CN108830004A - 版图图形风险区域的判断方法 - Google Patents
版图图形风险区域的判断方法 Download PDFInfo
- Publication number
- CN108830004A CN108830004A CN201810672948.XA CN201810672948A CN108830004A CN 108830004 A CN108830004 A CN 108830004A CN 201810672948 A CN201810672948 A CN 201810672948A CN 108830004 A CN108830004 A CN 108830004A
- Authority
- CN
- China
- Prior art keywords
- area
- density information
- lattice point
- domain
- layout patterns
- 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.)
- Pending
Links
Classifications
-
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/39—Circuit design at the physical level
- G06F30/392—Floor-planning or layout, e.g. partitioning or placement
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Architecture (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种版图图形风险区域的判断方法,包括:将版图划分成多个格点,计算每个格点的密度信息,得到版图格点的密度信息,并根据所有格点的密度信息制成版图全局区域格点密度信息分布图;筛选出版图局部区域密度信息超出规格的格点,将筛选出版图局部图形密度超出规格的格点进行放大处理、拼接处理以及缩小处理;通过赋值算法找出版图局部区域密度信息中面积最大的区块;将版图局部区域密度信息中面积最大的区块与版图全局区域密度信息分布图进行贴合,所述版图全局区域密度信息分布图中面积最大的区块为版图图形风险区域。与人工估算和定位极值密度信息区域相比,此方法能快速精准的定位到版图图形的极值密度区域。
Description
技术领域
本发明涉及集成电路制造技术领域,尤其涉及一种版图图形风险区域的判断方法。
背景技术
随着集成电路技术的发展,版图图形的复杂度不断提高,图形密度分析已成为很多关键层次掩模版数据分析的重要步骤。在半导体制造过程中,图形密度分布均匀与否对蚀刻工艺及化学机械研磨工艺的影响很大,在图形密度分布不均的情况下,不仅容易加重蚀刻中的负载效应,导致部分图形的最终尺寸与目标尺寸偏离。更容易使图形在化学机械研磨工艺中发生过磨。因此,快速准确地查找到版图中局部图形具有风险的区域,有利于工程师及时了解产品风险的具体位置及图形特性,及早的制定出相应的措施,顺利达成产品的流片及量产。
传统的查找版图中图形风险的区域是手动定位,粗略地分析各个区域的大小及属性,并将相关的区域标记在图形密度分析报告上;该方式不仅耗时多,更容易产生偏差。
发明内容
本发明的目的在于提供一种版图图形风险区域的判断方法,能快速且精准地定位版图图形的局部密度风险区域。
为了达到上述目的,本发明提供了一种版图图形风险区域的判断方法,包括:
将版图划分成多个格点,计算每个格点的密度信息,得到版图格点的密度信息,并根据所有格点的密度信息制成版图全局区域格点密度信息分布图;
筛选出版图局部区域密度信息超出规格的格点,将筛选出版图局部图形密度超出规格的格点进行放大处理、拼接处理以及缩小处理;
通过赋值算法找出版图局部区域密度信息中面积最大的区块;
将版图局部区域密度信息中面积最大的区块与版图全局区域密度信息分布图进行贴合,所述版图全局区域密度信息分布图中面积最大的区块为版图图形风险区域。
可选的,在所述的版图图形风险区域的判断方法中,所述区块为一个以上超出规格的格点。
可选的,在所述的版图图形风险区域的判断方法中,所述计算每个格点的密度信息的方法包括:
计算格点内的图形的面积;
计算格点的面积;
图形的面积与格点的面积的比为密度信息。
可选的,在所述的版图图形风险区域的判断方法中,所述格点的形状为正方形或者长方形。
可选的,在所述的版图图形风险区域的判断方法中,所述格点的面积为10μm2-100μm2。
可选的,在所述的版图图形风险区域的判断方法中,所述划分的多个格点的尺寸相同,多个格点呈阵列分布。
可选的,在所述的版图图形风险区域的判断方法中,所述根据所有层格点的密度信息制成版图全局区域格点密度信息分布图的步骤包括:以不同颜色代表不同的密度信息的值,以不同的颜色组成一个分布图。
可选的,在所述的版图图形风险区域的判断方法中,所述筛选出每层版图局部区域密度信息超出规格的格点的步骤包括:筛选出密度信息达到预设值的格点,所述预设值小于第一阈值,大于第二阈值,其中,所述第一阈值和所述第二阈值的取值均在0~1之间。
