CN111399335A - 一种掩模版缺陷修复方法及装置 - Google Patents

一种掩模版缺陷修复方法及装置 Download PDF

Info

Publication number
CN111399335A
CN111399335A CN202010079423.2A CN202010079423A CN111399335A CN 111399335 A CN111399335 A CN 111399335A CN 202010079423 A CN202010079423 A CN 202010079423A CN 111399335 A CN111399335 A CN 111399335A
Authority
CN
China
Prior art keywords
mask
segment
feature
pattern
graph
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.)
Granted
Application number
CN202010079423.2A
Other languages
English (en)
Other versions
CN111399335B (zh
Inventor
吴睿轩
韦亚一
董立松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Microelectronics of CAS
Original Assignee
Institute of Microelectronics of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Microelectronics of CAS filed Critical Institute of Microelectronics of CAS
Priority to CN202010079423.2A priority Critical patent/CN111399335B/zh
Publication of CN111399335A publication Critical patent/CN111399335A/zh
Application granted granted Critical
Publication of CN111399335B publication Critical patent/CN111399335B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G03F1/68—Preparation processes not covered by groups G03F1/20 - G03F1/50
    • G03F1/72—Repair or correction of mask defects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Genetics & Genomics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Physiology (AREA)
  • Preparing Plates And Mask In Photomechanical Process (AREA)

Abstract

本发明公开一种掩模版缺陷修复方法及装置，涉及光刻技术领域，以快速准确的修复各种图形的掩模版的缺陷，使得掩模版缺陷的修复方式具有普适性。所述掩模版缺陷修复方法包括：接收掩模版的几何结构信息；根据所述掩模版的几何结构信息对掩模版图形进行分段编码，获得图形分段编码；所述图形分段编码包括至少一种图形特征分段编码；采用遗传算法对所述图形分段编码进行优化，获得图形分段编码的优化结果；根据所述图形分段编码的优化结果修复所述掩模版图形的缺陷。所述装置应用于上述技术方案所提的掩模版缺陷修复方法。本发明提供的掩模版缺陷修复方法用于修复掩模版缺陷。

