CN107133944B - 用于opc验证的图形分类方法 - Google Patents
用于opc验证的图形分类方法 Download PDFInfo
- Publication number
- CN107133944B CN107133944B CN201710285776.6A CN201710285776A CN107133944B CN 107133944 B CN107133944 B CN 107133944B CN 201710285776 A CN201710285776 A CN 201710285776A CN 107133944 B CN107133944 B CN 107133944B
- Authority
- CN
- China
- Prior art keywords
- block
- graph
- value
- values
- line segment
- 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
Images
Classifications
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
- G03F1/36—Masks having proximity correction features; Preparation thereof, e.g. optical proximity correction [OPC] design processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/32—Circuit design at the digital level
- G06F30/33—Design verification, e.g. functional simulation or model checking
- G06F30/3323—Design verification, e.g. functional simulation or model checking using formal methods, e.g. equivalence checking or property checking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/39—Circuit design at the physical level
- G06F30/398—Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/20—Configuration CAD, e.g. designing by assembling or positioning modules selected from libraries of predesigned modules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种用于OPC验证的图形分类方法,包括步骤:获取图形的比对区域的范围并提取图形边界;对图形边界进行处理:将比对区域外的图形的边都裁剪掉;进行过滤颗粒度的设定;给图形边界设定方向;对图形进行分块处理:将图形分割成大小相等的4块;重新计算各块中的图形边界的顶点;对于每一块进行坐标变换;对各块的块特征值进行计算;根据块特征值进行旋转、上下镜像或者左右镜像的块调整;根据各块特征值计算图形的总特征值。本发明能实现将具有旋转或镜像关系以及具有细微差异的图形归成同一类,从而能减少验证结果的次数,降低排查困难性。
Description
技术领域
本发明涉及一种半导体集成电路制造方法,特别是涉及一种用于光学临近效应修正(Optical Proximity Correction,OPC)验证的图形分类方法。
背景技术
在半导体制造的掩模板出版过程中,一般需要采用到OPC技术对掩模板图形进行修正,使用OPC修正后的掩模板进行成像后能使形成于半导体衬底上的目标图形达到目标要求,能消除目标图形中的由于光学临近效应造成的失真或变形。
OPC修正后的掩模板在进行出版前还需进行OPC验证,用以模拟OPC修正后的掩模板是否正确。在现有第一种OPC验证中,验证结果一般基于设计单元的名称分类。随着芯片规模的增加,不同单元中的重复结构增多,同一单元中,不同位置的重复结构也增多。这个造成相似的验证结果多次出现。十几种结构会在验证报告中重复出现上千次,造成问题排查的困难性。
基于图形结构的现有第二种OPC验证方法虽然可以避免以上情况,但是仍然存在一下问题。
1、难以区分图形的旋转或镜像,如图1A和图1B所示,图1B仅是通过图1A的图形顺时针旋转90的图形;两者的验证应该是一致的,但是现有第二种OPC验证方法依然会将二者分别进行验证并得到各自的结果。
2、OPC的图形往往有细微的差异,现有第二种OPC验证方法难以区分这种细微的差异,如图1A和图1C所示,二者图形类似,仅在拐角有细微差异,这种细微差异并不会影响OPC验证结果,现有第二种OPC验证方法依然会将二者分别进行验证并得到各自的结果。
所以现有第二种OPC验证方法依然无法区分图形的旋转或镜像以及图形的细微差异,这也会使得验证结果的次数增加,增加问题排查的困难性。
发明内容
本发明所要解决的技术问题是提供一种用于OPC验证的图形分类方法,能实现将具有旋转或镜像关系以及具有细微差异的图形归成同一类,从而能减少验证结果的次数,降低排查困难性。
为解决上述技术问题,本发明提供的用于OPC验证的图形分类方法采用如下步骤进行图形的总特征值的计算并实现对所述图形的分类:
步骤一、获取所述图形的比对区域的范围并提取所述比对区域内的所述图形的各图形边界。
