CN109543330A - 一种自匹配的基于像素的光学邻近修正方法及系统 - Google Patents
一种自匹配的基于像素的光学邻近修正方法及系统 Download PDFInfo
- Publication number
- CN109543330A CN109543330A CN201811458522.0A CN201811458522A CN109543330A CN 109543330 A CN109543330 A CN 109543330A CN 201811458522 A CN201811458522 A CN 201811458522A CN 109543330 A CN109543330 A CN 109543330A
- Authority
- CN
- China
- Prior art keywords
- pixel
- self matching
- optical
- correction method
- profile
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000003287 optical effect Effects 0.000 title claims abstract description 47
- 238000012937 correction Methods 0.000 title claims abstract description 36
- 229920002120 photoresistant polymer Polymers 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 11
- 230000001427 coherent effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 description 16
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000001259 photo etching Methods 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- G06F30/39—Circuit design at the physical level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
Abstract
本发明公开了一种自匹配的基于像素的光学邻近修正方法及系统，该方法包括：步骤S1，输入初始输入图像，利用迭代采用梯度法，根据目标图形自匹配获得最优输入图形F0；步骤S2，对于输入图形，根据光学模型进行仿真得到虚像AI；步骤S3，对虚像AI采用固定参照曝光阈值的光刻胶模型得到轮廓；步骤S4，将得到的轮廓与目标图形，进行像素差异个数对比，得到像素差异个数值；步骤S5判断像素差异个数值是否大于可容忍范围；若大于可容忍范围，则进入步骤S6；否则终止OPC修正，得到掩模结果；步骤S6，利用梯度法求解代价函数最小值得到本轮OPC修正结果，并返回步骤S2。
Description
技术领域
本发明涉及微电子版图数据光学修正领域，特别是涉及一种自匹配的基于像素的光学邻近修正方法及系统。
背景技术
当集成电路的最小特征尺寸和间距减小到光刻所用光源的波长以下时，由于光的衍射和光刻胶显影蚀刻等因素带来的不可避免的影响，掩模(Mask)图像和硅圆片上印刷出来的图形之间将不再一致，集成电路(IC)版图图形转移的失真将显著增大，严重影响到集成电路的生产成品率，这种现象被称为“光学邻近效应(OPE，Opitcal ProximityEffects)。通常，硅片上实际印刷出来的图形产生的畸变现象有：断线和桥连、拐角圆滑、线端缩进等。这些畸变可引起实际曝光图样相对原版图设计图样产生多达60％的偏差，这大大超过工业光刻10％的偏差容许极限，为了解决集成电路设计制造中的种种困难，使光刻的结果最好符合版图设计的目标，分辨率增强技术(RET，Resolution EnhancementTechnology)应运而生，这种技术主要采用光学邻近效应矫正(OPC，Opitical ProximityCorrection)，以减小光学邻近效应对集成电路生产成品率的影响，并使现有的集成电路生产设备在相同的生产条件下能制造出具有更小特征尺寸的芯片。
现有基于像素的光学邻近修正(OPC)主要是以一个像素Pixel(像素大小为其中k是工艺参数，λ是光刻机的光波长；NA是透镜的数值孔径)作为图形的最小单位进行OPC修正，其流程如图1所示，其OPC过程如下：
步骤S1.1，输入(input)指定的图像T0如MOS管/矩形金属；