Description

一种掩模版缺陷修复方法及装置
技术领域
本发明涉及光刻技术领域，尤其涉及一种掩模版缺陷修复方法及装置。
背景技术
极紫外光刻(Extreme Ultraviolet Lithography，缩写EUVL或EUV)是一种以波长为10nm-14nm的极紫外光作为光源的光刻技术，被认为是最具发展前景的下一代光刻技术。
在EUV光刻机中采用全反射微缩投影光学系统将极紫外光投射到掩模版上，以使得掩模版图形转移至待光刻的硅片形成的膜层上。当掩模版存在缺陷时，EUV光刻机利用13.5nm的曝光波长对膜层进行曝光，导致掩模版所存在的缺陷随着图形转移到图案化膜层中，进而极大地影响曝光后所形成的图形化膜层的关键尺寸。
现有技术中，可采用掩模图形调节方法对简单图形的掩模版进行补偿，但是无法对复杂图形案的掩模版进行快速优化。
发明内容
本发明的目的在于提供一种掩模版缺陷修复方法及装置，以快速准确的修复各种图形的掩模版的缺陷，使得掩模版缺陷的修复方式具有普适性。
为了实现上述目的，本发明提供一种掩模版缺陷修复方法。该掩模版缺陷修复方法包括：
接收掩模版的几何结构信息；
根据所述掩模版的几何结构信息对掩模版图形进行分段编码，获得图形分段编码；所述图形分段编码包括至少一种图形特征分段编码；
采用遗传算法对所述图形分段编码进行优化，获得图形分段编码的优化结果；
根据所述图形分段编码的优化结果修复所述掩模版图形的缺陷。
与现有技术相比，本发明提供的掩模版缺陷修复方法中，根据掩模版的几何结构信息对掩模版图形进行分段编码，获得图形分段编码，然后采用遗传算法对图形分段编码进行快速优化。而由于图形分段编码和掩模版图形一一对应，因此，当采用遗传算法对图形分段编码进行快速优化，获得图形分段编码的优化结果后，利用图形分段编码的优化结果可以快速修复掩模版图形的缺陷。而且，由于图形分段编码包括至少一种图形特征分段编码，使得根据掩模版的几何结构信息对掩模版的图形进行分段编码时，实质是将掩模版图形的轮廓线按照特征种类分段，然后针对其中至少一种特征的各个分段进行编码，使得利用遗传算法对图形分段编码进行快速优化时，并不需要分析掩模版的缺陷结构，因此，本发明提供的掩模版缺陷修复方法可以修复各种复杂度的掩模版缺陷，具有较高的普适性和可移植性。
本发明还提供一种掩模版缺陷修复装置。所述掩模版缺陷修复装置包括：
通信单元，用于接收掩模版的几何结构信息；
处理单元，用于根据所述掩模版的几何结构信息对掩模版图形进行分段编码，获得图形分段编码；所述图形分段编码包括至少一种图形特征分段编码；采用遗传算法对所述图形分段编码进行优化，获得图形分段编码的优化结果；根据所述图形分段编码的优化结果修复所述掩模版图形的缺陷。
与现有技术相比，本发明提供的掩模版缺陷调节装置的有益效果与上述掩模版缺陷调节方法的有益效果相同，在此不做赘述。
本发明还提供一种终端设备。该终端设备包括处理器以及与处理器耦合的通信接口。所述处理器用于运行计算机程序或指令，执行上述技术方案所述掩模版缺陷修复方法。
与现有技术相比，本发明提供的终端设备的有益效果与上述掩模版缺陷调节方法的有益效果相同，在此不做赘述。
本发明还提供一种计算机存储介质。所述计算机存储介质中存储有指令，当所述指令被运行时，实现上述技术方案所述掩模版缺陷修复方法。
与现有技术相比，本发明提供的计算机存储介质的有益效果与上述掩模版缺陷调节方法的有益效果相同，在此不做赘述。
本发明还提供一种芯片。所述芯片包括：处理器以及与处理器耦合的通信接口。所述处理器用于运行计算机程序或指令，实现上述技术方案所述掩模版缺陷修复方法。
与现有技术相比，本发明提供的芯片的有益效果与上述掩模版缺陷调节方法的有益效果相同，在此不做赘述。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例提供的掩模版缺陷修复系统的结构框图；
图2为本发明实施例提供的掩模版缺陷修复方法的主流程框图；
图3为本发明实施例中掩模版图形轮廓的示意图；
图4为本发明实施例中修复前后掩模版图形轮廓对比图；
图5为本发明实施例中角特征的观测点的示意图；
图6为本发明实施例提供的掩模版缺陷修复方法的具体流程框图一；
图7为本发明实施例提供的掩模版缺陷修复方法的具体流程框图二；
图8为本发明实施例中个体映射的边特征段的合并过程示意图；
图9为本发明实施例中个体映射的边特征段的分割过程示意图；
图10a为本发明实施例中1#缺陷俯视图；
图10b为本发明实施例中1#缺陷侧视图；
图11a为本发明实施例中2#缺陷俯视图；
图11b为本发明实施例中2#缺陷侧视图；
图12a为本发明实施例中3#缺陷俯视图；
图12b为本发明实施例中3#缺陷侧视图；
图13a为本发明实施例中4#缺陷俯视图；
图13b为本发明实施例中4#缺陷侧视图；
图14a为本发明实施例中5#缺陷俯视图；
图14b为本发明实施例中5#缺陷侧视图；
图15a为本发明实施例中无缺陷接触孔图形；
图15b为本发明实施例中无缺陷接触孔图形修复前的空间像；
图15c为本发明实施例中无缺陷接触孔图形修复后的空间像；
图16a为本发明实施例中1#缺陷接触孔图形；
图16b为本发明实施例中1#缺陷接触孔图形修复前的空间像；
图16c为本发明实施例中1#缺陷接触孔图形修复后的空间像；
图17a为本发明实施例中2#缺陷接触孔图形；
图17b为本发明实施例中2#缺陷接触孔图形修复前的空间像；
图17c为本发明实施例中2#缺陷接触孔图形修复后的空间像；
图18a为本发明实施例中3#缺陷接触孔图形；
图18b为本发明实施例中3#缺陷接触孔图形修复前的空间像；
图18c为本发明实施例中3#缺陷接触孔图形修复后的空间像；
图19a为本发明实施例中4#缺陷接触孔图形；
图19b为本发明实施例中4#缺陷接触孔图形修复前的空间像；
图19c为本发明实施例中4#缺陷接触孔图形修复后的空间像；
图20a为本发明实施例中5#缺陷接触孔图形；
图20b为本发明实施例中5#缺陷接触孔图形修复前的空间像；
图20c为本发明实施例中5#缺陷接触孔图形修复后的空间像；
图21为本发明实施例提供的掩模版缺陷修复装置的结构框图；
图22为本发明实施例提供的一种终端设备的硬件结构示意图；
图23为本发明实施例提供的芯片的结构示意图
具体实施方式
为了便于清楚描述本发明实施例的技术方案，在本发明的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。例如，第一阈值和第二阈值仅仅是为了区分不同的阈值，并不对其先后顺序进行限定。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。
需要说明的是，本发明中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
本发明中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，a和b的结合，a和c的结合，b和c的结合，或a、b和c的结合，其中a，b，c可以是单个，也可以是多个。
在介绍本发明实施例之前首先对本发明实施例中涉及到的相关名词作如下释义：
极紫外光刻(Extreme Ultraviolet Lithography，缩写为EUVL)常称作EUV光刻。它以波长为10-14纳米的极紫外光作为光源的光刻技术。具体来说，采用波长为135nm的紫外线对所需光刻的膜层进行曝光。
边缘放置误差(Edge Placement Error,缩写为EPE)是指：光刻软件仿真出的曝光后光刻胶图形边缘与设计光刻图形之间的差。
遗传算法(Genetic Algorithm)是一类借鉴生物界的进化规律(适者生存，优胜劣汰遗传机制)演化而来的随机化搜索方法。
适应度函数(Fitness Function)是一种用于评价个体的优劣程度的函数。适应度越大个体越好，反之适应度越小则个体越差。
锦标赛选择策略是指：每次从种群中取出一定数量个体(放回抽样)，然后选择其中最好的一个进入子代种群。重复该操作，直到新的种群规模达到原来的种群规模。
现有光刻系统包主要由括光刻机、掩模版和基板组成。光刻机向掩模版投影曝光光线，曝光光线通过掩模版在基板表面形成光刻空间像，进而将掩模版图形转移到基板上，达到对基板光刻的目的。由此可见，如果掩模版存在缺陷，那么掩模版的缺陷会引起的光刻质量下降，并将掩模版缺陷转移到基板上。
上述掩模版的缺陷一般来自掩模制作过程中。例如：在掩模制作过程中，掩模版内渗入纳米级的灰尘污染、杂质颗粒，就会引起掩模版缺陷。这些掩模版缺陷经常出现在掩模版的基底表面或在多层掩模版的膜层结构中。按照缺陷类型掩模版缺陷主要分为振幅缺陷与相位缺陷两种。振幅缺陷可以引起光强吸收损失，相位缺陷可以引起光场相位改变。
以EUV光刻系统为例，EUV光刻机采用13.5nm的曝光波长向掩模版投射极紫外光，使得掩模缺陷会极大地影响基板曝光后的关键尺寸。为了不破坏掩模版的多层膜结构，可以采用图形偏移法、布图规划法或掩模图形修正法对掩模版缺陷进行间接修复。
但是，图形偏移法容易受到缺陷数量、缺陷尺寸以及缺陷位置的影响，对于缺陷检测的准确性有很高的要求。布图规划法是通过移动整体基板(如芯片)避开缺陷，但会增加掩模版尺寸，并且在基板上引入不规则的掩模区域，影响后续的测试、切割以及封装过程。而掩模图形修正方法则主要针对线-空、矩形孔等简单图形进行补偿，未考虑对更复杂的掩模图形进行优化，且优化算法上存在速度慢、收敛度低等问题，需要进一步的改进。
图1示出本发明实施例提供的掩模版缺陷修复系统的结构框图。如图1所示，该掩模版缺陷修复系统100包括图像采集设备101和终端设备102。图像采集设备101和终端设备102通信。
如图1所示，图像采集设备101可以为相机、电荷藕合器件图像传感器(chargecoupled device，缩写为CCD)等，但不仅限于此。
如图1所示，终端设备102可以为台式电脑、笔记本电脑、平板、手机等具有数据处理功能的终端设备。
图2示出本发明实施例提供的掩模版缺陷修复方法的主流程框图。该掩模版缺陷修复方法可以用于修复各种图形的掩模版缺陷。这些掩模版图形可以为复杂图形，也可以为简单图形。应理解，此处的图形是指掩模版用以在待光刻膜层形成曝光区域的图形。例如：若需要在光刻胶膜上光刻出圆形接触孔，则掩模版图形为圆形。
上述掩模版缺陷修复方法可以由上述终端设备执行或应用于终端设备的芯片执行。如图2所示，本发明实施例提供的掩模版缺陷修复方法包括：
步骤101：终端设备接收掩模版的几何结构信息。该掩模版的几何结构信息含有为掩模版的实际结构信息，可以包括掩模版的轮廓尺寸和轮廓形状等信息。此处的轮廓不仅包括掩模版的整体轮廓，也包括掩模版内供曝光光线通过的图形轮廓。
在实际应用中，该掩模版的几何结构信息由相机、CCD等图像采集设备提供。当然，为了精确反映掩模版的几何结构信息，所选用的图像采集设备的分辨率越高越好。
步骤102：终端设备根据掩模版的几何结构信息对掩模版的图形进行分段编码，获得图形分段编码。该图形分段编码包括至少一种图形特征分段编码。