步骤二、对所述图形的所述比对区域内的所述图形边界进行处理,包括如下分步骤:
步骤21、将所述比对区域外的所述图形的边都裁剪掉。
步骤22、进行过滤颗粒度的设定,使各所述图形边界的顶点都移动到最近的颗粒度的倍数的格点上,对同一直线上的格点做简并,用以将所述颗粒度大小的偏移都滤除。
步骤23、按相同的规则给各所述图形边界设定方向。
步骤三、对完成了的所述图形边界处理的所述图形进行分块处理,包括如下分步骤:
步骤31、将所述图形分割成大小相等的4块。
步骤32、根据分割结果重新计算各块中的各所述图形边界的顶点。
步骤33、对于每一块,以步骤31中的分割的中心点为原点对块进行坐标变换并将对应块变换到第一象限。
步骤四、对坐标变换完成的各块的块特征值进行计算,各所述块对应的所述块特征值根据各所述图形边界的顶点坐标并采用质数除余的方法计算得到,各所述块对应的所述块特征值包括两个分值。
步骤五、进行块调整,所述块调整包括:根据四个所述块的所述块特征值,在步骤31分割的块的阵列结构的基础上进行旋转、上下镜像或者左右镜像,用以将具有旋转或镜像关系的图形都归并为同一类。
步骤六、根据各所述块特征值计算得到进行了块调整的所述图形的总特征值。
进一步的改进是,步骤一中获取所述图形的比对区域的范围是以OPC验证的错误点为中心进行获取的。
进一步的改进是,步骤一中获取的所述图形的比对区域是以所述OPC验证的错误点为中心的正方形或长方形。
进一步的改进是,步骤一中获取所述图形的比对区域的范围的大小根据不同的OPC模型进行设定。
进一步的改进是,步骤一中获取所述图形的比对区域大小为在包含所述OPC验证的错误点的最小矩形的基础上向外再扩展1微米~2微米
进一步的改进是,步骤22中所述颗粒度的大小设定为数十纳米。
进一步的改进是,步骤23中按照左手朝向图形内部的规则给各所述图形边界设定方向;或者,步骤23中按照右手朝向图形内部的规则给各所述图形边界设定方向。
进一步的改进是,步骤四中计算各所述块特征值包括如下分步骤:
步骤41、选取两个用于除余的第一质数和第二质数。
步骤42、根据各所述图形边界的起点坐标和终点坐标以及所述第一质数和所述第二质数计算所述块中各条所述图形边界的线段特征值。
步骤43、确定对应的所述块的中所述图形边界的数量,如果所述图形边界只有一段,则以该图形边界的线段特征值作为整个所述块的所述块特征值;如果所述图形边界的数量为2段以上,则进行步骤44。
步骤44、将各所述图形边界按照步骤23的规则定义的方向排列成线段序列;沿着所述线段序列的方向,结合所述第一质数和所述第二质数依次将相邻两段的所述图形边界的线段特征值合并成一个线段特征值,最后得到一个总的线段特征值并以该总的线段特征值作为整个所述块的所述块特征值。
进一步的改进是,步骤42中计算各条所述图形边界的所述线段特征值的公式为:
E1=[(X1+X2+a11×(Y1+Y2)+a12+X1)×
(Y1+Y2+a13×(X1+X2)+a14+Y1)]%P;
E2=[(Y1+Y2+a15×(Y1+Y2)+a16+X2)×
(Y1+Y2+a17×(X1+X2)+a18+Y2)]%Q;
E1表示所述线段特征值的第一分值,E2表示所述线段特征值的第二分值,P表示第一质数,Q表示第二质数,X1表示对应线段的起点横坐标、Y1表示对应线段的起点纵坐标,X2表示对应线段的终点横坐标、Y2表示对应线段的终点纵坐标,a11、a12、a13、a14、a15、a16、a17和a18都为质数且各不相同且都小于第一质数和第二质数中的任意一个。
进一步的改进是,步骤44将相邻两段的所述图形边界的线段特征值合并成一个线段特征值的步骤包括:
取前一段所述图形边界的E1和E2值作为X1和Y1,取后一段所述图形边界的E1和E2值作为X2和Y2,将变换后的X1和Y1以及X2和Y2的值代入公式:
E1=[(X1+X2+a21×(Y1+Y2)+a22+X1)×
(Y1+Y2+a23×(X1+X2)+a24+Y1)]%P;
E2=[(Y1+Y2+a25×(Y1+Y2)+a26+X2)×
(Y1+Y2+a27×(X1+X2)+a28+Y2)]%Q;
此处公式中,E1表示合并后的所述线段特征值的第一分值,E2表示合并后的所述线段特征值的第二分值,a21、a22、a23、a24、a25、a26、a27和a28都为质数且各不相同且都小于第一质数和第二质数中的任意一个;且a21、a22、a23、a24、a25、a26、a27和a28的值和a11、a12、a13、a14、a15、a16、a17和a18值都不同。
进一步的改进是,步骤六中计算所述图形的总特征值时以四个块中的一块为起始块,沿顺时针方向,结合所述第一质数和所述第二质数依次将相邻两块的所述块特征值合并成一个所述块特征值,最后得到一个总的所述块特征值并以该总的所述块特征值作为所述图形的总特征值。
步骤六中计算所述图形的总特征值时以四个块中的一块为起始块,沿逆时针方向,结合所述第一质数和所述第二质数依次将相邻两块的所述块特征值合并成一个所述块特征值,最后得到一个总的所述块特征值并以该总的所述块特征值作为所述图形的总特征值。
进一步的改进是,步骤六中将相邻两块的所述块特征值合并成一个所述块特征值的步骤和步骤44中将相邻两段的所述图形边界的线段特征值合并成一个线段特征值的步骤相同。
进一步的改进是,步骤41中所述第一质数和所述第二质数为12位十进制的大质数。
进一步的改进是,步骤五的块调整包括分步骤:
步骤51、步骤31分割的四个块分别为左上块、右上块、右下块和左下块;对所述左上块和所述右上块的块特征值进行相加并取余得到第一横排值,对所述左下块和所述右下块的块特征值进行相加并取余得到第二横排值,对所述左上块和所述左下块的块特征值进行相加并取余得到第一竖排值,对所述右上块和所述右下块的块特征值进行相加并取余得到第二竖排值。
