額外的石墨烯則利用氧電漿蝕刻將其移除，已形成大面積規則的石墨稀奈米帶。最後也是最重要的，我們將在晶圓材料的層級上面，將電漿蝕刻所產生的不平整二維材料邊界，透過平衡生長態的退火形式，將定義的石墨稀奈米帶的邊界缺陷，進行熱退火，形成高品質單一性的規則石墨稀奈米帶陣列。我們會探討製作過程上面可能遇到的問題，及預期的解決辦法，作為接下來深入研究的開端。