图形特征分段编码的种类可以由掩模版图形的轮廓线特征种类决定，图形分段编码可以包括掩模版图形轮廓线所包括的至少一种特征种类分段编码。也就是说，当图像轮廓线所包括两种特征时，图形分段编码可以包括掩模版图形轮廓线所包括的一种特征分段编码，也可以包括掩模版图形轮廓线所包括的两种特征分段编码。
此处图形分段编码与掩模版图形具有一一对应的映射关系。如果图形分段编码发生变化，其映射的掩模版图形也会发生变化。
步骤104：终端设备采用遗传算法对图形分段编码进行优化，获得图形分段编码的优化结果。由于图形分段编码与掩模版图形具有一一对应的映射关系，因此，采用遗传算法对图形分段编码进行优化实质是采用遗传算法对掩模版图形(包括形状和尺寸)进行优化。
步骤105：终端设备根据图形分段编码的优化结果修复掩模版图形的缺陷。
由上述掩模版缺陷修复方法中，本发明提供的掩模版缺陷修复方法中，根据掩模版的几何结构信息对掩模版图形进行分段编码，获得图形分段编码，然后采用遗传算法对图形分段编码进行快速优化。而由于图形分段编码和掩模版图形一一对应，因此，当采用遗传算法对图形分段编码进行快速优化，获得图形分段编码的优化结果后，利用图形分段编码的优化结果可以快速修复掩模版图形的缺陷。而且，由于图形分段编码包括至少一种图形特征分段编码，使得根据掩模版的几何结构信息对掩模版的图形进行分段编码时，实质是将掩模版图形的轮廓线按照特征种类分段，然后针对其中至少一种特征的各个分段进行编码，使得利用遗传算法对图形分段编码进行快速优化时，并不需要分析掩模版的缺陷结构，只是对图形特征的分段进行拉伸偏移等调整，因此，本发明实施例提供的掩模版缺陷修复方法可以修复各种复杂度的掩模版缺陷，具有较高的普适性和可移植性。
作为一种可能的实现方式，上述掩模版图形的轮廓线按照形状可以分为边特征和角特征，但也可以根据实际特征减少或增加特征种类。基于此，在进行掩模版图形分段编码时，可以仅对边特征进行编码，也可以对角特征进行编码，当然也可以同时对边特征和角特征进行编码。此时，上述图形分段编码含有的所有图形特征分段编码可以包括边特征分段编码，也可以包括角特征分段编码，当然也可以包括边特征分段编码和角特征分段编码。
对边特征进行编码来说，图形分段编码仅包括边特征分段编码这一种编码。对角特征进行编码来说，图形分段编码仅包括角特征分段编码这一种编码。同时对边特征和角特征进行编码时，图形分段编码包括边特征分段编码和角特征分段编码这两种编码。
在一种可选方式中，每种图形特征分段编码包括多段特征尺寸参数、多段特征偏移参数中的一种或两种。此时，采用遗传算法优化图形分段编码时，不仅可以优化图形分段编码映射的掩模版图形的轮廓线所包括的至少一种特征段的尺寸参数，还可以优化图形分段编码映射的掩模版图形的轮廓线所包括的至少一种特征段的偏移参数，由此可见，本发明实施例提供的掩模版缺陷修复方法其实是采用遗传算法优化的方式，优化掩模版图形轮廓所包括的至少一种特征段的尺寸和偏移方式，因此，根据图形分段编码的优化结果修复掩模版图形缺陷后，修复后的掩模版具有极佳的可操作性和可制造性，并能够保证修复缺陷后的掩模版的成像质量。示例性的，当图形特征分段编码包括多段特征尺寸参数时，采用遗传算法对图形分段编码进行优化，实质是采用遗传算法对掩模版图形的每个分段的形状尺寸(如以延伸长度定义的形状尺寸)进行优化。当图形特征分段编码包括多段特征偏移参数时，采用遗传算法对图形分段编码进行优化，实质是采用遗传算法对掩模版图形的每个分段的整体偏移方式(如偏移程度、偏移方向等)进行优化。当图形特征分段编码包括多段特征尺寸参数和多段特征偏移参数时，采用遗传算法对图形分段编码进行优化，实质是采用遗传算法既优化掩模版图形的各个分段形状尺寸，又优化每个分段的整体偏移程度和偏移方向方式进行优化。
具体的，对于边特征分段编码来说，如图3所示，两个点A、B确定一条边。此时如图3所示，该特征段尺寸参数包括边特征的起点坐标(A点坐标)和终点坐标(B点坐标)。这些尺寸参数可以确定边特征的长度和形状。特征段偏移参数是指每个边特征的整体偏移阈值。整体偏移阈值对应的标量即为前文所述边特征段偏移量编码。整体偏移阈值的符号表示边特征的整体偏移方向。例如：当偏移阈值的符号为负号时，边特征朝向掩模版图形的轮廓线围成的区域内移动。当偏移阈值的符号为正号时，边特征朝向掩模版图形的轮廓线围成的区域外移动。至于移动方向，可以是沿着垂直于边的方向，也可以是沿着与边具有夹角的方向，但应当注意移动方向与边延伸方向不能处在平行状态。
对于角特征分段编码来说，如图3所示，三个点A、O和C确定一个角的尺寸和形状。此时，每个特征段尺寸参数包括构成三个点A、O和C的坐标，三个点A、O和C坐标可以确定角特征的形状和尺寸。特征段偏移参数是指每个角的整体偏移阈值，整体偏移阈值的符号表示边特征的整体偏移方向。例如：当偏移阈值的符号为负号时，角特征朝向掩模版图形的轮廓线围成的区域内移动，当偏移阈值的符号为正号时，角特征朝向掩模版图形的轮廓线围成的区域外移动。
示例性的，同一种图形特征对应的图形特征分段编码可以以矩阵的形式保存。例如：当边特征分段编码以矩阵的方式保存时，该矩阵定义为Edge矩阵。又例如：当角特征分段编码以矩阵的方式保存时，该矩阵定义为Serif矩阵。
Edge矩阵可以表述为
Figure BDA0002379728430000101
Serif(·)为边特征段向量，m为掩膜版图形含有的边编号。n为掩膜版图形含有的一条边的边特征段编号。具体来说，每条边所包括的所有边特征段编码向量可以构成一个子矩阵。当掩膜版图形包括m条边，每条边包括n个边特征段，则Edge矩阵可以包括m个子矩阵，每个子矩阵包括n个边特征段向量。定义第一条边子矩阵为Edge(1)、……、第m条边子矩阵为Edge(m)。第一条边子矩阵为Edge(1)包括n个边特征段向量Edge(1,1)、Edge(1,2)、……、Edge(1,n)。第m条边子矩阵包括n个边特征段向量Edge(m,1)、Edge(m,2)、……、Edge(m,n)。另外，每个边特征向量内不仅保存有边特征段尺寸参数，还包括边特征段偏移参数。例如：Set(i,j)是边特征段向量Edge(i,j)中的一个标量，其代表偏移的大小。此时将Set(i,j)定义为边特征段偏移量编码。
Serif矩阵可以表达为
Figure BDA0002379728430000111
Serif(·)为角特征段向量，k为向量的编号。具体来说，Serif(1)用以表示掩膜版图形含有的第1个角特征段的特征向量。Serif(2)用以表示掩膜版图形含有的第2个角特征段的特征向量。Serif(k)用以表示掩膜版图形含有的第k个角特征段的特征向量。另外，每个角特征向量内不仅保存有边特征段尺寸参数，还包括角特征段偏移参数。
例如：如图3所示，按照特征种类不同，图3所示的掩模版图形包括4个条边和4个角。图3中每条边上的两个虚线之间的区域代表该条边的边特征段区域。
如图3所示，4个角对应的角特征矩阵分别为第一角特征段向量Serif(1)、第二角特征段向量Serif(2)、第三角特征段向量Serif(3)和第四角特征段向量Serif(4)组成。
如图3所示，4条边分别为第一条边、第二条边、第三条边和第四条边。每条边具有4个边特征段。此时，Edge矩阵包括4个子矩阵，分别为第一条边子矩阵Edge(1)、第二条边子矩阵Edge(2)、第三条边子矩阵Edge(3)和第四条子边矩阵Edge(4)。图4中正方形a标注出第一条边子矩阵Edge(1)内含有的四个边特征段偏移编码Set(1,1)、……、Set(1,4)。第二条边子矩阵Edge(2)内含有的四个边特征段偏移量编码Set(2,1)、……、Set(2,4)。第三条边子矩阵Edge(3)内含有的四个边特征段偏移量编码Set(3,1)、……、Set(3,4)。第四条边子矩阵Edge(4)内含有四个边特征段偏移量编码Set(4,1)、……、Set(4,4)。
在一种可选方式中，对于边特征分段编码来说，经过遗传算法对图形分段编码进行优化，所获得的图形分段编码的优化结果包括优化后边特征分段编码。优化后边特征分段编码映射的掩模版图形的边特征段数量与(优化前)边特征分段编码映射的掩模版图形的边特征段数量可以相同，也可以不同。当优化后边特征分段编码映射的掩模版图形的边特征段数量大于(优化前)边特征分段编码映射的掩模版图形的边特征段数量时，采用遗传算法对边特征编码进行优化的过程中，边特征分段编码会发生变异，使得边特征分段编码映射出的边特征段一分为二，甚至分成更多的边特征段。当优化后边特征分段编码映射的掩模版图形的边特征段数量小于(优化前)边特征分段编码映射的掩模版图形的边特征段数量时，采用遗传算法对边特征编码进行优化的过程中，边特征分段编码会发生变异，使得相邻两个边特征段合而为一。
对于角特征分段编码来说，图形分段编码的优化结果包括优化后角特征分段编码。并且，角特征段数量对于图形的整体形状起到极大的影响，且各个角特征之间存在至少一个边特征段，使得角特征段之间无法融合，因此，为了保证图形的整体形状不发生大的变化，优化后角特征分段编码映射的掩模版图形的角特征段数量与(优化前)图形分段编码映射的掩模版图形的角特征段数量相同。
在一种可选方式中，为了方便对比掩模版图形修复前后的变化，可以按照特征种类的不同，在每种特征段选取观测点。并且，掩模版图形修复前后，观测点的数量保持恒定，以利用修复前后观测点的坐标变化，确定掩模版图形在修复前后的差异。
对于每个边特征来说，选取每个边特征的中点的坐标作为该边特征的观测点。对于每个角特征来说，可以选取每个角特征尺寸参数所包括的任意一个点坐标为观测点。但是修复后曝光图形的角特征一般都会发生偏移，因此，对于角特征的观测点，观测点可以按照图5所示的选取方式选取。
如图5所示，第一边线L1和第二边线L2相较于交点P。第一边线L1具有第一实心点T1，第二边线L2具有第二实心点T2。以交点P、第一实心点S1和第二实心点S2绘制四分之一圆Y，再做垂直于线段OT1的第一垂线H1，第一垂线经过线段PT1的中心点，并与四分之一圆Y相角于第一角观测点C1。同理，做垂直于线段PT2的第二垂线H2，第二垂线经过线段OT2的中心点，并与四分之一圆Y相较于第二角观测点C2。
图4中实线围成的正方形a为修复前掩模版图形。虚线围成的多边形b为修复后掩模版图形。对比正方形a和多边形b可以发现，在修复过程中，边特征分段编码和角特征分段编码均发生变异，导致修复前后的掩模图形的边特征和角特征均发生较大的变化。对于边特征段来说，边特征段的数量前后发生变化，且发生一定的整体偏移。对于角特征段来说，角特征段的数量前后并未发生变化，但发生一定的整体偏移。
由上可见，本发明实施例提供的掩模版缺陷修复方法采用遗传算法优化图形分段编码的优化结果的时候，不仅可以优化已经存在的至少一种特征段的尺寸参数和偏移参数，还能够在特征段为边特征段的时候，调节边特征段的数量，以进一步提高修复后的掩模版可制造性和成像质量。
