CN105989589B - 一种掩模图形灰度化方法 - Google Patents
一种掩模图形灰度化方法 Download PDFInfo
- Publication number
- CN105989589B CN105989589B CN201510064898.3A CN201510064898A CN105989589B CN 105989589 B CN105989589 B CN 105989589B CN 201510064898 A CN201510064898 A CN 201510064898A CN 105989589 B CN105989589 B CN 105989589B
- Authority
- CN
- China
- Prior art keywords
- gray processing
- mask
- segmentation
- mask graph
- processing method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开一种掩模图形灰度化方法,其特征在于,包括:步骤一:将原始掩模图形转换后进行特征图形识别;步骤二:根据已识别出来的所述特征图形计算各自特征值;步骤三:判断所述的各自特征值,是否小于一临界值?依此将所述原始掩模图形中的所述特征图像进行分离为HP图形单元和HE图形单元;步骤四:对分离后的所述HP图形单元进行HP灰度化或者对分离后的所述HE图形单元进行HE灰度化;步骤五:对所述HP灰度化及所述HE灰度化的数字掩模按照所述原始掩模图形中的位置进行拼接。
Description
技术领域
本发明涉及一种集成电路装备制造领域,尤其涉及一种掩模图形灰度化方法。
背景技术
光学无掩模光刻(OML)是在传统光刻技术上的一个拓展,与掩模光刻对比,无掩模光刻的图案是通过一种空间光调制器(SLM)的MEMS器件来实现的,SLM是通过百万的微镜像素拼接而成的,每一个微镜都被一个独立寻址控制的驱动元件所驱动改变其偏转方向。通过独立控制每一个微镜的偏转方向,实现光的空间调制,从而产生期望的图案。由于微镜图案栅格受到数字微镜布局的限制是固定的,并且光源为脉冲激光器。因此需要进行栅格灰度级的空间调制。从而使DMD微镜拼接而成的掩模图案的曝光效果与真实掩模的曝光效果高度一致。这一过程称为掩模图形的灰度化。是通过算法来实现的。
掩模灰度化的目的可以通过图1来描述。图中,1a是真实的掩模,其中白色区域为漏光部分,2a是通过算法处理后生成的灰度掩模,由多个DMD微镜拼接而成,每个DMD的灰度级通过算法计算而来。
由于DMD微镜尺寸的限制,灰度掩模与真实掩模的曝光效果不可避免的会存在偏差,这一偏差称为灰度化算法误差,灰度化误差的评价方式是比较其空间像,例如,图1中,3a为真实掩模的空间像,4a为灰度掩模的空间像,通过分析空间像,可以获得灰度化过程所导致的CD偏差,LER偏差等。
所以,评价灰度化算法的好坏的标准有两个:第一是灰度化导致的CD(特征值)误差, CD误差越小越好;第二在灰度化误差的前提下,算法时间越短、效率越高越好。
掩模灰度化的方法有多种,总体上分为3类:面积算法、瞳面匹配算法、空间像比较迭代算法。空间像比较迭代算法精度最高,但是由于其需要进行多次迭代运算,算法效率最低,瞳面匹配算法精比较高,但是由于瞳面匹配算法在线性回归运算中需要进行巨大的矩阵运算,所以算法效率也较低,同时,其内存消耗也是三种算法中最大的。面积算法最简单,速度最快可以是其它两种算法的上百倍,但是其精度也最低的。
在同一张掩模中,会同时存在较大和较小的图形单元,为了在保证灰度化算法精度的前提下获得最大的灰度化效率,以提高产率,需要考虑一种灰度化流程策略,能够识别出掩模中不同CD的图形单元,并对其选取适当的灰度化策略。即高精度(High Precision(HP))灰度化策略和高效率(High Efficiency(HE))灰度化。从而兼顾产率和精度的需求。
发明内容
为了克服现有技术中存在的缺陷,本发明提供一种能够识别出掩模中不同CD的图形单元的掩模图形灰度化方法。
为了实现上述发明目的,本发明公开一种掩模图形灰度化方法,其特征在于,包括:
步骤一:将原始掩模图形转换后进行特征图形识别;
步骤二:根据已识别出来的所述特征图形计算各自特征值;
步骤三:判断所述的各自特征值,是否小于一临界值?依此将所述原始掩模图形中的所述特征图像进行分离为HP图形单元和HE图形单元;
步骤四:对分离后的所述HP图形单元进行HP灰度化或者对分离后的所述HE图形单元进行HE灰度化;步骤五:对所述HP灰度化及所述HE灰度化的数字掩模(DMD)按照所述原始掩模图形中的位置进行拼接。
更进一步地,所述步骤二中对所述特征图形计算包括将所述掩模图形识别为所述HP灰度化图形和所述HE灰度化图形,其中HP灰度化图形为矩形或L形图形。
更进一步地,该步骤一中对特征图形识别为基于内角的特征图形识别。
更进一步地,所述步骤二中读取所述特征图形的各自特征值,判断所述各自特征值中的最小特征值小于所述临界值时识别为HP灰度化图形,当所述最小特征值大于所述临界值时识别为HE灰度化图形。
