000			04029namaa22004331i 4500
003			EG-GICUC
005			20251229121237.0
008			251229s2025 ua a|||frm||| 000 0 eng d
040			_aEG-GICUC _beng _cEG-GICUC _dEG-GICUC _erda
041	0		_aeng _beng _bara
049			_aDeposit
082	0	4	_a621.38153
092			_a621.38153 _221
097			_aPh.D
099			_aCai01.13.08.Ph.D.2025.Mo.N
100	0		_aMohamed Serageldin Elsayed Habib, _epreparation.
245	1	0	_aNovel production-ready machine learning flow for end-to-end nanolithography modeling and correction / _cby Mohamed Serageldin Elsayed Habib ; Supervisors Prof. Dr. Mohamed Fathy Abu-Elyazeed, Prof. Dr. Hossam Aly Hassan Fahmy.
246	1	5	_aمخطط جديد جاهز للإنتاج لنمذجة وتصحيح الطباعة الضوئية النانوية مباشرة إلى الهدف باستخدام التعلم الآلي
264		0	_c2025.
300			_a123 pages : _billustrations ; _c30 cm. + _eCD.
336			_atext _2rda content
337			_aUnmediated _2rdamedia
338			_avolume _2rdacarrier
502			_aThesis (Ph.D)-Cairo University, 2025.
504			_aBibliography: pages 115-123.
520		3	_aMask optimization for lithography production is a computationally expensive process, and it requires multiple correction steps using advanced Resolution Enhancement Techniques (RETs) to reach the final photomask. Due to the cost, time and complexity of such RETs, Machine Learning (ML) algorithms are actively researched to reduce the time, complexity and cost required. In this thesis, we study the ML-RET state of the art and identify the challenges preventing a production-ready ML photomask optimization. Accordingly, we present a novel end-to-end ML-RET flow that addresses such challenges and enables consistent and scalable production-ready photomask optimization.
520		3	_aيتطلب تحسين القناع الطباعة الضوئية معالجات حسابية مكثفة. تحتاج عملية التصحيح إلى خطوات متعددة من عمليات تحسين الدقة للوصول إلى الأشكال النهائية للقناع الضوئي. نظراً للتكلفة والوقت والتعقيدات المرتبطة بتنفيذ هذه الأساليب, يتم بحث استخدام أساليب التعلم الآلي لخفض الوقت المطلوب لإنتاج القناع الضوئي وتخفيف الحمل الحسابي وتكلفة تطوير البرمجيات المطلوبة مع كل عقدة تكنولوجية جديدة. تبحث الرسالة الحالة التقنية لأساليب تحسين الدقة باستخدام التعلم الآلي, إضافةً إلى استنباط العوائق التي تحول دون استخدام هذه الأساليب في الإنتاج. وبناءاً علىه, تقترح الرسالة مخطط جديد مبتكر يساعد على حل هذه العقبات ويقوم بتنفيذ أساليب تحسين الدقة المطلوبة مباشرة في خطوة تصحيح واحدة متسقة وقابلة للتدريج وصديقة لتقنيات الإنتاج.
530			_aIssues also as CD.
546			_aText in English and abstract in Arabic & English.
650		0	_aNanolithography
650		0	_aالطباعة النانوية
653		1	_aSemiconductor Manufacturing _aOptical Lithography _aResolution Enhancement Techniques _aOptical Proximity Correction _aMachine learning _aتصنيع أشباه الموصلات _aالطباعة الضوئية
700	0		_aMohamed Fathy Abu-Elyazeed _ethesis advisor.
700	0		_a Hossam Aly Hassan Fahmy _ethesis advisor.
900			_b01-01-2025 _cMohamed Fathy Abu-Elyazeed _cHossam Aly Hassan Fahmy _dFaisal A. Elseddeek _dElsayed M. Saad _UCairo University _FFaculty of Engineering _DDepartment of Electronics and Electrical Communications
905			_aShimaa
942			_2ddc _cTH _e21 _n0
999			_c177139