CN114815496A - 应用于超分辨光刻的像素化光学邻近效应修正方法及系统 - Google Patents

应用于超分辨光刻的像素化光学邻近效应修正方法及系统 Download PDF

Info

Publication number
CN114815496A
CN114815496A CN202210372026.3A CN202210372026A CN114815496A CN 114815496 A CN114815496 A CN 114815496A CN 202210372026 A CN202210372026 A CN 202210372026A CN 114815496 A CN114815496 A CN 114815496A
Authority
CN
China
Prior art keywords
mask data
super
resolution lithography
mask
optical proximity
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
CN202210372026.3A
Other languages
English (en)
Other versions
CN114815496B (zh
Inventor
罗先刚
孔维杰
董莲红
袁荻
王长涛
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 Optics and Electronics of CAS
Original Assignee
Institute of Optics and Electronics 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 Optics and Electronics of CAS filed Critical Institute of Optics and Electronics of CAS
Priority to CN202210372026.3A priority Critical patent/CN114815496B/zh
Publication of CN114815496A publication Critical patent/CN114815496A/zh
Priority to PCT/CN2022/129523 priority patent/WO2023193428A1/zh
Application granted granted Critical
Publication of CN114815496B publication Critical patent/CN114815496B/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
    • G03F1/36—Masks having proximity correction features; Preparation thereof, e.g. optical proximity correction [OPC] design processes
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)

Abstract

本公开提供一种应用于超分辨光刻的像素化光学邻近效应修正方法，包括：S1，根据目标图形得到像素化的初始掩模数据；S2，根据初始掩模数据和超分辨光刻的条件计算光刻胶输出图形与目标图形的成像误差；S3，对初始掩模数据进行编码，初始化超分辨光刻的结构参数、基于协方差矩阵自适应更新策略算法的参数；S4，利用基于协方差矩阵自适应更新策略算法进行迭代运算，直至获得满足预设条件的掩模数据，完成光学邻近效应的修正。本公开还提供一种将像素化光学邻近效应修正应用于超分辨光刻的方法、像素化光学邻近效应修正系统、电子设备、存储介质和程序产品。

Description

应用于超分辨光刻的像素化光学邻近效应修正方法及系统
技术领域
本公开涉及集成电路技术领域，具体涉及一种应用于超分辨光刻的像素化光学邻近效应修正方法及系统、超分辨光刻的方法、电子设备、存储介质和程序产品。
背景技术
光刻技术是大规模集成电路的核心技术之一，关键尺寸的持续性缩小使得光刻技术和光刻系统也在变革式的发展和进步。目前投影式光刻被广泛应用于集成电路的量产制造中，但是在系统未突破衍射极限的情况下，需要多种分辨率增强技术的配合，这就使得整个工艺系统复杂、成本很高；而超分辨光刻在成像时能够充分利用携带物体高频信息的倏逝波，可以实现超越衍射极限的光学纳米成像。
同时，在集成电路制造过程中要尽量满足掩模图形的无失真转移，以确保半导体器件的可靠性和产率。然而，在对高密度排列的掩模版图案进行光刻曝光时，由于入射光的干涉、衍射效应，转移到硅片上的图形会出现直角转角圆形化、直线末端回缩以及直线线宽增加或缩减等畸变现象。为了补偿这些图形失真，众多分辨率增强技术(resolutionenhancement technique，RET)被广泛研究，光学邻近效应修正技术(optical proximitycorrection，OPC)就是其中一个重要分支。由于复杂的成像模型和非线性光刻胶效应，基于梯度的OPC方法难以应用到亚波长电磁结构的超分辨光刻中。
基于像素的OPC可以有效地提高优化自由度，但是变量的增多会消耗更多的计算资源，增加运行时间。因此，本领域技术人员亟需一种操作简单高效、成本低廉的光学邻近效应补偿方法，对掩模进行优化，以满足光刻胶中的输出图形和目标掩模图形偏差最小化的要求，减少图形失真，提高产品的可靠性。
发明内容
(一)要解决的技术问题
针对上述问题，本公开提供了一种应用于超分辨光刻的像素化光学邻近效应修正方法及系统、超分辨光刻的方法、电子设备、存储介质和程序产品，用于解决传统基于梯度的OPC方法难以运用到超分辨光刻中、基于像素的OPC计算量过大等技术问题。
(二)技术方案
本公开一方面提供了一种应用于超分辨光刻的像素化光学邻近效应修正方法，包括：S1，根据目标图形得到像素化的初始掩模数据；S2，根据初始掩模数据和超分辨光刻的条件计算光刻胶输出图形与目标图形的成像误差；S3，对初始掩模数据进行编码，初始化超分辨光刻的结构参数、基于协方差矩阵自适应更新策略算法的参数；S4，利用基于协方差矩阵自适应更新策略算法进行迭代运算，直至获得满足预设条件的掩模数据，完成光学邻近效应的修正。
进一步地，S1包括：S11，根据目标图形得到初始掩模图形；S12，对初始掩模图形进行像素化处理，得到像素化的初始掩模数据。
进一步地，S2包括：S21，根据初始掩模数据和超分辨光刻的条件计算得到光刻胶中的空间光场强度分布；S22，根据光刻胶中的空间光场强度分布得到光刻胶输出图形，计算光刻胶输出图形与目标图形的像素误差总数作为成像误差。
进一步地，S3包括：S31，将初始掩模数据以按列逐点扫描的方式编码为一个行矩阵，得到编码后的迭代掩模数据；S32，初始化超分辨光刻的结构参数，结构参数至少包括各膜层的厚度及介电常数；S33，初始化基于协方差矩阵自适应更新策略算法的参数，参数至少包括优化变量个数、分布均值、搜索步长、协方差矩阵及种群数，其中将所述编码后迭代掩模数据作为初始分布均值。
进一步地，S31包括：若初始掩模数据对应的掩模图形为关于坐标轴对称的掩模图形，则将第一象限的掩模数据以按列逐点扫描的方式编码为一个行矩阵，得到编码后的迭代掩模数据；否则，将全部初始掩模数据以按列逐点扫描的方式编码为一个行矩阵，得到编码后的迭代掩模数据。
进一步地，S4包括：S41，利用基于协方差矩阵自适应更新策略算法对编码后的迭代掩模数据进行采样和二值化处理，得到第一数量的迭代掩模数据；S42，将第一数量的迭代掩模数据进行解码，并根据超分辨光刻的条件计算得到第一数量的成像误差；S43，根据第一数量的成像误差，从第一数量的迭代掩模数据中选取第二数量的迭代掩模数据；S44，根据第二数量的迭代掩模数据，更新得到下一代迭代掩模数据；S45，将所述下一代迭代掩模数据作为更新后的分布均值并更新搜索步长和协方差矩阵，重复S41～S45进行迭代计算，直至获得满足预设条件的掩模数据，完成光学邻近效应的修正。
进一步地，S42包括：若初始掩模数据对应的掩模图形为关于坐标轴对称的掩模图形，将第一数量的迭代掩模数据进行解码，并进行镜像操作，得到整个掩模图形的掩模数据；否则，将第一数量的迭代掩模数据进行解码，即得到整个掩模图形的掩模数据。
进一步地，S43～S44包括：将第一数量的成像误差按照升序排列；选取前第二数量的成像误差对应的迭代掩模数据，对其进行加权求和得到下一代迭代掩模数据。
进一步地，S45包括：根据进化路径的积累，计算更新搜索步长；根据进化路径，采用rank-1和rank-μ更新机理来更新协方差矩阵。
进一步地，S45还包括：若当前成像误差满足预设的阈值条件或迭代次数大于最大迭代次数条件，则当前迭代掩模数据为满足预设条件的掩模数据，完成光学邻近效应的修正。
进一步地，S2中超分辨光刻的条件包括超分辨光刻的结构，超分辨光刻的结构包括掩模衬底、掩模、空气间隔层、金属透射层、光刻胶、金属反射层和基底的结构；或，超分辨光刻的结构包括掩模衬底、掩模、空气间隔层、金属透射层、光刻胶和基底的结构；或，所述超分辨光刻的结构包括掩模衬底、掩模、空气间隔层、光刻胶、金属反射层和基底的结构。
本公开另一方面提供了一种将像素化光学邻近效应修正应用于超分辨光刻的方法，包括：S01，根据目标图形得到像素化的初始掩模数据；S02，根据初始掩模数据和超分辨光刻的条件计算光刻胶输出图形与目标图形的成像误差；S03，对初始掩模数据进行编码，初始化超分辨光刻的结构参数、基于协方差矩阵自适应更新策略算法的参数；S04，利用基于协方差矩阵自适应更新策略算法进行迭代运算，直至获得满足预设条件的掩模数据，完成光学邻近效应的修正；并输出最终掩模图形；S05，根据最终掩模图形进行超分辨光刻。
本公开还有一方面提供了一种应用于超分辨光刻的像素化光学邻近效应修正系统，包括：预处理模块，用于根据目标图形得到像素化的初始掩模数据；计算模块，用于根据初始掩模数据和超分辨光刻的条件计算光刻胶输出图形与目标图形的成像误差；编码模块，用于对初始掩模数据进行编码，初始化超分辨光刻的结构参数、基于协方差矩阵自适应更新策略算法的参数；迭代运算模块，用于利用基于协方差矩阵自适应更新策略算法进行迭代运算，直至获得满足预设条件的掩模数据，完成光学邻近效应的修正。
本公开还有一方面提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器执行前述的应用于超分辨光刻的像素化光学邻近效应修正方法。
本公开还有一方面提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行前述的应用于超分辨光刻的像素化光学邻近效应修正方法。
本公开还有一方面提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如前述的应用于超分辨光刻的像素化光学邻近效应修正方法。
(三)有益效果
本公开提供的一种应用于超分辨光刻的像素化光学邻近效应修正方法及系统、超分辨光刻的方法、电子设备、存储介质和程序产品，利用基于协方差矩阵自适应更新策略(Covariance Matrix Adaptation Evolution Strategy，CMA-ES)算法对初始掩模数据进行优化，以实现适用于超分辨光刻的光学邻近效应修正，无需建立超分辨光刻系统的完整数学模型，不用求解梯度就可以实现像素化掩模的OPC；对掩模数据进行全局编码，可以实现任意复杂掩模的OPC，特别地，对具有对称性的掩模数据进行对称性编码，可以使优化变量成倍减少，大大提升优化速度；相比基于其他启发式算法的OPC，该方法在优化过程中对搜索步长和解搜索空间进行控制，使得优化变量能够更快找到调整的方向。
附图说明
为了更完整地理解本公开及其优势，现在将参考结合附图的以下描述，其中：
图1示意性示出了根据本公开实施例中应用于超分辨光刻的像素化光学邻近效应修正方法的应用场景示意图；
图2示意性示出了根据本公开实施例中应用于超分辨光刻的像素化光学邻近效应修正方法的流程图；
图3示意性示出了根据本公开实施例中利用基于协方差矩阵自适应更新策略算法进行迭代运算的方法流程图；
图4示意性示出了根据本公开实施例中将像素化光学邻近效应修正应用于超分辨光刻的方法流程图；
图5示意性示出了根据本公开实施例中基于CMA-ES算法的SRL掩模OPC方法流程图；
图6示意性示出了根据本公开实施例一中初始掩模图形、对应的光刻胶中成像图形以及优化前光刻胶中成像图形轮廓与目标图形轮廓的对比图；
图7示意性示出了根据本公开实施例一中OPC优化后的掩模、对应的光刻胶中成像图形以及优化后光刻胶中成像图形轮廓与目标图形轮廓的对比图；
图8示意性示出了根据本公开实施例二中OPC优化前后的掩模图形以及对应光刻胶中成像图形和目标图形的轮廓对比图；
图9示意性示出了根据本公开实施例三中OPC优化前后的掩模图形以及对应光刻胶中成像图形和目标图形的轮廓对比图；
图10示意性示出了根据本公开实施例的应用于超分辨光刻的像素化光学邻近效应修正系统的方框图；
图11示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的方框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
附图中示出了一些方框图和/或流程图。应理解，方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外，本公开的技术可以采取存储有指令的计算机可读存储介质上的计算机程序产品的形式，该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。
在本公开中，为了便于说明，仅目标图形、初始掩模图形、掩模图形和最终掩模图形被称为图形，而像素化光学邻近效应修正中的计算过程和成像过程所得结果均被称为数据，可以理解的是，过程中的数据均能够对应输出相应的图形。
图1示意性示出了根据本公开实施例的可以应用于超分辨光刻的像素化光学邻近效应修正方法的应用场景示意图。需要注意的是，图1所示仅为可以应用本公开实施例的应用场景的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
本公开实施例的超分辨光刻结构可以如图1所示，图1中示出了两种结构，图1中1001的超分辨光刻结构包括掩模(SiO2+Cr)、空气间隔层(Air)、金属层(Ag)、光刻胶(Pr)、金属反射层(Ag)和基底(SiO2)的结构；图1中1002的超分辨光刻结构包括：掩模(SiO2+Cr)、空气间隔层(Air)、金属层(Ag)、光刻胶(Pr)和基底(SiO2)的结构。另外，超分辨光刻的结构还可以是包括掩模衬底、掩模、空气间隔层、光刻胶、金属反射层和基底的结构(图中未示出)。当然，本公开的方法并不限定于只适用于以上三种结构，其它超分辨光刻的结构也可使用本公开的像素化光学邻近效应修正方法。
图2示意性示出了根据本公开实施例的应用于超分辨光刻的像素化光学邻近效应修正方法的流程图。
如图2所示，该应用于超分辨光刻的像素化光学邻近效应修正方法包括：
在操作S1，根据目标图形得到像素化的初始掩模数据。
根据目标图形得到初始掩模图形，本公开中的初始掩模图形处理部分是在笛卡尔坐标系统中，将掩模图形划分为像素化的网格，每个像素的透过率可以用0或1表示，分别代表不透光和透光两种状态，得到像素化的初始掩模数据。
在操作S2，根据初始掩模数据和超分辨光刻的条件计算光刻胶输出图形与目标图形的成像误差。
超分辨光刻的条件包括超分辨光刻的结构，该结构可以是图1所示的结构，只要能够实现超分辨光刻的结构都可以适用于本公开的方法。基于超分辨光刻成像模型获得当前掩模数据对应的空间光场强度分布，并计算成像误差，成像误差用图形误差函数值来表征，图形误差函数值的大小表明了优化结果的优劣，该图形误差函数值定义为当前掩模数据在光刻胶中的输出图形与目标图形的像素偏差总数。
在操作S3，对初始掩模数据进行编码，初始化超分辨光刻的结构参数、基于协方差矩阵自适应更新策略算法的参数。
在优化之前，将初始掩模数据的透过率值编码为行矩阵；初始化超分辨光刻的结构参数，用于获得当前掩模数据对应的空间光场强度分布，然后在光刻胶模型中计算输出图形，从而计算光刻胶输出图形与目标图形的成像误差；初始化CMA-ES算法的固有参数、分布均值、系统参数等等，用于后期进行CMA-ES算法的迭代计算，从而更新优化掩模数据。
在操作S4，利用基于协方差矩阵自适应更新策略算法进行迭代运算，直至获得满足预设条件的掩模数据，完成光学邻近效应的修正。
基于协方差矩阵自适应更新策略算法的OPC是一种有效的光刻分辨率增强技术，在优化过程中，不使用梯度信息，通过在多元正态分布中采样并使用适应性好的个体去更新掩模数据，调制空间光场强度分布，从而提高光刻系统的分辨率和光刻胶中输出图形的图像保真度。
本公开利用基于协方差矩阵自适应更新策略算法对初始掩模数据进行优化，以实现适用于超分辨光刻的光学邻近效应修正，无需建立超分辨光刻系统的完整数学模型，不用求解梯度就可以实现像素化掩模的OPC，提升了优化速度。
在上述实施例的基础上，S1包括：S11，根据目标图形得到初始掩模图形；S12，对初始掩模图形进行像素化处理，得到像素化的初始掩模数据。
将目标图形作为初始掩模图形输入，对初始掩模图形再进行像素化处理，每个像素的值为0或者1，其中0表示不透明，1表示透明，即初始掩模图形转化为二值化的矩阵，初始掩模数据即为二值化的掩模矩阵数据。
在上述实施例的基础上，S2包括：S21，根据初始掩模数据和超分辨光刻的条件计算得到光刻胶中的空间光场强度分布；S22，根据光刻胶中的空间光场强度分布得到光刻胶输出图形，计算光刻胶输出图形与目标图形的像素误差总数作为成像误差。
用常阈值模型来表征光刻胶中的输出图形PI＝I＞tr，其中I是空间光场强度分布，tr是光刻胶阈值。本操作中获得空间光场强度的方法可以用严格耦合波分析方法(rigorous coupled-wave analysis，RCWA)计算得到，也可以用时域有限差分方法(finitedifferent time domain，FDTD)计算得到，也可以用有限元方法(finite element method，FEM)计算得到。成像误差为当前掩模数据对应的光刻胶中输出图形与目标图形的像素误差总数。
在上述实施例的基础上，S3包括：S31，将初始掩模数据以按列逐点扫描的方式编码为一个行矩阵，得到编码后迭代掩模数据；S32，初始化超分辨光刻的结构参数，结构参数至少包括各膜层的厚度及介电常数；S33，初始化基于协方差矩阵自适应更新策略算法的参数，参数至少包括优化变量个数、分布均值、搜索步长、协方差矩阵及种群数，其中将编码后迭代掩模数据作为初始分布均值。
编码后的迭代掩模数据是一个行矩阵，迭代的编码变量满足多元正态分布。初始化各参数，主要有超分辨光刻结构参数——各膜层厚度及介电常数大小等，CMA-ES算法参数－—优化变量个数Dm、分布均值m、搜索步长σ、协方差矩阵C及种群数λ等。由于初始掩模数据是直接从目标图形中采样得到，因此分布均值的初始值m(0)就等于初始迭代掩模数据；协方差矩阵的初始化为C＝IN*N，I是单位矩阵；种群数λ＝a+floor(b×log(N))，a∈N+，b∈N+，优化时不同的目标图形需要设定不同的种群数。种群数越大，每一代找到最适应个体的可能性越大，同时也意味着优化需要更多的计算资源和运行时间。一般来说，a取4，b取3。针对像素数较多的目标图形，a和b的取值可以增大但是不建议减小。
本公开将掩模图形的透过率分布，即像素化的掩模数据作为优化参数，对掩模数据进行编码和解码，并通过多次迭代CMA-ES算法来确定最终掩模图形。
在上述实施例的基础上，S31包括：若初始掩模数据对应的掩模图形为关于坐标轴对称的掩模图形，则将第一象限的掩模数据以按列逐点扫描的方式编码为一个行矩阵，得到上述编码后的迭代掩模数据；否则，将全部初始掩模数据以按列逐点扫描的方式编码为一个行矩阵，得到上述编码后的迭代掩模数据。
本公开使用全局编码的方式可以实现任意复杂图形的OPC，使用对称性编码的方式可以更快实现对称性掩模的OPC。编码就是将像素化掩模板的透过率值以按列逐点扫描的方式编码为一个行矩阵，从而得到编码后的迭代掩模数据。对于不对称的N×N的像素化掩模来说，用全局编码的方式对其编码，即从第一行第一列的位置开始，按列逐点扫描，直到将整个掩模板的透过率值都编码为行矩阵，此行矩阵大小为1×N2；对于关于坐标轴对称的N×N的像素化掩模来说(以N为奇数为例)，用对称性编码的方式对其编码，即从第一象限的第一行第一列的位置开始，按列逐点扫描，直到将第一象限的掩模板的透过率值都编码为行矩阵，此行矩阵大小为
Figure BDA0003587551340000101
如果N为偶数，此行矩阵大小为
Figure BDA0003587551340000102
本公开在掩模优化过程中，掩模单位像素的大小满足实际加工的最小尺寸限制，对掩模图形进行全局编码，可以实现任意复杂掩模的OPC；特别地，对对称性掩模图形进行对称性编码，可以使优化变量成倍减少，大大提升优化速度。
图3示意性示出了根据本公开实施例S4中利用基于协方差矩阵自适应更新策略算法进行迭代运算的方法流程图。
如图3所示，该利用基于协方差矩阵自适应更新策略算法进行迭代运算的方法包括：
在操作S41，利用基于协方差矩阵自适应更新策略算法对编码后的迭代掩模数据进行采样和二值化处理，得到第一数量的迭代掩模数据。
使用CMA-ES算法多次迭代来实现对掩模的优化。首先从多元正态分布中采样得到新的候选解，再对该候选解进行二值化，即得到第一数量的迭代掩模数据。
在操作S42，将第一数量的迭代掩模数据进行解码，并根据超分辨光刻的条件计算得到第一数量的成像误差。
将采样得到的下一代候选解进行二值化、解码(及镜像处理)，得到下一代的多组掩模数据，分别对该多组掩模数据按照S2中的计算方法计算成像误差，即根据当前多组掩模数据和超分辨光刻的条件分别计算得到光刻胶中的空间光场强度分布，再根据光刻胶中的空间光场强度分布得到光刻胶输出图形，分别计算光刻胶输出图形与目标图形的像素误差总数作为成像误差。
在操作S43，根据第一数量的成像误差，从第一数量的迭代掩模数据中选取第二数量的迭代掩模数据。
根据第一数量的成像误差，即图形误差函数值的大小，选取部分图形误差函数值更小，即成像性能更优的解，作为第二数量的迭代掩模数据。
在操作S44，根据第二数量的迭代掩模数据，更新得到下一代迭代掩模数据。
使用成像性能更优的第二数量的迭代掩模数据，加权求和得到下一代迭代掩模数据。
在操作S45，将下一代迭代掩模数据作为更新后的分布均值并更新搜索步长和协方差矩阵，重复S41～S45进行迭代计算，直至获得满足预设条件的掩模数据，完成光学邻近效应的修正。
更新进化路径和搜索步长，搜索步长的更新是通过比较进化路径值和期望长度进行计算；通过rank-1和rank-μ方法更新协方差矩阵，rank-1更新机理是使用进化路径来获得代与代之间的积累信息，rank-μ更新机理能够有效地利用整个种群的信息去更好地估计本代的最优值。本公开方法中掩模是像素化、二值化的图形，具有高优化自由度，同时由于该算法对全局解搜索空间和搜索步长的持续性更新，相比其他的启发式算法，能够很快找到变量优化的方向，大大提高了优化效率。
在上述实施例的基础上，S42包括：若初始掩模数据对应的掩模图形为关于坐标轴对称的掩模图形，将第一数量的迭代掩模数据进行解码，并进行镜像操作，得到整个掩模图形的掩模数据；否则，将第一数量的迭代掩模数据进行解码，即得到整个掩模图形的掩模数据。
当初始掩模数据对应的掩模图形为关于坐标轴对称的掩模图形时，迭代计算过程中的掩模数据只使用了第一象限的掩模数据，因此解码之后还需要镜像操作得到更新变化后的整个掩模图形的掩模数据。需要说明的是，在整个迭代过程中，迭代掩模数据除了编码后得到的是行矩阵数据之外，其余的都是二维矩阵数据。
在上述实施例的基础上，S43～S44包括：将第一数量的成像误差按照升序排列；选取前第二数量的成像误差对应的迭代掩模数据，对其进行加权求和得到下一代迭代掩模数据。
每一代中，采样、解码、计算图形误差函数值的操作反复λ次，λ即为前述的种群数，将所得λ个成像误差，即图形误差函数值进行升序排列。取前μ个图形误差函数值对应的更优解的分布，对其进行加权求和获得下一代的迭代掩模数据，此迭代掩模数据也是更新后的分布均值。一般地，
Figure BDA0003587551340000121
μ个权重依次递减并使得所有权重之和为1，计算公式为
Figure BDA0003587551340000122
在上述实施例的基础上，S45包括：根据进化路径的积累，计算更新搜索步长；根据进化路径，采用rank-1和rank-μ更新机理来更新协方差矩阵。
为了避免计算时丢失符号信息，引入进化路径的概念。每一代搜索步长的进化路径计算公式为
Figure BDA0003587551340000131
其中有效变化量
Figure BDA0003587551340000132
g表示迭代代数，σ表示搜索步长。搜索步长的更新是通过比较该路径值和期望长度E||N(0，I)||来计算的，
Figure BDA0003587551340000133
更新后的搜索步长为
Figure BDA0003587551340000134
其中搜索步长的时间常数
Figure BDA0003587551340000135
搜索步长的阻尼因了
Figure BDA0003587551340000136
协方差矩阵的进化路径计算公式为
Figure BDA0003587551340000137
其中
Figure BDA0003587551340000138
协方差矩阵的累计时间常数为
Figure BDA0003587551340000139
用rank-1和rank-μ更新机理来更新协方差矩阵，
Figure BDA00035875513400001310
rank-1更新机理是使用进化路径来获得代与代之间的积累信息，其学习因子的计算公式为
Figure BDA0003587551340000141
rank-μ更新机理能够有效的利用整个种群的信息去更好的估计本代的最优值，其学习因子的计算公式为
Figure BDA0003587551340000142
在上述实施例的基础上，S45还包括：若当前成像误差满足预设的阈值条件或迭代次数大于最大迭代次数条件，则当前迭代掩模数据为满足预设条件的掩模数据，完成光学邻近效应的修正。
判断当前掩模数据的图形误差函数值是否小于预设的阈值条件，或迭代次数是否超过最大迭代次数。当小于阈值或迭代次数大于最大迭代次数时，则认为当前掩模数据为优化后的掩模数据，像素化光学邻近效应修正的操作完成，并根据当前掩模数据输出最终掩模图形；否则重复操作S41～S45，直到满足迭代停止条件。本公开的方法设定的成像性能阈值的取值需依据目标掩模大小以及目标图形的复杂度来选定。本公开牺牲了一定的掩模复杂度和优化时间，通过多次迭代来达到较好的收敛效果。
本公开提供了一种基于协方差矩阵自适应更新策略的超分辨光刻掩模光学邻近效应修正的方法，在不使用梯度信息的情况下，通过在多元正态分布中采样并使用适应性好的个体去更新掩模图形，通过搜索步长和协方差矩阵的更新，持续收敛直到找到最优的掩模结构，实现对光学邻近效应的修正，获得更接近目标图形的光刻胶输出图形；该方法不仅能够实现任意图形的光学邻近效应修正，而且利用对称性编码掩模的方式使得优化变量成倍减少，极大地提升了优化速度。
图4示意性示出了根据本公开实施例将像素化光学邻近效应修正应用于超分辨光刻方法的流程图。该超分辨光刻方法包括：
S101，根据目标图形得到像素化的初始掩模数据；
S102，根据初始掩模数据和超分辨光刻的条件计算光刻胶输出图形与目标图形的成像误差；
S103，对初始掩模数据进行编码，初始化超分辨光刻的结构参数、基于协方差矩阵自适应更新策略算法的参数；
S104，利用基于协方差矩阵自适应更新策略算法进行迭代运算，直至获得满足预设条件的掩模数据，完成光学邻近效应的修正；并输出最终掩模图形；
S105，根据最终掩模图形进行超分辨光刻。
即在前述应用于超分辨光刻的像素化光学邻近效应修正方法的基础上输出最终掩模图形，并根据该最终掩模图形进行光刻。利用CMA-ES算法对初始掩模数据进行优化，以实现适用于超分辨光刻的光学邻近效应修正，无需建立超分辨光刻系统的完整数学模型，不用求解梯度就可以实现像素化掩模的OPC，从而提高了优化效率。操作S101～S104与前述操作S1～S4相对应，此处不再赘述。
下面通过具体实施方式对本公开作进一步说明。在以下实施例中对上述应用于超分辨光刻的像素化光学邻近效应修正方法进行具体说明。但是，下述实施例仅用于对本公开进行例示，本公开的范围不限于此。
具体地，本公开的方法包括以下步骤，如图5所示：
步骤S01：
确定目标图形，根据目标图形得到像素化的初始掩模数据M(x，y)，并将其栅格化分割为等间距的M×N的像素化网格(M和N可以相同也可以不同，以下步骤介绍中以M＝N为例，且N为奇数)，每个像素单元代表当前位置处掩模的透过率，取值为0或1，分别代表掩模不透光和透光两种状态。初始掩模数据中第一象限的掩模数据定义为初始迭代掩模数据M′(x，y)，其大小为
Figure BDA0003587551340000151
用常阈值模型来表征光刻胶输出图形PI＝I＞tr，其中I是空间光场强度分布，tr是光刻胶阈值。本公开将成像误差用图形误差函数值来表征，图形误差函数F定义为：目标图形与当前掩模数据对应的光刻胶输出图形的像素误差总数，即F＝∑|PI{M}-TP|。其中，M是当前的二值化掩模数据，PI是该掩模数据对应的光刻胶输出图形，TP为目标图形，皆为N×N的二值化矩阵，因此，每一代的图形误差函数值是正整数。
步骤S02：
基于给定的超分辨光刻结构，利用RCWA、FDTD或FEM方法计算空间光场强度分布，绘制初始掩模数据对应的空间光场强度分布图和光刻胶中成像图形，计算并保存初始图形误差函数值。用Sig函数来表征光刻胶效应，Iaerial代表空间光场强度分布，光刻胶中成像图形为
Figure BDA0003587551340000161
RI是处于区间[0，1]的连续值。
针对常规非偏振光照明，可近似为两非相干的横磁(TM)和横电(TE)偏振平面波叠加，因此，光刻胶中的空间光场强度为TE偏振和TM偏振光源照射后空间光场强度叠加的平均值。
步骤S03：
本步骤使用对称性编码掩模数据的方式，针对对称性掩模图形展开研究。针对大小为N×N的4倍对称性掩模(以N为奇数为例)图形，即只编码迭代第一象限的目标掩模图形，
Figure BDA0003587551340000162
编码后的迭代掩模数据是一个行矩阵，使用对称性编码方式而不是全局编码方式使得优化变量成倍减小，大大提高了优化速度。
初始化各参数，主要有超分辨光刻结构参数——各膜层厚度及介电常数大小等，CMA-ES算法参数——优化变量个数Dm、分布均值m、协方差矩阵C及种群数λ等。针对大小为N×N的4倍对称性掩模图形(以N为奇数为例)，使用全局编码方式时，优化变量为Dm＝N2，而使用对称性编码方式时，优化变量个数为
Figure BDA0003587551340000163
对称性编码方式的使用使得优化变量个数急剧减少。
步骤S04：
迭代的编码变量满足多元正态分布，表示为
Figure BDA0003587551340000171
其中，g为迭代代数。CMA-ES算法通过在其中采样，产生不同的迭代掩模数据。
CMA-ES在满足某一多元正态分布的解的集合中进行采样，得到优化所需的解，再对这组解进行二值化方可得到每一代中不同的迭代掩模数据。具体地，采样过程包括：首先，生成标准正态分布矢量zk＝randn(N，1)，然后生成满足均值为0、方差为C的正态分布的解yk＝BDzk，最后得到满足均值为m，方差为C的正态分布的解xk＝m+σyk。其中B和D用来生成协方差矩阵C＝BD2BT，B是协方差矩阵本征矢量的正交集，D是对应的正的本征值的算术平方根，二者的初始值皆为单位矩阵。
由于采样得到的透过率值是连续的，因此，采用0.5的阈值来进行二值化处理，若该位置的透过率大于0.5，则将其设为1，否则为0，此时得到的就是编码后的二值化迭代掩模数据。其中，每一代会产生λ个迭代掩模数据。
在计算图形误差函数值时需要先将迭代掩模数据进行解码，
Figure BDA0003587551340000172
再通过镜像操作得到整个掩模数据M。计算图形误差函数值需要整个掩模板的折射率分布情况，但实际上更新变化的只有第一象限的掩模数据，因此需要用解码和镜像的操作得到更新变化后的整个掩模数据。其中解码指的是将编码后的行矩阵再恢复为编码前迭代掩模大小的矩阵，即将
Figure BDA0003587551340000173
的行矩阵解码为
Figure BDA0003587551340000174
的矩阵；镜像操作就是利用矩阵的翻转和拼接，利用第一象限的信息得到整个掩模板的信息。利用RCWA计算获得该掩模数据对应的空间光场强度分布以及图形误差函数值，每一代会调用λ次图形误差函数，因此每一代会获得λ个图形误差函数值，对这些值进行升序排列，最小的图形误差函数值对应的掩模数据就是在当代适应性最好的掩模数据。
步骤S05：
取排序后的前μ个图形误差函数值对应的迭代掩模数据，进行加权求和来更新下一代的分布均值m。
步骤S06：
更新进化路径和搜索步长，通过rank-1和rank-μ方法更新协方差矩阵。
步骤S07：
判断是否满足迭代停止的条件，如果当前计算出成像误差函数值满足设定的阈值，或迭代次数大于最大迭代次数，则跳至步骤S08，否则进入步骤S04继续迭代优化。阈值的大小和最大迭代次数的大小要根据不同的目标图形进行调整，需要兼顾优化效果和运行时间的影响。通常，每一代种群数越多，找到最优个体的可能性就越大，但是这样需要的总的迭代次数会变多，运行时间也会变长。
步骤S08：
优化结束，输出优化后的最终掩模图形和最终的图形误差函数值。
下面是具体实施例的说明。
实施例1：
本实施例中的超分辨光刻结构如图1中1002所示，其中设置掩模(SiO2+Cr)厚度为40nm，空气间隔层(Air)30nm，金属层(Ag)20nm，光刻胶(Pr)30nm。
图6示意性示出了本实施例中初始掩模图形M(x，y)、对应的光刻胶中成像图形RI以及优化前光刻胶中成像图形轮廓与目标图形轮廓的对比。本实例中，光刻胶中的空间光场强度分布是TE偏振和TM偏振光源照射后空间光场强度叠加的平均值，使用RCWA计算得到，其中傅里叶展开级数为10。
接下来评估掩模图形的SRL成像性能。601为初始掩模图形即目标图形，其中白色区域表示透明的部分，黑色表示非透明的部分，其关键特征尺寸为90nm，单位像素为10nm，整个掩模大小为99×99；602表示以601作为掩模图形，经过SRL系统后光刻胶中成像图形，其中光刻胶因子设为80，感光阈值设为0.3；603是优化前光刻胶中成像图形轮廓与目标图形轮廓的对比，其中黑色虚线是目标图形的轮廓，黑色实线是光刻胶中成像图形的轮廓。
图7为采用本公开方法优化得到的优化后的掩模图形、对应的光刻胶中成像图形以及优化后光刻胶中成像图形轮廓与目标图形轮廓的对比图。701为采用本公开方法得到的优化后的掩模图形，702为以701作为掩模图形，经过SRL系统后光刻胶中成像图形，703是优化后光刻胶中成像图形轮廓与目标图形轮廓的对比，其中黑色虚线是目标图形的轮廓，黑色实线是光刻胶中成像图形的轮廓，可以看出黑色虚线与黑色实线几乎重合。
计算得到初始图形误差函数值为892，将成像误差的阈值设为30，CMA-ES算法中的种群数为50，最大迭代次数为2000。根据步骤S04至S07，对掩模数据进行更新，最终得到优化后的掩模图形，优化后的图形误差函数值为84。
对比图6和图7可知，本公开的方法有效地补偿了SRL光刻系统中的光学邻近效应，针对超分辨光刻的实际需求提供了效果优良的掩模图形。
实施例二：
本实施例中的超分辨光刻结构如图1中1001所示，其中设置掩模(SiO2+Cr)厚度为40nm，空气间隔层(Air)50nm，金属层(Ag)20nm，光刻胶(Pr)30nm，金属反射层(Ag)50nm。
图8表示在图1中1001所示的超分辨光刻结构中，采用本公开基于CMA-ES算法的掩模OPC方法优化前后的掩模图形以及对应光刻胶中成像图形和目标图形的轮廓对比图，列出了两种掩模图形的优化前后情况。801、805为初始掩模图形即目标图形，802、806分别表示以801、805作为掩模图形，经过SRL系统后光刻胶中成像图形轮廓与目标图形轮廓的对比；803、807为采用本公开方法得到的优化后的掩模图形，804、808分别为优化后光刻胶中成像图形轮廓与目标图形轮廓的对比。其中，空间光场强度分布使用FDTD方法计算得到。
本实施例的单位像素为10nm，种群数分别为46、50，光刻胶因子均为80，感光阈值均为0.5，掩模板大小分别为50×100、99×99。本实施例中两个掩模图形的特征尺寸分别为120nm、130nm。两种掩模图形经过本公开的优化后对应的图形误差值分别从100、802降至5、389。
实施例三：
图9表示在图1中1002所示的超分辨光刻结构中，采用本公开基于CMA-ES算法的掩模OPC方法优化前后的掩模图形以及对应光刻胶中成像图形和目标图形的轮廓对比图，列出了两种掩模图形优化前后的情况。901、905为初始掩模图形即目标图形，902、906分别表示以901、905作为掩模图形，经过SRL系统后光刻胶中成像图形轮廓与目标图形轮廓的对比；903、907为采用本公开方法得到的优化后的掩模图形，904、908分别为优化后光刻胶中成像图形轮廓与目标图形轮廓的对比。光刻胶中的空间光场强度分布是TE偏振和TM偏振光源照射后空间光场强度叠加的平均值，使用RCWA计算得到，其中傅里叶展开级数为10。
本实施例的单位像素为10nm，种群数均为250，光刻胶因子均为80，感光阈值分别为0.2、0.25，掩模板大小均为119×119。本实施例中两个掩模图形的特征尺寸均为90nm。两种掩模图形经过本公开的优化后对应的图形误差值分别从1190、1006降至288、244。
图10示意性示出了根据本公开实施例应用于超分辨光刻的像素化光学邻近效应修正系统的方框图。
如图10所示，该图10示意性示出了根据本公开实施例应用于超分辨光刻的像素化光学邻近效应修正系统的方框图。该光学邻近效应修正系统1000包括：预处理模块1010、计算模块1020、编码模块1030、迭代运算模块1040。
预处理模块1010，用于根据目标图形得到像素化的初始掩模数据。根据本公开的实施例，预处理模块1010例如可以用于执行上文参考图2所描述的S1步骤，在此不再赘述。
计算模块1020，用于根据初始掩模数据和超分辨光刻的条件计算光刻胶输出图形与目标图形的成像误差。根据本公开的实施例，计算模块1020例如可以用于执行上文参考图2所描述的S2步骤，在此不再赘述。
编码模块1030，用于对初始掩模数据进行编码，初始化超分辨光刻的结构参数、基于协方差矩阵自适应更新策略算法的参数。根据本公开的实施例，该编码模块1030例如可以用于执行上文参考图2所描述的S3步骤，在此不再赘述。
迭代运算模块1040，用于利用基于协方差矩阵自适应更新策略算法进行迭代运算，直至获得满足预设条件的掩模数据，完成光学邻近效应的修正。根据本公开的实施例，该迭代运算模块1040例如可以用于执行上文参考图2所描述的S4步骤，在此不再赘述。
需说明的是，根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
例如，预处理模块1010、计算模块1020、编码模块1030、迭代运算模块1040中的任意多个可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，预处理模块1010、计算模块1020、编码模块1030、迭代运算模块1040中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，预处理模块1010、计算模块1020、编码模块1030、迭代运算模块1040中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
图11示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的方框图。图11示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图11所示，本实施例中所描述的电子设备1100，包括：处理器1101，其可以根据存储在只读存储器(ROM)1102中的程序或者从存储部分1108加载到随机访问存储器(RAM)1103中的程序而执行各种适当的动作和处理。处理器1101例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器1101还可以包括用于缓存用途的板载存储器。处理器1101可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1103中，存储有系统1100操作所需的各种程序和数据。处理器1101、ROM1102以及RAM 1103通过总线1104彼此相连。处理器1101通过执行ROM 1102和/或RAM 1103中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，程序也可以存储在除ROM 1102和RAM 1103以外的一个或多个存储器中。处理器1101也可以通过执行存储在一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例，电子设备1100还可以包括输入/输出(I/O)接口1105，输入/输出(I/O)接口1105也连接至总线1104。系统1100还可以包括连接至I/O接口1105的以下部件中的一项或多项：包括键盘、鼠标等的输入部分1106；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1107；包括硬盘等的存储部分1108；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1110上，以便于从其上读出的计算机程序根据需要被安装入存储部分1108。
根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1109从网络上被下载和安装，和/或从可拆卸介质1111被安装。在该计算机程序被处理器1101执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开实施例还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的应用于超分辨光刻的像素化光学邻近效应修正方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 1102和/或RAM 1103和/或ROM1102和RAM 1103以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的应用于超分辨光刻的像素化光学邻近效应修正方法。
在该计算机程序被处理器1101执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分1109被下载和安装，和/或从可拆卸介质1111被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
在这样的实施例中，该计算机程序可以通过通信部分1109从网络上被下载和安装，和/或从可拆卸介质1111被安装。在该计算机程序被处理器1101执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
需要说明的是，在本公开各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时电可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
尽管已经参照本公开的特定示例性实施例示出并描述了本公开，但是本领域技术人员应该理解，在不背离所附权利要求及其等同物限定的本公开的精神和范围的情况下，可以对本公开进行形式和细节上的多种改变。因此，本公开的范围不应该限于上述实施例，而是应该不仅由所附权利要求来进行确定，还由所附权利要求的等同物来进行限定。

Claims (16)

1.一种应用于超分辨光刻的像素化光学邻近效应修正方法，其特征在于，包括：
S1，根据目标图形得到像素化的初始掩模数据；
S2，根据所述初始掩模数据和超分辨光刻的条件计算光刻胶输出图形与所述目标图形的成像误差；
S3，对所述初始掩模数据进行编码，初始化所述超分辨光刻的结构参数、基于协方差矩阵自适应更新策略算法的参数；
S4，利用所述基于协方差矩阵自适应更新策略算法进行迭代运算，直至获得满足预设条件的掩模数据，完成光学邻近效应的修正。
2.根据权利要求1所述的应用于超分辨光刻的像素化光学邻近效应修正方法，其特征在于，所述S1包括：
S11，根据目标图形得到初始掩模图形；
S12，对所述初始掩模图形进行像素化处理，得到所述像素化的初始掩模数据。
3.根据权利要求1所述的应用于超分辨光刻的像素化光学邻近效应修正方法，其特征在于，所述S2包括：
S21，根据所述初始掩模数据和超分辨光刻的条件计算得到光刻胶中的空间光场强度分布；
S22，根据所述光刻胶中的空间光场强度分布得到光刻胶输出图形，计算所述光刻胶输出图形与所述目标图形的像素误差总数作为成像误差。
4.根据权利要求1所述的应用于超分辨光刻的像素化光学邻近效应修正方法，其特征在于，所述S3包括：
S31，将所述初始掩模数据以按列逐点扫描的方式编码为一个行矩阵，得到编码后的迭代掩模数据；
S32，初始化所述超分辨光刻的结构参数，所述结构参数至少包括各膜层的厚度及介电常数；
S33，初始化所述基于协方差矩阵自适应更新策略算法的参数，所述参数至少包括优化变量个数、分布均值、搜索步长、协方差矩阵及种群数，其中将所述编码后迭代掩模数据作为初始分布均值。
5.根据权利要求4所述的应用于超分辨光刻的像素化光学邻近效应修正方法，其特征在于，所述S31包括：
若所述初始掩模数据对应的掩模图形为关于坐标轴对称的掩模图形，则将第一象限的掩模数据以按列逐点扫描的方式编码为一个行矩阵，得到所述编码后的迭代掩模数据；
否则，将全部初始掩模数据以按列逐点扫描的方式编码为一个行矩阵，得到所述编码后的迭代掩模数据。
6.根据权利要求5所述的应用于超分辨光刻的像素化光学邻近效应修正方法，其特征在于，所述S4包括：
S41，利用所述基于协方差矩阵自适应更新策略算法对所述编码后的迭代掩模数据进行采样和二值化处理，得到第一数量的迭代掩模数据；
S42，将所述第一数量的迭代掩模数据进行解码，并根据所述超分辨光刻的条件计算得到第一数量的成像误差；
S43，根据所述第一数量的成像误差，从所述第一数量的迭代掩模数据中选取第二数量的迭代掩模数据；
S44，根据所述第二数量的迭代掩模数据，更新得到下一代迭代掩模数据；
S45，将所述下一代迭代掩模数据作为更新后的所述分布均值并更新所述搜索步长和所述协方差矩阵，重复所述S41～S45进行迭代计算，直至获得满足预设条件的掩模数据，完成光学邻近效应的修正。
7.根据权利要求6所述的应用于超分辨光刻的像素化光学邻近效应修正方法，其特征在于，所述S42包括：
若所述初始掩模数据对应的掩模图形为关于坐标轴对称的掩模图形，将所述第一数量的迭代掩模数据进行解码，并进行镜像操作，得到整个所述掩模图形的掩模数据；
否则，将所述第一数量的迭代掩模数据进行解码，即得到整个所述掩模图形的掩模数据。
8.根据权利要求6所述的应用于超分辨光刻的像素化光学邻近效应修正方法，其特征在于，所述S43～S44包括：
将所述第一数量的成像误差按照升序排列；
选取前第二数量的成像误差对应的迭代掩模数据，对其进行加权求和得到下一代迭代掩模数据。
9.根据权利要求6所述的应用于超分辨光刻的像素化光学邻近效应修正方法，其特征在于，所述S45包括：
根据进化路径的积累，计算更新所述搜索步长；
根据所述进化路径，采用rank-1和rank-μ更新机理来更新所述协方差矩阵。
10.根据权利要求6所述的应用于超分辨光刻的像素化光学邻近效应修正方法，其特征在于，所述S45还包括：
若当前成像误差满足预设的阈值条件或迭代次数大于最大迭代次数条件，则当前迭代掩模数据为满足预设条件的掩模数据，完成光学邻近效应的修正。
11.根据权利要求6所述的应用于超分辨光刻的像素化光学邻近效应修正方法，其特征在于，所述S2中超分辨光刻的条件包括超分辨光刻的结构，所述超分辨光刻的结构包括掩模衬底、掩模、空气间隔层、金属透射层、光刻胶、金属反射层和基底的结构；或，
所述超分辨光刻的结构包括掩模衬底、掩模、空气间隔层、金属透射层、光刻胶和基底的结构；或，
所述超分辨光刻的结构包括掩模衬底、掩模、空气间隔层、光刻胶、金属反射层和基底的结构。
12.一种将像素化光学邻近效应修正应用于超分辨光刻的方法，其特征在于，包括：
S01，根据目标图形得到像素化的初始掩模数据；
S02，根据所述初始掩模数据和超分辨光刻的条件计算光刻胶输出图形与所述目标图形的成像误差；
S03，对所述初始掩模数据进行编码，初始化所述超分辨光刻的结构参数、基于协方差矩阵自适应更新策略算法的参数；
S04，利用所述基于协方差矩阵自适应更新策略算法进行迭代运算，直至获得满足预设条件的掩模数据，完成光学邻近效应的修正；并输出最终掩模图形；
S05，根据所述最终掩模图形进行超分辨光刻。
13.一种应用于超分辨光刻的像素化光学邻近效应修正系统，其特征在于，包括：
预处理模块，用于根据目标图形得到像素化的初始掩模数据；
计算模块，用于根据所述初始掩模数据和超分辨光刻的条件计算光刻胶输出图形与所述目标图形的成像误差；
编码模块，用于对所述初始掩模数据进行编码，初始化所述超分辨光刻的结构参数、基于协方差矩阵自适应更新策略算法的参数；
迭代运算模块，用于利用所述基于协方差矩阵自适应更新策略算法进行迭代运算，直至获得满足预设条件的掩模数据，完成光学邻近效应的修正。
14.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～11中任意一项所述的应用于超分辨光刻的像素化光学邻近效应修正方法。
15.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～11中任意一项所述的应用于超分辨光刻的像素化光学邻近效应修正方法。
16.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1～11中任意一项所述的应用于超分辨光刻的像素化光学邻近效应修正方法。
CN202210372026.3A 2022-04-08 2022-04-08 应用于超分辨光刻的像素化光学邻近效应修正方法及系统 Active CN114815496B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210372026.3A CN114815496B (zh) 2022-04-08 2022-04-08 应用于超分辨光刻的像素化光学邻近效应修正方法及系统
PCT/CN2022/129523 WO2023193428A1 (zh) 2022-04-08 2022-11-03 应用于超分辨光刻的像素化光学邻近效应修正方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210372026.3A CN114815496B (zh) 2022-04-08 2022-04-08 应用于超分辨光刻的像素化光学邻近效应修正方法及系统

Publications (2)

Publication Number Publication Date
CN114815496A true CN114815496A (zh) 2022-07-29
CN114815496B CN114815496B (zh) 2023-07-21

Family

ID=82535394

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210372026.3A Active CN114815496B (zh) 2022-04-08 2022-04-08 应用于超分辨光刻的像素化光学邻近效应修正方法及系统

Country Status (2)

Country Link
CN (1) CN114815496B (zh)
WO (1) WO2023193428A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023193428A1 (zh) * 2022-04-08 2023-10-12 中国科学院光电技术研究所 应用于超分辨光刻的像素化光学邻近效应修正方法及系统

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117350231B (zh) * 2023-12-05 2024-02-20 武汉宇微光学软件有限公司 一种逆光刻掩模优化边缘移动步长调节方法及系统
CN117454831B (zh) * 2023-12-05 2024-04-02 武汉宇微光学软件有限公司 一种掩模版图形优化方法、系统及电子设备
CN117726990B (zh) * 2023-12-27 2024-05-03 浙江恒逸石化有限公司 纺丝车间的检测方法、装置、电子设备及存储介质

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005285898A (ja) * 2004-03-29 2005-10-13 Toppan Printing Co Ltd パターン画像判定方法及びその方法を用いたパターン画像判定装置
US20070101310A1 (en) * 2005-10-31 2007-05-03 Stirniman John P Model of sensitivity of a simulated layout to a change in original layout, and use of model in proximity correction
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
NL2003699A (en) * 2008-12-18 2010-06-21 Brion Tech Inc Method and system for lithography process-window-maximixing optical proximity correction.
WO2012080008A2 (en) * 2010-12-17 2012-06-21 Carl Zeiss Sms Gmbh Method and apparatus for correcting errors on a wafer processed by a photolithographic mask
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
CN103869600A (zh) * 2014-04-09 2014-06-18 上海集成电路研发中心有限公司 光学临近修正方法
CN103926802A (zh) * 2014-04-21 2014-07-16 中国科学院上海光学精密机械研究所 光刻机光源与掩模的联合优化方法
CN105573066A (zh) * 2016-02-03 2016-05-11 中国科学院上海光学精密机械研究所 光刻机掩模的优化方法
CN106777829A (zh) * 2017-02-06 2017-05-31 深圳晶源信息技术有限公司 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
CN107908071A (zh) * 2017-11-28 2018-04-13 上海集成电路研发中心有限公司 一种基于神经网络模型的光学邻近校正方法
CN109634068A (zh) * 2019-01-29 2019-04-16 北京理工大学 离焦低敏感度、工艺窗口增强的光源-掩模批量优化方法
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
CN113391516A (zh) * 2020-03-13 2021-09-14 长鑫存储技术有限公司 一种光学临近效应修正方法、装置、设备及介质
CN114002911A (zh) * 2021-10-29 2022-02-01 智腾科技股份有限公司 基于自适应混合共轭梯度下降的光学临近修正掩膜方法
CN114019761A (zh) * 2021-10-29 2022-02-08 智腾科技股份有限公司 可降低掩膜复杂度的光学临近修正掩膜优化方法
CN114200768A (zh) * 2021-12-23 2022-03-18 中国科学院光电技术研究所 基于水平集算法的超分辨光刻逆向光学邻近效应修正方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101793565B1 (ko) * 2012-07-23 2017-11-03 에이에스엠엘 네델란즈 비.브이. 검사 방법 및 장치, 리소그래피 시스템, 및 디바이스 제조 방법
EP3734365A1 (en) * 2019-04-30 2020-11-04 ASML Netherlands B.V. Method and apparatus for photolithographic imaging
CN111781804B (zh) * 2020-07-16 2021-07-27 中国科学院上海光学精密机械研究所 基于协方差矩阵自适应进化策略算法的光源掩模优化方法
CN111812940B (zh) * 2020-08-11 2023-04-28 上海华力微电子有限公司 一种优化光学邻近效应修正中曝光辅助图形的方法
CN113568278B (zh) * 2021-07-06 2022-06-28 中国科学院上海光学精密机械研究所 基于快速协方差矩阵自适应进化策略的曲线型逆向光刻方法
CN114815496B (zh) * 2022-04-08 2023-07-21 中国科学院光电技术研究所 应用于超分辨光刻的像素化光学邻近效应修正方法及系统

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005285898A (ja) * 2004-03-29 2005-10-13 Toppan Printing Co Ltd パターン画像判定方法及びその方法を用いたパターン画像判定装置
US20070101310A1 (en) * 2005-10-31 2007-05-03 Stirniman John P Model of sensitivity of a simulated layout to a change in original layout, and use of model in proximity correction
NL2003699A (en) * 2008-12-18 2010-06-21 Brion Tech Inc Method and system for lithography process-window-maximixing optical proximity correction.
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
WO2012080008A2 (en) * 2010-12-17 2012-06-21 Carl Zeiss Sms Gmbh Method and apparatus for correcting errors on a wafer processed by a photolithographic mask
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
CN103869600A (zh) * 2014-04-09 2014-06-18 上海集成电路研发中心有限公司 光学临近修正方法
CN103926802A (zh) * 2014-04-21 2014-07-16 中国科学院上海光学精密机械研究所 光刻机光源与掩模的联合优化方法
CN105573066A (zh) * 2016-02-03 2016-05-11 中国科学院上海光学精密机械研究所 光刻机掩模的优化方法
CN106777829A (zh) * 2017-02-06 2017-05-31 深圳晶源信息技术有限公司 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
CN107908071A (zh) * 2017-11-28 2018-04-13 上海集成电路研发中心有限公司 一种基于神经网络模型的光学邻近校正方法
CN109634068A (zh) * 2019-01-29 2019-04-16 北京理工大学 离焦低敏感度、工艺窗口增强的光源-掩模批量优化方法
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
CN113391516A (zh) * 2020-03-13 2021-09-14 长鑫存储技术有限公司 一种光学临近效应修正方法、装置、设备及介质
CN114002911A (zh) * 2021-10-29 2022-02-01 智腾科技股份有限公司 基于自适应混合共轭梯度下降的光学临近修正掩膜方法
CN114019761A (zh) * 2021-10-29 2022-02-08 智腾科技股份有限公司 可降低掩膜复杂度的光学临近修正掩膜优化方法
CN114200768A (zh) * 2021-12-23 2022-03-18 中国科学院光电技术研究所 基于水平集算法的超分辨光刻逆向光学邻近效应修正方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
WEIFENG LI: "Application of Sub-resolution Assist Features in Photo Process", 《2021 INTERNATIONAL WORKSHOP ON ADVANCED PATTERNING SOLUTIONS (IWAPS)》, no. 1 *
余国彬: "超微细光刻中偏振光成像研究", 《光电工程》, no. 5 *
刘江辉: "基于空域能量积分编码调制的微结构数字光刻方法研究", 《中国博士学位论文全文数据库信息科技辑》, no. 8 *
时招军: "一种优化微镜像素灰度提高数字光刻成像质量的方法", 《南昌航空大学学报(自然科学版)》, vol. 31, no. 3 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023193428A1 (zh) * 2022-04-08 2023-10-12 中国科学院光电技术研究所 应用于超分辨光刻的像素化光学邻近效应修正方法及系统

Also Published As

Publication number Publication date
WO2023193428A1 (zh) 2023-10-12
CN114815496B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
CN114815496B (zh) 应用于超分辨光刻的像素化光学邻近效应修正方法及系统
US11119401B2 (en) Simulating near field image in optical lithography
CN114200768B (zh) 基于水平集算法的超分辨光刻逆向光学邻近效应修正方法
US8683396B2 (en) Determining source patterns for use in photolithography
TWI398721B (zh) 微影系統，遮罩及方法
US8082524B2 (en) Mask patterns for use in multiple-exposure lithography
US8214775B2 (en) System for determining repetitive work units
US8627244B2 (en) Frequency domain layout decomposition in double patterning lithography
US8982324B2 (en) Polarization designs for lithographic apparatus
JP2007520892A (ja) イメージの忠実度およびスループットに対する光源の最適化
JP2004343127A (ja) リソグラフィックマスクレイアウトを現像するための方法及びリソグラフィックマスクレイアウトを現像するための装置及びリソグラフィックマスクレイアウトを現像する方法を実行する１つ以上のプロセッサによる実行のための１つ以上の命令の１つ以上のシーケンスを収容するコンピュータリーダブル媒体
US20130139116A1 (en) Lithographically enhanced edge determination
US8082525B2 (en) Technique for correcting hotspots in mask patterns and write patterns
US11853660B2 (en) System and method for modeling a semiconductor fabrication process
CN115981115B (zh) 光学邻近校正方法、装置、计算机设备和存储介质
CN111399335A (zh) 一种掩模版缺陷修复方法及装置
US20200064732A1 (en) Hessian-free calculation of product of hessian matrix and vector for lithography optimization
Shi et al. Fast and accurate machine learning inverse lithography using physics based feature maps and specially designed DCNN
CN113962185B (zh) 一种表面等离子体近场光刻掩模拓扑优化的方法及系统
US8875066B2 (en) Performing image calculation based on spatial coherence
CN115390372B (zh) 一种光刻系统掩模成像方法、装置及系统
CN117710270B (zh) 用于自由尺度光学邻近校正的方法、电子设备及存储介质
CN116720479B (zh) 掩膜生成模型训练方法、掩膜生成方法及装置和存储介质
WO2020202265A1 (ja) 決定方法、決定装置、露光装置およびプログラム
CN117196978A (zh) 基于Unet深度卷积网络的超分辨光刻光学邻近效应修正方法

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