CN116137899A - 基于特征图像的三维掩模仿真 - Google Patents

Abstract

光刻掩模的布局几何形状被接收。布局几何形状被分割为例如从库中选择的特征图像。该库包含预定义的特征图像及其对应的预先计算的掩模3D(M3D)滤波器。用于特征图像的M3D滤波器表示该特征图像对于给定源照明的电磁散射效应。通过将特征图像与其对应的M3D滤波器进行卷积来计算来自每个特征图像的掩模函数贡献。掩模函数贡献被组合以确定由源照明所照射的光刻掩模的掩模函数。

Description

基于特征图像的三维掩模仿真

相关申请的交叉引用

根据35 U.S.C.§119(e)，本申请要求于2020年9月16日提交的美国临时专利申请序列号No.63/079,067“Three-Dimensional Mask Simulations Based on FeatureImages,”和于2021年8月31日提交的美国专利申请序列号No.17/463,075“Three-Dimensional Mask Simulations Based on Feature Images,”的优先权。所有前述内容的主题通过引用整体并入本文。

技术领域

本发明涉及三维掩模仿真，包括用于全芯片或大规模计算光刻应用。

背景技术

制造半导体晶片的一个步骤涉及光刻。在典型的光刻工艺中，光源产生由收集/照射光学器件收集和引导以照射光刻掩模的光。投影光学器件将被照射的掩模产生的图案传递到晶片上，根据照射图案曝光晶片上的抗蚀剂。然后将图案化的抗蚀剂用于在晶片上制造结构的工艺中。

各种技术涉及改进光刻工艺，包括光刻掩模的设计。在计算光刻中，光刻掩模设计被用作三维掩模模型的输入，其被用于计算描述由光源照射的掩模的电磁场散射特性的掩模函数。掩模函数然后可以被用作光学成像模型(例如，阿贝成像模型或霍普金斯成像模型)的输入，以预测抗蚀剂中的印刷图案。重要的是三维掩模模型既精确又快速。

发明内容

在一个方面，接收光刻掩模的布局几何形状。布局几何形状被分割成多个特征图像，例如从库中选择的特征图像。该库包含预定义的特征图像及其对应的预先计算的掩模3D(M3D)滤波器。特征图像的M3D滤波器表示对于给定源照明，该特征图像的电磁散射效应。通过将特征图像与其对应的M3D滤波器进行卷积来计算来自每个特征图像的掩模函数贡献。掩模函数贡献被组合以确定由源照明所照射的掩模的掩模函数。

其它方面包括组件、设备、系统、改进、方法、工艺、应用、计算机可读介质、以及与任何方面相关的其它技术。

附图说明

从以下给出的详细描述和从本公开的实施例的附图将更全面地理解本公开。附图被用于提供对本公开的实施例的知识和理解，而不将本公开的范围限制于这些特定实施例。此外，附图不必按比例绘制。

图1A描绘了适用于本公开的实施例的极紫外(EUV)光刻工艺。

图1B是用于计算来自掩模的散射的流程图。

图2描绘了将掩模布局几何形状分割为特征图像。

图3描绘了库中的特征图像。

图4A是用于计算特征图像的M3D滤波器的流程图。

图4B描绘了示例M3D滤波器计算。

图5是用于开发特征图像库的流程图。

图6示出了将本文描述的方法与其它方法进行比较的结果。

图7是根据本发明的一些实施例在集成电路的设计和制造期间使用的各种工艺的流程图。

图8描绘了本公开的实施例可以在其中操作的示例计算机系统的示图

具体实施方法

本发明的方面涉及基于特征图像的三维掩模仿真。曝光晶片上的抗蚀剂的照明图案取决于光刻掩模的几何布局和源照明，以及其它因素。光刻工艺的仿真取决于由入射在光刻掩模上的源照射产生的电磁场的精确预测。考虑到衍射和散射效应，可以使用麦克斯韦方程组的严格的三维仿真来预测该场。然而，这种仿真在计算上是密集的并且具有长的运行时间。结果，在许多情况下，禁止对覆盖整个芯片的掩模区域进行严格的三维仿真。

本公开的各方面涉及通过使用一组特征图像(又称“特征矢量”)和对应的滤波器(称为掩模3D或M3D滤波器)来计算由掩模函数(MF)表示的电磁场衍射和散射特性。特征图像表示掩模中可能存在的基本几何，并且对应的M3D滤波器表示由特征图像产生的散射效应。可以基于给定源照明的特征图像的散射效应的严格电磁仿真来确定M3D滤波器。

在一种方法中，从预定义特征图像及其对应的预先计算的掩模3D(M3D)滤波器的库中选择特征图像。库中的特征图像包括但不限于以下：

0－边缘特征图像：体面积(无边缘)

1－边缘特征图像：不同取向的边缘

2－边缘特征图像：相对于彼此具有不同取向和空间关系的两个边缘的组合

3+边缘特征图像：三个或多个边缘的组合(例如，多边形)

本公开的优点包括但不限于以下。它可能更适合与机器学习(ML)和非ML框架两者以及图形处理单元(GPU)一起使用。与完全严格的仿真相比，该方法对于模型创建、训练和校准具有更高的计算效率，并且还减少了运行时间，同时仍针对掩模函数产生精确的结果。所得到的掩模函数也可以有效地用于霍普金斯和阿贝成像模型两者，这可以是光刻仿真中的下一步骤。

更详细地，图1A描绘了适用于本公开的实施例的EUV光刻工艺。在该系统中，光源102产生EUV光，其由收集/照射光学器件104收集和引导，以照射掩模110。投影光学器件116将由被照射的掩模产生的图案传递到晶片118上，根据照射图案曝光晶片上的抗蚀剂。然后曝光的抗蚀剂被显影，在晶片上产生图案化的抗蚀剂。这被用于在晶片上制造结构，例如通过沉积、掺杂、蚀刻或其它工艺。

在图1A中，光在EUV波长范围内，约13.5nm或在13.3－13.7nm范围内。在这些波长下，组件通常是反射的，而不是透射的。掩模110是反射掩模，而光学器件104、116也是反射和离轴的。这只是一个示例。其它类型的光刻系统也可以被使用，包括在包括深紫外(DUV)的其它波长下，使用透射掩模和/或光学器件，以及使用正性或负性抗蚀剂。

图1B是用于计算来自掩模110的散射的流程图。来自掩模110的衍射和散射由掩模函数(MF)190表示。图1B的过程使用掩模的描述115和库120来计算用于掩模的掩模函数190。该库包含预定义特征图像125和对应的滤波器127，其将被称为掩模3D(M3D)滤波器，因为它们表示针对给定的源照明，该类型的特征图像对整个掩模函数的贡献。M3D滤波器127包括源照明的效果。

如图1B所示，掩模的布局几何形状被接收130并且将其分割140为特征图像。通过将特征图像125与其对应的M3D滤波器127卷积150来计算来自每个特征图像的掩模函数(MF)贡献。通过组合(例如求和)160来自单独特征图像的MF贡献来确定掩模和给定源照明的合计掩模函数。

图2描绘了将掩模布局几何形状分割为特征图像。图2示出了来自布局几何形状的两个形状210和220以及将形状210分割为特征图像。形状210被分割成以下特征图像：一个区域图像、六个边缘图像、六个角图像和两个边缘到边缘(E2E)图像。可以基于规则将形状210分割成特征图像，以标识存在于掩模布局中的不同特征。在该示例中，多边形210的内部区域及其对掩模函数的贡献由区域1特征图像表示。这限定了掩模的哪些区域相对于透射或反射是不透明的。边缘特征图像(边缘1－边缘6)说明电磁波在边缘处的衍射和散射。

剩余的特征图像基于两个边缘的组合，其中在两个边缘之间存在相互作用。角特征图像(角1－角6)说明了在角处的相互作用，这超出了两个边缘的单独贡献。注意，在图2中，角包括内角和外角两者。边缘到边缘(E2E)特征图像说明了平行边缘之间的相互作用。E2E1说明边缘1和3之间的相互作用。E2E 2说明边缘2和形状220的左边缘之间的相互作用。

特征图像的每个是一个图像。例如，区域图像可以是形状210的多边形。边缘图像的每个可以是相关边缘的滤波版本。在一些情况下，光栅化滤波器被应用来生成特征图像。

布局几何形状的分割使用来自库120的预定义特征图像125。可以基于对散射以及什么类型的几何特征有助于散射的理解来选择库中的特征图像。

图3描绘了库中的特征图像的一些示例。根据特征图像中的边缘数量对图3中的特征图像进行分类。顶行中的特征图像具有0个边缘，下一行中的边缘具有1个边缘，并且然后是2个边缘，并且然后是3+个边缘。这些仅仅是示例而非穷举。

在顶行中，区域特征图像确定掩模的哪些区域是不透明的，哪些是透射的或者反射的。区域特征图像的实际实例可以具有不同的形状、大小和位置，这取决于掩模上形状的几何布局。对应于区域特征图像的M3D滤波器表示由假定无限大区域的区域中的每个点产生的散射，即，来自几何布局的大块区域内的每个点对掩模函数的贡献忽略任何边缘效应。因此，M3D滤波器与区域特征图像的实例(例如，图2中的区域1)的卷积产生来自掩模中该形状的大块区域的MF贡献。

在第二行中，边缘特征图像是另一类重要的特征图像，因为电磁波的衍射或散射发生在边缘处。图3示出了一个边缘特征图像，但是库可以具有许多类型的边缘图像。针对仅具有曼哈顿几何的掩模，在库中包括四个边缘特征图像，对应于曼哈顿几何中的边缘的四个可能取向。一些掩模还可以允许边缘成45度的倍数，或者甚至成任意角度。对应于边缘特征图像的M3D滤波器表示由沿假定无限长边缘的边缘的每个点产生的散射。

第三行示出了另一重要类别的特征图像，其是两个边缘的组合。当两个边缘变得足够接近时，在两个边缘之间将存在相互作用。图3中示出了几个示例。在前两个示例中，两个边缘是平行的。这通常称为边缘到边缘(在图2中标记为E2E)。图3示出了两种不同的极性，这取决于两个边缘之间的区域是否被掩模材料填充。除了两个不同的极性之外，库还可以包含边缘之间具有不同间隔的边缘到边缘特征图像，并且边缘以不同的角度(水平、垂直、45度的倍数等)取向。

在第三行的最后两个示例中，两个边缘彼此垂直。这些是角特征图像：内角和外角，取决于极性。库可以包含以不同角度取向的角。其它两边缘特征图像也是可能的。例如，两个边缘可以彼此成不同的角度。两个边缘可以分开，但彼此不平行。因此，两个边缘将缓慢地会聚或发散。角度不是90度的角也是可能的。

底行示出了具有三个或更多个边缘的特征图像。前两个示例是两个极性的尖端。库可以包含不同宽度和以不同角度取向的版本。接下来的两个示例是两个极性的孔或通路。不同的形式可以具有不同的宽度、高度和角度取向。最后的示例示出了弯曲的边缘。

每个特征图像具有用于从特征图像产生MF贡献的对应滤波器。即，特征图像的散射效应由M3D滤波器捕获。在一种方法中，针对特征图像执行严格的仿真，并且使用严格的结果来确定M3D滤波器。

M3D滤波器可以通过以低阶效应开始来计算。区域图像(0级特征图像)的效果仅取决于区域的透射或反射。在严格的仿真中，该特征图像的掩模结构是恒定值的平面。M3D滤波器是一个常数，等于通过严格仿真计算的透射或反射。

接下来考虑边缘特征图像。布局几何形状中的边缘被分割为区域特征图像加上边缘特征图像。然后通过来自区域特征图像的MF贡献加上来自边缘特征图像的MF贡献来建模边缘散射的严格仿真。已经确定了来自区域特征图像的MF贡献，因此然后可以确定来自边缘特征图像和对应的M3D滤波器的掩模函数贡献。

在考虑所有单边缘特征图像之后，考虑由两个边缘组成的特征图像。图4A是用于计算特征图像的M3D滤波器的流程图，从低阶到高阶特征图像进行。图4B描绘了用于图3所示的两个边缘间隙特征图像的示例M3D滤波器计算。

在图4B的示例中，已经计算了用于0个边缘和1个边缘特征图像的M3D滤波器，并且该过程移动405到更复杂的特征图像：两个边缘特征图像。接下来考虑410具有特定间隔Δ的间隙特征图像。间隙特征图像的掩模结构被确定420为由间隔Δ分开的两个边缘。可以对该掩模结构执行430严格的三维仿真，产生针对该掩模结构的掩模函数。

该掩模结构的几何布局也被分割440成低阶特征图像：一个区域特征图像+两个边缘特征图像+感兴趣的间隙特征图像。这在图4B的顶行中图示出。通过严格电磁仿真计算的聚集掩模函数等于来自每个特征图像的MF贡献的总和：

其中I_i是特征图像，K_i是对应的M3D滤波器，

是卷积算子，并且N是特征图像的数量。MF是屏蔽函数，在这种情况下，它从严格的仿真中已知。针对低阶特征图像的MF贡献可以使用先前针对这些图像计算的M3D滤波器来计算450。这在等式1中留下一未知数，被图示于图4B的底部处。这是用于间隙特征图像的M3D滤波器，其然后可以被计算460。在一些情况下，这可以被用作库120中的M3D过滤器127。

特征图像可以是特征的灰度表示，其允许图像的稀疏采样。例如，边缘具有无限频率分量并且将需要无限带宽来以100％保真度表示。然而，它也可以代替由边缘的低通滤波版本来表示，其类似于灰度模糊边缘。可以使用低通光栅化函数来光栅化掩模中的多边形形状。这消除了特征的高频分量，仅保留低频分量。这是可以接受的，因为投影光学器件实际上是低通系统，所以它将自然地滤出高(空间)频率分量。为了使其更紧凑并且因此在光栅化操作中更快，低通光栅化滤波器被设计成与sinc或者类sinc函数的均匀响应相比在频率通带中具有非均匀响应。就低通光栅化函数在其频率通带中具有非均匀响应而言，可以添加均衡滤波器470以补偿非均匀响应。M3D滤波器490则是电磁散射和均衡的组合。

针对具有不同间隔Δ(例如以1nm的增量)的间隙特征图像，可以重复上述方法。也可以针对不同的取向和极性重复。针对其它2个边缘和更复杂的特征图像也可以重复该过程。

当等式1可以使用直接卷积在空间域中计算和求解。然而，它也可以在空间频率域中被处理。这些量被转换到空间频率域，并且卷积成为乘积。则等效方程为

其中FT{}是傅立叶变换。

在一些情况下，包括在库中的特征图像取决于掩模的布局几何形状。图5是用于开发特征图像库的流程图。库120可以从公共特征图像的基本集合开始，然后基于在光刻掩模的布局几何形状中存在哪些特征图像来补充公共特征图像。在图5中，接收510掩模布局。将布局几何形状与已经在库中的特征图像进行比较520。如果库不充分，例如如果某些特征出现在掩模中但是在库中没有对应的特征图像，则可以用附加的特征图像补充库530。可以如上描述计算这些特征图像的M3D滤波器。

除了在空间域中进行计算(等式1以上)或空间频率域(等式2以上)，计算也可以并行或顺序执行。在完全并行的方法中，所有特征图像与对应的M3D滤波器并行卷积。然后将结果相加。

本文描述方法的各种实施例还可以具有以下特征和益处。它针对机器学习(ML)和非ML框架以及针对图形处理单元(GPU)都是实现友好的。如上所示，模型形成基于特征图像和M3D滤波器之间的卷积，其与流行的ML框架(例如张量流)和GPU兼容。因此，可以在这些框架中直接实现以利用由这些ML框架提供的用于光刻应用(例如，光刻模型校准/微调、掩模布局优化、照明源优化等)的能力(例如，优化引擎、硬件加速等)。

它还可以是针对模型创建、训练和校准有效的数据。传统的基于ML的M3D模型依赖于机器通过从数据中学习来生成特征图像和过滤器，这是高度经验性的并且通常需要大量的数据以避免过度拟组合且确保预测稳定性。生成所需的数据量在计算上是昂贵并且耗时的。在这里描述的方法中，特征图像和M3D滤波器是基于物理洞察生成的，这更加稳定并且需要明显更少的数据。

它可以改善运行时间。特征图像生成涉及将掩模多边形光栅化为灰度图像。传统上，掩模多边形被光栅化为薄掩模传输函数，这在计算上是低效的，因为必须将sinc(或类sinc)光栅化函数用于薄掩模传输函数计算，以便确保通带中的均匀频率响应。在本文中描述的方法中，可以设计比sinc(或者类sinc)函数更紧凑的特殊光栅化函数，并且因此在计算上更有效。这种新的光栅化函数不需要在通带中具有均匀的频率响应。修改M3D滤波器(图4A中的步骤470)以恢复特征图像和经修改的M3D滤波器之间的卷积中的所需频率响应。

它对于霍普金斯和阿贝成像模型两者都是计算有效的。虽然在霍普金斯成像仿真中仅需要一个MF，但是在阿贝成像仿真中需要多个MF(每个入射场角一个MF)，这显着地增加了运行时间，因为如果使用传统的基于阿贝的方法，则MF被计算多次。在这里描述的方法中，特征图像可以独立于入射场角，并且因此只需要计算一次。尽管使用了多组M3D滤波器和卷积(每个入射场角一个)，但是可以预先计算滤波器，并且可以使用FFT方法有效地进行卷积。

计算效率和运行时间的这些增加可以使得在合理的时间量内仿真芯片的整个掩模布局是可行的。

图6示出了将上述方法与其它方法进行比较的结果。这些实验仿真在掩模上具有不同类型图案的EUV掩模。图6示出了使用该方法相对于三种其它方法预测的空间图像中的CD(临界尺寸)误差的均方根。在图6中，交叉阴影条是本文描述的方法，并且白色条是其它方法。左组四条线的散焦为在－60nm，中央组散焦为在－20nm，并且右组散焦为在+20nm。在所有情况下，本文描述的方法具有低的RMS误差。

图7示出了在诸如集成电路的制品的设计、验证和制造期间使用以转换和验证表示集成电路的设计数据和指令的一组示例性过程700。这些过程中的每个都可以被构造和使能为多个模块或操作。术语“EDA”表示术语“电子设计自动化”。这些过程开始于创建具有由设计者提供的信息的产品概念710，该信息被转换以创建使用一组EDA过程712的制品。当设计被完成时，设计被流片734，这是当集成电路的图形(例如，几何图案)被发送到制造设备以制造掩模组时，掩模组然后被用于制造集成电路。在流片之后，制造半导体裸片736，并且执行封装和组装过程738以产生完成的集成电路740。

用于电路或电子结构的规格范围可以从低级晶体管材料布局到高级描述语言。高级抽象可以被用于使用诸如VHDL、Verilog、SystemVerilog、SystemC、MyHDL或OpenVera等硬件描述语言(“HDL”)来设计电路和系统。HDL描述可以被转换为逻辑级寄存器传送级(“RTL”)描述、门级描述、布局级描述或掩码级描述。作为较少抽象描述的每个低抽象级别将更有用的细节添加到设计描述中，例如，包括该描述的模块的更多细节。抽象描述较少的低级抽象可以由计算机生成，从设计库导出，或由另一设计自动化过程创建。用于指定更详细说明的以低级抽象语言的规范语言的示例是SPICE，其被用于具有许多仿真组件的电路的详细说明。每个抽象层处的描述能够由该层的对应工具(例如，形式验证工具)使用。设计过程可以使用图7所示的顺序。EDA产品(或工具)使能所描述的过程。

在系统设计714期间，指定待制造的集成电路的功能性。可以针对诸如功耗、性能、面积(物理和/或代码行)和成本降低等期望特性来优化设计。在此阶段处可以将设计分割为不同类型的模块或组件。

在逻辑设计和功能验证716期间，用一种或多种描述语言来指定电路中的模块或组件，并且检查规范的功能准确性。例如，可以验证电路的组件以生成与所设计的电路或系统的规范要求相匹配的输出。功能验证可以使用仿真器和其他程序，诸如testbench生成器、静态HDL检验器和正式验证器。在一些实施例中，被称为“仿真器”或“原型系统”的组件的特定系统被用于加速功能验证。

在测试718的合成和设计期间，HDL代码被转换为网表。在一些实施例中，网表可以是图形结构，其中图形结构的边缘表示电路的组件，并且图形结构的节点表示组件如何互连。HDL代码和网表两者都是可以由EDA产品用来验证集成电路在制造时按照指定的设计执行的分级制品。可以针对目标半导体制造技术优化网表。此外，可以测试完成的集成电路以验证该集成电路满足规范的要求。

在网表验证720期间，检查网表是否符合定时约束以及是否符合HDL代码。在设计规划722期间，针对定时和顶层路由构造并且分析集成电路的总体平面布置图。

在布局或物理实现724期间，发生物理放置(诸如晶体管或电容器的电路组件的定位)和路由(通过多个导体连接电路组件)，并且可以执行从库中选择单元以启用特定逻辑功能。如本文中所使用，术语“单元”可指定提供布尔逻辑功能(例如，AND、OR、NOT、XOR)或存储功能(诸如触发器或锁存器)的一组晶体管，其它组件及互连。如本文所使用的，电路“块”可以指两个或更多个单元。单元和电路块两者都可以被称为模块或组件，并且被使能为物理结构和仿真中。为选定的电池指定参数(基于“标准电池”)，诸如尺寸，并且使其可以在数据库中访问以供EDA产品使用。

在分析和提取726期间，在布局级处验证电路功能，这允许改进布局设计。在物理检验728期间，检查布局设计以确保制造约束是正确的，诸如DRC约束、电约束、光刻约束，并且电路功能匹配HDL设计规范。在分辨率增强730期间，转换布局的几何以改进如何制造电路设计。

在流片期间，创建数据以用于(如果适当的话，在应用光刻增强之后)生产光刻掩模。在掩模数据准备732期间，“流片”数据被用于产生光刻掩模，该光刻掩模用于产生完成的集成电路。

计算机系统(诸如图8的计算机系统800)的存储子系统可以被用于存储由本文描述的一些或全部EDA产品使用的程序和数据结构以及用于开发库的单元和用于使用库的物理和逻辑设计的产品。

图8示出了计算机系统800的示例性机器，在该机器内可以执行用于使该机器执行本文中讨论的任何一个或多个方法的一组指令。在备选的实现中，机器可以被连接(例如，被联网)到LAN、内联网、外联网和/或因特网中的其它机器。该机器可以在客户端－服务器网络环境中的服务器或客户端机器的能力下操作，作为对等(或分布式)网络环境中的对等机器，或者作为云计算基础设施或环境中的服务器或客户端机器。

该机器可以是个人计算机(PC)、平板PC、机顶盒(STB)、个人数字助理(PDA)、蜂窝电话、web设备、服务器、网络路由器、交换机或网桥，或能够执行指定该机器要采取的动作的一组指令(顺序的或其它的)的任何机器。此外，虽然示出了单个机器，但是术语“机器”还应当被理解为包括单独地或联合地执行一组(或多组)指令以执行本文讨论的任何一个或多个方法的机器的任何集合。

示例计算机系统800包括经由总线830彼此通信的处理设备802、主存储器804(例如，只读存储器(ROM)、闪存、诸如同步DRAM(SDRAM)的动态随机存取存储器(DRAM)、静态存储器806(例如，闪存、静态随机存取存储器(SRAM)等)和数据存储设备818。

处理设备802表示诸如微处理器、中央处理单元等的一个或多个处理器。更具体地，处理设备可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、或实现其它指令集的处理器、或实现指令集组合的处理器。处理设备802还可以是一个或多个专用处理设备，诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、网络处理器等。处理设备802可以被配置为执行用于执行本文中所描述的操作和步骤的指令826。

计算机系统800还可以包括网络接口设备808通信的网络接口设备808。计算机系统800还可以包括视频显示单元810(例如液晶显示器(LCD)或阴极射线管(CRT))、字母数字输入设备812(例如键盘)、光标控制设备814(例如鼠标)、图形处理单元822、信号生成设备816(例如扬声器)、图形处理单元822、视频处理单元828和音频处理单元832。

数据存储设备818可以包括机器可读存储介质824(也被称为非瞬态计算机可读介质)，在该介质上存储了体现本文描述的任何一个或多个方法或功能的一组或多组指令826或软件。在计算机系统800执行指令826期间，指令826也可以完全或至少部分地驻留在主存储器804内和/或处理设备802内，主存储器804和处理设备802也构成机器可读存储介质。

在一些实现中，指令826包括实现对应于本公开的功能的指令。虽然机器可读存储介质824在示例实现中示出为单个介质，但是术语“机器可读存储介质”应当被理解为包括存储一个或多个指令集的单个介质或多个介质(例如，集中式或分布式数据库，和/或相关联的高速缓存和服务器)。术语“机器可读存储介质”还应当被理解为包括能够存储或编码用于由机器执行的指令集并且使得机器和处理设备802执行本公开的任何一个或多个方法的任何介质。因此，术语“机器可读存储介质”应当被理解为包括但不限于固态存储器、光学介质和磁性介质。

前面详细描述的某些部分是根据对计算机存储器内的数据位的操作的算法和符号表示来呈现的。这些算法描述和表示是数据处理领域的技术人员用来最有效地将他们工作的实质传达给本领域的其他技术人员的方法。算法可以是导致期望结果的操作序列。这些操作是需要物理量的物理操纵的那些操作。这些量可以采取能够被存储、组合、比较和以其他方法操纵的电或磁信号的形式。这种信号可以被称为位、值、元素、符号、字符、项、数字等。

然而，应当记住，所有这些和类似的术语将与适当的物理量相关联，并且仅仅是应用于这些量的方便标记。除非特别声明，否则如从本公开显而易见的，应当理解，在整个说明书中，某些术语是指计算机系统或类似的电子计算设备的动作和工艺，其将表示为计算机系统的寄存器和存储器内的物理(电子)量的数据操纵和转换为类似地表示为计算机系统存储器或寄存器或其他这样的信息存储设备内的物理量的其他数据。

本公开还涉及一种用于执行这里的操作的装置。该装置可以为了预期目的而专门构造，或者它可以包括由存储在计算机中的计算机程序选择性地激活或重新配置的计算机。这种计算机程序可以存储在计算机可读存储介质中，诸如但不限于，包括软盘、光盘、CD－ROM和磁光盘的任何类型的盘、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或光卡、或者适合于存储电子指令的任何类型的介质，每个耦合到计算机系统总线。

本文给出的算法和显示并不固有地涉及任何特定的计算机或其它装置。根据本文的教导，各种其它系统可以与程序一起使用，或者可以证明构造更专用的装置来执行该方法是方便的。此外，不参考任何特定编程语言来描述本公开。将了解，可以使用多种编程语言来实施本文所描述的本发明的教示。

本公开可以被提供为计算机程序产品或软件，其可以包括其上存储有指令的机器可读介质，指令可以被用于对计算机系统(或其他电子设备)编程以执行根据本公开的过程。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机制。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质，诸如只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存设备等。

在前述公开中，已经参考其特定示例实现描述了本公开的实现。显然，在不脱离如以下权利要求中阐述的本公开的实现的更宽精神和范围的情况下，可以对其进行各种修改。在本公开以单数形式提及一些元件的情况下，可以在附图中描绘多于一个元件，并且相同的元件用相同的数字标记。因此，本公开和附图被认为是说明性的而不是限制性的。

Claims (20)

1.一种方法，包括：

接收光刻掩模的布局几何形状；

将所述布局几何形状分割成多个特征图像；

由处理器通过将所述特征图像与对应的掩模3D(M3D)滤波器进行卷积来计算来自所述多个特征图像中的每个特征图像的掩模函数(MF)贡献，其中与特征图像相对应的所述M3D滤波器表示所述特征图像的电磁散射效应；以及

组合经计算的所述MF贡献以确定用于所述光刻掩模的掩模函数。

2.根据权利要求1所述的方法，进一步包括：

基于由源照明照射的所述特征图像，通过掩模结构的所述散射效应的严格电磁仿真来确定所述M3D滤波器。

3.根据权利要求1所述的方法，其中所述多个特征图像是从包含预定义特征图像及所述预定义特征图像的对应的预先计算的M3D滤波器的库中选择的。

4.根据权利要求3所述的方法，其中所述预定义特征图像的所述库包括不同阶复杂度的特征图像，并且所述方法进一步包括：

根据所述M3D滤波器的复杂度按顺序预先计算所述M3D滤波器。

5.根据权利要求4所述的方法，其中确定用于高阶复杂度的特征图像的所述M3D滤波器包括：

确定与所述高阶特征图像相对应的掩模结构；

将所述掩模结构分割成所述高阶特征图像和一个或多个低阶特征图像；

执行严格电磁仿真以预测用于所述掩模结构的掩模函数；

通过将所述低阶特征图像与所述低阶特征图像的对应的M3D滤波器进行卷积来计算来自所述多个低阶特征图像中的每个低阶特征图像的所述MF贡献；以及

基于将来自所述高阶特征图像的所述MF贡献与来自所述低阶特征图像的所述MF贡献组合以产生用于与所述高阶特征图像相对应的所述掩模结构的经预测的所述掩模函数，来确定用于所述高阶特征图像的所述M3D滤波器。

6.根据权利要求4所述的方法，进一步包括：

基于哪些特征图像存在于所述光刻掩模的所述布局几何形状中，来确定所述库中的所述预定义特征图像。

7.根据权利要求6所述的方法，其中所述预定义特征图像的库包括特征图像的公共基础库，特征图像的公共基础库由所述光刻掩模的所述布局几何形状中存在的高阶特征图像补充。

8.根据权利要求1所述的方法，其中：

所述掩模的所述布局几何形状包括多个多边形；

将所述布局几何形状分割为特征图像包括使用低通光栅化函数来光栅化所述掩模多边形，所述低通光栅化函数在频率通带中具有非均匀响应；以及

所述M3D滤波器包括补偿所述非均匀响应的均衡滤波器的效果。

9.根据权利要求1所述的方法，进一步包括：

将所述掩模函数作为输入应用于阿贝成像模型或霍普金斯成像模型。

10.一种系统，包括：

计算机可读存储介质，所述计算机可读存储介质存储指令和库，所述库包含预定义特征图像和对应的预先计算的掩模3D(M3D)滤波器；以及

处理器，所述处理器与所述计算机可读存储介质耦组合且以执行所述指令，所述指令在被执行时使所述处理器以：

将光刻掩模的布局几何形状分割为从所述库中选择的多个特征图像；

通过将所述特征图像与来自所述库的所述对应的M3D滤波器进行卷积来计算来自所述多个特征图像中的每个特征图像的掩模函数(MF)贡献；以及

组合经计算的所述MF贡献以确定用于所述光刻掩模的掩模函数。

11.根据权利要求10所述的系统，其中所述预定义特征图像的库包括区域图像、一个或多个单边缘图像和多个多边缘图像。

12.根据权利要求11所述的系统，其中所述预定义特征图像的库包括多个特征图像，每个特征图像由两个平行边缘组成。

13.根据权利要求11所述的系统，其中所述预定义特征图像的库包括多个特征图像，每个特征图像由形成角的两个垂直边缘组成。

14.根据权利要求11所述的系统，其中所述预定义特征图像的库包括多个特征图像，每个特征图像包括以非45度的倍数的角度定向的单边缘。

15.根据权利要求11所述的系统，其中所述预定义特征图像的库包括多个特征图像，每个特征图像由曲线边缘组成。

16.根据权利要求11所述的系统，其中所述预定义特征图像的库由区域图像、一个或多个单边缘图像和多个双边缘图像组成。

17.一种包括所存储的指令的非瞬态计算机可读介质，当所述指令由处理器执行时所述指令使得所述处理器：

将光刻掩模的布局几何形状分割成多个特征图像；

使用用于所述特征图像的掩模3D(M3D)滤波器，计算来自所述多个特征图像中的每个特征图像的掩模函数(MF)贡献；以及

组合经计算的所述MF贡献以确定用于所述光刻掩模的掩模函数。

18.根据权利要求17所述的非瞬时计算机可读介质，其中所述M3D滤波器基于严格电磁仿真。

19.根据权利要求17所述的非瞬态计算机可读介质，其中所述布局几何形状包括用于整个芯片的布局几何形状。

20.根据权利要求17所述的非瞬态计算机可读介质，其中所述光刻掩模的源照明是极紫外(EUV)照明或深紫外(DUV)照明。

Images