更进一步地,所述步骤三中的所述HP图形或者HE图形进行分割,所述分割包括第一次图形分割和第二次图形分割。
更进一步地,当所述第一次图形分割后,没有割到图形的区域,则不进入所述第二次图形分割流程;反之,则进入所述第二次图形分割流程。
更进一步地,所述步骤一中进行识别的所述特征图形为矩形、L形图形、圆形、十字型、多边形或者数字。
更进一步地,所述步骤三中原始掩模图形进行分割为路径规划分割。
更进一步地,对于矩形和L图形的所述路径规划分割包括:
3.1计算图形单元的重心坐标;
3.2确定所述图形单元的分割参数,包括:节点数、X方向边长、Y方向边长、重心左边的节点数、重心右边的节点数、重心上方的节点数、重心下方的节点数;
。3.3根据所述分割参数确定六种分割路径(如图13)中的一种进行图形分割。
本发明所提供的灰度化策略和流程,能够自动对掩模的图形单元进行识别、CD计算、然后将图形分离成HP灰度化和HE灰度化的部分,并分别对其采取相应的灰度化算法,生成灰度图形。最后,根据这两部分图形在原始图形中的坐标位置,将它们拼接成整个的灰度掩模。从而兼顾了算法效率和算法精度。实际运行表明,该算法比单纯使用HP灰度化算法,其效率提高百倍以上。
附图说明
关于本发明的优点与精神可以通过以下的发明详述及所附图式得到进一步的了解。
图1是真实掩模、灰度掩模及其空间像
图2是本发明所涉及的掩模图形灰度化的流程图;
图3是CAD掩模图形的示意图;
图4是CAD 掩模图形中的8种图形的示意图;
图5是识别出的特征图形包含矩形与L bar的示意图;
图6是根据CD计算后确定进行HP灰度化的图形示意图;
图7是将原始图形分离为HE和HP灰度化的两部分的示意图;
图8是HE灰度化与HP灰度化的结果示意图;
图9是HE与HP灰度化结果进行原位拼接的示意图;
图10是特征图形截线选取方法的示意图;
图11是图形分割的第一实施例的示意图;
图12是图形分割的第二实施例的示意图;
图13是本发明所涉及的掩模图形灰度化方法的分割路径规划示意图;
图14是本发明所涉及的掩模图形灰度化方法的分割路径规划流程图;
图15是需要进行GO灰度化的图形块的示意图。
实施方式
下面结合附图详细说明本发明的具体实施例。
本发明的目的在于提供一种灰度化策略和流程,能够自动对掩模的图形单元进行识别、CD计算、然后将图形分离成HP灰度化和HE灰度化的部分,并分别对其采取相应的灰度化算法,生成灰度图形。最后,根据这两部分图形在原始图形中的坐标位置,将它们拼接成整个的灰度掩模,从而兼顾了算法效率和算法精度。
本发明所提供的掩模图形灰度化方法包括以下步骤:101、图形文件导入灰度化语言平台;102、内角特征图形识别;103、特征图形CD计算;104、图形分离:将图形分离为HP灰度化和HE灰度化的两个部分;105、HE灰度化:对HE灰度化图形进行以下操作:图形分割、图形灰度化、图形拼接;以及HP灰度化:对HP灰度化图形进行以下操作:图形分割、图形灰度化、图形拼接;106、将HP灰度化生成的灰度图与HE灰度化生成的灰度图按照它们在原图中的位置进行拼接。
下面,以图3中的掩模图形为例,详细阐述本发明灰度化算法的流程。图3中,总共有8种图形,如图4所示。其中,定义特征图形为矩形1,L 图形2,加号图形3,圆形4,六边形5,数字“1”6,数字“2”7和数字“3”8。通过仿真表明,HP灰度化的临界CD为1 um。
步骤1:掩模图形导入掩模图形导入的目的是将原始掩模图形转变成灰度化算法平台能够识别的信号。
步骤2、特征图形识别。本算法中,认为需要进行HP运算的图形是能够进行准确定义的规则图形。而其他不规则图形则全部进行HE灰度化。因此,首先需要建立一个需要进行HP灰度化的图形的图形库,图形库中的图形称为特征图形。通过图形识别算法识别出可能会进行HP灰度化的候选图形,即图5中所示的两种特征图形;识别结果如图6所示。
步骤3、特征图形CD计算
利用识别算法识别出来的特征图形,最终是否会进行HP灰度化,还要取决于这些图形的最小CD,只有当CD小于临界CD时,才会进行HP灰度化。特征图形CD计算的目的就是确定最终进行HP灰度化的图形单元,如图6所示。
步骤4、图形分离
有前面步骤,可以识别出需要进行HP和HE灰度化的图形。图形分离的目的是将原始掩模分离为HP灰度化部分与HE灰度化部分;如图7所示,将原始图形分离为HE和HP灰度化的两部分。
步骤5、图形灰度化
分别进行HP与HE灰度化;灰度化的结果如图8所示。
步骤6、图形拼接
图形拼接的目的是将HP与HE灰度化的数字掩模按其在原始掩模中的位置拼接,如图9所示。
下面对灰度化过程中的实施细节进行描述
基于内角的特征图形识别
基于内角的特征图形识别方法,是通过计算多边形的内角来识别图形单元,例如,对于图中的2种定义的特征图形,其内角从大到小排列,如表1所示。通过内角计算方法计算出所有掩模图形的内角,并与表1中定义特征图形的内角对比,匹配上的及定义为特征图形筛选出来。
表 1
需要指出的是,由于掩模图形设计制作的不确定,内角计算采点顺序有顺时针和逆时针两种可能。因此对于同一特征图形,有可能计算出两种不同的内角值,这两种中,只要有一种与特征图形内角匹配,即表示其为特征图形。
基于特征图形cutline的CD计算。