步骤52、如果所述第一横排值和所述第二横排值中的较小值大于所述第一竖排值和所述第二竖排值中的较小值,则对步骤31分割的四个块进行逆时针90的旋转;
或者,如果所述第一横排值和所述第二横排值中的较小值大于所述第一竖排值和所述第二竖排值中的较小值,则对四个块进行顺时针90的旋转;
步骤53、如果所述第一横排值小于所述第二横排值,则对四个块进行上下镜像变换;
或者,如果所述第一横排值大于所述第二横排值,则对四个块进行上下镜像变换;
步骤54、如果所述第一竖排值小于所述第二竖排值,则对四个块进行左右镜像变换;
如果所述第一竖排值大于所述第二竖排值,则对四个块进行左右镜像变换。
进一步的改进是,总特征值相同的所述图形为同一类图形,OPC验证基于按总特征值分类的图形进行,对同一类图形进行一次OPC验证。
本发明通过提取相同比对区域的图形,对图形进行颗粒度的设置能够过滤掉图形的细微差别,最后使具有细微差别的图形都具有相同的总特征值,从而实现图形和具有细微差别的图形的归类。
本发明通过对相同比对区域的图形进行四个相等的块的分割,并分别根据各块的线段即图形边界的坐标并结合质数除余的方法能得到各块的块特征值,再根据各块的块特征值进行块的调节,能够使得具有旋转和镜像关系的图形在块调整后变得相同,将具有旋转或镜像关系的图形都归并为同一类。
由于块调整后的图形已经将具有细微差别的图形和具有旋转和镜像关系的图形都归类,即具有细微差别的图形和具有旋转和镜像关系的图形在通过本发明的操作后能得到相同的块调整后的图形,最后也就能得到相同的总特征值。
由上可知,本发明能实现将具有旋转或镜像关系以及具有细微差异的图形归成同一类,能采用同一总特征值表示具有旋转或镜像关系以及具有细微差异的图形,OPC验证时基于按总特征值分类的图形进行即可,对同一类图形进行仅一次OPC验证并得到一个OPC验证结果即可,从而能减少验证结果的次数,降低排查困难性。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明:
图1A是一种芯片的图形的示意图;
图1B是图1A的旋转图形的示意图;
图1C是图1A的微小差异的图形的示意图;
图2是本发明实施例方法流程图;
图3是本发明实施例方法步骤一中获取图形的比对区域的范围的示意图;
图4是本发明实施例方法中给图形边界设定方向的示意图;
图5是本发明实施例方法中对同一直线上的格点做简并的示意图;
图6是本发明实施例方法中将图形分割成大小相等的4块的示意图;
图7是本发明实施例方法中获取横排值和竖排值的示意图;
图8是本发明实施例方法中获取总特征值的示意图。
具体实施方式
如图2所示,是本发明实施例方法流程图;本发明实施例用于OPC验证的图形分类方法采用如下步骤进行图形的总特征值的计算并实现对所述图形的分类:
步骤一、获取所述图形的比对区域101的范围并提取所述比对区域101内的所述图形的各图形边界。
如图3所示,是本发明实施例方法步骤一中获取图形的比对区域的范围的示意图;对比区域用标记101对应的虚线框标出。
本发明实施例中,获取所述图形的比对区域101的范围是以OPC验证的错误点为中心进行获取的。本技术领域中,OPC验证的错误点为,经过模型的仿真后,在芯片生产时,该图形的形变大于设定标准,可能造成器件失效或性能下降的位置。
较佳为,获取的所述图形的比对区域101是以所述OPC验证的错误点为中心的正方形或长方形。
获取所述图形的比对区域101的范围的大小根据不同的OPC模型进行设定。本发明实施例中,获取所述图形的比对区域101大小为在包含所述OPC验证的错误点的最小矩形的基础上向外再扩展1微米~2微米。
步骤二、对所述图形的所述比对区域101内的所述图形边界进行处理,包括如下分步骤:
步骤21、将所述比对区域101外的所述图形的边都裁剪掉。如图4所示,所述比对区域101之外的所述图形的边都裁剪掉了。
步骤22、进行过滤颗粒度的设定,使各所述图形边界的顶点都移动到最近的颗粒度的倍数的格点上,对同一直线上的格点做简并,用以将所述颗粒度大小的偏移都滤除。较佳为,所述颗粒度的大小设定为数十纳米。
如:当选取颗粒度大小为25nm时,颗粒度设定后将每条边的顶点移动到最近的25nm的倍数的格点上。
对于一条直线上的格点做简并,只保留前后两点。如图5所示,是本发明实施例方法中对同一直线上的格点做简并的示意图;折线104a为两条相差很近的直线组成,两条直线平行且仅在图5的中间两点处连接,相当于一条直线微小偏差形成;折线104a的中间两点之间的距离所述颗粒度的大小数量级上,故本发明实施例方法中对对折线104a的两条直线进行简并形成一条直线104b,直线104b中去掉了中间的点,只保留前后两点。
图3中的标记105所示虚线框内的微小差异在图4中完全被消除,所以本发明实施例方法能实现对细微差异的图形实现归类。
步骤23、按相同的规则给各所述图形边界设定方向。设定方向应当保证用于OPC验证的所有图形的设定方向的规则都一样,这样能够保持同一类的图形具有相同的总特征值。
如图4所示,图4显示了按照左手朝向图形内部的规则给各所述图形边界设定方向;如标记102对应的所述图形边界序列的方向是从和所述比对区域101的右侧边相交的起始边开始,该起始边的方向设定为向内部的方向也即朝向左手的方向,标记102对应的所述图形边界序列的各边的方向都按起始边的方向延伸。
如标记103对应的所述图形边界序列中,由两条边和所述比对区域101的顶侧边相交,将所述比对区域101顺时针旋转90度后的所述对比区域101的顶侧边转为右侧边,这时标记103对应的所述图形边界序列的起始边为位于顶部且和所述对比区域101的右侧边相交的边作为起始边,该起始边的方向设定为向内部的方向也即朝向左手的方向,标记103对应的所述图形边界序列的各边的方向都按起始边的方向延伸。