步骤S2.1，根据光学模型进行仿真(simulation)得到虚像(Aerial Images)AI；
步骤S2.2，对虚像AI采用固定参照曝光阈值的光刻胶模型(Constant ThresholdResist model)得到轮廓(Contour)；
步骤S2.3，将得到轮廓Contour与目标(Target)图形，即T0，利用异或(XOR)进行像素差异个数对比；
步骤S2.4，判断像素差异个数是否大于可容忍范围(Spec)；
步骤S2.5，若大于可容忍范围，则利用梯度法求解代价函数(cost function)最小值得到本轮OPC修正结果，并返回步骤S2.1；
步骤S2.6，输出光学邻近修正后的图形T1。
也就是说，现有技术的修正过程是由轮廓(Contour)与目标(Target)图形的像素差异个数(XOR结果)作为评价标准，图中的Spec是可容忍范围的参数，当轮廓(Contour)与目标(Target)图形的像素差异个数(XOR结果)值小于规定的可容忍范围，OPC修正就可以中止，此时得到的图形T1即为该方法的OPC修正结果。
其中，图1中所示迭代(Iteration)中的步骤(2.1)、(2.2)、(2.5)过程如下：
T(x，y)→Hsimulation{T(x，y)}＝AI(x，y) (2.1)
可见，现有的基于像素的OPC过程中，OPC修正实现的方式是使得当前代价函数(Cost function)的值最小，采用梯度法求解。
然而，现有技术存在如下步骤：
1、在图1的步骤S1.1输入指定的图形T0过程中，由于输入的是指定图形T0，即为设计(Design)或是目标(Target)图形，该图形因为有指定的像素(pixel)分布，在进入迭代(iteration)的(2.5)过程后，得到的代价函数(Cost function)会依赖于指定input图形T0，修正受限于指定的像素(pixel)分布，从而导致修正结果的收敛性(XOR的收敛性和收敛速度)并不理想；
2、另外，在对不同版图修正时，因为设计(Design)或目标(Target)图形的差异，每次修正过程都会受不同输入图形的影响，每次图形的修正结果将呈现不一致性。
发明内容
为克服上述现有技术存在的不足，本发明之目的在于提供一种自匹配的基于像素的光学邻近修正方法及系统，通过自匹配对输入初始化，以设计(Design)或(Target)图形作参考选取当前最优的初始化图形进行修正过程，最终达到提高收敛性并缩短迭代(iteration)的目的，并且对不同设计或目标图形的修正有良好的一致性。
为达上述及其它目的，本发明提出一种自匹配的基于像素的光学邻近修正方法，包括如下步骤：
步骤S1，输入初始输入图像，利用迭代采用梯度法，根据目标图形自匹配获得最优输入图形F0；
步骤S2，对于输入图形，根据光学模型进行仿真得到虚像AI；
步骤S3，对虚像AI采用固定参照曝光阈值的光刻胶模型得到轮廓；
步骤S4，将得到的轮廓与目标图形，进行像素差异个数对比，得到像素差异个数值；
步骤S5判断像素差异个数值是否大于可容忍范围；若大于可容忍范围，则进入步骤S6；否则终止OPC修正，得到掩模结果；
步骤S6，利用梯度法求解代价函数最小值得到本轮OPC修正结果，并返回步骤S2。
优选地，于步骤S1中，初始输入图像的矩阵为0或1。
优选地，于步骤S1中，利用类似如下步骤S2-步骤S6的方式进行若干次迭代，得到最优输入图形F0。
优选地，于步骤S2中，所述光学模型使用相干光源做模拟。
优选地，于步骤S2中，所述使用相干光源做模拟具体如下：
其中，光源部分的核函数h＝FSPECIAL('gaussian',H_SIZE,σ)为高斯型核函数，滤波参数H_SIZE取10～20，标准差σ在0.6～0.8之间。
优选地，于步骤S3中，对虚像进行CTR得到轮廓的过程中，使用如下方式近似：
其中CTR使用的阈值为tr＝0.3～0.8，模拟斜率a＝40。
优选地，于步骤S4中，利用异或进行像素差异个数对比。
优选地，所述可容忍范围参数取值在50～100之间。
优选地，于步骤S6中，所述代价函数如下：
其中M*N为版图的像素大小，(i，j)分别从1到M、1到N，代表矩阵里的每一个矩阵元，即版图上的每一个灰度点，Contour为轮廓，F0为最优输入图像，AI(x,y)为虚像，tr为CTR使用的阈值为，a为模拟斜率。
为达到上述目的，本发明还提供一种自匹配的基于像素的光学邻近修正系统，包括：
自匹配单元，用于输入初始输入图像，利用迭代，采用梯度法自匹配寻找最优输入图形F0；
迭代单元，用于输入图形F0，利用光学模型对其进行仿真得到虚像，并利用光刻胶模型得到轮廓，根据轮廓与输入图形F0的像素差异个数确定是否采用梯度法求解代价函数最小值以进行迭代。