作为一种可能的实现方式，终端设备根据掩模版的几何结构信息对掩模版的图形进行分段编码，获得图形分段编码后，终端设备采用遗传算法对图形分段编码进行优化，获得图形分段编码的优化结果前，上述掩模版缺陷修复方法还包括：终端设备确定图形分段编码收敛。
当图形分段编码收敛的时候，图形分段编码映射出的掩模版图形对空间像的影响极低。而由于掩模版图形与空间像具有一一对应的关系，空间像的质量反映被转移在硅片等产品的图形质量。如果空间像发生偏差，则转移在硅片等产品的图形无法达到设计图形规格的要求，因此，当图形分段编码收敛时，利用遗传算法优化收敛的图形分段编码，可以大幅度提高遗传算法的优化速度，进而提升掩模版缺陷修复速度和效率。
在一种可选方式中，终端设备判断图形分段编码收敛方式可以以边缘放置误差判断图形分段编码是否收敛，当然，也可以采用其它现有方式确定。
示例性的，当边缘放置误差小于或等于误差阈值时，说明图形分段编码收敛。当边缘放置误差大于误差阈值，说明图形分段编码还未达到收敛。换句话说，图形分段编码的收敛条件为边缘放置误差小于或等于误差阈值。该误差阈值可以为一个定值，也可以为一个范围。例如：误差阈值为0.8nm～1.6nm，当然也可以根据特征尺寸的要求设定误差阈值，不受该误差阈值限制。
示例性的，当误差阈值为范围为1nm时，若边缘放置误差为1.3nm，需要对图形分段编码进行处理。若边缘放置误差为0.8nm，则确定图形分段编码收敛。
示例性的，如图2所示，上述确定图形分段编码收敛包括：步骤103：终端设备采用逐次逼近的方式对图形分段编码修正成收敛的图形分段编码。
示例性的，如图6所示，终端设备采用逐次逼近的方式对图形分段编码修正成收敛的图形分段编码包括：
步骤1031：终端设备根据掩模版的空间像和设计光刻图形，确定边缘放置误差。
举例说明：利用光刻机对掩模版进行曝光，并利用CCD采集掩模版的空间像。CCD将掩模版的空间像提供给终端设备，终端设备可以对掩模版的空间像进行二值化处理(二值化处理时给定光强度预设值，如0.109561。从设计光刻图形边缘对应的空间像选取该光强度预设值)。具体来说，将小于光强度预设值的掩模版的空间像素点的光强设定为0，大于或等于光强度预设值的掩模版的空间像素点的光强度设定为1。此时，光强度定义为1的这些掩模版的空间像素点就形成了掩模版图形的空间像。这种方式可以有效减少不必要数据计算量，降低终端设备的处理压力，提高处理速度。
步骤1033：终端设备确定边缘放置误差大于误差阈值的情况下，根据边缘放置误差修正图形分段编码的特征偏移参数，执行步骤1034。在这个过程中，图形分段编码映射的掩模版的各种特征段数量没有发生变化。
示例性的，边缘放置误差修正图形分段编码的特征偏移参数时，图形分段编码的特征偏移参数的修正幅度不应超过一个给定的误差阈值(误差阈值可以根据实际情况设定。误差阈值可以为一个具体值，也可以为一个数值范围)，以防止过量调整。例如：当图形分段编码映射的掩模版图形为边长为22nm的正方形，则该误差阈值可以为±2nm。
步骤1034：终端设备根据修正后的图形分段编码更新掩模版的空间像。具体来说，终端设备根据修正后的图形分段编码更新掩模版的空间像实质是：终端设备根据修正后的图形分段编码映射出掩模版的空间像，然后以映射出的掩模版的空间像更新步骤1031中的掩模版的空间像。
步骤1035：终端设备确定边缘放置误差小于或等于误差阈值的情况下，确定图形空间像投影收敛。
在实际应用中，在步骤1033和步骤1034前，还包括步骤1032：终端设备判断边缘放置误差是大于误差阈值。
由上可见，步骤1031-步骤1034的不断循环，可以保证边缘放置误差逐渐接近误差阈值。当终端设备执行步骤1035的情况下，可以结束步骤1031-步骤1034的循环，进而确定图形分段编码收敛。
作为一种可能的实现方式，为了保证新一代种群内的个体可以保留上一代种群内最优个体，上述遗传算法的选择策略为锦标赛选择策略。当然，本领域技术人员也可以根据实际需要选择轮赌盘方法、期望值法、排序选择法、竞争法或线性标准化法，实现对种群内个体的选择。
鉴于掩模版图形与空间像具有一一对应的关系，且空间像的质量反映被转移在硅片等产品的图形质量。如果空间像发生偏差，则转移在硅片等产品的图形无法达到设计图形规格的要求。基于此，本发明实施例采用的遗传算法以种群的个体空间像为解码信息，采用适应度函数评价种群的个体空间像与设计图形的适应度。
示例性的，上述适应度函数可以包括图像误差、空间像差以及掩模版图形边缘归一化光强对数斜率这些信息。将这三者引入适应度函数，利用适应度函数评价种群的个体的空间像与设计光刻图形的适应度。
例如：遗传算法的适应度函数满足：
Figure BDA0002379728430000151
其中，a1、a2、a3均为常数，可以在设计适应度函数的时候拟合得到a1、a2、a3。
Figure BDA0002379728430000152
为像素点坐标，
Figure BDA0002379728430000153
为掩模版的空间像素点光强度。可以采用仿真软件对个体(即图形分段编码)映射的掩模版进行光刻仿真，获得的掩模版的空间像。
Figure BDA0002379728430000161
为二值化的掩模版空间像素点光强度，
Figure BDA0002379728430000162
为二值化的设计光刻图形像素点光强度。NILSat edge为掩模版图形边缘归一化光强对数斜率。
Figure BDA0002379728430000163
用以表示图形误差；
Figure BDA0002379728430000164
用以表示空间像差。
在一种可选方式中，如图7所示，终端设备采用遗传算法对所述图形分段编码进行优化，获得图形分段编码的优化结果包括：
步骤1041：终端设备对图形分段编码进行初始化处理，获得初始种群。
举例说明，以图形分段编码为中心，随机生成一组图形分段编码，该组图形分段编码被称为初始种群。当终端设备确定图形分段编码收敛时，以收敛的图形空间像投影为中心随机生成一组图形分段编码，该组图形分段编码被称为初始种群。初始种群所包括的各个图像分段编码被称为个体。图像分段编码对应的编码内容定义为编码串。
为了保证交叉和变异效果，各个分段编码映射的掩模版图形的同一特征的特征段数量相同。当图形特征分段编码包括多段特征尺寸参数时，各个分段编码所含有的多段特征尺寸参数不同。也就是说，各个分段编码映射的掩模版图形的同一特征的多特征段形状尺寸不同，当图形特征分段编码包括多段特征偏移参数，各个分段编码所含有的多段特征偏移参数不同。也就是说，各个分段编码映射的掩模版图形的同一特征的多特征段偏移方式不同。
步骤1042：终端设备采用适应度函数对初始种群进行筛选，获得候选种群。示例性的，对初始种群所含有的各个个体进行解码，获得各个个体的空间像。然后根据前文适应度函数所满足的公式对初始种群的个体适应度进行评价。并且，为了保证当前种群中最优个体可以遗传到下一代的候选种群，可以基于锦标赛选择策略从初始种群的个体适应度进行筛选，从而间接筛选出候选种群。
步骤1043：终端设备对候选种群进行进化(即交叉和变异)，获得子代种群。在实际应用中，交叉方式可以为单点交叉，也可以为两点交叉或多点交叉。此处不再详述。变异方式可以为二进制变异、实值变异等。
当基于锦标赛选择策略选择下一代的候选种群时，所获得的子代种群含有N个个体，那么对候选种群进行交叉需要生成N-1个个体，剩余的1个个体则复制上一代适应度值最小的个体。也就是说，当基于锦标赛选择策略选择下一代的候选种群时，当前种群中最优个体可以遗传到子代种群中。
步骤1045：终端设备确定子代种群不满足进化终止条件的情况下，根据子代种群的各个个体适应度值更新候选种群。此时终端设备执行一次步骤1043～步骤1045(含下文步骤1044)记为一次进化。
举例说明，根据前文适应度函数满足的公式确定子代种群的各个个体适应度值，以锦标赛选择策略为选择策略，以子代种群的各个个体适应度值为对象，从当前子代种群中选取多个个体作为下一代的候选种群。
步骤1046：终端设备确定子代种群满足进化终止条件的情况下，根据子代种群的各个个体适应度值获得图形分段编码的优化结果。
举例说明，根据前文适应度函数满足的公式确定子代种群的适应度值，从子代种群的适应度值选取个体适应度值最小的个体作为图形分段编码的优化结果。
需要说明的是，如图7所示，在步骤1045和步骤1046前，上述终端设备采用遗传算法对所述图形分段编码进行优化，获得图形分段编码的优化结果还包括：
步骤1044：终端设备判断子代种群是否满足进化终止条件。应理解，进化终止条件根据实际情况选择。
在一种示例中，上述进化终止条件为当前进化次数大于或等于次数阈值。该次数阈值可以为一个固定次数值，也可以为次数范围。例如：次数阈值为85次。当前进化次数为70次时，终端设备仍然执行步骤1043～步骤1045。当前进化次数为85次时，终端设备执行步骤1046，从而确定图形分段编码的优化结果。
在另一种示例中，上述进化终止条件为子代种群含有的至少一个个体适应度值小于或等于适应度阈值。适应度阈值可以为固定值，也可以为一个范围值。该适应度阈值越小，对图形分段编码的优化效果也就越好。
例如：适应度阈值为35。当子代种群中有一个个体的适应度值为37.5时，终端设备仍然执行步骤1043～步骤1045。当子代种群中有一个个体的适应度值为32.5时，终端设备执行步骤1046，从而确定图形分段编码的优化结果。
需要说明的是，当进化终止条件为子代种群含有的至少一个个体适应度值小于或等于适应度阈值时，也可以同时设定次数阈值。在当前进化次数小于次数阈值的情况下，如果子代种群含有的至少一个个体适应度值小于或等于适应度阈值时，则终端设备执行步骤1046，并停止执行步骤1043～步骤1045。
示例性的，当图形分段编码含有边特征分段编码，如果图形分段编码的优化结果映射的掩模版图形的边特征过短，其可制造性比较差。基于此，如果候选种群包括的至少一个个体映射的掩膜版图形的边特征段长度小于最小长度值Lmin(这类边特征段定义为极短边特征段)，那么候选种群在进化过程中，某个极短边特征段会与其相邻的边特征段合并，使得子代种群所含有的每个个体映射的掩膜版图形的边特征段长度应当大于或等于最小长度值Lmin。
换句话说，当如果候选种群包括的某个或某几个边特征段长度小于最小长度值Lmin，终端设备对候选种群进行进化，获得子代种群后，终端设备确定子代种群满足进化终止条件和/或确定子代种群不满足进化终止条件，终端设备采用遗传算法对所述图形分段编码进行优化，获得图形分段编码的优化结果还包括：对子代种群所含有的个体进行处理，使得子代种群所含有的每个个体映射的掩膜版图形的边特征段长度应当大于或等于最小长度值Lmin(掩膜版图形被允许制作的最小长度/尺寸)。一般来说，根据技术进步，最小长度值Lmin会越来越小，目前最小长度值Lmin为3nm，但也不排除发明人未知的更小长度值。
并且，根据极短边特征段在掩膜版图形的位置，极短边特征段可能有一个或两个相邻的边特征段。当极短边特征段有两个相邻的边特征段时，应当选取两个相邻的边特征段中长度较小的一个与极短边特征段合并，以在保证优化结果准确度的前提下，增加掩膜版的可制造性。另外，如果极短边特征段与相邻的一个边特征段合并，仍然无法大于或等于最小长度值Lmin，应当考虑极短边特征段与相邻的两条边特征段，甚至其它边特征段合并，以使得最终合并的边特征段长度逼近甚至等于或大于最小长度值Lmin。
为了增加边特征段编码的变异可能性，以进一步优化掩膜版图形，在候选种群中个体映射的掩膜版图形的边特征段长度大于最大长度值Lmax(这类边特征段定义为极长边特征段)时，该候选种群在进化过程中，对该极长边特征段编码进行处理，使得该极长边特征段一分为二甚至一分为多。但应当注意，不管是一分为二，甚至更多，都应当保证进化所获得的子代种群所含有的每个个体映射的边特征段长度应当大于或等于最小长度值Lmin。此时，Lmax与Lmin的基本关系为Lmax≥2Lmin，以保证在极长边特征段一分为二的情况下，所获得的边特征段的长度大于Lmin。在现有技术条件下，Lmin＝3mm，而Lmax可以根据实际情况设置，如Lmax＝12nm。当然，Lmax的设置应当兼顾优化准确度和可制造性两方面，以避免选择过大时，边特征段优化效果不佳的问题。
换句话说，候选种群中个体映射的边特征段长度大于最大长度值Lmax时，终端设备对候选种群进行进化，获得子代种群后，终端设备确定子代种群满足进化终止条件和/或确定子代种群不满足进化终止条件，终端设备采用遗传算法对图形分段编码进行优化，获得图形分段编码的优化结果还包括：对子代种群所含有的个体进行处理，使得子代种群所含有的每个个体映射的掩膜版图形的边特征段长度大于或等于最小长度值Lmin。
在一些情况下，如果候选种群所含有的至少一个个体映射的掩膜版图形的至少一个边特征段长度大于最大长度值Lmax，候选种群进化成的至少一个个体映射的掩模版图形的至少一个边特征段长度有可能大于最大长度值Lmax，也有可能小于或等于最大长度值Lmax。
在一些情况下，当前文极短边特征与至少一个相邻的边特征段合并后，合成后的边特征段的长度有可能小于或等于最大长度值Lmax，也有可能大于最大长度值。原则上来说，当合成后的边特征段长度大于最大长度值Lmax时，可以结束不按照前文边特征段的长度大于最大长度值Lmax的处理方法，而是将其保留。当终端设备确定子代种群不满足进化终止条件时，则还需要下一步进化。如果合成后的边特征段存活至下一次进化，则在下一次进化时，对合成后的边特征段编码所在个体进行处理，使得合成后的边特征段一分为二或一分为多。当终端设备确定子代种群满足进化终止条件时，则其中一个个体的适应度值小于适应度值。如果合成后的边特征段位于该个体内，则合成后的边特征段编码实质为图形特征分段信息优化结果的一部分。此时，由于合成后的边特征段长度大，使得图形特征分段信息优化结果映射的掩膜版的可制造性会比较高。
举例说明：如图8所示，如果子代种群所含有的至少一个个体映射的掩模版图形的三个边特征段(第一边特征段R1、第二边特征段R2、第三边特征段R3)，其中第一边特征段R1的长度K1，第二边特征段R2的长度为K2，第三边特征段R3的长度为K3。并且，K2＜Lmin，K1＜K3。此时，通过对该个体所含有的第一边特征段编码和第二边特征段编码进行处理，使得第一边特征段R1和第二边特征段R2合并形成长度为T的合并边特征段R。此时原来的三个边特征段变为由合并边特征段R和原第三边特征段R3构成的两个边特征段。此时，H1＝K1+K2。并且如果K1+K2＞Lmax，也会将合成边特征段保留至本次进化所生成的子代种群含有的个体内，不会在本次进化处理时对合并边特征段R进行分割。
如图9所示，如果子代种群所含有的至少一个个体映射的掩模版图形的边特征段S长度L0大于Lmax，则对子代种群所含有的该个体进行处理。处理过程中，该个体映射的掩模版图形的边特征段分割成长度相同的第一条边特征子段S1和第二条边特征子段S2。第一条边特征子段S1的长度D1和第二条边特征子段S2的长度D2应当均为L0/2。Lmin≤L0/2≤Lmax，即2Lmin≤L0≤2Lmax，且L0＞Lmax。例如：当Lmax为2nm，Lmin为1nm，则L0＝3.4nm。应理解，在实际应用中，应当在L0＞Lmax的情况下，本领域技术人员可以根据L0与Lmax的实际比值确定边特征子段的数量，只要保证边特征子段满足长度阈值即可。例如：当3Lmax≥L0＞2Lmax时，可分为三条边特征子段。
图10a～图14a示出本发明实施例中掩模版的五种缺陷俯视示意图。在图10a～图14a中，横坐标X为掩模版宽度方向的坐标轴；纵坐标Y为掩模版长度方向的坐标轴。图10b～图14b示出本发明实施例中掩模版的五种缺陷侧视示意图。在图15中，横坐标X为掩模版宽度方向的坐标轴；纵坐标Z为掩模版高度方向(膜厚方向)的坐标轴。
如图10a～图14a和图10b～图14b所示，该掩模版为多层膜构成的掩模版。掩模版图形为接触孔。对于接触孔缺陷来说，可利用底面高度和底面尺寸(如底层宽度)、顶面高度和顶面尺寸(如底面尺寸)这几个缺陷参数分析该掩模版存在的缺陷。
如图10a～图14a和如图10b～图14b所示，以二维的高斯分布作为缺陷的理想模型，缺陷底端面所在膜层为Si/Mo多层结构构成的掩膜版的第1层，缺陷顶端面所在膜层为Si/Mo多层结构构成的掩膜版的第80层。底面高度Hbot是指缺陷底端面所在的膜层表面高度的峰值。顶面高度Htop是指缺陷顶端面高度的峰值。顶面尺寸(如顶面半高宽Wtop)是指缺陷顶端面尺寸(如缺陷顶端面半高宽)。底面尺寸(如底面半高宽Wbot)是指缺陷底端面尺寸(如缺陷底端面半高宽)。
表1接触孔图形缺陷修复前后关键尺寸对比表
Figure BDA0002379728430000211
Figure BDA0002379728430000221
由表1可以看出：对于没有缺陷的接触孔图形来说，其空间像图形的关键尺寸为22nm，周期为66nm。设定存在五种接触孔图形的缺陷，缺陷参数如表1所示。由表1可以看出，这五种缺陷接触孔图形的缺陷程度各有(以5#缺陷程度最高)不同。
图15a示出本发明实施例中无缺陷接触孔图形(设计接触孔图形)；图16a～图20a示本发明实施例中五种修复后缺陷接触孔图形。对比图15a～图20a可以发现，五种缺陷接触孔修复后的图形与无缺陷接触孔图形差异比较大。但是将表1所示的无缺陷接触孔图形对应的空间像图形的关键尺寸与修复后五种缺陷接触孔图形对应的空间像图形的特征尺寸进行对比可以发现，经过修复后的接触孔图形对应的空间像图形的特征尺寸与无缺陷接触孔的特征尺寸十分接近，说明本发明实施例并非以缺陷接触孔图形形状为优化对象，而是建立在空间像的基础上对缺陷接触孔图形进行优化，使得本发明实施例提供的掩膜版缺陷优化方法具有较高的普适应。
为了进一步测试接触孔缺陷修复效果，对无缺陷接触孔图形和五种缺陷接触孔图形进行空间像仿真，光源采用环形照明，归一化的内外半径分别为0.4、0.8，数值孔径为0.33。图15b示出本发明实施例中无缺陷接触孔图形的空间像仿真结果图；图16b～图20b示出本发明实施例中五种修复前缺陷接触孔图形的空间像仿真结果图，图16c～图20c示出本发明实施例中修复后接触孔图形的空间像仿真结果图。
对比图15b～图20b、图16c～20c可以发现，修复前五缺接触孔图形的空间像仿真结果与无缺陷接触孔孔图形的空间像仿真结果差异很大，修复后五缺接触孔图形的空间像仿真结果与无缺陷接触孔孔图形的空间像仿真结果十分接近。由此可见，本发明实施例提供的掩模版缺陷修复方法可以有效快速准确的修复掩模版图形缺陷，而不需要对掩模版图形缺陷结构进行分析。
为了保证修复误差尽可能小，可设定最大恢复误差容限(即最大修复误差)，以利用最大恢复误差容限确定本发明实施例提供的掩模版缺陷修复方法的修复误差。该最大恢复误差容限可以以无缺陷接触孔图形的关键尺寸CD参考标准，设定最大恢复误差容限为5％～15％。此处只是示例出一个最大恢复误差容限范围。在实际应用中，还可根据实际需要设定最大恢复误差容限，并不受本发明实施例中示出的最大恢复误差容限范围限制。
如果以最大恢复误差容限(即最大修复误差)为10％的无缺陷接触孔图形的关键尺寸，那么1#缺陷接触孔图形、2#缺陷接触孔图形、3#缺陷接触孔图形和4#缺陷接触孔图形的修复误差均位于最大恢复误差容限内，5#缺陷接触孔图形的修复误差已经超过最大恢复误差容限，且4#缺陷是缺陷修正极限范围。此时，1#缺陷接触孔图形、2#缺陷接触孔图形、3#缺陷接触孔图形和4#缺陷接触孔图形的成像质量符合成像要求，5#缺陷接触孔图形的成像质量不符合成像要求。
上述主要从以终端设备的角度对本发明实施例的方案进行了介绍。可以理解的是，终端设备为了实现上述功能，其包括了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本发明能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
本发明实施例可以根据上述方法示例终端设备进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本发明实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
上面结合图2～图9,图10a～图20a、图10b～图20b以及图15c～图20c，对本发明实施例的方法进行了说明，下面对本发明实施例提供的执行上述方法的掩模版缺陷修复装置进行描述。本领域技术人员可以理解，方法和装置可以相互结合和引用，本发明实施例提供的掩模版缺陷修复装置可以执行上述掩模版缺陷修复方法中由终端设备执行的步骤。
在采用集成的单元的情况下，图21示出本发明实施例提供的掩模版缺陷修复装置的结构框图。如图21所示，该掩模版缺陷修复装置200包括：通信单元201和处理单元202。
在一种示例中，如图21所示，该掩模版缺陷修复装置200可以为终端设备或应用于终端设备的芯片。
在这种情况下，如图21所示，通信单元201用于支持掩模版缺陷修复装置200执行上述实施例中由终端设备执行的步骤101。处理单元202用于支持掩模版缺陷修复装置200执行上述实施例中由终端设备执行的步骤102、步骤104和步骤105。
在一种可能的实现方式，至少一种图形特征分段编码信息包括：边特征分段编码和/或角特征分段编码。
当至少一种图形特征分段编码信息含有边特征分段编码，图形分段编码的优化结果包括优化后边特征分段编码；优化后边特征分段编码映射的掩模版图形的边特征段数量与边特征分段编码映射的掩模版图形的边特征段数量相同或不同；
当至少一种图形特征分段编码信息含有角特征分段编码，图形分段编码的优化结果包括优化后角特征分段编码；优化后角特征分段编码映射的掩模版图形所含有的角特征段数量与图形分段编码映射的掩模版图形所含有的角特征段数量相同。
在一种可能的实现方式，上述遗传算法的选择策略为锦标赛选择策略。
在一种可能的实现方式，上述遗传算法的适应度函数用于评价种群的个体的空间像与设计光刻图形的适应度。