在其它实施例中,也能为,步骤23中按照右手朝向图形内部的规则给各所述图形边界设定方向。当然应当保证用于OPC验证的所有图形的设定方向的规则都一样,要么都是按照右手朝向图形内部的规则进行方向设定,要么都是按照左手朝向图形内部的规则进行方向设定,不能部分图形按照右手朝向图形内部的规则进行方向设定以及其它图形按照左手朝向图形内部的规则进行方向设定。
步骤三、对完成了的所述图形边界处理的所述图形进行分块处理,包括如下分步骤:
步骤31、将所述图形分割成大小相等的4块。如图6所示,将经过了步骤二的所述图形边界进行处理的图形分成了大小相等的4块,分别用A、B、C和D表示,A为左上块,B为右上块,C为左下块,D为右下块。
步骤32、根据分割结果重新计算各块中的各所述图形边界的顶点。如图6中和中间两根分割线相交的各所述图形边界在相交位置处都要设置对应的顶点。
步骤33、对于每一块,以步骤31中的分割的中心点106为原点对块进行坐标变换并将对应块变换到第一象限
以图6为了对坐标变换说明如下:
对于B块,由于B块本来就位于第一象限,故不需要对B块进行坐标变换;
对于A块,需要将A块顺时针旋转90度来将A块变换到第一象限;
对于C块,需要将C块逆时针旋转90度来将C块变换到第一象限;
对于D块,需要将D块旋转180度来将D块变换到第一象限。
步骤四、对坐标变换完成的各块的块特征值进行计算,各所述块对应的所述块特征值根据各所述图形边界的顶点坐标并采用质数除余的方法计算得到,各所述块对应的所述块特征值包括两个分值。
本发明实施例方法中,计算各所述块特征值包括如下分步骤:
步骤41、选取两个用于除余的第一质数和第二质数。较佳为,所述第一质数和所述第二质数为12位十进制的大质数。
步骤42、根据各所述图形边界的起点坐标和终点坐标以及所述第一质数和所述第二质数计算所述块中各条所述图形边界的线段特征值。
较佳为,步骤42中计算各条所述图形边界的所述线段特征值的公式为:
E1=[(X1+X2+a11×(Y1+Y2)+a12+X1)×
(Y1+Y2+a13×(X1+X2)+a14+Y1)]%P; 公式(1);
E2=[(Y1+Y2+a15×(Y1+Y2)+a16+X2)×
(Y1+Y2+a17×(X1+X2)+a18+Y2)]%Q; 公式(2);
E1表示所述线段特征值的第一分值,E2表示所述线段特征值的第二分值,P表示第一质数,Q表示第二质数,X1表示对应线段的起点横坐标、Y1表示对应线段的起点纵坐标,X2表示对应线段的终点横坐标、Y2表示对应线段的终点纵坐标,a11、a12、a13、a14、a15、a16、a17和a18都为质数且各不相同且都小于第一质数和第二质数中的任意一个,如a11至a18可以取11,13,17,23等。
步骤43、确定对应的所述块的中所述图形边界的数量,如果所述图形边界只有一段,则以该图形边界的线段特征值作为整个所述块的所述块特征值;如果所述图形边界的数量为2段以上,则进行步骤44。
步骤44、将各所述图形边界按照步骤23的规则定义的方向排列成线段序列;沿着所述线段序列的方向,结合所述第一质数和所述第二质数依次将相邻两段的所述图形边界的线段特征值合并成一个线段特征值,最后得到一个总的线段特征值并以该总的线段特征值作为整个所述块的所述块特征值。
较佳为,步骤44将相邻两段的所述图形边界的线段特征值合并成一个线段特征值的步骤包括:
取前一段所述图形边界的E1和E2值作为X1和Y1,取后一段所述图形边界的E1和E2值作为X2和Y2,将变换后的X1和Y1以及X2和Y2的值代入公式:
E1=[(X1+X2+a21×(Y1+Y2)+a22+X1)×
(Y1+Y2+a23×(X1+X2)+a24+Y1)]%P; 公式(3);
E2=[(Y1+Y2+a25×(Y1+Y2)+a26+X2)×
(Y1+Y2+a27×(X1+X2)+a28+Y2)]%Q; 公式(4);
此处公式中,E1表示合并后的所述线段特征值的第一分值,E2表示合并后的所述线段特征值的第二分值,a21、a22、a23、a24、a25、a26、a27和a28都为质数且各不相同且都小于第一质数和第二质数中的任意一个;且a21、a22、a23、a24、a25、a26、a27和a28的值和a11、a12、a13、a14、a15、a16、a17和a18值都不同。
对于通过各单个线段的线段特征值求取整个线段序列的线段特征值可以结合图6来说明,如图6中的标记102对应的所述图形边界序列分割到B块中的线段有两段,标记103的对应的所述图形边界序列分割到B块中的线段也有两段,共有4段,这4段边可以排成一个序列,如标记102的起始段为第一段,标记102的第二段为第二段,标记103的起始段为第三段,标记103的第二段为第四段;可以先将标记102对应的这两段的线段特征值按照公式(3)和(4)进行计算即可得到一个合并的线段特征值,然后将标记102对应的合并的线段特征值和标记103的起始段对应的线段特征值进行合并得到第二次合并的线段特征值,之后将第二次合并的线段特征值和标记103的第二段对应的线段特征值进行合并得到第三次合并的线段特征值,由于总共只有4段,3次合并后即实现了整个B块中的所述图形边界序列的线段特征值的合并,并以3次合并后的线段特征值作为整个B块的块特征值。
步骤五、进行块调整,所述块调整包括:根据四个所述块的所述块特征值,在步骤31分割的块的阵列结构的基础上进行旋转、上下镜像或者左右镜像,用以将具有旋转或镜像关系的图形都归并为同一类。
块调整包括分步骤:
步骤51、步骤31分割的四个块分别为左上块即A块、右上块即B块、右下块即C块和左下块即D块;如图7所示,图7中直接以A、B、C和D表示对应块的块特征值,每个块特征值有两个分值,后面将分值分别表示为A1,A2,B1,B2,C1,C2,D1,D2。
对所述左上块和所述右上块的块特征值进行相加并取余得到第一横排值,对所述左下块和所述右下块的块特征值进行相加并取余得到第二横排值。
对所述左上块和所述左下块的块特征值进行相加并取余得到第一竖排值,对所述右上块和所述右下块的块特征值进行相加并取余得到第二竖排值。
对于横排值和竖排值的求取具体说明如下:
图7中第一横排值用K表示,K也有两个分值,分别用K1和K2表示;K为A和B的横排值,对A和B的两个分值分别作横排和竖排做加取余数可以得到K的两个分值,用公式表示为:
K1=(A1+B1)%P;
K2=(A2+B2)%Q。
同理,L为C和D的横排值,L也有两个分值,分别用L1和L2表示,用公式表示为:
L1=(C1+D1)%P;
L2=(C2+C2)%Q。
同理,M为A和D的竖排值,M也有两个分值,分别用M1和M2表示,用公式表示为:
M1=(A1+D1)%P;
M2=(A2+D2)%Q。
同理,N为B和C的竖排值,N也有两个分值,分别用N1和N2表示,用公式表示为:
N1=(B1+B1)%P;
N2=(B2+C2)%Q。
步骤52、如果所述第一横排值和所述第二横排值中的较小值大于所述第一竖排值和所述第二竖排值中的较小值,则对步骤31分割的四个块进行逆时针90的旋转。也即如果K1,L1中的较小值比M1,N1中的较小值大,则旋转矩阵。如果相同,则比较K2,L2和M2,N2,此处的旋转为逆时针旋转90度。在其它实施例中,也能为:如果所述第一横排值和所述第二横排值中的较小值大于所述第一竖排值和所述第二竖排值中的较小值,则对四个块进行顺时针90的旋转。需要说明的是,如果此处选择逆时针选择,则所有图形都逆时针选择;如果此处选择顺时针选择,则所有图形都顺时针选择;不要部分顺时针选择以及部分逆时针选择。
步骤53、如果所述第一横排值小于所述第二横排值,则对四个块进行上下镜像变换。即如果L1大于K1,则上下镜像矩阵。如果相同,则比较L2和K2。在其它实施例中也能为:如果所述第一横排值大于所述第二横排值,则对四个块进行上下镜像变换。需要说明的是,如果此处选择所述第一横排值小于所述第二横排值时做上下镜像变换,则所有图形都在所述第一横排值小于所述第二横排值时做上下镜像变换;如果此处选择所述第一横排值大于所述第二横排值时做上下镜像变换,则所有图形都在所述第一横排值大于所述第二横排值时做上下镜像变换;不要部分在所述第一横排值小于所述第二横排值时做上下镜像变换而另外部分在所述第一横排值大于所述第二横排值时做上下镜像变换。
步骤54、如果所述第一竖排值小于所述第二竖排值,则对四个块进行左右镜像变换,也即如果N1大于M1,则左右镜像矩阵。如果相同,则比较N2和M2。在其它实施例中也能为:如果所述第一竖排值大于所述第二竖排值,则对四个块进行左右镜像变换。需要说明的是,如果此处选择所述第一竖排值小于所述第二竖排值时做左右镜像变换,则所有图形都在所述第一竖排值小于所述第二竖排值时做左右镜像变换;如果此处选择所述第一竖排值大于所述第二竖排值时做左右镜像变换,则所有图形都在所述第一竖排值大于所述第二竖排值时做左右镜像变换;不要部分在所述第一竖排值小于所述第二竖排值时做左右镜像变换而另外部分在所述第一竖排值大于所述第二竖排值时做左右镜像变换。
本发明实施例方法通过块调整后,所有具有旋转或镜像关系的图形都会在块调整后具有相同的图形结构,从而实现具有旋转或镜像关系的图形的归类。
步骤六、根据各所述块特征值计算得到进行了块调整的所述图形的总特征值。
本发明实施例中,步骤六中计算所述图形的总特征值时以四个块中的一块为起始块,沿顺时针方向,结合所述第一质数和所述第二质数依次将相邻两块的所述块特征值合并成一个所述块特征值,最后得到一个总的所述块特征值并以该总的所述块特征值作为所述图形的总特征值。步骤六中将相邻两块的所述块特征值合并成一个所述块特征值的步骤和步骤44中将相邻两段的所述图形边界的线段特征值合并成一个线段特征值的步骤相同。如图7所示,可以选择D块为起始块,在顺时针方向上,第二块为A块,第三块为B块,第四块为C块,进行总特征值计算时第一次合并为D和A的块特征值的合并并得到第一次合并的块特征值,接着对第一次合并的块特征值和B的块特征值进行第二次合并并得到第二次合并的块特征值,接着对第二次合并的块特征值和C的块特征值进行第三次合并并得到第三次合并的块特征值,由于只有4个块,故三次合并即可得到总特征值,图7中总特征值的两个分值分别用G1和G2表示。注意,在计算总特征值的过程中,当起始块选定后,所以图形都以相同的块做起始块。
在其它实施例中也能为:步骤六中计算所述图形的总特征值时以四个块中的一块为起始块,沿逆时针方向,结合所述第一质数和所述第二质数依次将相邻两块的所述块特征值合并成一个所述块特征值,最后得到一个总的所述块特征值并以该总的所述块特征值作为所述图形的总特征值。需要说明的是,在计算总特征值的过程中,要么所有图形都沿逆时针方向合并,要么所有图形都沿顺时针方向合并,不能部分图形都沿逆时针方向合并而另外部分图形沿顺时针方向合并,只有这样才能使得相同的图形的总特征值相同。所以,本发明实施例方法求得的总特征值相同的所述图形为同一类图形,OPC验证基于按总特征值分类的图形进行,对同一类图形进行一次OPC验证。
以上通过具体实施例对本发明进行了详细的说明,但这些并非构成对本发明的限制。在不脱离本发明原理的情况下,本领域的技术人员还可做出许多变形和改进,这些也应视为本发明的保护范围。
Claims (14)
1.一种用于OPC验证的图形分类方法,其特征在于,采用如下步骤进行图形的总特征值的计算并实现对所述图形的分类:
步骤一、获取所述图形的比对区域的范围并提取所述比对区域内的所述图形的各图形边界;