与现有技术相比，本发明一种自匹配的基于像素的光学邻近修正方法及系统通过自匹配进行输入图像初始化，以Design或Target图形作参考选取当前最优的初始化图形进行OPC修正，最终达到提高收敛性并缩短迭代(iteration)的目的，并且对不同设计(Design)或(Target)图形的修正有良好的一致性。
附图说明
图1为现有技术中基于像素的光学邻近修正方法的步骤流程图；
图2为本发明一种自匹配的基于像素的光学邻近修正方法的步骤流程图；
图3为本发明一种自匹配的基于像素的光学邻近修正系统的系统架构图；
图4为本发明实施例中迭代单元202的细部结构图。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。
图2为本发明一种自匹配的基于像素的光学邻近修正方法的步骤流程图。如图2所示，本发明一种自匹配的基于像素的光学邻近修正方法，包括如下步骤：
步骤S1，输入初始输入图像，利用迭代采用梯度法，根据目标图形自匹配寻找最优输入图形F0。在本发明具体实施例中，不指定初始输入图形，例如初始输入矩阵为0或1，根据目标图形(即希望曝光后得到的图案)来优化输入图形，通过类似如下步骤S2-步骤S6的方式进行若干次迭代(例如10次)，得到最优输入图形F0。一般地，于步骤S1中，迭代次数为20次以内，步长取0.2，但本发明不以此为限。
步骤S2，对于输入图形F0，根据光学模型(model)进行仿真(simulation)得到虚像(Aerial Images)AI，在本发明具体实施例中，光学模型(model)使用相干光源做模拟。具体如下：
其中，I(i，j)为得到的虚像AI，M(i，j)为初始输入图像
光源部分的核函数h＝FSPECIAL('gaussian',H_SIZE,σ)为高斯型核函数，其中滤波参数H_SIZE取10～20，标准差σ在0.6～0.8之间。
步骤S3，对虚像AI采用固定参照曝光阈值的光刻胶模型(Constant ThresholdResist model)得到轮廓(Contour)；在本发明具体实施例中，对AI图像进行Constantthreshold Resist(CTR)得到轮廓(Contour)的过程中，使用如下方式近似：
其中CTR使用的阈值Threshold为tr＝0.3～0.8，模拟斜率a＝40。
步骤S4，将得到的轮廓Contour与目标(Target)图形(即希望曝光后光刻胶尽量接近的图形)，利用异或(XOR)进行像素差异个数对比，得到像素差异个数值；
步骤S5，判断像素差异个数值是否大于可容忍范围(Spec)；若大于可容忍范围(Spec)，则进入步骤S6；否则终止OPC修正，得到掩模(Mask)结果F1，在本发明具体实施例中，Spec参数取值在50～100之间。
步骤S6，利用梯度法求解代价函数(cost function)最小值得到本轮OPC修正结果，并返回步骤S2。
在本发明具体实施例中，迭代(Iteration)中的步骤S2、S3以及S6的具体过程分别如下：
T(x，y)→Hsimulation{T(x，y)}＝AI(x，y) (S2)
其中，T(x,y)为输入图像，H为光学模型仿真，AI(x,y)为得到的虚像。
其中，CTR使用的Threshold为tr＝0.3～0.8，模拟斜率a＝40
其中M*N就是版图的像素大小，跟矩阵的大小是一致的，(i，j)分别从1到M、1到N，代表了矩阵里的每一个矩阵元，也就是版图上的每一个灰度点
这里需说明的是，在本发明具体实施例中，所有图形(包括初始图形，OPC图形，光学模拟的Contour图形)均为以像素为最小单位的灰度图形，以矩阵的形式进行数值计算；
可见，本发明在进入迭代(iteration)的(步骤S5)过程后，(Cost function)不依赖于指定input图形，修正只考虑方式本身，从而收敛性(XOR的收敛性和收敛速度)得到了很好的提升。本发明在对不同版图修正时，不会受到Design或Target图形作为指定input而受限制，因此修正过程一致较好。
图3为本发明一种自匹配的基于像素的光学邻近修正系统的系统架构图。如图3所示，本发明一种自匹配的基于像素的光学邻近修正系统，包括：
自匹配单元201，用于输入初始输入图像，利用迭代，根据目标图形采用梯度法自匹配寻找最优输入图形F0。在本发明具体实施例中，不指定初始输入图形，例如初始输入矩阵为0或1，根据目标图形(即希望曝光后得到的图案)通过类似迭代单元202的方法进行若干次迭代(例如10次)，得到最优输入图形F0。一般地，于自匹配单元201中，迭代次数为20次以内，步长取0.2，但本发明不以此为限。
迭代单元202，用于输入图形F0，利用光学模型对其进行仿真得到虚像，并利用光刻胶模型得到轮廓(Contour)，根据轮廓与输入图形F0的像素差异个数确定是否采用梯度法求解代价函数最小值以进行迭代。
