CN104423178A - 进阶修正方法 - Google Patents

Abstract

本发明公开了一种进阶修正方法。该方法包括：提供目标布局图形；接着，以修正模型修正目标布局图形，以取得修正图形；之后，对修正图形进行仿真模拟，以取得模拟轮廓；其后，在模拟轮廓上建立多个离标评估点，再比较仿真轮廓与目标布局图形，并取得各个离标评估点的多个风险加权值；继之，将各个离标评估点的风险加权值加总所得到的风险加总值由高至低排序成处理顺序；将目标布局图形加以辨认及分类归纳成多个图形区块；其后，依据处理顺序，调整修正图形，使调整后的修正图形的仿真轮廓收敛且接近目标布局图形。

Description

进阶修正方法

技术领域

本发明是有关于一种图形修正方法，且特别是关于一种进阶修正方法。

背景技术

在集成电路(Integrated Circuit，IC)蓬勃发展的今日，元件缩小化与集成化是必然的趋势，也是各界积极发展的重要课题，而在整个半导体工艺中，光刻可以说是最举足轻重的步骤之一，因此掩模图案转移(transfer)至晶圆(wafer)上的精确性，便占有非常重要的地位。若图案的转移不正确，则会影响芯片上的关键尺寸(Critical Dimension，CD)的容忍度(tolerance)，降低曝光的分辨率。

随着集成度(integration)的逐渐提高，元件尺寸逐渐缩小，元件与元件之间的距离也必须缩小，因此造成在光刻步骤中，图案转移有可能收到光线的影响而产生偏差，也就是所谓的光学邻近效应(Optical ProximityEffect，OPE)。而形成光学邻近效应的因素是当光束透过掩模上的图案投影在芯片上时，一方面由于光束会产生散射现象而使得光束被扩大。另一方面，光束会透过芯片表面的光刻胶层再经由芯片的半导体基底反射回来，产生干涉的现象，因此会重复曝光，而改变在光刻胶层上实际的曝光量。

光学邻近效应修正法(Optical Proximity Correction，OPC)的目的就是用以消除因邻近效应所造成的关键尺寸偏差现象。然而，以目前所采用的光学邻近效应修正法修正后，仍然会有一部分的图形无法符合目标布局图形。目前这一些无法符合目标布局图形必须在建立离标点之后通过人工逐一比对与修正。然而，晶圆上的离标点多达数百万个，通过人工比对与修正的方式，不仅耗费人力与成本，而且必须花费长时间才可完成。

发明内容

本发明提出一种进阶修正方法，可以取代人工的方式，在短时间内使经由修正后的修正图型的仿真轮廓有效收敛且接近目标布局图形。

本发明实施例的进阶修正方法，可以使经由调整后的修正图型的仿真轮廓有效收敛且接近目标布局图形。

本发明提供一种进阶修正方法，包括提供目标布局图形，接着，对目标布局图形施以分段及建立多个评估点，再以修正模型修正目标布局图形，以取得修正图形。之后，对修正图形进行仿真模拟，以取得模拟轮廓。其后，在目标布局图形上的每一评估点计算仿真轮廓与目标布局图形的差异，当差异值大于所设定的标准值时，所对应的评估点即被归类成离标评估点，接着依据影响仿真轮廓偏离目标布局图形的多个影响因子以及多个预设条件范围，以取得各个离标评估点的多个风险加权值。继之，将各个离标评估点的风险加权值加总，以得到各个离标评估点的风险加总值。之后，将离标评估点的风险加总值由高至低排序成处理顺序。其后，将目标布局图形加以辨认及分类归纳成多个图形区块。依据处理顺序，调整修正图形，使调整后的修正图形的仿真轮廓收敛且接近目标布局图形。

依照本发明一实施例所述，上述取得各个离标评估点的风险加权值的方法更包括建立查询表以及查询查询表来取得，查询表具有影响因子以及对应的预设条件范围的风险加权值的信息。

依照本发明一实施例所述，上述影响因子包括离标程度(off-targetlevel)、目标关键尺寸、片段类型以及直线长度。离标程度为离标评估点与目标布局图形的多个目标点的偏差值。

依照本发明一实施例所述，上述离标程度愈大、目标关键尺寸愈小或直线长度愈长，则风险加权值愈大。

依照本发明一实施例所述，上述片段类型包括转角(Vert)、直线(Run)、线末(Line end)或其组合，且直线的风险加权值大于转角的风险加权值，且转角的风险加权值大于线末的风险加权值。

依照本发明一实施例所述，上述进阶修正方法，更包括建立多个特定图层，其中各特定图层分别储存目标布局图形、修正图形、仿真轮廓以及离标评估点的信息。

依照本发明一实施例所述，上述调整修正图形的步骤是进行至离标评估点减少至一预定值以下或为零。

依照本发明一实施例所述，上述调整修正图形的步骤是进行至离标评估点的这些风险加总值下降至一预定值以下或为零。

本发明提供一种进阶修正方法，包括提供目标布局图形，接着，对目标布局图形施以分段及建立多个评估点，再以修正模型修正目标布局图形，以取得修正图形。之后，对修正图形进行仿真模拟，以取得模拟轮廓。其后，在目标布局图形上的每一评估点计算仿真轮廓与目标布局图形的差异，当差异值大于所设定的标准值时，所对应的评估点即被归类成离标评估点。接着依据影响仿真轮廓偏离目标布局图形的多个影响因子以及多个预设条件范围，以取得各个离标评估点的多个风险加权值。继之，将各个离标评估点的风险加权值加总，以得到各个离标评估点的风险加总值。将目标布局图形加以辨认及分类与归纳成多个图形区块。依据规则，取得各个图形区块的区块风险加总值，其中规则与各个图形区块中的离标评估点的风险加总值有关。将区块风险加总值由高至低排序成处理顺序。依据处理顺序，调整修正图形，使调整后的修正图形的仿真轮廓收敛且接近目标布局图形。

依照本发明一实施例所述，上述规则包括以各个图形区块中的离标评估点中的最高风险加总值来决定区块风险加总值。

依照本发明一实施例所述，上述规则包括以各个图形区块中的所有离标评估点的风险加总值的总和来决定区块风险加总值。

依照本发明一实施例所述，上述将具有离标评估点的目标布局图形分类与归纳成图形区块的方法包括：将具有离标评估点的该目标布局图形扩张特定范围后得到多个分割区域，且每一分割区域内图形定义为局部图形；以及依照分割区域内所含的局部图形，分类与归纳成图形区块。

依照本发明一实施例所述，上述取得各个离标评估点的风险加权值的方法更包括建立查询表以及查询查询表来取得，查询表具有影响因子以及对应的预设条件范围的风险加权值的信息。

依照本发明一实施例所述，上述影响因子包括离标程度、目标关键尺寸、片段类型以及直线长度。离标程度为离标评估点与目标布局图形的多个目标点的偏差值。

依照本发明一实施例所述，上述离标程度愈大、目标关键尺寸愈小或直线长度愈长，则风险加权值愈大。

依照本发明一实施例所述，上述片段类型包括转角、直线、线末或其组合，且直线的风险加权值大于转角的风险加权值，且转角的风险加权值大于线末的风险加权值。

依照本发明一实施例所述，上述进阶修正方法，更包括建立多个特定图层，其中各特定图层分别储存目标布局图形、修正图形、仿真轮廓、离标评估点以及离标程度达到一预定值以上的离标评估点的信息。

依照本发明一实施例所述，上述在目标布局图形上建立离标评估点的步骤是在将目标布局图形分类与归纳成图形区块之前进行。

依照本发明一实施例所述，上述在目标布局图形上建立离标评估点的步骤是在将模拟轮廓分类与归纳成图形区块之后进行，且上述调整修正图形的步骤是进行至这些离标评估点减少至一预定值以下或为零。

依照本发明一实施例所述，上述调整修正图形的步骤是进行至整个或部分图形区块的区块风险加总值下降至一预定值以下或为零。

本发明实施例的进阶修正方法，依照风险加总值的高低来决定离标评估点的处理顺序，可以在短时间内使模拟轮廓有效收敛且接近目标布局图形。

本发明实施例的进阶修正方法，通过将模拟轮廓分类与归纳成多个图形区块，再以区块风险加总值的高低来决定处理的顺序，可以进一步缩短处理的时间，使模拟轮廓在更短的时间收敛且接近目标布局图形。

为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合所附图式作详细说明如下。

附图说明

图1绘示依照本发明第一实施例的一种进阶修正方法的流程图。

图2A绘示目标布局图形、修正图形以及仿真轮廓的上视图。

图2B绘示目标布局图形以及仿真轮廓的上视图。

图3A绘示依照本发明第二实施例的一种进阶修正方法的流程图。

图3B绘示依照本发明第三实施例的一种进阶修正方法的流程图。

图4绘示具有各种局部图形的图形区块的示意图。

【符号说明】

10：目标布局图形

10a：目标点

12：修正图形

14：模拟轮廓

14a：片段

14b：离标评估点

14c：分割区域

14d：局部图形

16：图形区块

100、102、104、106、108、110、112、114、210、212、214、216：步骤

具体实施方式

图1绘示依照本发明第一实施例的一种进阶修正方法的流程图。图2A绘示目标布局图形、修正图形以及仿真轮廓的上视图。

请参照图1与图2A，本发明第一实施例的进阶修正方法，步骤100，先提供目标布局图形10。目标布局图形10是指欲在基底上形成的布局图形。目标布局图形10可以包括各种的图形可以包括线、块或是孔，其形状例如是圆形、椭圆形、矩形、正方形、长条状或各种任意形状所组合及/或重复而成的图形。

之后，步骤102，对目标布局图形10进行分段，以形成多个片段14a。片段14a彼此之间的长度可以相同或相异。例如，在模拟轮廓14的关键区间或是容易受周围环境影响的区间(例如是有内转弯的区间、或外转弯的区间)，其片段14a的长度可以较短；而非关键区间或是不容易受周围环境影响的区间(例如是直方图形或线末中段)，其片段14a的长度可以较长。然后以各片段14a中的一点做为评估点或目标点(evaluation point ortarget point)10a。评估点10a可以是片段14a中的中心点，或是片段中任何一设定的点，并无特别的限制。

其后，步骤104，以修正模型修正目标布局图形10的每一个片段14a，以取得修正图形12。此处所述的修正模型例如是任何已知的修正模型，例如是光学邻近修正模型的模块规则。其后，步骤106，对修正图形12进行仿真模拟，以取得模拟轮廓14。仿真模拟是指在模仿实际的工艺，例如是光刻工艺或是光刻与刻蚀工艺，将修正图形12移转到基底上。

从图2可以发现，目标布局图形10经由修正模型修正之后所得到的修正图形12，在经由仿真模拟所得到的仿真轮廓14，与目标布局图形10并无法完全的重叠，而有误差存在。本发明透过进阶修正方法，可以有效地减少最终的仿真轮廓与目标布局图形的误差，以在基底上形成所需要的图形。

图2B绘示目标布局图形以及仿真轮廓的上视图。

请参照图1与2B，步骤108，比较与计算目标布局图形10上的每一评估点10a所对应的仿真轮廓14与目标布局图形10的差异。当目标布局图形10上的目标点或评估点10a其仿真轮廓14与目标布局图形10的差异大于所设定的标准值时，此目标点或评估点10a即被归类成离标评估点(off-target point)14b又可称为热点(hot spot)。

之后，请参照图1，步骤110，依据影响仿真轮廓14偏离目标布局图形10的多个影响因子以及多个预设条件范围，取得各个离标评估点14b的多个风险加权值。影响因子包括离标程度(off-target level)、目标关键尺寸(target CD size)、片段类型(dissection type)或直线长度(run length)等等。离标程度为离标评估点14b与目标布局图形10的多个目标点10a之间的偏差值。目标关键尺寸是指与离标评估点14b对应的目标点10a所在的目标布局图形10的关键尺寸的大小。片段类型是指与离标评估点14b对应的目标点10a所在的目标布局图形10的片段类型。片段类型包括转角、直线、线末或其组合等，但并不以此为限。直线长度是指离标评估点14b所在的片段14a的直线长度。

在一实施例中，取得各个离标评估点14b的多个风险加权值的方法，可以透过建立查询表以及查询查询表来取得。查询表具有影响因子以及对应的预设条件范围的风险加权值的信息。查询表可以依据目标布局图形10的形状或长度的不同来建立，也可以进一步依据影响因子，例如是离标程度、目标关键尺寸、片段类型或直线长度等等，来设定每一个预设条件范围的风险加权值。表1绘示一示范实施例的查询表的示意图。

表1

请参照表1，在一示范实施例的查询表中，离标程度可以分为4个预设条件范围，分别为离标≤0.5nm、0.5nm<离标≤1nm、1nm<离标≤1.5nm以及1.5nm<离标2nm。目标关键尺寸也分为4个预设条件范围，分别为关键尺寸≤80nm、80nm<关键尺寸≤100nm、100nm<关键尺寸≤150nm以及150nm<关键尺寸≤200nm。片段类型则分为3个预设条件范围，分别为转角、直线以及线末。直线长度可以分为4个预设条件范围，分别为直线长度≤50nm、50nm<直线长度≤100nm、100nm<直线长度≤150nm以及150nm<直线长度。在表1中，仅以4个影响因子(离标程度、目标关键尺寸、片段类型或直线长度)，其中各个影响因子预设3个或4条件范围来说明。然而，本发明并不以此为限。在其他的实施例中，可以以涵盖更多个影响因子，而且各个影响因子可以依据实际的需要预设更多个条件范围，或更少的条件范围。

在表1中，离标程度愈大或直线长度愈长，则风险加权值愈大；目标关键尺寸愈小，则风险加权值愈大；而在片段类型中，直线的风险加权值会大于转角；转角的风险加权值会大于线末的风险加权值。此外，离标程度或目标关键尺寸对于图形的影响较大，因此其风险加权值会大于直线长度或片段类型。然而，本发明的实施例并不以此为限。查询表的各个风险加权值可以依据实际的状况(例如是工艺的容忍度)来建立。

然后，请参照图1，步骤112，将各个离标评估点14b的风险加权值加总，以得到各个离标评估点14b的风险加总值。其后，步骤114，将离标评估点14b的风险加总值由高至低排序成一处理顺序。

表2绘示一示范实施例的各个离标评估点的信息、风险加权值以及风险加总值的示意图。

表2

请参表2，举例来说，离标评估点2的离标程度为1nm、目标关键尺寸为170nm、片段类型为直线、直线长度为56nm，则依据表1的查询表计算离标评估点2的离标程度的风险加权值为2、目标关键尺寸的风险加权值为1、片段类型的风险加权值为1、直线长度的风险加权值为0.4，离标评估点2的风险加总值为2+1+1+0.4＝4.4。同样地，其他的离标评估点1、3、4也可以分别计算得到风险加总值为4.5、5.5以及6.3。因此，在表2中，离标评估点1、2、3、4的风险加总值，由大而小为离标评估点4、离标评估点3、离标评估点2、离标评估点1。处理顺序为离标评估点4、离标评估点3、离标评估点2、离标评估点1。

之后，请参照图1，步骤116，依据处理顺序，以调整修正图形12，使调整后的修正图形进行仿真模拟所得到的仿真轮廓收敛至接近目标布局图形10。更具体地说，当模拟轮廓的离标评估点的数目减少，则表示模拟轮廓收敛。因此，调整步骤可以进行至离标评估点的数目减少至一预定值以下，或是进行至离标评估点的风险加总值下降至一预定值以下。然而，调整步骤可以依据实际的需要来决定，而不需要所有的离标评估点的风险加总值全部下降至一预定值，或全部降为零，或是模拟轮廓的离标评估点的数目减少至零。换句话说，只要风险加总值较高或工艺容许度较低的离标评估点，在进行调整步骤之后，其风险加总值下降到一预定值以下(或为零)，而风险加总值较低或工艺容许度较高的离标评估点，在进行调整步骤之后，其风险加总值不一定要下降，纵使是有些微的上升，其对于最终的模拟轮廓也不至于有太大的负面影响，即可以停止进行调整步骤，视为模拟轮廓已经收敛至接近目标布局图形10。

为了简化信息或处理，可以在处理软件中可以建立多个特定图层，将不同的信息储存在不同的特定图层中，以便于后续步骤的搜寻与处理。举例来说，目标布局图形10的信息可以储存于特定图层1。修正图形12的信息可以储存于特定图层2。仿真轮廓14的信息可以储存于特定图层3。目标点或评估点10a的信息可以储存在特定图层4。除此之外，还可以依据需要将离标评估点14b的离标程度达到预定值以上(例如是离标程度>0.5nm)的离标评估点14b储存在特定图层5。然后再进行后续的步骤，例如是比较仿真轮廓14与目标布局图形10，以取得各个离标评估点14b的多个风险加权值。所述的离标程度的预定值可以依照实际的需求来设定，并无特别的限制。换言之，特定图层5可以用来储存离标程度达到一预定值以上的离标评估点14b，其后续仅需将特定图层5输出，针对这一些离标评估点14b进行风险加权值的加总、处理顺序的排序等步骤。而没有储存在特定图层5的目标点或评估点10a，则无需再进行风险加权值的加总、处理顺序的排序等步骤。

在以上的第一实施例中，是以离标评估点14b的风险加总值排序来决定处理顺序，但本发明并不以此为限。一般来说，应用于一片掩模上的目标布局图形可能有高达数百万个离标评估点。然而，目标点或评估点10a所在的目标布局图形10及其仿真轮廓14中可能有许多片段的图形或是环境相同。因此，本发明的进阶修正方法也可以更进一步将目标布局图形10分类与归纳，以更快速、有效率的方式来进行图形修正流程的优化。

图3A绘示依照本发明第二实施例的一种进阶修正方法的流程图。图3B绘示依照本发明第三实施例的一种进阶修正方法的流程图。图4绘示具有各种局部图形的图形区块的示意图。

请参照图3A、图1与图4，在第二实施例中，在进行图1的步骤110之后，进行步骤210，将具有离标评估点14b的目标布局图形10扩张特定范围后得到分割区域14c，且分割区域14c内图形定义为局部图形14d。之后，再依照分割区域14c内所含的局部图形14d分类与归纳成多个图形区块16。得到图形区块16的详细步骤包括将以目标分区图形10上的离标评估点14b为中心扩张一给定的范围值，以得到分割区域14c。再将分割区域14c内的局部图形14d以欲设定的相似度相互比较，若相似度符合或高于设定值，则归成同一类局部图形区块16。分割区域14c的形状包括正方形、矩形或其组合。举例来说，分割区域14c可以是边长为1um的正方形。分割的方法可以选择任何一点离标评估点为原点，采用布坐标轴的方式来达成。然而，分割区域14c的尺寸与形状，并不以此为限。将具有离标评估点14b的分割区域14c内局部图形14d分类与归纳成多个图形区块16可以采用任何已知的机台来执行，例如是可以采用目前用于良率测量的机台或任一具有此功能的EDA软件来执行之。

请参照图4，在一实施例中，原本包含数百万个离标评估点的目标布局图形10，经由分割与分类与归纳之后，依据分割区域14c的局部图形14d，可以分类与归纳为100个左右的图形区块16。

请参照图3A，步骤212，依据一规则，取得各个图形区块16的区块风险加总值。所述的规则与各个图形区块16的离标评估点14b的风险加总值有关。更具体地说，在一实施例中，所述的规则可以是以各个图形区块16中的离标评估点14b中的最高风险加总值来决定区块风险加总值。在另一实施例中，所述的规则可以是以各个图形区块16中的所有离标评估点14b的风险加总值的总和来决定区块风险加总值。然而，本发明并不以此为限。在其他的实施例中，也可以依照实际的状况与需要，以各个图形区块16中最高风险加总值至最低风险加总值中任意个风险加总值的和来决定区块风险加总值。

然后，请参照图3A，步骤214，将区块风险加总值由高至低排序成处理顺序。然后，步骤216，依据处理顺序，调整修正图形12，使调整后的修正图形的仿真轮廓收敛且接近目标布局图形10。

更具体地说，当模拟轮廓的离标评估点的数目减少，则表示模拟轮廓收敛。因此，调整步骤可以进行至离标评估点的数目减少至一预定值以下，或进行至区块风险加总值下降至一预定值以下，甚至为降为零。然而，调整步骤可以依据实际的需要来决定，而不需要离标评估点的数目减少至零，或是区块风险加总值全部下降至一预定值以下，或全部降为零。换言之，只要区块风险加总值较高或工艺容许度较低的图形区块，在进行调整步骤之后，其区块风险加总值下降到一预定值以下(或为零)，而区块风险加总值较低或工艺容许度较高的图形区块，在进行调整步骤之后，其区块风险加总值不一定要下降，纵使是有些微的上升，其对于最终的模拟轮廓也不至于有太大的负面影响，即可以停止调整步骤，视为模拟轮廓已经收敛至接近目标布局图形10。

为了简化信息或处理，可以在处理软件中可以建立多个特定图层，将不同的信息储存在不同的特定图层中，以便于后续步骤的搜寻与处理。举例来说，目标布局图形10的信息可以储存于特定图层1。修正图形12的信息可以储存于特定图层2。仿真轮廓14的信息可以储存于特定图层3。目标点10a的信息可以储存在特定图层4。除此之外，还可以依据需要将目标点或评估点10a的离标程度达到预定值以上(例如是离标程度>0.5nm)定义为离标评估点14b储存在特定图层5。在进行后续的处理时，可以直接将此特定图层5输出，再进行后续的处理(例如是局部图形14d的分类与归纳)。换言之，特定图层5可以用来储存离标程度达到预定值以上的目标点或评估点10a(即离标评估点14b)，其后续仅需针对这一些离标评估点14b所在的图形区块16进行区块风险加权值的加总、处理顺序的排序等步骤。而没有储存在特定图层5的目标点或评估点10a，则无需再进行区块风险加权值的加总、处理顺序的排序等步骤。

上述第二实施例，是在建立离标评估点14b之后，才将目标布局图形10分类与归纳成图形区块16。然而，本发明并不以此为限。请参照图3B，本发明第三实施例在建立离标评估点14b(步骤108)之前，可以先将目标布局图形10分类与归纳成图形区块16(步骤210)，再进行后续的工艺(步骤110以及212～216)。

本发明的进阶修正的方法可以应用于光学邻近修正工艺，但并不以此为限。本发明的进阶修正方可以应用于检视并调整的任何关切的图形。

上述第一实施例的进阶修正方法可以储存在任何已知的修正机台(例如是光学邻近效应修正机台)的数据库。上述第二实施例与第三实施例的进阶修正方法中，将具有离标评估点的目标布局图形分类与归纳成多个图形区块的步骤可以采用目前用于良率测量的机台或任一具有此功能的电子设计自动化(Electronic Design Automation，EDA)软件来执行之。而其他的步骤则可以储存在任何已知的修正机台(例如是光学邻近效应修正机台)的数据库。然而，本发明的上述的进阶修正方法也可以一种可用计算机可读式记录媒体上的计算机可读式程序代码实现。计算机可读式记录媒体是可储存数据且可由计算机系统读取的任一数据储存装置。计算机可读式记录媒体的实施方式包括只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random-Access Memory，RAM)、只读光盘(CD-ROM)、磁带、磁盘片、闪存及学数据储存装置及载波(例如透过有线或无线传输路径的数据传输)，但不以此为限。计算机可读式记录媒体可为分布式网络计算机系统，因此计算机可读式程序代码是以分布式储存及执行。还有，本发明所属领域的具有通常知识的程序人员可通过本发明的权利要求范围配合功能性程序、程序代码及代码段来实现本发明。

综合以上所述，本发明的进阶修正方法将各种影响仿真图形偏离目标布局图形的影响因子以及所对应的条件范围来建立离标评估点的风险加权值，并计算出每一个离标评估点的风险加总值，然后依照风险加总值的高低来决定处理的顺序，可以使仿真轮廓有效收敛且接近目标布局图形，以提升掩模制造的质量。此外，通过将目标布局图形或其仿真轮廓分类与归纳成多个图形区块，再以区块风险加总值的高低来决定处理的顺序，可以缩短处理的时间，使模拟轮廓在更短的时间收敛且接近目标布局图形，以提升掩模制造的质量。

虽然本发明已以实施例揭露如上，然其并非用以限定本发明，任何所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作些许的更动与润饰，故本发明的保护范围当视随附的权利要求范围所界定的为准。

Claims (21)

1.一种进阶修正方法，包括：

提供一目标布局图形(Target layout pattern)；

对该目标布局图形施以分段及建立多个评估点；

以一修正模型修正该目标布局图形以取得一修正图形；

对该修正图形进行一仿真模拟，以取得一模拟轮廓(simulationcontour)；

在该目标布局图形上的每一评估点计算该仿真轮廓与该目标布局图形的一差异，当该差异值大于所设定的一标准值时，所对应的该评估点即被归类成一离标评估点(off-target evaluation point)；

依据影响该仿真轮廓偏离该目标布局图形的多个影响因子以及多个预设条件范围，以取得各个离标评估点的多个风险加权值；

将各个离标评估点的这些风险加权值加总，以得到各个离标评估点的一风险加总值；

将这些离标评估点的这些风险加总值由高至低排序成一处理顺序；

将该目标布局图形加以辨认及分类归纳成多个图形区块；以及

依据该处理顺序，调整该修正图形，使调整后的该修正图形的该仿真轮廓收敛且接近该目标布局图形。

2.根据权利要求1所述的进阶修正方法，其中取得各个离标评估点的这些风险加权值的方法更包括建立一查询表以及查询该查询表来取得，该查询表具有这些影响因子以及对应的这些预设条件范围的这些风险加权值的信息。

3.根据权利要求2所述的进阶修正方法，其中这些影响因子包括：

一离标程度(off-target level)，其中该离标程度为这些离标评估点与该目标布局图形的偏差值；

一目标关键尺寸(target CD size)；

一片段类型(dissection type)；以及

一直线长度(run length)。

4.根据权利要求3所述的进阶修正方法，其中该离标程度愈大、该目标关键尺寸愈小或该直线长度愈长，则该风险加权值愈大。

5.根据权利要求3所述的进阶修正方法，其中该片段类型包括转角(Vert)、直线(Run)、线末(Line end)或其组合，且该直线的该风险加权值大于该转角的该风险加权值，且该转角的该风险加权值大于该线末的该风险加权值。