步骤二、对所述图形的所述比对区域内的所述图形边界进行处理,包括如下分步骤:
步骤21、将所述比对区域外的所述图形的边都裁剪掉;
步骤22、进行过滤颗粒度的设定,使各所述图形边界的顶点都移动到最近的颗粒度的倍数的格点上,对同一直线上的格点做简并,用以将所述颗粒度大小的偏移都滤除;
步骤23、按相同的规则给各所述图形边界设定方向;
步骤三、对完成了的所述图形边界处理的所述图形进行分块处理,包括如下分步骤:
步骤31、将所述图形分割成大小相等的4块;
步骤32、根据分割结果重新计算各块中的各所述图形边界的顶点;
步骤33、对于每一块,以步骤31中的分割的中心点为原点对块进行坐标变换并将对应块变换到第一象限;
步骤四、对坐标变换完成的各块的块特征值进行计算,各所述块对应的所述块特征值根据各所述图形边界的顶点坐标并采用除以质数取余数的方法计算得到,各所述块对应的所述块特征值包括两个分值;
步骤五、进行块调整,所述块调整包括:根据四个所述块的所述块特征值,在步骤31分割的块的阵列结构的基础上进行旋转、上下镜像或者左右镜像,用以将具有旋转或镜像关系的图形都归并为同一类;
步骤六、根据各所述块特征值计算得到进行了块调整的所述图形的总特征值;
总特征值相同的所述图形为同一类图形,OPC验证基于按总特征值分类的图形进行,对同一类图形进行一次OPC验证。
2.如权利要求1所述的用于OPC验证的图形分类方法,其特征在于:步骤一中获取所述图形的比对区域的范围是以OPC验证的错误点为中心进行获取的。
3.如权利要求2所述的用于OPC验证的图形分类方法,其特征在于:步骤一中获取的所述图形的比对区域是以所述OPC验证的错误点为中心的正方形或长方形。
4.如权利要求3所述的用于OPC验证的图形分类方法,其特征在于:步骤一中获取所述图形的比对区域的范围的大小根据不同的OPC模型进行设定。
5.如权利要求4所述的用于OPC验证的图形分类方法,其特征在于:步骤一中获取所述图形的比对区域大小为在包含所述OPC验证的错误点的最小矩形的基础上向外再扩展1微米~2微米。
6.如权利要求1所述的用于OPC验证的图形分类方法,其特征在于:步骤22中所述颗粒度的大小设定为数十纳米。
7.如权利要求1或2或3所述的用于OPC验证的图形分类方法,其特征在于:步骤23中按照左手朝向图形内部的规则给各所述图形边界设定方向;或者,步骤23中按照右手朝向图形内部的规则给各所述图形边界设定方向。
8.如权利要求1所述的用于OPC验证的图形分类方法,其特征在于:步骤四中计算各所述块特征值包括如下分步骤:
步骤41、选取两个用于除余的第一质数和第二质数;
步骤42、根据各所述图形边界的起点坐标和终点坐标以及所述第一质数和所述第二质数计算所述块中各条所述图形边界的线段特征值;
步骤43、确定对应的所述块的中所述图形边界的数量,如果所述图形边界只有一段,则以该图形边界的线段特征值作为整个所述块的所述块特征值;如果所述图形边界的数量为2段以上,则进行步骤44;
步骤44、将各所述图形边界按照步骤23的规则定义的方向排列成线段序列;沿着所述线段序列的方向,结合所述第一质数和所述第二质数依次将相邻两段的所述图形边界的线段特征值合并成一个线段特征值,最后得到一个总的线段特征值并以该总的线段特征值作为整个所述块的所述块特征值。
9.如权利要求8所述的用于OPC验证的图形分类方法,其特征在于:步骤42中计算各条所述图形边界的所述线段特征值的公式为:
E1=[(X1+X2+a11×(Y1+Y2)+a12+X1)×
(Y1+Y2+a13×(X1+X2)+a14+Y1)]%P;
E2=[(Y1+Y2+a15×(Y1+Y2)+a16+X2)×
(Y1+Y2+a17×(X1+X2)+a18+Y2)]%Q;
E1表示所述线段特征值的第一分值,E2表示所述线段特征值的第二分值,P表示第一质数,Q表示第二质数,X1表示对应线段的起点横坐标、Y1表示对应线段的起点纵坐标,X2表示对应线段的终点横坐标、Y2表示对应线段的终点纵坐标,a11、a12、a13、a14、a15、a16、a17和a18都为质数且各不相同且都小于第一质数和第二质数中的任意一个。
10.如权利要求9所述的用于OPC验证的图形分类方法,其特征在于:步骤44将相邻两段的所述图形边界的线段特征值合并成一个线段特征值的步骤包括:
取前一段所述图形边界的E1和E2值作为X1和Y1,取后一段所述图形边界的E1和E2值作为X2和Y2,将变换后的X1和Y1以及X2和Y2的值代入公式:
E1=[(X1+X2+a21×(Y1+Y2)+a22+X1)×
(Y1+Y2+a23×(X1+X2)+a24+Y1)]%P;
E2=[(Y1+Y2+a25×(Y1+Y2)+a26+X2)×
(Y1+Y2+a27×(X1+X2)+a28+Y2)]%Q;
此处公式中,E1表示合并后的所述线段特征值的第一分值,E2表示合并后的所述线段特征值的第二分值,a21、a22、a23、a24、a25、a26、a27和a28都为质数且各不相同且都小于第一质数和第二质数中的任意一个;且a21、a22、a23、a24、a25、a26、a27和a28的值和a11、a12、a13、a14、a15、a16、a17和a18值都不同。
11.如权利要求10所述的用于OPC验证的图形分类方法,其特征在于:步骤六中计算所述图形的总特征值时以四个块中的一块为起始块,沿顺时针方向,结合所述第一质数和所述第二质数依次将相邻两块的所述块特征值合并成一个所述块特征值,最后得到一个总的所述块特征值并以该总的所述块特征值作为所述图形的总特征值;
步骤六中计算所述图形的总特征值时以四个块中的一块为起始块,沿逆时针方向,结合所述第一质数和所述第二质数依次将相邻两块的所述块特征值合并成一个所述块特征值,最后得到一个总的所述块特征值并以该总的所述块特征值作为所述图形的总特征值。
