CN116068864A - 可提升光刻图形清晰度的次分辨率辅助特征图形生成方法 - Google Patents
可提升光刻图形清晰度的次分辨率辅助特征图形生成方法 Download PDFInfo
- Publication number
- CN116068864A CN116068864A CN202310069426.1A CN202310069426A CN116068864A CN 116068864 A CN116068864 A CN 116068864A CN 202310069426 A CN202310069426 A CN 202310069426A CN 116068864 A CN116068864 A CN 116068864A
- Authority
- CN
- China
- Prior art keywords
- sub
- resolution
- auxiliary feature
- pattern
- feature pattern
- 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
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
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70425—Imaging strategies, e.g. for increasing throughput or resolution, printing product fields larger than the image field or compensating lithography- or non-lithography errors, e.g. proximity correction, mix-and-match, stitching or double patterning
-
- 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
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Preparing Plates And Mask In Photomechanical Process (AREA)
Abstract
本发明属于芯片制造领域,提出了可提升光刻图形清晰度的次分辨率辅助特征图形生成方法。该方法利用连续透过率掩膜精准引导次分辨率辅助特征图形生成位置,在考虑了版图布局设计规则约束和透射光线相互作用范围影响之外,引入一项表征次分辨率辅助特征图形最终效果的优化目标,通过对不可解的分立解空间问题进行解空间的连续化松弛,在添加辅助特征后掩膜的图像生成质量和复杂度之间取得更好地平衡;对工艺偏差建模优化,产生的掩膜版能更有效对抗工艺偏差。优化芯片制造掩膜版,使得光刻之后的图案有较高的保真度。
Description
技术领域
本发明属于芯片制造领域,涉及可提升光刻图形清晰度的次分辨率辅助特征图形生成方法
背景技术
随着集成电路工艺的特征尺寸不断减小,现有的制造技术面临着极大的挑战。由于电路的图形尺寸和光刻工艺所使用的光源波长相近,干涉效应将不可避免的产生,从而导致光刻图形失真,进而影响集成电路制造产能。分辨率增强技术的应用则是提升产能的关键步骤。随着特征尺寸进一步缩小,单独对目标图形掩膜使用光学临近校正技术,所能达到的提升有限。在生产中,次分辨率辅助特征图形的生成则对补偿光学散射、提升光刻图形清晰度越发重要。第一类是基于设计规则的方法,这一类方法的特点是应用简单并且速度快,能很好地处理简单的设计。而先进技术节点下大规模设计的设计规则呈指数级增长,因此基于设计规则的方法产生的次分辨率辅助特征的质量有限。另一种是基于模型的方法,这类方法有着极大的解空间,因此想要得到一个高质量的结果会非常耗时。随着电路设计的复杂程度日益增加,以上基于设计规则和基于模型的方法都会面临效率或者产出质量的问题。因此解析类方法成为新的趋势。还有一类是基于机器学习的方法,这类方法计算快速,但其效果过分依赖于所使用的训练样本的数目和质量,在面对先进技术节点时,其产生效果不够可靠。
经典的次分辨率辅助特征生成方法基于二元掩膜信息进行布局。这种掩膜所蕴含的光透过率信息在二元化过程中大量丢失,对次分辨率特征图形产生的指导作用不明显,导致产生的次分辨率辅助图特征对最后的光刻掩膜版质量提升不充分。而且在经典方法产生了候选的次分辨率辅助特征后,需要耗费大量的人工来检查其是否符合复杂设计规则,需要进行后续的清理、形状修饰。
发明内容
为了克服现有技术中存在的问题,本发明与基于二元掩膜信息的次分辨率辅助特征生成方法有根本的不同,以连续透过率掩膜为次分辨率辅助特征生成位置的指引基础,将在受设计规则约束下选择高质量次分辨率辅助特征种子的场景提取为一个NP(Non-polynomial)难的求目标函数最大值的优化问题,并提出了一个基于近似和松弛的高效精准计算方法,将次分辨率辅助特征种子间违反最小距离规则的信息用冲突矩阵记录,用二元矩阵中的元素取值代表是否选取任一次分辨率辅助特征图形种子,利用种子处对应连续透过率掩膜上透过率的大小进行权重分配。在每一个循环里通过比较优化前后目标函数的大小,反向指导次分辨率辅助特征种子的选取。在选择完成后,利用探针方法和精调系数来控制最终次分辨率辅助特征的形状演化。由于该方法由高精度连续透过率掩膜和优化目标自动驱动次分辨率辅助特征位置选取,且自动进行形状演化,其整个流程不需要耗费专业人员进行人工调整,也不需要后续进行清理和形状修正。
本发明的具体技术方案为:
可提升光刻图形清晰度的次分辨率辅助特征图形生成方法,包括步骤如下:
步骤1,生成基于目标图片的连续透过率掩膜;
步骤2,利用步骤1生成的连续透过率掩膜的透过率分布精确引导次分辨率辅助特征图形候选种子的分布,形成次分辨率辅助特征图形的安全生成区域,构建次分辨率辅助特征图形种子候选集;
步骤3,根据次分辨率辅助特征图形间最小距离限制的要求,从步骤2的次分辨率辅助特征图形种子候选集中选择最有价值的次分辨率辅助特征图形种子,构建次分辨率辅助特征图形种子集;
步骤4,通过对步骤3次分辨率辅助特征图形种子集中的次分辨率辅助特征图形种子,分别进行图形演化,生成可提升光刻图形清晰度的次分辨率辅助特征图形。
进一步地,步骤1,生成基于目标图片的连续透过率掩膜,具体步骤包括:
步骤1.1,利用连续透过率掩膜M计算公式(1)计算初始连续透过率掩膜M0
式中,P为连续辅助变量,随机初始化为不受限制的连续辅助变量P0;θP为0.1~0.2倍于二值取值掩膜转换函数的陡度;
步骤1.2,经过光刻模拟后,根据公式(2)获得损失函数L;
式中,L为损失函数,R为标准条件下的光刻图形,Rv为第v个偏移条件下的光刻图形,R*为目标图片,α为偏移条件下光刻精度的权重;Np为所考虑的不同光刻条件的数目;
步骤1.3,比较步骤1.2计算得到的损失函数与预先设定的最大允许阈值,若不小于阈值,则利用步骤1.2计算得到的损失函数梯度回传更新连续辅助变量P,如公式(3)所示,
进而通过公式(1)迭代更新连续透过率掩膜M;
直至损失函数小于预先设定的最大允许阈值,则认为优化完成,输出最终的连续透过率掩膜。
进一步地,步骤2中,所述次分辨率辅助特征图形的安全生成区域,是指垂直于目标图片中形状的边界分别向外延伸次分辨率辅助特征安全距离DOPC和次分辨率辅助特征有效作用距离DSRAF,在DOPC和DSRAF两个边界之间的区域。
进一步地,步骤2中,所述次分辨率辅助特征图形候选种子,是指选取所述安全生成区域中局部透过率最大的部位;所述种子为同一尺寸的正方形。
进一步地,步骤3的具体方法为,包括如下步骤:
步骤3.1,构建优化更新目标函数gk(z(k),u(k)),如公式(4)所示:
式中,z为选择向量,u为辅助向量,z与u的向量长度相等且均等于次分辨率辅助特征图形种子候选集中候选种子的个数n;w为次分辨率辅助特征图形种子的价值,等于正方形区域内的所有像素透过率平均值;H为冲突矩阵,是一个n×n的对称矩阵;λ为冲突惩罚系数;k为第k个循环;
步骤3.2,初始化辅助向量u为元素随机取0或1的向量,其中元素取1代表选择该元素对应的次分辨率辅助特征图形种子,取0代表放弃该元素对应的次分辨率辅助特征图形种子;初始化选择向量z为每个元素都为0,即为当前的最优选择向量z*;
步骤3.3,确定选择向量z(k),如公式(5)所示:
式中,i为选择向量中的第i个元素;
步骤3.4,更新辅助向量u(k)及最优选择向量z*;
若选择向量z(k)对应的目标函数gk(z(k),u(k))值大于辅助向量u(k),则u(k)更新为u(k +1)←z(k);反之,则计算步长权重θk,使用线性插值计算u(k+1),如公式(6)、(7)所示:
u(k+1)←θkz(k)+(1-θk)u(k) (7)
步骤3.5,重复执行步骤3.3至3.4,直到相邻两次迭代中,u(k)与u(k+1)的目标函数值gk(z(k),u(k))与gk(z(k),u(k+1))差距小于预先设定的阈值;通过最后的最优选择向量z*中第i元素取值为0还是1来决定放弃或选择第i个次分辨率辅助特征图形种子,进而构建次分辨率辅助特征图形种子集。
进一步地,所述冲突矩阵H的边长分别等于选择向量z,辅助向量u的长度,如果第i个次分辨率辅助特征图形种子和第j个次分辨率辅助特征图形种子在掩膜上离得太近,小于设定的最小距离,发生冲突,那这个矩阵的(i,j)元素和(j,i)元素就是1,其余取值都是0。
进一步地,步骤4的具体步骤包括如下:
步骤4.1,根据探针生长方法,从次分辨率辅助特征图形种子的中心向左右上下延伸,直到连续透过率小于阈值Ievo,得到向左右上下延伸的长度分别为ll’、lr’、lu’、ld’;
步骤4.2,计算精调系数c,用于压缩步骤4.1延伸后的图形;
步骤4.3,利用精调系数c计算从次分辨率辅助特征图形种子的中心向左右上下延伸的实际长度,具体为:
ll=c·l′l
lr=c·l′r
lu=(1-c)·l′u
ld=(1-c)·l′d(9)
生成最终的次分辨率辅助特征图形
本发明的有益效果为,提出了一种可提升光刻图形清晰度的次分辨率辅助特征图形生成方法。在考虑了设计规则限制和透射光线相互作用范围的影响之外,引入一项代表次分辨率辅助特征产生效果的优化目标函数,该发明具有以下特点:
1、通过利用连续透过率掩膜指引次分辨率辅助特征产生位置的选择,使产生的次分辨率辅助特征对光刻掩膜效果的提升更加明显;
2、提出全新的次分辨率辅助特征位置优化目标,算法效率高,最终效果好;
3、提出新的次分辨率辅助特征形状生成方案,提升次分辨率辅助特征效果;
4、将设计规则自动化纳入参考,进行完整的次分辨率辅助特征生成,不需耗费人力进行后处理;
5、能支持其他优化目标的扩展。
附图说明
图1是本发明实施例的目标掩膜版示意图。
图2为光刻仿真效果对比示意图。(a)为传统掩膜,(b)为本发明实施例所采用连续透过率掩膜。
图3为最终产生的次分辨率辅助特征图形。(a)本发明实施例,(b)为采用第一现有技术的结果图,(c)为采用第二现有技术的结果图。
具体实施方式
下面结合具体实施例及附图对本发明的技术方案作进一步的详细说明。
实施例
可提升光刻图形清晰度的次分辨率辅助特征图形生成方法,包括步骤如下:
步骤1,生成基于目标图片的连续透过率掩膜;
步骤1.1,利用连续透过率掩膜M计算公式(1)计算初始连续透过率掩膜M0
式中,P为连续辅助变量,随机初始化为不受限制的连续辅助变量P0;θP为0.1~0.2倍于二值取值掩膜转换函数的陡度;
步骤1.2,经过光刻模拟后,根据公式(2)获得损失函数L;
式中,L为损失函数,R为标准条件下的光刻图形,Rv为第v个偏移条件下的光刻图形,R*为目标图片,α为偏移条件下光刻精度的权重;Np为所考虑的不同光刻条件的数目;
步骤1.3,比较步骤1.2计算得到的损失函数与预先设定的最大允许阈值,若不小于阈值,则利用步骤1.2计算得到的损失函数梯度回传更新连续辅助变量P,如公式(3)所示,
进而通过公式(1)迭代更新连续透过率掩膜M;
直至损失函数小于预先设定的最大允许阈值,则认为优化完成,输出最终的连续透过率掩膜。
步骤2,利用步骤1生成的连续透过率掩膜的透过率分布引导次分辨率辅助特征图形候选种子的分布,形成次分辨率辅助特征图形的安全生成区域,所述次分辨率辅助特征图形的安全生成区域,是指垂直于目标图片中形状的边界分别向外延伸次分辨率辅助特征安全距离DOPC和次分辨率辅助特征有效作用距离DSRAF,在DOPC和DSRAF两个边界之间的区域。所述次分辨率辅助特征图形候选种子,是指选取所述安全生成区域中局部透过率最大的部位;所述种子为同一尺寸的正方形。进而构建次分辨率辅助特征图形种子候选集。
步骤3,根据次分辨率辅助特征图形间最小距离限制的要求,从步骤2的次分辨率辅助特征图形种子候选集中选择最有价值的次分辨率辅助特征图形种子,构建次分辨率辅助特征图形种子集;
步骤3.1,构建优化更新目标函数gk(z(k),u(k)),如公式(4)所示:
式中,z为选择向量,u为辅助向量,z与u的向量长度相等且均等于次分辨率辅助特征图形种子候选集中候选种子的个数n;w为次分辨率辅助特征图形种子的价值,等于正方形区域内的所有像素透过率平均值;H为冲突矩阵,是一个n×n的对称矩阵;所述冲突矩阵H的边长分别等于选择向量z,辅助向量u的长度,如果第i个次分辨率辅助特征图形种子和第j个次分辨率辅助特征图形种子在掩膜上离得太近,小于设定的最小距离,发生冲突,那这个矩阵的(i,j)元素和(j,i)元素就是1,其余取值都是0。λ为冲突惩罚系数;k为第k个循环;
步骤3.2,初始化辅助向量u为元素随机取0或1的向量,其中元素取1代表选择该元素对应的次分辨率辅助特征图形种子,取0代表放弃该元素对应的次分辨率辅助特征图形种子;初始化选择向量z为每个元素都为0,即为当前的最优选择向量z*;
步骤3.3,确定选择向量z(k),如公式(5)所示:
式中,i为选择向量中的第i个元素;
步骤3.4,更新辅助向量u(k)及最优选择向量z*;
若选择向量z(k)对应的目标函数gk(z(k),u(k))值大于辅助向量u(k),则u(k)更新为u(k +1)←z(k);反之,则计算步长权重θk,使用线性插值计算u(k+1),如公式(6)、(7)所示:
u(k+I)←θkz(k)+(1-θk)u(k) (7)
步骤3.5,重复执行步骤3.3至3.4,直到相邻两次迭代中,u(k)与u(k+1)的目标函数值gk(z(k),u(k))与gk(z(k),u(k+1))差距小于预先设定的阈值;通过最后的最优选择向量z*中第i元素取值为0还是1来决定放弃或选择第i个次分辨率辅助特征图形种子,进而构建次分辨率辅助特征图形种子集。
步骤4,通过对步骤3次分辨率辅助特征图形种子集中的次分辨率辅助特征图形种子,分别进行图形演化,生成可提升光刻图形清晰度的次分辨率辅助特征图形。步骤4.1,根据探针生长方法,从次分辨率辅助特征图形种子的中心向左右上下延伸,直到连续透过率小于阈值Ievo,得到向左右上下延伸的长度分别为ll’、lr’、lu’、ld’;
步骤4.2,计算精调系数c,用于压缩步骤4.1延伸后的图形;
步骤4.3,利用精调系数c计算从次分辨率辅助特征图形种子的中心向左右上下延伸的实际长度,具体为:
ll=c·l′l
lr=c·l′r
lu=(1-c)·l′u
ld=(1-c)·l′d(9)
生成最终的次分辨率辅助特征图形。
本实施例所使用的光刻核函数和图像评估模块是由公开的ICCAD 2013CAD竞赛组委会提供(Banerjee S,Li Z,Nassif S R.ICCAD-2013CAD contest in maskoptimization and benchmark suite[C]//2013IEEE/ACM International Conference onComputer-Aided Design(ICCAD).IEEE,2013:271-274.)。
通过图3(a)所示,经过本发明优化的方法得到的次分辨率图案可以保证次分辨率辅助特征图案的大小受限,次分辨率辅助特征之间和其与目标图形之间的距离满足最小距离限制。与之相对,图3(b)中仅使用连续透过率掩膜而未经优化筛选次分辨率辅助特征位置和形状的方法,所产生出的次分辨率辅助特征可能会与主要图形距离过近(蓝色圈内),或是次分辨率辅助特征之间距离过近(黄色全内),或是形状超过设计规则限制(红色圈内)。而图3(c)是基于字典学习的目前最高水平的机器学习生成次分辨率辅助特征的方法,与本实施例的方法相比,这个方法仍然会出现次分辨率辅助特征之间距离过近(黄色全内),而且其仅仅可以生成几种预先设置的固定尺寸次分辨率辅助特征,使其对光刻的提升效果造成影响。
图3(b)论文:Gao,Pengzheng,Libin Zhang,and Ya Yi Wei."SRAF generationbased on SGM/CTM contour line."Optical Microlithography XXXIV.Vol.11613.SPIE,2021.
图3(c)论文:Geng,Hao,et al."SRAF insertion via supervised dictionarylearning."Proceedings of the 24th Asia and South Pacific Design AutomationConference.2019。
Claims (7)
1.可提升光刻图形清晰度的次分辨率辅助特征图形生成方法,其特征在于,包括步骤如下:
步骤1,生成基于目标图片的连续透过率掩膜;
步骤2,利用步骤1生成的连续透过率掩膜的透过率分布引导次分辨率辅助特征图形候选种子的分布,形成次分辨率辅助特征图形的安全生成区域,构建次分辨率辅助特征图形种子候选集;
步骤3,根据次分辨率辅助特征图形间最小距离限制的要求,从步骤2的次分辨率辅助特征图形种子候选集中选择最有价值的次分辨率辅助特征图形种子,构建次分辨率辅助特征图形种子集;
步骤4,通过对步骤3次分辨率辅助特征图形种子集中的次分辨率辅助特征图形种子,分别进行图形演化,生成可提升光刻图形清晰度的次分辨率辅助特征图形。
2.根据权利要求1所述的可提升光刻图形清晰度的次分辨率辅助特征图形生成方法,其特征在于,步骤1,生成基于目标图片的连续透过率掩膜,具体步骤包括:
步骤1.1,利用连续透过率掩膜M计算公式(1)计算初始连续透过率掩膜M0
式中,P为连续辅助变量,随机初始化为不受限制的连续辅助变量P0;θP为0.1~0.2倍于二值取值掩膜转换函数的陡度;
步骤1.2,经过光刻模拟后,根据公式(2)获得损失函数L;
式中,L为损失函数,R为标准条件下的光刻图形,Rv为第v个偏移条件下的光刻图形,R*为目标图片,α为偏移条件下光刻精度的权重;Np为所考虑的不同光刻条件的数目;
步骤1.3,比较步骤1.2计算得到的损失函数与预先设定的最大允许阈值,若不小于阈值,则利用步骤1.2计算得到的损失函数梯度回传更新连续辅助变量P,如公式(3)所示,
进而通过公式(1)迭代更新连续透过率掩膜M;
直至损失函数小于预先设定的最大允许阈值,则认为优化完成,输出最终的连续透过率掩膜。
3.根据权利要求1所述的可提升光刻图形清晰度的次分辨率辅助特征图形生成方法,其特征在于,步骤2中,所述次分辨率辅助特征图形的安全生成区域,是指垂直于目标图片中形状的边界分别向外延伸次分辨率辅助特征安全距离DOPC和次分辨率辅助特征有效作用距离DSRAF,在DOPC和DSRAF两个边界之间的区域。
4.根据权利要求1所述的可提升光刻图形清晰度的次分辨率辅助特征图形生成方法,其特征在于,步骤2中,所述次分辨率辅助特征图形候选种子,是指选取所述安全生成区域中局部透过率最大的部位;所述种子为同一尺寸的正方形。
5.根据权利要求1所述的可提升光刻图形清晰度的次分辨率辅助特征图形生成方法,其特征在于,步骤3的具体方法为,包括如下步骤:
步骤3.1,构建优化更新目标函数gk(z(k),u(k)),如公式(4)所示:
式中,z为选择向量,u为辅助向量,z与u的向量长度相等且均等于次分辨率辅助特征图形种子候选集中候选种子的个数n;w为次分辨率辅助特征图形种子的价值,等于正方形区域内的所有像素透过率平均值;H为冲突矩阵,是一个n×n的对称矩阵;λ为冲突惩罚系数;k为第k个循环;
步骤3.2,初始化辅助向量u为元素随机取0或1的向量,其中元素取1代表选择该元素对应的次分辨率辅助特征图形种子,取0代表放弃该元素对应的次分辨率辅助特征图形种子;初始化选择向量z为每个元素都为0,即为当前的最优选择向量z*;
步骤3.3,确定选择向量z(k),如公式(5)所示:
式中,i为选择向量中的第i个元素;
步骤3.4,更新辅助向量u(k)及最优选择向量z*;
若选择向量z(k)对应的目标函数gk(z(k),u(k))值大于辅助向量u(k),则u(k)更新为u(k+1)←z(k);反之,则计算步长权重θk,使用线性插值计算u(k+1),如公式(6)、(7)所示:
u(k+1)←θkz(k)+(1-θk)u(k) (7)
步骤3.5,重复执行步骤3.3至3.4,直到相邻两次迭代中,u(k)与u(k+1)的目标函数值gk(z(k),u(k))与gk(z(k),u(k+1))差距小于预先设定的阈值;通过最后的最优选择向量z*中第i元素取值为0还是1来决定放弃或选择第i个次分辨率辅助特征图形种子,进而构建次分辨率辅助特征图形种子集。
6.根据权利要求5所述的可提升光刻图形清晰度的次分辨率辅助特征图形生成方法,其特征在于,所述冲突矩阵H的边长分别等于选择向量z,辅助向量u的长度,如果第i个次分辨率辅助特征图形种子和第j个次分辨率辅助特征图形种子在掩膜上离得太近,小于设定的最小距离,发生冲突,那这个矩阵的(i,j)元素和(j,i)元素就是1,其余取值都是0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310069426.1A CN116068864A (zh) | 2023-01-17 | 2023-01-17 | 可提升光刻图形清晰度的次分辨率辅助特征图形生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310069426.1A CN116068864A (zh) | 2023-01-17 | 2023-01-17 | 可提升光刻图形清晰度的次分辨率辅助特征图形生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116068864A true CN116068864A (zh) | 2023-05-05 |
Family
ID=86181665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310069426.1A Pending CN116068864A (zh) | 2023-01-17 | 2023-01-17 | 可提升光刻图形清晰度的次分辨率辅助特征图形生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116068864A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117454831A (zh) * | 2023-12-05 | 2024-01-26 | 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 |
-
2023
- 2023-01-17 CN CN202310069426.1A patent/CN116068864A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117454831A (zh) * | 2023-12-05 | 2024-01-26 | 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 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114002911B (zh) | 基于自适应混合共轭梯度下降的光学临近修正掩膜方法 | |
US6792590B1 (en) | Dissection of edges with projection points in a fabrication layout for correcting proximity effects | |
Jia et al. | Machine learning for inverse lithography: using stochastic gradient descent for robust photomask synthesis | |
US6625801B1 (en) | Dissection of printed edges from a fabrication layout for correcting proximity effects | |
US7908572B2 (en) | Creating and applying variable bias rules in rule-based optical proximity correction for reduced complexity | |
US6539521B1 (en) | Dissection of corners in a fabrication layout for correcting proximity effects | |
US7650587B2 (en) | Local coloring for hierarchical OPC | |
CN104865788B (zh) | 一种光刻版图opc方法 | |
CN107908071A (zh) | 一种基于神经网络模型的光学邻近校正方法 | |
CN107003603A (zh) | 同时光刻及蚀刻校正流程的方法 | |
CN105573066B (zh) | 光刻机掩模的优化方法 | |
KR100725170B1 (ko) | 포토마스크의 제작을 위한 시스템 및 방법 | |
CN108535952A (zh) | 一种基于模型驱动卷积神经网络的计算光刻方法 | |
CN110426914B (zh) | 一种亚分辨率辅助图形的修正方法及电子设备 | |
CN110187609A (zh) | 一种计算光刻的深度学习方法 | |
CN111310407A (zh) | 基于机器学习进行逆向光刻最优特征向量设计的方法 | |
CN116068864A (zh) | 可提升光刻图形清晰度的次分辨率辅助特征图形生成方法 | |
CN108228981A (zh) | 基于神经网络的opc模型生成方法及实验图案的预测方法 | |
Pang et al. | Optimization from design rules, source and mask, to full chip with a single computational lithography framework: level-set-methods-based inverse lithography technology (ILT) | |
CN113759668A (zh) | 在紧凑建模中校准随机信号 | |
CN114019761A (zh) | 可降低掩膜复杂度的光学临近修正掩膜优化方法 | |
CN103365071A (zh) | 掩膜板的光学邻近校正方法 | |
CN109543330A (zh) | 一种自匹配的基于像素的光学邻近修正方法及系统 | |
US20070226674A1 (en) | System and method for semiconductor device fabrication using modeling | |
CN113589644A (zh) | 基于亚分辨率辅助图形种子插入的曲线型逆向光刻方法 |
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 |