具体地，如图4所示，迭代单元202进一步包括：
光学模型仿真单元2021，用于对于输入图形F0，根据光学模型(model)进行仿真(simulation)得到虚像(Aerial Images)AI，在本发明具体实施例中，光学模型(model)使用相干光源做模拟。具体如下：
光源部分的核函数h＝FSPECIAL('gaussian',H_SIZE,σ)为高斯型核函数，其中滤波参数H_SIZE取10～20，标准差σ在0.6～0.8之间。
CTR单元2022，用于对虚像AI采用固定参照曝光阈值的光刻胶模型(ConstantThreshold Resist model)得到轮廓(Contour)；在本发明具体实施例中，对AI图像进行Constant threshold Resist(CTR)得到轮廓(Contour)的过程中，使用如下方式近似：
其中CTR使用的阈值Threshold为tr＝0.3～0.8，模拟斜率a＝40。
像素差异计算单元2023，用于将得到的轮廓Contour与输入图形F0，利用异或(XOR)进行像素差异个数对比，得到像素差异个数值；
判断单元2024，用于判断像素差异个数值是否大于可容忍范围(Spec)；若大于可容忍范围(Spec)，则进入迭代处理单元2025；否则终止OPC修正，得到掩模(Mask)结果F1，在本发明具体实施例中，Spec参数取值在50～100之间。
迭代处理单元2025，用于利用梯度法求解代价函数(cost function)最小值得到本轮OPC修正结果，并返回光学模型仿真单元2021。
综上所述，本发明一种自匹配的基于像素的光学邻近修正方法及系统通过自匹配进行输入图像初始化，以Design或Target图形作参考选取当前最优的初始化图形进行OPC修正，最终达到提高收敛性并缩短迭代(iteration)的目的，并且对不同设计(Design)或(Target)图形的修正有良好的一致性。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与改变。因此，本发明的权利保护范围，应如权利要求书所列。
Claims (10)
1.一种自匹配的基于像素的光学邻近修正方法，包括如下步骤：
步骤S1，输入初始输入图像，利用迭代采用梯度法，根据目标图形自匹配获得最优输入图形F0；
步骤S2，对于输入图形，根据光学模型进行仿真得到虚像AI；
步骤S3，对虚像AI采用固定参照曝光阈值的光刻胶模型得到轮廓；
步骤S4，将得到的轮廓与目标图形，进行像素差异个数对比，得到像素差异个数值；
步骤S5判断像素差异个数值是否大于可容忍范围；若大于可容忍范围，则进入步骤S6，否则终止OPC修正，得到掩模结果；
步骤S6，利用梯度法求解代价函数最小值得到本轮OPC修正结果，并返回步骤S2。
2.如权利要求1所述的一种自匹配的基于像素的光学邻近修正方法，其特征在于：于步骤S1中，初始输入图像的矩阵为0或1。
3.如权利要求2所述的一种自匹配的基于像素的光学邻近修正方法，其特征在于：于步骤S1中，利用类似步骤S2-步骤S6的方式进行若干次迭代，得到最优输入图形F0。
4.如权利要求2所述的一种自匹配的基于像素的光学邻近修正方法，其特征在于：于步骤S2中，所述光学模型使用相干光源做模拟。
5.如权利要求4所述的一种自匹配的基于像素的光学邻近修正方法，其特征在于：于步骤S2中，所述使用相干光源做模拟具体如下：
其中，光源部分的核函数h＝FSPECIAL('gaussian',H_SIZE,σ)为高斯型核函数，滤波参数H_SIZE取10～20，标准差σ在0.6～0.8之间。
6.如权利要求3所述的一种自匹配的基于像素的光学邻近修正方法，其特征在于：于步骤S3中，对虚像进行CTR得到轮廓的过程中，使用如下方式近似：
其中CTR使用的阈值为tr＝0.3～0.8，模拟斜率a＝40。
7.如权利要求3所述的一种自匹配的基于像素的光学邻近修正方法，其特征在于：于步骤S4中，利用异或进行像素差异个数对比。
8.如权利要求3所述的一种自匹配的基于像素的光学邻近修正方法，其特征在于：所述可容忍范围参数取值在50～100之间。
9.如权利要求3所述的一种自匹配的基于像素的光学邻近修正方法，其特征在于：于步骤S6中，所述代价函数如下：
其中M*N为版图的像素大小，(i，j)分别从1到M、1到N，代表矩阵里的每一个矩阵元，即版图上的每一个灰度点，Contour为轮廓，F0为最优输入图像，AI(x,y)为虚像，tr为CTR使用的阈值为，a为模拟斜率。
10.一种自匹配的基于像素的光学邻近修正系统，包括：
自匹配单元，用于输入初始输入图像，利用迭代并采用梯度法，根据目标图形自匹配寻找最优输入图形F0；
