在纳米制造中，光蚀刻是控制微芯片大小的基本制图步骤。在光刻过程中，一个低波长功率源被光学调节，然后通过更多的光学将图像缩小成覆盖在衬底上的光敏化学薄膜，通常是硅。重复此步骤，直到基片上所有可用的表面积都用相同的图像曝光;结果被称为一个层。需要多个暴露的层来创造组成芯片的复杂微观结构。为了防止由于层之间的连接失败而导致的yield问题，层之间的所有模式必须按预期对齐。
为了确保层对齐不影响产量，ASML的TWINSCAN光刻系统必须限制在曝光步骤之前测量的对齐标记的数量。一般的规则是，测量对准标记所需的时间不能长于曝光顺序中先前晶圆片所需的时间。由于适当的叠加模型修正需要大量的叠加标记，因此对从TWINSCAN系统中出来的每个晶片进行测量是不可行的。
ASML使用matlab.®和统计和机器学习工具箱™开发虚拟叠加计量软件。使用对准计量数据，该软件应用机器学习技术来提出每个晶片的覆盖计量的预测估计。
“我们采用Matlab和机器学习所做的工作在ASML的应用开发工程师Emil Schmitt-Weaver说，我们采用Matlab和Machine学习所做的行业领导力。”“我们发表在这项工作的论文吸引了希望通过ASML产品改进其制造流程的客户的利益。”下载188bet金宝搏