在一种可能的实现方式，上述遗传算法的适应度函数满足：
Figure BDA0002379728430000251
其中，ffitness为适应度值，
Figure BDA0002379728430000252
为像素点坐标，
Figure BDA0002379728430000253
为掩模版的空间像素点光强度，
Figure BDA0002379728430000254
为设计光刻图形像素点光强度；
Figure BDA0002379728430000255
为二值化的所述掩模版空间像素点光强度，
Figure BDA0002379728430000256
为二值化的设计光刻图形像素点光强度，NILSat edge为掩模版图形边缘归一化光强对数斜率，a1、a2、a3均为常数。
在一种可能的实现方式，每种图形特征分段编码包括多段特征尺寸参数和/或多段特征偏移参数。
可选的，如图21所示，上述处理单元202用于支持掩模版缺陷修复装置执行上述实施例中由终端设备执行的步骤1041～步骤1046。
例如：步骤1044～步骤1046中的进化终止条件为所述子代种群含有的至少一个个体适应度值小于或等于适应度阈值。
又例如：步骤1044～步骤1046中的进化终止条件为当前进化次数大于或等于次数阈值。
再例如：当图形分段编码含有边特征分段编码，候选种群所含有的至少一个个体映射的掩膜版图形的边特征段长度小于最小长度值，候选种群进化成的子代种群所含有的每个个体映射的掩模版图形的边特征段长度均大于或等于最小长度值。
又例如：初始种群包括的各个图形分段编码所述含有的多段特征尺寸参数和/或多段特征偏移参数不同。
在一种可能的实现方式中，如图21所示，上述处理单元202用于支持掩模版缺陷修复装置200执行上述实施例中由终端设备执行的步骤102后，上述处理单元202用于支持掩模版缺陷修复装置200执行上述实施例中由终端设备执行的步骤104前，上述处理单元202还用于支持掩模版缺陷修复装置200执行上述实施例中由终端设备执行的确定图形分段编码收敛。
示例性的，如图21所示，上述处理单元202用于支持掩模版缺陷修复装置200执行上述实施例中由终端设备执行的步骤102后，上述处理单元202用于支持掩模版缺陷修复装置200执行上述实施例中由终端设备执行的步骤104前，上述处理单元202还用于支持掩模版缺陷修复装置200执行上述实施例中由终端设备执行的步骤103。例如：图形分段编码的收敛条件为边缘放置误差小于或等于误差阈值。
又例如：如图21所示，上述处理单元202用于支持掩模版缺陷修复装置200执行上述实施例中由终端设备执行的步骤102后，上述处理单元202用于支持掩模版缺陷修复装置200执行上述实施例中由终端设备执行的步骤104前，上述处理单元202还用于支持掩模版缺陷修复装置200执行上述实施例中由终端设备执行的步骤1031～步骤1035。
在一种可能的实现方式中，如图21所示，上述掩模版缺陷修复装置200还可以包括存储单元203，用于存储掩模版缺陷修复装置200可的程序代码和数据。
其中，如图21所示，以上通信单元201可以是该装置的一种通信接口，用于从其它装置接收信号。例如，当该装置以芯片的方式实现时，该通信单元是该芯片用于从其它芯片或装置接收信号或发送信号的通信接口。
如图21所示，处理单元202可以是处理器或控制器，例如可以是中央处理器单元，通用处理器，数字信号处理器，专用集成电路，现场可编程门阵列或者其它可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，数字信号处理器和微处理器的组合等等。通信单元201可以是通信接口等。存储单元203可以是存储器。
如图21所示，当处理单元202为处理器310或处理器350，通信单元201为通信接口330，存储单元203为存储器320时，本发明所涉及掩模版缺陷修复装置可以为图15所示的修复设备。
图22示出了本发明实施例提供的一种终端设备的硬件结构示意图。如图22所示，该终端设备300包括处理器310和通信接口330。
如图22所示，上述处理器310可以是一个通用中央处理器(central processingunit，CPU)，微处理器，专用集成电路(application-specific integrated circuit，ASIC)，或一个或多个用于控制本发明方案程序执行的集成电路。上述通信接口330可以为一个或多个。通信接口330可使用任何收发器一类的装置，用于与其它设备或通信网络通信。
如图22所示，上述终端设备300还可以包括通信线路340。通信线路340可包括一通路，在上述组件之间传送信息。
可选的，如图22所示，该终端设备300还可以包括存储器320。存储器320用于存储执行本发明方案的计算机执行指令，并由处理器310来控制执行。处理器310用于执行存储器320中存储的计算机执行指令，从而实现本发明下述实施例提供的掩模版缺陷修复方法。
如图22所示，存储器320可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其它类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其它类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其它光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其它磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其它介质，但不限于此。存储器可以是独立存在，通过通信线路340与处理器相连接。存储器也可以和处理器集成在一起。
可选的，本发明实施例中的计算机执行指令也可以称之为应用程序代码，本发明实施例对此不作具体限定。
在具体实现中，作为一种实施例，如图22所示，处理器310可以包括一个或多个CPU，如图22中的CPU0和CPU1。
在具体实现中，作为一种实施例，如图22所示，终端设备300可以包括多个处理器，如图22中的处理器310和处理器350。这些处理器中的每一个可以是一个单核处理器，也可以是一个多核处理器。
图23是本发明实施例提供的芯片的结构示意图。如图23所示，该芯片400包括一个或两个以上(包括两个)处理器410和通信接口420。
可选的，如图23所示，该芯片400还包括存储器430，存储器430可以包括只读存储器和随机存取存储器，并向处理器410提供操作指令和数据。存储器430的一部分还可以包括非易失性随机存取存储器(non-volatile random access memory，NVRAM)。
在一些实施方式中，如图23所示，存储器430存储了如下的元素，执行模块或者数据结构，或者他们的子集，或者他们的扩展集。
在本发明实施例中，如图23所示，通过调用存储器430存储的操作指令(该操作指令可存储在操作系统中)，执行相应的操作。
如图23所示，处理器410控制终端设备中任一个的处理操作，处理器410还可以称为中央处理单元(central processing unit，CPU)。
如图23所示，存储器430可以包括只读存储器和随机存取存储器，并向处理器410提供指令和数据。存储器430的一部分还可以包括NVRAM。例如应用中存储器430、通信接口320以及存储器430通过总线系统440耦合在一起，其中总线系统440除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见，在图23中将各种总线都标为总线系统440。
如图23所示，上述本发明实施例揭示的方法可以应用于处理器410中，或者由处理器410实现。处理器410可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器410中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器410可以是通用处理器、数字信号处理器(digital signal processing，DSP)、ASIC、现成可编程门阵列(field-programmable gate array，FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器430，处理器410读取存储器430中的信息，结合其硬件完成上述方法的步骤。
一种可能的实现方式中，如图23所示，通信接口420用于执行图2、图6和图7所示的实施例中的终端设备的接收步骤。处理器410用于执行图2、图6和图7所示的实施例中的终端设备的处理的步骤。
一方面，提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当指令被运行时，实现上述实施例中由终端设备执行的功能。
一方面，提供一种芯片，该芯片应用于终端设备中，芯片包括至少一个处理器和通信接口，通信接口和至少一个处理器耦合，处理器用于运行指令，以实现上述实施例中由终端设备执行的功能。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机程序或指令。在计算机上加载和执行所述计算机程序或指令时，全部或部分地执行本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、终端、用户设备或者其它可编程装置。所述计算机程序或指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机程序或指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是集成一个或多个可用介质的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，例如，软盘、硬盘、磁带；也可以是光介质，例如，数字视频光盘(digital video disc，DVD)；还可以是半导体介质，例如，固态硬盘(solid state drive，SSD)。
尽管在此结合各实施例对本发明进行了描述，然而，在实施所要求保护的本发明过程中，本领域技术人员通过查看附图、公开内容、以及所附权利要求书，可理解并实现公开实施例的其它变化。在权利要求中，“包括”(comprising)一词不排除其它组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其它单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本发明进行了描述，显而易见的，在不脱离本发明的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本发明的示例性说明，且视为已覆盖本发明范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (21)