12.如权利要求11所述的用于OPC验证的图形分类方法,其特征在于:步骤六中将相邻两块的所述块特征值合并成一个所述块特征值的步骤和步骤44中将相邻两段的所述图形边界的线段特征值合并成一个线段特征值的步骤相同。
13.如权利要求8或9所述的用于OPC验证的图形分类方法,其特征在于:步骤41中所述第一质数和所述第二质数为12位十进制的大质数。
14.如权利要求8或9或10所述的用于OPC验证的图形分类方法,其特征在于:步骤五的块调整包括分步骤:
步骤51、步骤31分割的四个块分别为左上块、右上块、右下块和左下块;对所述左上块和所述右上块的块特征值进行相加并除以质数取余数得到第一横排值,对所述左下块和所述右下块的块特征值进行相加并除以质数取余数得到第二横排值,对所述左上块和所述左下块的块特征值进行相加并除以质数取余数得到第一竖排值,对所述右上块和所述右下块的块特征值进行相加并除以质数取余数得到第二竖排值;
步骤52、如果所述第一横排值和所述第二横排值中的较小值大于所述第一竖排值和所述第二竖排值中的较小值,则对步骤31分割的四个块进行逆时针90的旋转;
或者,如果所述第一横排值和所述第二横排值中的较小值大于所述第一竖排值和所述第二竖排值中的较小值,则对四个块进行顺时针90的旋转;
步骤53、如果所述第一横排值小于所述第二横排值,则对四个块进行上下镜像变换;
或者,如果所述第一横排值大于所述第二横排值,则对四个块进行上下镜像变换;
步骤54、如果所述第一竖排值小于所述第二竖排值,则对四个块进行左右镜像变换;
如果所述第一竖排值大于所述第二竖排值,则对四个块进行左右镜像变换。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710285776.6A CN107133944B (zh) | 2017-04-27 | 2017-04-27 | 用于opc验证的图形分类方法 |
US15/850,878 US10409153B2 (en) | 2017-04-27 | 2017-12-21 | Pattern sorting method used in OPC verification |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710285776.6A CN107133944B (zh) | 2017-04-27 | 2017-04-27 | 用于opc验证的图形分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107133944A CN107133944A (zh) | 2017-09-05 |
CN107133944B true CN107133944B (zh) | 2020-02-07 |
Family
ID=59715167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710285776.6A Active CN107133944B (zh) | 2017-04-27 | 2017-04-27 | 用于opc验证的图形分类方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10409153B2 (zh) |
CN (1) | CN107133944B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020135946A1 (en) * | 2018-12-28 | 2020-07-02 | Asml Netherlands B.V. | Method for generating patterning device pattern at patch boundary |
CN109709763B (zh) * | 2018-12-29 | 2022-08-09 | 上海华力集成电路制造有限公司 | 基于图形分类的离子注入层opc方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104950590A (zh) * | 2014-03-28 | 2015-09-30 | 格罗方德半导体公司 | 计量图案布局及其使用方法 |
CN105988300A (zh) * | 2015-02-04 | 2016-10-05 | 中芯国际集成电路制造(上海)有限公司 | 用于光学邻近修正的方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7155698B1 (en) * | 2001-09-11 | 2006-12-26 | The Regents Of The University Of California | Method of locating areas in an image such as a photo mask layout that are sensitive to residual processing effects |
US7055127B2 (en) * | 2003-10-27 | 2006-05-30 | Takumi Technology Corp. | Mask data preparation |
US9709553B2 (en) * | 2008-05-08 | 2017-07-18 | University Of Rochester | Treating myelin diseases with optimized cell preparations |