可选的,在所述的版图图形风险区域的判断方法中,所述找出每层版图局部区域密度信息中面积最大的区块的方法包括:计算多个区块的面积,并查找出面积最大的区块。
可选的,在所述的版图图形风险区域的判断方法中,通过赋值算法找出版图局部区域密度信息中面积最大的区块的步骤包括:
计算每个区块的面积,找出最大面积的值;
将每个区块的面积分别与最大面积的值进行比较,如果一区块的面积与最大面积的值相等,则这个区块就是面积最大的区块。
在本发明提供的版图图形风险区域的判断方法中,将版图中的每层划分成多个格点,计算每层每个格点的密度信息,得到单层格点的密度信息,并根据所有层格点的密度信息制成版图全局区域格点密度信息分布图;筛选出每层版图局部区域密度信息超出规格的格点;找出每层版图局部区域密度信息中面积最大的区块;将每层版图局部区域密度信息中面积最大的区块与版图全局区域密度信息分布图进行贴合,所述版图全局区域密度信息分布图中面积最大的区块为极值密度区域。与人工估算和定位极值密度信息区域相比,此方法能快速精准的定位到版图图形的极值密度区域。
附图说明
图1是本发明实施例的极值密度区域的定位方法的流程图;
图2是本发明实施例的版图图形的格点划分示意图;
图3是本发明实施例的版图图形的区块划分示意图。
具体实施方式
下面将结合示意图对本发明的具体实施方式进行更详细的描述。根据下列描述和权利要求书,本发明的优点和特征将更清楚。需说明的是,附图均采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施例的目的。
参照图1,本发明提供了一种版图图形风险区域的判断方法,包括:
S11:将版图划分成多个格点,计算每个格点的密度信息,得到格点的密度信息,并根据所有格点的密度信息制成版图全局区域格点密度信息分布图;
S12:筛选出版图局部区域密度信息超出规格的格点,将筛选出版图局部图形密度超出规格的格点进行放大处理、拼接处理以及缩小处理;
S13:通过赋值算法找出版图局部区域密度信息中面积最大的区块;
S14:将版图局部区域密度信息中面积最大的区块与版图全局区域密度信息分布图进行贴合,所述版图全局区域密度信息分布图中面积最大的区块为版图图形风险区域。
本实施例中,所述区块为一个以上超出规格的格点。超出规格的格点可能因为所在的位置不同而分成多个区块,区块面积越大,说明这个区域超出规格的格点越多,这个区域的风险就越大。
本实施例中,所述计算每个格点的密度信息的方法包括:
计算格点内的图形的面积;
计算格点的面积;
图形的面积与格点的面积的比为密度信息。
发明人发现如果版图上不同地方的图形的面积相差太大,就存在图形在版图上分布不均的情况,分布不均对蚀刻工艺及化学机械研磨工艺的影响很大。因此,可以将版图划分为多个格点,分别计算格点内的图形的面积,寻找出图形面积超出规格的格点。而格点的面积也是影响格点内图形面积大小的一个因素,所以,可以通过格点内的图形面积与格点的面积的比例即密度信息来判断版图的图形面积是否均匀,每层版图上划分的格点的数量越多,得到的结果越准确。
本实施例中,所述格点的形状为正方形或者长方形。在本发明的其他实施例中,划分的格点的形状除了是正方形外,还可以是其他形状,例如,长方形。
本实施例中,所述格点的面积为10μm2-100μm2。格点的面积划分得越小,同一尺寸的版图的格点就越多,得到的版图图形密度的均匀性的结果就越准确。具体的,划分的格点可以是正方形形状,格点的边长可以是10μm,这样一个格点的的面积就是100μm2,根据格点的面积和版图的面积可以将版图划分成多个格点。
本实施例中,所述划分的多个格点的尺寸相同,多个格点呈阵列分布。多个格点的尺寸可以一致并且划分的多个格点呈阵列分布可以使得格点的面积的计算更加方便,例如,格点的尺寸可以都是10μm*10μm的尺寸。
本实施例中,所述根据所有层格点的密度信息制成版图全局区域格点密度信息分布图的步骤包括:以不同颜色代表不同的密度信息的值,以不同的颜色组成一个分布图。例如,参照图2,可以将整个版图划分成9个格点,分别是3行3列,从左上角开始将9个格点依次命名为1、2、3、4、5、6、7、8和9。版图上不同格点内的图形面积可能不一致,这样不同格点的密度信息也可能不一致,因此,可以用不同颜色来代表不同的密度信息制成一个密度信息分布图。具体的,如果第一个格点的密度信息以红色表示,第二个格点的密度信息以黄色表示,依次,9个格点组成的全局密度信息可以组成一个密度信息分布图。这个密度信息分布图上可能有一种或多种不同的颜色,如果9个格点的颜色相同或相近,则表示多个格点的密度信息相同或相差不大,进而可以表示版图的图形密度比较均匀;如果9个格点的密度信息由9个不同的颜色代表,并且颜色差别较大,则表示多个格点的密度信息相差太大,进而表示这个版图的图形密度分布不均匀。
本实施例中,所述筛选出每层版图局部区域密度信息超出规格的格点的步骤包括:筛选出密度信息达到预设值的格点,所述预设值小于第一阈值,大于第二阈值,其中,所述第一阈值和所述第二阈值的取值均在0~1之间。格点内的图形面积小于格点的面积,因此密度信息的值在0~1之间。第一阈值和第二阈值的值发明人可以根据实际情况定值,例如,第一阈值为0.3,第二阈值为0.7,而落在0.3到0.7这个范围内的密度信息的格点就是位于规格内的格点;而密度信息小于0.3和大于0.7的格点都是超出规格的格点,而这些格点可能因为所在的位置不同而分成多个区块。
将筛选出版图局部图形密度超出规格的格点进行放大处理、拼接处理以及缩小处理的步骤包括:
将筛选出版图局部图形密度超出规格的格点单边放大L,格点内的版图图形进行拼接;
将筛选出版图局部图形密度超出规格的格点单边缩小L。
其中,L的取值为10μm-100μm。具体的,可以将筛选出的格点单边放大20μm,格点和相邻的格点内的图形将会进行拼接,之后将格点单边缩小20μm,格点的尺寸与放大之前的尺寸相同。
本实施例中,所述找出每层版图局部区域密度信息中面积最大的区块的方法包括:计算多个区块的面积,并查找出面积最大的区块。区块面积越大,说明这个区域超出规格的格点越多,这个区域的风险就越大,通过查找面积最大的区块从而查找到版图图形上风险最大的区域。
本实施例中,所通过赋值算法找出版图局部区域密度信息中面积最大的区块的步骤包括:
计算每个区块的面积,找出最大面积的值;
将每个区块的面积分别与最大面积的值进行比较,如果一区块的面积与最大面积的值相等,则这个区块就是面积最大的区块。具体的,多个区块的面积分别为Ai,其中,i值为超出规格的区块的个数。参照图3,如果超出规格的有四个区块,则i的值为4,第一个区块的面积为A1,第二个区块的面积为A2,第三个区块的面积为A3,第四个区块的面积为A4。分别计算A1、A2、A3和A4的值,找出其中最大的面积的值并将值赋给Max。再计算Ai-Max的值,直到Ai-Max=0,输出该区块,该区块就是面积最大的区块。例如,A1-Max>0,A2-Max>0,A3-Max=0,则第三块区块就是最大面积的区块。
本实施例中,将筛选的区块与分布图进行贴合,在密度信息分布图上找出筛选的区块的位置。将输出的面积最大的区块A3的边界加粗,以使得方便识别,然后将这个区块与之前制成的密度信息分布图贴合,查找出在版图上的具体位置,查找出的具体位置就是极值密度区域,然后标记出该区域。极值密度区域是指版图图形风险最高的区域,而图形密度超出规格的区块中的面积最大的区块就是风险最高的区域。
综上,在本发明实施例提供的版图图形风险区域的判断方法中,首先制程密度信息分布图,然后通过计算和查找出密度信息超出规格的区块,对区块进行处理并且找出最大面积的区块,最后与密度信息分布图贴合,最大面积的区块与密度信息分布图对应的区域就是版图图形的极值密度区域。对人工估算定位相比,此方法能快速精准的定位到版图图形的极值密度区域。
上述仅为本发明的优选实施例而已,并不对本发明起到任何限制作用。任何所属技术领域的技术人员,在不脱离本发明的技术方案的范围内,对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动,均属未脱离本发明的技术方案的内容,仍属于本发明的保护范围之内。
Claims (10)
1.一种版图图形风险区域的判断方法,其特征在于,包括:
将版图划分成多个格点,计算每个格点的密度信息,得到版图格点的密度信息,并根据所有格点的密度信息制成版图全局区域格点密度信息分布图;
筛选出版图局部区域密度信息超出规格的格点,将筛选出版图局部图形密度超出规格的格点进行放大处理、拼接处理以及缩小处理;
通过赋值算法找出版图局部区域密度信息中面积最大的区块;
将版图局部区域密度信息中面积最大的区块与版图全局区域密度信息分布图进行贴合,所述版图全局区域密度信息分布图中面积最大的区块为版图图形风险区域。
2.如权利要求1所述的版图图形风险区域的判断方法,其特征在于,所述区块为一个以上超出规格的格点。
3.如权利要求1所述的版图图形风险区域的判断方法,其特征在于,所述计算每个格点的密度信息的方法包括:
计算格点内的图形的面积;
计算格点的面积;
图形的面积与格点的面积的比为密度信息。
4.如权利要求3所述的版图图形风险区域的精位方法,其特征在于,所述格点的形状为正方形或者长方形。
5.如权利要求1所述的版图图形风险区域的判断方法,其特征在于,所述格点的面积为10μm2-100μm2。
6.如权利要求1所述的版图图形风险区域的判断方法,其特征在于,所述划分的多个格点的尺寸相同,多个格点呈阵列分布。
7.如权利要求1所述的版图图形风险区域的判断方法,其特征在于,所述根据所有层格点的密度信息制成版图全局区域格点密度信息分布图的步骤包括:以不同颜色代表不同的密度信息的值,以不同的颜色组成一个分布图。
8.如权利要求1所述的版图图形风险区域的判断方法,其特征在于,所述筛选出每层版图局部区域密度信息超出规格的格点的步骤包括:筛选出密度信息达到预设值的格点,所述预设值小于第一阈值,大于第二阈值,其中,所述第一阈值和所述第二阈值的取值均在0~1之间。
9.如权利要求1所述的版图图形风险区域的判断方法,其特征在于,所述找出版图局部区域密度信息中面积最大的区块的方法包括:计算多个区块的面积,并查找出面积最大的区块。
10.如权利要求9所述的版图图形风险区域的判断方法,其特征在于,通过赋值算法找出版图局部区域密度信息中面积最大的区块的步骤包括:
计算每个区块的面积,找出最大面积的值;
将每个区块的面积分别与最大面积的值进行比较,如果一区块的面积与最大面积的值相等,则这个区块就是面积最大的区块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810672948.XA CN108830004A (zh) | 2018-06-26 | 2018-06-26 | 版图图形风险区域的判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810672948.XA CN108830004A (zh) | 2018-06-26 | 2018-06-26 | 版图图形风险区域的判断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108830004A true CN108830004A (zh) | 2018-11-16 |
Family
ID=64138550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810672948.XA Pending CN108830004A (zh) | 2018-06-26 | 2018-06-26 | 版图图形风险区域的判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108830004A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110705203A (zh) * | 2019-09-24 | 2020-01-17 | 上海华力微电子有限公司 | 版图图形密度的分析方法 |
CN111931449A (zh) * | 2020-08-11 | 2020-11-13 | 上海华力微电子有限公司 | 版图图形密度的分析方法 |
CN111948899A (zh) * | 2020-08-18 | 2020-11-17 | 上海华力微电子有限公司 | 绿色版图的认证方法及预警点的风险性的判断方法 |
CN112102346A (zh) * | 2020-09-25 | 2020-12-18 | 上海华力微电子有限公司 | 提高版图边缘格点的预测准确率的方法 |
CN112597715A (zh) * | 2020-12-11 | 2021-04-02 | 海光信息技术股份有限公司 | 验证方法、装置、电子设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080277750A1 (en) * | 2007-05-10 | 2008-11-13 | Lee Sang Hee | Layout Method for Mask, Semiconductor Device and Method for Manufacturing the Same |
CN102254786A (zh) * | 2010-05-20 | 2011-11-23 | 上海华虹Nec电子有限公司 | 芯片的局部图形密度的分析和检查方法 |
CN103871949A (zh) * | 2012-12-18 | 2014-06-18 | 上海华虹宏力半导体制造有限公司 | 版图的dfm方法 |
CN103902789A (zh) * | 2014-04-22 | 2014-07-02 | 上海华力微电子有限公司 | 一种冗余图形的填充方法 |
CN106372300A (zh) * | 2016-08-30 | 2017-02-01 | 上海华力微电子有限公司 | 可制造性检测分析方法 |
-
2018
- 2018-06-26 CN CN201810672948.XA patent/CN108830004A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080277750A1 (en) * | 2007-05-10 | 2008-11-13 | Lee Sang Hee | Layout Method for Mask, Semiconductor Device and Method for Manufacturing the Same |
CN102254786A (zh) * | 2010-05-20 | 2011-11-23 | 上海华虹Nec电子有限公司 | 芯片的局部图形密度的分析和检查方法 |
CN103871949A (zh) * | 2012-12-18 | 2014-06-18 | 上海华虹宏力半导体制造有限公司 | 版图的dfm方法 |
CN103902789A (zh) * | 2014-04-22 | 2014-07-02 | 上海华力微电子有限公司 | 一种冗余图形的填充方法 |