迭代单元，用于输入图形F0，利用光学模型对其进行仿真得到虚像，并利用光刻胶模型得到轮廓，根据轮廓与输入图形F0的像素差异个数确定是否采用梯度法求解代价函数最小值以进行迭代。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811458522.0A CN109543330A (zh) | 2018-11-30 | 2018-11-30 | 一种自匹配的基于像素的光学邻近修正方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811458522.0A CN109543330A (zh) | 2018-11-30 | 2018-11-30 | 一种自匹配的基于像素的光学邻近修正方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109543330A true CN109543330A (zh) | 2019-03-29 |
Family
ID=65851890
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811458522.0A Pending CN109543330A (zh) | 2018-11-30 | 2018-11-30 | 一种自匹配的基于像素的光学邻近修正方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109543330A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110765724A (zh) * | 2019-10-26 | 2020-02-07 | 东方晶源微电子科技（北京）有限公司 | 一种掩模优化方法及电子设备 |
| CN111045289A (zh) * | 2019-12-06 | 2020-04-21 | 中国科学院上海光学精密机械研究所 | 极紫外光刻掩模阴影效应补偿方法 |
| CN117170175A (zh) * | 2023-11-03 | 2023-12-05 | 合肥晶合集成电路股份有限公司 | 光学临近效应修正建模方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101644890A (zh) * | 2009-09-03 | 2010-02-10 | 浙江大学 | 一种适用于图像传感器像素阵列的光学邻近校正方法 |
| CN103744265A (zh) * | 2014-01-29 | 2014-04-23 | 上海华力微电子有限公司 | 改善工艺窗口的光学临近修正方法 |
| CN104166305A (zh) * | 2014-08-27 | 2014-11-26 | 上海华力微电子有限公司 | 减少修正迭代次数的opc方法 |
| US20160291458A1 (en) * | 2015-03-30 | 2016-10-06 | Daquan He | Method integrating target optimization and optical proximity correction |
-
2018
- 2018-11-30 CN CN201811458522.0A patent/CN109543330A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101644890A (zh) * | 2009-09-03 | 2010-02-10 | 浙江大学 | 一种适用于图像传感器像素阵列的光学邻近校正方法 |
| CN103744265A (zh) * | 2014-01-29 | 2014-04-23 | 上海华力微电子有限公司 | 改善工艺窗口的光学临近修正方法 |
| CN104166305A (zh) * | 2014-08-27 | 2014-11-26 | 上海华力微电子有限公司 | 减少修正迭代次数的opc方法 |
| US20160291458A1 (en) * | 2015-03-30 | 2016-10-06 | Daquan He | Method integrating target optimization and optical proximity correction |
Non-Patent Citations (1)
| Title |
|---|
| 吴小飞: ""部分相干照明下的光刻掩模图形优化方法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110765724A (zh) * | 2019-10-26 | 2020-02-07 | 东方晶源微电子科技（北京）有限公司 | 一种掩模优化方法及电子设备 |