NL2005522A (en) * | 2009-10-28 | 2011-05-02 | Asml Netherlands Bv | Pattern selection for full-chip source and mask optimization. |
US9928316B2 (en) * | 2015-03-26 | 2018-03-27 | International Business Machines Corporation | Process-metrology reproducibility bands for lithographic photomasks |
-
2017
- 2017-04-27 CN CN201710285776.6A patent/CN107133944B/zh active Active
- 2017-12-21 US US15/850,878 patent/US10409153B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104950590A (zh) * | 2014-03-28 | 2015-09-30 | 格罗方德半导体公司 | 计量图案布局及其使用方法 |
CN105988300A (zh) * | 2015-02-04 | 2016-10-05 | 中芯国际集成电路制造(上海)有限公司 | 用于光学邻近修正的方法 |
Also Published As
Publication number | Publication date |
---|---|
US10409153B2 (en) | 2019-09-10 |
CN107133944A (zh) | 2017-09-05 |
US20180314146A1 (en) | 2018-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101789881B1 (ko) | 레이아웃 설계를 형성하는 방법 및 시스템 | |
TWI613510B (zh) | 電子束描繪裝置、電子束描繪方法及記錄媒體 | |
US20070226677A1 (en) | Performance in model-based opc engine utilizing efficient polygon pinning method | |
US20180032648A1 (en) | Simulation method of cmp process | |
JP2007188488A (ja) | パッキングベースのマクロ配置方法とそれを用いた半導体チップ | |
US7844939B2 (en) | Mask pattern correction program and system | |
CN107133944B (zh) | 用于opc验证的图形分类方法 | |
TW201732659A (zh) | 驗證多重樣式化技術的設計方法、驗證系統以及非暫時性電腦可讀取媒體 | |
JP3954216B2 (ja) | マスクデータ設計方法 | |
US10515180B1 (en) | Method, system, and computer program product to implement snapping for an electronic design | |
US10762272B2 (en) | Pattern density analysis method | |
US20160253449A1 (en) | Three dimensional (3d) virtual image modeling method for object produced through semiconductor manufacturing process | |
US20110088006A1 (en) | Method for layout verification of semiconductor integrated circuit | |
US9047658B2 (en) | Method of optical proximity correction | |
US8383299B2 (en) | Double patterning mask set and method of forming thereof | |
CN115272379B (zh) | 一种基于投影的三维网格模型外轮廓提取方法及系统 | |
JP4967989B2 (ja) | 設計支援装置、設計支援方法、および設計支援プログラム | |
TWI644341B (zh) | Descriptive data creation method | |
CN103901713A (zh) | 一种采用核回归技术的自适应光学邻近效应校正方法 | |
CN111462330A (zh) | 一种基于平面法向投影的测量视点规划方法 | |
CN110569532A (zh) | 一种室内边界要素矩形的拓扑一致性优化方法 | |
US8751980B2 (en) | Automatic wafer data sample planning and review | |
TWI712904B (zh) | 電子裝置及積體電路的佈局方法 | |
JP2021149886A (ja) | 三次元形状データ処理装置、及び三次元形状データ処理プログラム | |
US20180032642A1 (en) | Sweeping a profile along small circular arcs of a path |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |