レイアウトパターン生成は、さまざまな製造適性（DFM）研究にデータセットのサポートを提供し、異なる研究目的に応じて異なるスタイルのレイアウトパターンを必要とします。しかし、既存のレイアウトパターン生成手法は、特定のタスクに注釈を付けられた画像とテキストのペアに基づくランダム生成または制限された条件生成のみをサポートしており、下流タスクの多様な要件を満たすことができません。この制限を解決するために、ForgePatternという柔軟なレイアウトパターン生成フレームワークを提案します。このフレームワークは、カスタマイズ可能な報酬関数の間での適応的選択を通じて、多様なタスク固有の要件に対応します。ForgePatternは、生成のバックボーンとしてカスタマイズされた拡散モデルを活用し、拡散モデルを直接最適化するために強化学習を組み込んでいます。強化学習の目的の期待報酬を最大化することによって、ForgePatternは生成されたレイアウトパターンを特定の要件に合わせます。追加のデータ収集や人間の注釈を必要とせずに。厳しいレイアウトパターン生成タスクでの実験結果は、ForgePatternが多様なカスタマイズ要件を満たしながら高品質のレイアウトパターンを効果的に生成できることを示しています。
Fengら（Sat）はこの問題を研究しました。