| CN110765724B (zh) * | 2019-10-26 | 2023-04-18 | 东方晶源微电子科技（北京）有限公司 | 一种掩模优化方法及电子设备 |
| CN111045289A (zh) * | 2019-12-06 | 2020-04-21 | 中国科学院上海光学精密机械研究所 | 极紫外光刻掩模阴影效应补偿方法 |
| CN117170175A (zh) * | 2023-11-03 | 2023-12-05 | 合肥晶合集成电路股份有限公司 | 光学临近效应修正建模方法及装置 |
| CN117170175B (zh) * | 2023-11-03 | 2024-01-30 | 合肥晶合集成电路股份有限公司 | 光学临近效应修正建模方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11726402B2 (en) | Method and system for layout enhancement based on inter-cell correlation | |
| US10146124B2 (en) | Full chip lithographic mask generation | |
| US6768958B2 (en) | Automatic calibration of a masking process simulator | |
| US8843859B2 (en) | Layout content analysis for source mask optimization acceleration | |
| CN106777829A (zh) | 一种集成电路掩模设计的优化方法及计算机可读的存储介质 | |
| CN109543330A (zh) | 一种自匹配的基于像素的光学邻近修正方法及系统 | |
| CN110361926B (zh) | 光学邻近效应修正模型及其建立方法和掩膜板的形成方法 | |
| US20070111112A1 (en) | Systems and methods for fabricating photo masks | |
| CN110426914A (zh) | 一种亚分辨率辅助图形的修正方法及电子设备 | |
| CN103365071B (zh) | 掩膜板的光学邻近校正方法 | |
| CN109840342A (zh) | 由计算系统执行的方法 | |
| CN111123640A (zh) | 半导体元件的光罩的制造方法 | |
| CN106707681B (zh) | 一种增强opc处理精度的方法 | |
| US10571799B1 (en) | Hessian-free calculation of product of Hessian matrix and vector for lithography optimization | |
| CN110765724A (zh) | 一种掩模优化方法及电子设备 | |
| CN114326288A (zh) | 增大光刻工艺窗口的方法、电子设备和存储介质 | |
| US20090077519A1 (en) | Displacement Aware Optical Proximity Correction For Microcircuit Layout Designs | |
| CN103777458A (zh) | 一种opc方法以及制备掩膜版的方法 | |
| CN116137899A (zh) | 基于特征图像的三维掩模仿真 | |
| US20070141476A1 (en) | More accurate and physical method to account for lithographic and etch contributions in OPC models | |
| KR101143622B1 (ko) | 광 근접 보정 검증 방법 | |
| CN112987488B (zh) | Opc修正方法 | |
| US11657207B2 (en) | Wafer sensitivity determination and communication | |
| KR101168331B1 (ko) | 광 근접 보정 검증 방법 | |
| CN109283798A (zh) | 光阻顶部缺失的优化方法 |
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: 20190329 |
|
| RJ01 | Rejection of invention patent application after publication |