CN106372300A (zh) * | 2016-08-30 | 2017-02-01 | 上海华力微电子有限公司 | 可制造性检测分析方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110705203A (zh) * | 2019-09-24 | 2020-01-17 | 上海华力微电子有限公司 | 版图图形密度的分析方法 |
CN110705203B (zh) * | 2019-09-24 | 2023-03-31 | 上海华力微电子有限公司 | 版图图形密度的分析方法 |
CN111931449A (zh) * | 2020-08-11 | 2020-11-13 | 上海华力微电子有限公司 | 版图图形密度的分析方法 |
CN111931449B (zh) * | 2020-08-11 | 2023-11-03 | 上海华力微电子有限公司 | 版图图形密度的分析方法 |
CN111948899A (zh) * | 2020-08-18 | 2020-11-17 | 上海华力微电子有限公司 | 绿色版图的认证方法及预警点的风险性的判断方法 |
CN111948899B (zh) * | 2020-08-18 | 2024-02-02 | 上海华力微电子有限公司 | 绿色版图的认证方法及预警点的风险性的判断方法 |
CN112102346A (zh) * | 2020-09-25 | 2020-12-18 | 上海华力微电子有限公司 | 提高版图边缘格点的预测准确率的方法 |
CN112102346B (zh) * | 2020-09-25 | 2024-02-02 | 上海华力微电子有限公司 | 提高版图边缘格点的预测准确率的方法 |
CN112597715A (zh) * | 2020-12-11 | 2021-04-02 | 海光信息技术股份有限公司 | 验证方法、装置、电子设备及可读存储介质 |
CN112597715B (zh) * | 2020-12-11 | 2022-05-10 | 海光信息技术股份有限公司 | 验证方法、装置、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108830004A (zh) | 版图图形风险区域的判断方法 | |
CN108122801B (zh) | 晶圆标记方法及晶圆标记系统 | |
CN106021707A (zh) | 函括格点边缘区域图形数据的版图特征参数提取方法 | |
CN104201130B (zh) | 一种用于缺陷分类的光学检测方法 | |
CN108629297A (zh) | 一种基于空域自然场景统计的遥感图像云检测方法 | |
CN108154149A (zh) | 基于深度学习网络共享的车牌识别方法 | |
CN110189300A (zh) | 孔型结构工艺质量的检测方法、检测装置、存储介质和处理器 | |
CN105241718A (zh) | 一种tem样品制备方法 | |
US20150268177A1 (en) | Defect detection method | |
CN104716066A (zh) | 一种侦测图形底部光刻胶残留的缺陷检测方法 | |
CN104215482A (zh) | 一种失效分析样品的制备方法 | |
CN107423755A (zh) | 一种基于片烟形态特征对片烟进行描述及分类的方法 | |
Jin et al. | A color image segmentation method based on improved K-means clustering algorithm | |
CN109615630A (zh) | 基于图像处理技术的半连续铸造铝硅合金微观组织分析方法 | |
CN105184252A (zh) | 一种基于高空间分辨率图像的水华识别方法及装置 | |
CN108617164A (zh) | 光学基准点的挑选方法、系统、可读存储介质及电子设备 | |
CN103969942A (zh) | 集成式光刻板制作方法及其制得led芯片晶粒的分选方法 | |
CN105139435B (zh) | 一种处理多边形多重包含关系的边界一笔画方法 | |
CN104701140B (zh) | 双重曝光的图案拆分方法以及系统 | |
CN104537176B (zh) | 一种判断线路板外形铣进工艺边的方法 | |
CN103871939B (zh) | 用于生产蓝宝石图形衬底的分选方法 | |
CN113139975B (zh) | 一种基于道路特征的路面分割方法及装置 | |
CN104201124A (zh) | 根据图形特征对自动聚焦光强进行补偿的缺陷检测方法 | |
CN105470162A (zh) | 一种侦测接触孔缺陷的方法 | |
CN111400975A (zh) | 一种电源网络设计方法、装置和存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181116 |
|
RJ01 | Rejection of invention patent application after publication |