每一个特征图形都有相应的最小CD计算算法,例如,对于矩形和L bar,其最小特征CD就是从如图10所示的几条截线在图形上截断的距离的最小值。
基于节点距离比较方法的CD计算。
通过比较特征图形所有节点之间的距离,距离最小的,即被认为是特征图形的最小CD 。
利用公式
…………………………………………(1-4)
…………………………………………(1-5)
……………………………………(1-6)
从所有的中,找出最小的一个,即被认为是特征图形的最小CD, 。
然后将与HP算法的临界CD比较,若> ,则该特征图形采取HE度化,若< 则该特征图形采取HP灰度化。
图形分割(第一次分割)
即使是运行效率较高的面积灰度化算法,处理整个掩模图形(超过1G像素)也是不可行的。因此需要先将原始掩模图形分割成一个一个的小图形,如图11所示。由于掩模图形的布局,将会割到很多空白的分割块9,这些分割块中没有掩模图形,是无用的,将不进入面积灰度化流程,另一些分割块中有掩模图形,如10,将进入灰度化流程。
为了防止灰度化过程中的边界效应导致的误差,在掩模图形分割时,相邻分割块间需要有重叠区域,重叠区域的宽度由光学仿真确定。
(第)二次分割
分割是要消耗时间的,而上述的分割方法割出大量无用分割块,浪费大量时间,因此考虑(第)二次分割方法。
如图12所示,即先大块分割,大块中割到图形的,例如11,再对其进行小块分割,而大块中没有割到图形的,例如12,则不进入(第)二次分割流程。
路径规划分割
引入分割路径的规划算法。即根据特征图形的坐标,自动计算出特征图形的分割路径,这样,就只会在有特征图形的周围去分割,可以很大提高分割效率。
下面,以矩形和L图形为例,描述分割路径规划算法。
对于矩形和L图形,一共有6中情况,因此,也有两种路径。分别如图13中虚线所示所示。
分割路径规划流程如图14示,首先201计算出图形单元的重心坐标,对于矩形与Lbar,其重心位置如图13中黑色点13所示。202通过多边形总节点数、矩形边长、重心左、右、上、下方的节点数目。203根据节点数N、X方向边长、Y方向边长、重心左边的节点数、重心右边的节点数、重心上方的节点数、重心下方的节点数,可以将这六种情况判断出来。从而确定六种分割路径。
分割的起点分别如图14中白色圆圈14所示,分割方向为图中箭头所指方向,分割的终点,通过分割方向图形边界来计算确定。
最后的分割结果与图11比较,经仿真分析,路径规划分割的效率为一般分割方法的60倍以上。为(第)二次分割方法的35倍以上。
分割完成后,对分割的图形块进行逐个HP灰度化。也可以对具有相同图形块的只进行一次灰度化。
例如,对于图15中的L bar图形,一共有21个分割块,但是不同的分割块只有图中的15~19,其它分割块部分与2相同,部分与5相同,因此,因此,其灰度化结果也必与2(5)相同。灰度化过程可以省略。同理对于矩形,如图15所示,13个分割块中,只需灰度化20,21,22图形块,这样可以节省灰度化时间。
本发明所提供的灰度化策略和流程,能够自动对掩模的图形单元进行识别、CD计算、然后将图形分离成HP灰度化和HE灰度化的部分,并分别对其采取相应的灰度化算法,生成灰度图形。最后,根据这两部分图形在原始图形中的坐标位置,将它们拼接成整个的灰度掩模。从而兼顾了算法效率和算法精度。实际运行表明,该算法比单纯使用HP灰度化算法,其效率提高百倍以上。
本说明书中所述的只是本发明的较佳具体实施例,以上实施例仅用以说明本发明的技术方案而非对本发明的限制。凡本领域技术人员依本发明的构思通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在本发明的范围之内。
Claims (9)
1.一种掩模图形灰度化方法,其特征在于,包括:
步骤一:将原始掩模图形转换后进行特征图形识别;
步骤二:根据已识别出来的所述特征图形计算各自特征值;
步骤三:判断所述的各自特征值是否小于一临界值,依此将所述原始掩模图形中的所述特征图形进行分离为HP图形单元和HE图形单元;
步骤四:对分离后的所述HP图形单元进行HP灰度化,对分离后的所述HE图形单元进行HE灰度化;
步骤五:对所述HP灰度化及所述HE灰度化的数字掩模按照所述原始掩模图形中的位置进行拼接。
2.如权利要求1所述的掩模图形灰度化方法,其特征在于,所述步骤二中对所述特征图形计算包括将所述掩模图形识别为所述HP灰度化的图形和所述HE灰度化的图形。
3.如权利要求1所述的掩模图形灰度化方法,其特征在于,所述步骤一中对特征图形识别为基于内角的特征图形识别。
4.如权利要求2所述的掩模图形灰度化方法,其特征在于,所述步骤二中读取所述特征图形的各自特征值,判断所述各自特征值中的最小特征值小于所述临界值时识别为HP灰度化图形,当所述最小特征值大于所述临界值时识别为HE灰度化图形。
5.如权利要求1所述的掩模图形灰度化方法,其特征在于,所述步骤四中的所述HP图形单元或者HE图形单元进行分割,所述分割包括第一次图形分割和第二次图形分割。
6.如权利要求5所述的掩模图形灰度化方法,其特征在于,当所述第一次图形分割后,没有割到图形的区域,则不进入所述第二次图形分割流程;反之,则进入所述第二次图形分割流程。
7.如权利要求1所述的掩模图形灰度化方法,其特征在于,所述步骤一中进行识别的所述特征图形为矩形、L形图形、圆形、十字型、多边形或者数字。
8.如权利要求7所述的掩模图形灰度化方法,其特征在于,所述步骤三中原始掩模图形进行分离为路径规划分割。
9.如权利要求8所述的掩模图形灰度化方法,其特征在于,对于所述矩形或L形图形的所述路径规划分割包括:
3.1计算图形单元的重心坐标;
3.2确定所述图形单元的分割参数,包括:节点数、X方向边长、Y方向边长、重心左边的节点数、重心右边的节点数、重心上方的节点数、重心下方的节点数;
3.3根据所述分割参数确定分割路径进行图形分割。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510064898.3A CN105989589B (zh) | 2015-02-09 | 2015-02-09 | 一种掩模图形灰度化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510064898.3A CN105989589B (zh) | 2015-02-09 | 2015-02-09 | 一种掩模图形灰度化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105989589A CN105989589A (zh) | 2016-10-05 |
CN105989589B true CN105989589B (zh) | 2019-01-18 |
Family
ID=57037569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510064898.3A Active CN105989589B (zh) | 2015-02-09 | 2015-02-09 | 一种掩模图形灰度化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105989589B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1311525A (zh) * | 2000-03-01 | 2001-09-05 | 日本电气株式会社 | 曝光掩模及其制造方法 |
CN1580958A (zh) * | 2003-07-31 | 2005-02-16 | Asml控股股份有限公司 | 无掩模微成影中用时间和/或功率调制获得剂量灰度化 |
CN1854903A (zh) * | 2001-09-12 | 2006-11-01 | 麦克罗尼克激光系统公司 | 计算用于对应于多边形的边的部分的多值像素的值的方法 |
CN101261441A (zh) * | 2008-04-08 | 2008-09-10 | 芯硕半导体(中国)有限公司 | 一种无掩膜光刻系统中曝光图形临近效应校正方法 |
CN101872416A (zh) * | 2010-05-06 | 2010-10-27 | 复旦大学 | 对道路图像进行车牌识别的方法和系统 |
-
2015
- 2015-02-09 CN CN201510064898.3A patent/CN105989589B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1311525A (zh) * | 2000-03-01 | 2001-09-05 | 日本电气株式会社 | 曝光掩模及其制造方法 |
CN1854903A (zh) * | 2001-09-12 | 2006-11-01 | 麦克罗尼克激光系统公司 | 计算用于对应于多边形的边的部分的多值像素的值的方法 |
CN1580958A (zh) * | 2003-07-31 | 2005-02-16 | Asml控股股份有限公司 | 无掩模微成影中用时间和/或功率调制获得剂量灰度化 |
CN101261441A (zh) * | 2008-04-08 | 2008-09-10 | 芯硕半导体(中国)有限公司 | 一种无掩膜光刻系统中曝光图形临近效应校正方法 |
CN101872416A (zh) * | 2010-05-06 | 2010-10-27 | 复旦大学 | 对道路图像进行车牌识别的方法和系统 |
Non-Patent Citations (4)
Title |
---|
一种利用图形内角的多边形布尔运算新算法;朱二喜 等;《工程图学学报》;20110228(第2期);第1-2页 |
基于空间光调制器的灰度掩模制作系;颜树华 等;《中国激光》;20040131;第31卷(第1期);第1-2页 |
支持方案设计的手绘图形输入工具;孙正兴 等;《计算机辅助设计与图形学学报》;20030930;第15卷(第9期);第1-2页 |
电寻址空间光调制器制作灰度掩模技术的研究;谌廷政 等;《光电工程》;20040731;第31卷(第7期);第1-2页 |
Also Published As
Publication number | Publication date |
---|---|