6.根据权利要求1所述的进阶修正方法，更包括建立多个特定图层，其中各该特定图层分别储存该目标布局图形、该修正图形、该仿真轮廓以及这些离标评估点的信息。

7.根据权利要求1所述的进阶修正方法，其中该修正模型包括光学邻近效应修正模型。

8.根据权利要求1所述的进阶修正方法，其中该调整该修正图形的步骤是进行至这些离标评估点的数目减少至一定值以下或为零。

9.根据权利要求1所述的进阶修正方法，其中该调整该修正图形的步骤是进行至这些离标评估点的这些风险加总值下降至一定值以下或为零。

10.一种进阶修正方法，包括：

提供一目标布局图形；

对该目标布局图形施以分段及建立多个评估点；

以一修正模型修正该目标布局图形以取得一修正图形；

对该修正图形进行一仿真模拟，以取得一模拟轮廓；

在该目标布局图形上的每一评估点计算该仿真轮廓与该目标布局图形的差异，当该差异值大于所设定的一标准值时，所对应的该评估点被归类成一离标评估点(off-target evaluation point)；

依据影响该仿真轮廓偏离该目标布局图形的多个影响因子以及多个预设条件范围，以取得各个离标评估点的多个风险加权值；

将各个离标评估点的这些风险加权值加总，以得到各个离标评估点的一风险加总值；

将该目标布局图形加以辨认分类与归纳成多个图形区块；

依据一规则，取得各个图形区块的一区块风险加总值，该其中该规则与各个图形区块中的这些离标评估点的这些风险加总值有关；

将这些区块风险加总值由高至低排序成一处理顺序；以及

依据该处理顺序，调整该修正图形，使调整后的该修正图形的该仿真轮廓收敛且接近该目标布局图形。

11.根据权利要求10所述的进阶修正方法，其中该规则包括以各个图形区块中的这些离标评估点中的一最高风险加总值来决定该区块风险加总值。

12.根据权利要求10所述的进阶修正方法，其中该规则包括以各个图形区块中的所有这些离标评估点的这些风险加总值的总和来决定该区块风险加总值。

13.根据权利要求11所述的进阶修正方法，其中将具有这些离标评估点的该目标布局图形分类与归纳成这些图形区块的方法包括：

将具有这些离标评估点的该目标布局图形扩张特定范围后得到多个分割区域，且每一分割区域内图形定义为一局部图形；以及

依照这些分割区域内所含的这些局部图形，分类与归纳成这些图形区块。

14.根据权利要求10所述的进阶修正方法，其中取得各个离标评估点的这些风险加权值的方法更包括建立一查询表以及查询该查询表来取得，该查询表具有这些影响因子以及对应的这些预设条件范围的这些风险加权值的信息。

15.根据权利要求10所述的进阶修正方法，其中这些影响因子包括：

一离标程度，其中该离标程度为这些离标评估点与该目标布局图形的多个目标点的偏差值；

一目标关键尺寸；

一片段类型；以及

一直线长度。

16.根据权利要求15所述的进阶修正方法，其中该离标程度愈大、该目标关键尺寸愈小或该直线长度愈长，则该风险加权值愈大。

17.根据权利要求15所述的进阶修正方法，其中该片段类型包括转角、直线、线末或其组合，且该直线的该风险加权值大于该转角的该风险加权值，且该转角的该风险加权值大于该线末的该风险加权值。

18.根据权利要求10所述的进阶修正方法，更包括建立多个特定图层，其中各该特定图层分别储存该目标布局图形、该修正图形、该仿真轮廓、这些离标评估点以及离标程度达到一定值以上的这些离标评估点的信息。

19.根据权利要求10所述的进阶修正方法，其中在该目标布局图形上建立这些离标评估点的步骤是在将该目标布局图形分类与归纳成这些图形区块之前进行。

20.根据权利要求10所述的进阶修正方法，其中在该目标布局图形上建立这些离标评估点的步骤是在将该目标布局图形分类与归纳成这些图形区块之后进行，且该调整该修正图形的步骤是进行至这些离标评估点的数目减少至一定值以下或为零。

21.根据权利要求10所述的进阶修正方法，其中该调整该修正图形的步骤是进行至整个或部分这些图形区块的这些区块风险加总值下降至一定值以下或为零。