1.一种掩模版缺陷修复方法，其特征在于，包括：
接收掩模版的几何结构信息；
根据所述掩模版的几何结构信息对掩模版图形进行分段编码，获得图形分段编码；所述图形分段编码包括至少一种图形特征分段编码；
采用遗传算法对所述图形分段编码进行优化，获得图形分段编码的优化结果；
根据所述图形分段编码的优化结果修复所述掩模版图形的缺陷。
2.根据权利要求1所述的掩模版缺陷修复方法，其特征在于，所述至少一种图形特征分段编码信息包括：边特征分段编码和/或角特征分段编码。
3.根据权利要求2所述的掩模版缺陷修复方法，其特征在于，当所述至少一种图形特征分段编码信息含有边特征分段编码，所述图形分段编码的优化结果包括优化后边特征分段编码；所述优化后边特征分段编码映射的掩模版图形的边特征段数量与所述边特征分段编码映射的掩模版图形的边特征段数量相同或不同；和/或，
当所述至少一种图形特征分段编码信息含有角特征分段编码，所述图形分段编码的优化结果包括优化后角特征分段编码；所述优化后角特征分段编码映射的掩模版图形所含有的角特征段数量与所述图形分段编码映射的掩模版图形所含有的角特征段数量相同。
4.根据权利要求1所述的掩模版缺陷修复方法，其特征在于，所述遗传算法的选择策略为锦标赛选择策略；和/或，
所述遗传算法的适应度函数用于评价种群的个体的空间像与设计光刻图形的适应度；和/或，
所述遗传算法的适应度函数满足：
Figure FDA0002379728420000011
其中，ffitness为适应度值，
Figure FDA0002379728420000012
为像素点坐标，
Figure FDA0002379728420000013
为掩模版的空间像素点光强度，
Figure FDA0002379728420000021
为设计光刻图形像素点光强度；
Figure FDA0002379728420000022
为二值化的掩模版空间像素点光强度，
Figure FDA0002379728420000023
为二值化的设计光刻图形像素点光强度，NILSat edge为掩模版图形边缘归一化光强对数斜率，a1、a2、a3均为常数。
5.根据权利要求1～4任一项所述的掩模版缺陷修复方法，其特征在于，每种所述图形特征分段编码包括多段特征尺寸参数和/或多段特征偏移参数。
6.根据权利要求5所述的掩模版缺陷修复方法，其特征在于，所述采用遗传算法对所述图形分段编码进行优化，获得图形分段编码的优化结果包括：
对所述图形分段编码进行初始化处理，获得初始种群；
根据所述初始种群的适应度值筛选出候选种群；
对所述候选种群进行进化，获得子代种群；
确定所述子代种群满足进化终止条件的情况下，根据所述子代种群的各个个体适应度值获得图形分段编码的优化结果；
确定所述子代种群不满足进化终止条件的情况下，根据所述子代种群的各个个体适应度值更新候选种群。
7.根据权利要求6所述的掩模版缺陷修复方法，其特征在于，所述进化终止条件为所述子代种群含有的至少一个个体适应度值小于或等于适应度阈值；和/或，
所述进化终止条件为当前进化次数大于或等于次数阈值。
8.根据权利要求6所述的掩模版缺陷修复方法，其特征在于，当所述图形分段编码含有边特征分段编码，所述候选种群所含有的至少一个个体映射的掩膜版图形的边特征段长度小于最小长度值，所述候选种群进化成的所述子代种群所含有的每个个体映射的掩模版图形的边特征段长度均大于或等于最小长度值；和/或，
所述初始种群包括的各个所述图形分段编码所述含有的多段特征尺寸参数和/或多段特征偏移参数不同。
9.根据权利要求1～4任一项所述的掩模版缺陷修复方法，其特征在于，所述根据所述掩模版的几何结构信息对掩模版图形进行分段编码，获得图形分段编码后，所述采用遗传算法对所述图形分段编码进行优化，获得图形分段编码的优化结果前，所述掩模版缺陷修复方法还包括：
采用逐次逼近的方式将所述图形分段编码修正成收敛的所述图形分段编码。
10.根据权利要求9所述的掩模版缺陷修复方法，其特征在于，所述图形分段编码的收敛条件为边缘放置误差小于或等于误差阈值。
11.一种掩模版缺陷修复装置，其特征在于，包括：
通信单元，用于接收掩模版的几何结构信息；
处理单元，用于根据所述掩模版的几何结构信息对掩模版图形进行分段编码，获得图形分段编码；所述图形分段编码包括至少一种图形特征分段编码；采用遗传算法对所述图形分段编码进行优化，获得图形分段编码的优化结果；根据所述图形分段编码的优化结果修复所述掩模版图形的缺陷。
12.根据权利要求11所述的掩模版缺陷修复装置，其特征在于，所述至少一种图形特征分段编码信息包括：边特征分段编码和/或角特征分段编码。
13.根据权利要求12所述的掩模版缺陷修复装置，其特征在于，当所述至少一种图形特征分段编码信息含有边特征分段编码，所述图形分段编码的优化结果包括优化后边特征分段编码；所述优化后边特征分段编码映射的掩模版图形的边特征段数量与所述边特征分段编码映射的掩模版图形的边特征段数量相同或不同；和/或，
当所述至少一种图形特征分段编码信息含有角特征分段编码，所述图形分段编码的优化结果包括优化后角特征分段编码；所述优化后角特征分段编码映射的掩模版图形所含有的角特征段数量与所述图形分段编码映射的掩模版图形所含有的角特征段数量相同。
14.根据权利要求11所述的掩模版缺陷修复装置，其特征在于，所述遗传算法的选择策略为锦标赛选择策略；和/或，
所述遗传算法的适应度函数用于评价种群的个体的空间像与设计光刻图形的适应度；和/或，
所述遗传算法的适应度函数满足：
Figure FDA0002379728420000041
其中，ffitness为适应度值，
Figure FDA0002379728420000042
为像素点坐标，
Figure FDA0002379728420000043
为掩模版的空间像素点光强度，
Figure FDA0002379728420000044
为设计光刻图形像素点光强度；
Figure FDA0002379728420000045
为二值化的掩模版空间像素点光强度，
Figure FDA0002379728420000046
为二值化的设计光刻图形像素点光强度，NILSat edge为掩模版图形边缘归一化光强对数斜率，a1、a2、a3均为常数。
15.根据权利要求11～14任一项所述的掩模版缺陷修复装置，每种所述图形特征分段编码包括多段特征尺寸参数和/或多段特征偏移参数。
16.根据权利要求15所述的掩模版缺陷修复装置，其特征在于，所述处理单元用于对所述图形分段编码进行初始化处理，获得初始种群；根据所述初始种群的适应度值筛选出候选种群；对所述候选种群进行进化，获得子代种群；确定所述子代种群满足进化终止条件的情况下，根据所述子代种群的各个个体适应度值获得图形分段编码的优化结果；确定所述子代种群不满足进化终止条件的情况下，根据所述子代种群的各个个体适应度值更新候选种群。
17.根据权利要求16所述的掩模版缺陷修复装置，其特征在于，所述进化终止条件为所述子代种群含有的至少一个个体适应度值小于或等于适应度阈值；和/或，
所述进化终止条件为当前进化次数大于或等于次数阈值。
18.根据权利要求16所述的掩模版缺陷修复装置，其特征在于，当所述图形分段编码含有边特征分段编码，所述候选种群所含有的至少一个个体映射的掩膜版图形的边特征段长度小于最小长度值，所述候选种群进化成的所述子代种群所含有的每个个体映射的掩模版图形的边特征段长度均大于或等于最小长度值；和/或，
所述初始种群包括的各个所述图形分段编码所述含有的多段特征尺寸参数和/或多段特征偏移参数不同。
19.根据权利要求11～14任一项所述的掩模版缺陷修复装置，其特征在于，所述处理单元还用于根据所述掩模版的几何结构信息对掩模版图形进行分段编码，获得图形分段编码后，采用遗传算法对所述图形分段编码进行优化，获得图形分段编码的优化结果前，采用逐次逼近的方式将所述图形分段编码修正成收敛的所述图形分段编码。
20.根据权利要求19所述的掩模版缺陷修复装置，其特征在于，所述图形分段编码的收敛条件为边缘放置误差小于或等于误差阈值。
21.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有指令，当所述指令被运行时，实现权利要求1～10任一项所述掩模版缺陷修复方法。
CN202010079423.2A 2020-02-04 2020-02-04 一种掩模版缺陷修复方法及装置 Active CN111399335B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010079423.2A CN111399335B (zh) 2020-02-04 2020-02-04 一种掩模版缺陷修复方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010079423.2A CN111399335B (zh) 2020-02-04 2020-02-04 一种掩模版缺陷修复方法及装置

Publications (2)

Publication Number Publication Date
CN111399335A true CN111399335A (zh) 2020-07-10
CN111399335B CN111399335B (zh) 2023-12-22

Family

ID=71432646

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010079423.2A Active CN111399335B (zh) 2020-02-04 2020-02-04 一种掩模版缺陷修复方法及装置

Country Status (1)

Country Link
CN (1) CN111399335B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112765893A (zh) * 2021-01-27 2021-05-07 广东省大湾区集成电路与系统应用研究院 基于遗传算法的掩模侧壁角控制方法、系统、设备及介质
WO2022013297A1 (en) * 2020-07-16 2022-01-20 Carl Zeiss Smt Gmbh Method, device and computer program for repairing a mask for lithography
CN117710270A (zh) * 2024-02-04 2024-03-15 全智芯(上海)技术有限公司 用于自由尺度光学邻近校正的方法、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080077907A1 (en) * 2006-09-21 2008-03-27 Kulkami Anand P Neural network-based system and methods for performing optical proximity correction
CN102789134A (zh) * 2011-05-18 2012-11-21 上海微电子装备有限公司 一种优化曝光系统性能的方法
CN104317159A (zh) * 2010-03-03 2015-01-28 中芯国际集成电路制造(上海)有限公司 一种掩膜图形缺陷的检测方法及系统
CN105069194A (zh) * 2015-07-20 2015-11-18 中国科学院长春光学精密机械与物理研究所 一种基于遗传算法的光刻衰减型掩模的优化方法
CN105425532A (zh) * 2015-11-20 2016-03-23 中国科学院微电子研究所 光源掩模协同优化方法
US20180196349A1 (en) * 2017-01-08 2018-07-12 Mentor Graphics Corporation Lithography Model Calibration Via Genetic Algorithms with Adaptive Deterministic Crowding and Dynamic Niching
CN110570038A (zh) * 2019-09-06 2019-12-13 福州大学 一种不规则带缺陷板材矩形排样方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080077907A1 (en) * 2006-09-21 2008-03-27 Kulkami Anand P Neural network-based system and methods for performing optical proximity correction
CN104317159A (zh) * 2010-03-03 2015-01-28 中芯国际集成电路制造(上海)有限公司 一种掩膜图形缺陷的检测方法及系统
CN102789134A (zh) * 2011-05-18 2012-11-21 上海微电子装备有限公司 一种优化曝光系统性能的方法
CN105069194A (zh) * 2015-07-20 2015-11-18 中国科学院长春光学精密机械与物理研究所 一种基于遗传算法的光刻衰减型掩模的优化方法
CN105425532A (zh) * 2015-11-20 2016-03-23 中国科学院微电子研究所 光源掩模协同优化方法
US20180196349A1 (en) * 2017-01-08 2018-07-12 Mentor Graphics Corporation Lithography Model Calibration Via Genetic Algorithms with Adaptive Deterministic Crowding and Dynamic Niching
CN110570038A (zh) * 2019-09-06 2019-12-13 福州大学 一种不规则带缺陷板材矩形排样方法及装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022013297A1 (en) * 2020-07-16 2022-01-20 Carl Zeiss Smt Gmbh Method, device and computer program for repairing a mask for lithography
TWI804920B (zh) * 2020-07-16 2023-06-11 德商卡爾蔡司Ｓｍｔ有限公司 修補微影光罩的方法、裝置、與電腦程式產品
CN112765893A (zh) * 2021-01-27 2021-05-07 广东省大湾区集成电路与系统应用研究院 基于遗传算法的掩模侧壁角控制方法、系统、设备及介质
CN112765893B (zh) * 2021-01-27 2023-04-25 广东省大湾区集成电路与系统应用研究院 基于遗传算法的掩模侧壁角控制方法、系统、设备及介质
CN117710270A (zh) * 2024-02-04 2024-03-15 全智芯(上海)技术有限公司 用于自由尺度光学邻近校正的方法、电子设备及存储介质
CN117710270B (zh) * 2024-02-04 2024-05-03 全智芯(上海)技术有限公司 用于自由尺度光学邻近校正的方法、电子设备及存储介质

Also Published As

Publication number Publication date
CN111399335B (zh) 2023-12-22

Similar Documents

Publication Publication Date Title
US10521539B2 (en) Optimization of integrated circuit mask design
US8893067B2 (en) System and method for lithography simulation
CN111399335A (zh) 一种掩模版缺陷修复方法及装置
TWI829875B (zh) 用於壓縮用於電子設計之形狀資料之方法及系統
US7558419B1 (en) System and method for detecting integrated circuit pattern defects
US20070009808A1 (en) Systems, masks, and methods for manufacturable masks
US11989873B2 (en) Stochastic contour prediction system, method of providing the stochastic contour prediction system, and method of providing EUV mask using the stochastic contour prediction system
US8601406B2 (en) Method of creating photo mask layout, computer readable recording medium storing programmed instructions for executing the method, and mask imaging system
US8443309B2 (en) Multifeature test pattern for optical proximity correction model verification
JP2009020393A (ja) マスクパターン形成方法
US20230141388A1 (en) Device and method for generating photomasks
US20230074316A1 (en) Mask process correction methods and methods of fabricating lithographic mask using the same
US7914949B2 (en) Method for testing a photomask
TWI840316B (zh) 用於壓縮用於電子設計之形狀資料之方法及系統
CN114721217A (zh) 改善光学近端校正技术的方法及系统
WO2023285071A1 (en) Pattern selection for source mask optimization and target optimization
TW202414338A (zh) 用於壓縮用於電子設計之形狀資料之方法及系統
CN114021435A (zh) 一种极紫外光掩模衍射近场计算模型的建立方法、装置及电子设备
CN117518734A (zh) 一种布线版图光刻工艺窗口优化方法、装置、设备及介质
CN116648704A (zh) 用于提取特征向量以辨识图案物体的特征提取方法

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
GR01 Patent grant
GR01 Patent grant