CN105989589A (zh) | 2016-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8527914B2 (en) | Flare map calculating method and recording medium | |
US20150113486A1 (en) | Enhanced optical proximity correction (opc) method and system | |
CN114080632A (zh) | 图像中的面部定位 | |
WO2005040917A2 (en) | System and method for lithography simulation | |
US20130290912A1 (en) | Method and apparatus for monitoring mask process impact on lithography performance | |
JPH11161797A (ja) | ビットパターン展開方法とその装置 | |
CN116935092A (zh) | 自动化缺陷分类和检测 | |
CN110501880A (zh) | 用于借助于转换模型分析光刻工艺的元件的装置及方法 | |
US20210103211A1 (en) | Photo mask data correction method | |
EP2113109B1 (en) | Simulation site placement for lithographic process models | |
US10578963B2 (en) | Mask pattern generation based on fast marching method | |
US10656530B2 (en) | Application of FreeForm MRC to SRAF optimization based on ILT mask optimization | |
KR102085522B1 (ko) | 패턴의 결함 탐지 방법 | |
JP2019135642A (ja) | 画像処理方法、装置、およびコンピュータ読み取り可能な媒体 | |
CN115797629A (zh) | 基于检测增强和多阶段边界框特征细化的实例分割方法 | |
Evanschitzky et al. | Mask defect detection with hybrid deep learning network | |
CN105989589B (zh) | 一种掩模图形灰度化方法 | |
JP4747293B2 (ja) | 画像処理装置および画像処理方法並びにこれらに用いるプログラム | |
US11592751B2 (en) | Method of manufacturing photo masks | |
US20180217505A1 (en) | Method for inspecting mask pattern, method for manufacturing mask, and method for manufacturing semiconductor device | |
US20130125070A1 (en) | OPC Checking and Classification | |
Miyamoto et al. | Generation of large field SEM image by panorama composition technology for nano-order measurement | |
US9811623B2 (en) | Method for generating pattern, storage medium, and information processing apparatus | |
Ma et al. | Compressive sensing approaches for lithographic source and mask joint optimization | |
KR101090472B1 (ko) | 광학근접보정 검증방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 201203 Shanghai Zhangjiang High Tech Park of Pudong New Area Zhang Road No. 1525 Applicant after: Shanghai microelectronics equipment (Group) Limited by Share Ltd Address before: 201203 Shanghai Zhangjiang High Tech Park of Pudong New Area Zhang Road No. 1525 Applicant before: Shanghai Micro Electronics Equipment Co., Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |