CN117406564A - 光源调控方法、装置、设备及存储介质 - Google Patents
光源调控方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117406564A CN117406564A CN202311697407.XA CN202311697407A CN117406564A CN 117406564 A CN117406564 A CN 117406564A CN 202311697407 A CN202311697407 A CN 202311697407A CN 117406564 A CN117406564 A CN 117406564A
- Authority
- CN
- China
- Prior art keywords
- light source
- mode field
- extreme ultraviolet
- light
- regulation
- 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
Links
- 230000033228 biological regulation Effects 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims abstract description 115
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000009826 distribution Methods 0.000 claims abstract description 174
- 238000005086 pumping Methods 0.000 claims abstract description 71
- 238000005457 optimization Methods 0.000 claims abstract description 51
- 238000007493 shaping process Methods 0.000 claims description 45
- 230000006870 function Effects 0.000 claims description 30
- 238000001228 spectrum Methods 0.000 claims description 29
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000003384 imaging method Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 15
- 230000003287 optical effect Effects 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 12
- 238000001308 synthesis method Methods 0.000 claims description 9
- 230000035772 mutation Effects 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 5
- 230000001276 controlling effect Effects 0.000 abstract description 17
- 230000001105 regulatory effect Effects 0.000 abstract description 15
- 238000001459 lithography Methods 0.000 abstract description 12
- 238000001900 extreme ultraviolet lithography Methods 0.000 abstract description 6
- 238000013528 artificial neural network Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 14
- 230000010287 polarization Effects 0.000 description 9
- 230000003044 adaptive effect Effects 0.000 description 6
- 230000001427 coherent effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001259 photo etching Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000001444 catalytic combustion detection Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- RKIJUBHVSHUCFW-UHFFFAOYSA-N [He].[Ne].[Ar] Chemical compound [He].[Ne].[Ar] RKIJUBHVSHUCFW-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000276 deep-ultraviolet lithography Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 235000012431 wafers Nutrition 0.000 description 1
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
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/7055—Exposure light control in all parts of the microlithographic apparatus, e.g. pulse length control or light interruption
-
- 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
- G03F7/70008—Production of exposure light, i.e. light sources
- G03F7/70033—Production of exposure light, i.e. light sources by plasma extreme ultraviolet [EUV] sources
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Plasma & Fusion (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
Abstract
本发明涉及光源调控技术领域,公开了一种光源调控方法、装置、设备及存储介质,该方法包括:将泵浦光源发射的高强度激光输入至高次谐波产生腔,获得目标极紫外光;基于目标极紫外光对泵浦光源对应的光源模场进行空间分布调控,获得泵浦光源对应的光源模场数据;基于光源模场数据建立光源基本数据库;基于光源基本数据库进行光源掩模联合优化,以根据掩模版优化参数进行极紫外光调控。本发明基于对泵浦光源对应的光源模场进行调控获得的光源模场数据建立光源基本数据库,并基于光源基本数据库进行光源掩模联合优化,以根据掩模版优化参数进行极紫外光调控,解决了EUV光刻中的EUV光源难调控,进而导致光刻分辨率较低的技术问题。
Description
技术领域
本发明涉及光源调控技术领域,尤其涉及一种光源调控方法、装置、设备及存储介质。
背景技术
随着芯片特征尺寸的不断减小,深紫外光刻技术已经进入瓶颈,目前,采用13.5纳米的极紫外(EUV,Extreme Ultraviolet)光刻被认为是下一代商用化路线必需的技术。现有的产生EUV光源的主流方案有基于高次谐波(HHG,High Harmonic Generation)产生的相干EUV产生方案,但由于高次谐波产生过程涉及到非线性模式耦合,导致精准计算输出EUV光场所需的初始光场输入信息困难,使得EUV光源难调控,进而导致光刻分辨率较低。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种光源调控方法、装置、设备及存储介质,旨在解决现有技术中EUV光刻中的EUV光源难调控,进而导致光刻分辨率较低的技术问题。
为实现上述目的,本发明提供了一种光源调控方法,所述光源调控方法包括:
将泵浦光源发射的高强度激光输入至高次谐波产生腔,获得目标极紫外光;
基于所述目标极紫外光对所述泵浦光源对应的光源模场进行空间分布调控,获得所述泵浦光源对应的光源模场数据;
基于所述光源模场数据建立所述目标极紫外光对应的光源基本数据库;
基于所述光源基本数据库进行光源掩模联合优化,以根据掩模版优化参数进行极紫外光调控。
可选地,所述基于所述目标极紫外光对所述泵浦光源对应的光源模场进行空间分布调控,获得所述泵浦光源对应的光源模场数据的步骤,包括:
确定所述泵浦光源对应的目标光源模场调控方法;
若所述目标光源模场调控方法为单光束泵浦光波前整形法,则将所述泵浦光源输入至预设波前整形器件,以基于所述目标极紫外光对所述泵浦光源进行整形处理,获得整形后的目标极紫外光;
通过预设成像设备对所述整形后的目标极紫外光进行信息测量,获得所述整形后的目标极紫外光对应的光谱信息和模场信息;
基于所述光谱信息、所述模场信息和预设适应度函数获取所述整形后的目标极紫外光对应的光源模场数据。
可选地,基于所述光谱信息和所述模场信息,通过预设适应度函数对泵浦光光场分布进行预设调整操作,直至所述预设适应度函数达到预设适应度阈值,获得所述整形后的目标极紫外光对应的光源模场数据,所述预设调整操作包括:选择、交叉和变异。
可选地,所述确定所述泵浦光源对应的目标光源模场调控方法的步骤之后,还包括:
若所述目标光源模场调控方法为多光束合成法,则将所述泵浦光源、倍频光束和控制光束输入至所述预设波前整形器件进行整形处理,获得整形后的目标极紫外光;
返回至所述通过预设成像设备对所述整形后的目标极紫外光进行信息测量,获得所述整形后的目标极紫外光对应的光谱信息和模场信息的步骤。
可选地,所述光源基本数据库包括:标准光源基本数据库;所述基于所述光源模场数据建立所述目标极紫外光对应的光源基本数据库的步骤,包括:
基于所述光源模场数据确定所述目标极紫外光对应的光源模场分布和输出模场分布之间的空间关联度;
根据所述空间关联度确定目标泵浦光模场分布;
基于所述目标泵浦光模场分布确定常用光源分布,并根据所述常用光源分布建立所述标准光源基本数据库;
所述基于所述光源基本数据库进行光源掩模联合优化的步骤,包括:
基于所述标准光源基本数据库进行光源掩模联合优化。
可选地,所述光源基本数据库包括:精细光源基本数据库;所述基于所述光源模场数据建立所述目标极紫外光对应的光源基本数据库的步骤,包括:
基于所述光源模场数据和预设调控关系分析算法确定所述目标极紫外光对应的光源模场分布和输出模场分布之间的目标调控关系;
基于所述目标调控关系确定精细光源分布;
根据所述精细光源分布建立所述精细光源基本数据库;
所述基于所述光源基本数据库进行光源掩模联合优化的步骤,包括:
基于所述精细光源基本数据库进行光源掩模联合优化。
可选地,所述基于所述光源模场数据和预设调控关系分析算法确定所述目标极紫外光对应的光源模场分布和输出模场分布之间的目标调控关系的步骤,包括:
获取所述目标极紫外光对应的输出光场分布和预设期望光场分布之间的积分重叠;
以所述光源模场数据作为预设调控关系分析算法的输入、以所述积分重叠作为预设调控关系分析算法的输出,对所述预设调控关系分析算法进行模型训练;
根据训练结果确定所述目标极紫外光对应的光源模场分布和输出模场分布之间的目标调控关系。
此外,为实现上述目的,本发明还提出一种光源调控装置,所述装置包括:
极紫外光生成模块,用于将泵浦光源发射的高强度激光输入至高次谐波产生腔,获得目标极紫外光;
模场调控模块,用于基于所述目标极紫外光对所述泵浦光源对应的光源模场进行空间分布调控,获得所述泵浦光源对应的光源模场数据;
数据库建立模块,用于基于所述光源模场数据建立所述目标极紫外光对应的光源基本数据库;
极紫外光调控模块,用于基于所述光源基本数据库进行光源掩模联合优化,以根据掩模版优化参数进行极紫外光调控。
此外,为实现上述目的,本发明还提出一种光源调控设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的光源调控程序,所述光源调控程序配置为实现如上文所述的光源调控方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有光源调控程序,所述光源调控程序被处理器执行时实现如上文所述的光源调控方法的步骤。
在本发明中,公开了将泵浦光源发射的高强度激光输入至高次谐波产生腔,获得目标极紫外光;基于目标极紫外光对泵浦光源对应的光源模场进行空间分布调控,获得泵浦光源对应的光源模场数据;基于光源模场数据建立目标极紫外光对应的光源基本数据库;基于光源基本数据库进行光源掩模联合优化,以根据掩模版优化参数进行极紫外光调控;相较于现有技术中的EUV光刻采用基于高次谐波产生的相干EUV产生方案产生EUV光源时,由于高次谐波产生过程涉及到非线性模式耦合,导致产生的EUV光源难调控,进而导致光刻分辨率较低,由于本发明基于目标极紫外光对泵浦光源对应的光源模场进行空间分布调控,并基于获得的光源模场数据建立光源基本数据库,然后基于光源基本数据库进行光源掩模联合优化,以根据掩模版优化参数进行极紫外光调控,从而解决了现有技术中EUV光刻中的EUV光源难调控,进而导致光刻分辨率较低的技术问题。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的光源调控设备的结构示意图;
图2为本发明光源调控方法第一实施例的流程示意图;
图3为本发明光源调控方法第一实施例中产生目标极紫外光的流程示意图;
图4为本发明光源调控方法第一实施例中SMO方法反馈EUV光源调控的流程图;
图5为本发明光源调控方法第二实施例的流程示意图;
图6为本发明光源调控方法第二实施例中单光束泵浦光波前整形法的光场调控原理示意图;
图7为本发明光源调控方法第二实施例中预设适应度函数的执行流程图;
图8为本发明光源调控方法第二实施例中多光束合成法的光场调控原理示意图;
图9为本发明光源调控方法第三实施例的流程示意图;
图10为本发明光源调控方法第三实施例中常用的EUV光源分布示意图;
图11为本发明光源调控方法第三实施例中精细任意的EUV光源分布示意图;
图12为本发明光源调控方法第三实施例中神经网络算法的流程图;
图13为本发明光源调控方法第三实施例中反向传播算法的流程图;
图14为本发明光源调控方法第三实施例中光源基本数据库的建立流程示意图;
图15为本发明光源调控装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的光源调控设备结构示意图。
如图1所示,该光源调控设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM),也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对光源调控设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及光源调控程序。
在图1所示的光源调控设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明光源调控设备中的处理器1001、存储器1005可以设置在光源调控设备中,所述光源调控设备通过处理器1001调用存储器1005中存储的光源调控程序,并执行本发明实施例提供的光源调控方法。
本发明实施例提供了一种光源调控方法,参照图2,图2为本发明光源调控方法第一实施例的流程示意图。
本实施例中,所述光源调控方法包括以下步骤:
步骤S10:将泵浦光源发射的高强度激光输入至高次谐波产生腔,获得目标极紫外光。
需要说明的是,本实施例的方法的执行主体可以为对EUV光源进行调控的光源调控设备,或者是其他能够实现相同或相似功能的、包含了该光源调控设备的光源调控系统。此处以光源调控系统(以下简称系统)对本实施例和下述各实施例提供的光源调控方法进行具体说明。
应当说明的是,上述泵浦光源可以为利用能量较高的激光来激发固体、液体或气体中的某些介质,使它们产生另一种特定波长的激光光源。相应的,高强度激光可以为泵浦光源发射的高强度或高功率激光。实际应用中,本实施例可以采用可见光或近红外(800nm)飞秒脉冲激光器作为泵浦光源,发射高强度激光。
可以理解的是,上述高次谐波产生腔可以为用于产生高次谐波的容器,其中,高次谐波即高于基波频率的谐波。
应当理解的是,上述目标极紫外光可以为单色、高质量和稳定分布的极紫外光。
在具体实现中,本方案可以采用基于高次谐波产生的相干EUV产生方案产生EUV光源,具体地,参照图3,图3为本发明光源调控方法第一实施例中产生目标极紫外光的流程示意图。如图3所示,本实施例中系统可以将高强度可见光或近红外飞秒脉冲激光器作为泵浦光源,发射高强度激光并将其输入至高次谐波产生腔,高强度激到达高次谐波产生腔内与介质(常用氦氖氩等气体,也包含固体和液体等)进行非线性的相互作用,产生高阶次谐波。然后,通过选择物质与驱动激光等方式控制产生的高次谐波阶数,再利用真空光束线(包括但不限于单色仪、滤波片、光栅、针孔、聚焦组件等)控制光束质量,以得到单色、高质量和稳定分布的EUV光束。其中,本实施例中采用HHG产生EUV光源具有相干性好、光束品质好、体积小、结构简单、可桌面化等优点,适合低成本、小尺寸晶圆的EUV光刻。
步骤S20:基于所述目标极紫外光对所述泵浦光源对应的光源模场进行空间分布调控,获得所述泵浦光源对应的光源模场数据。
需要说明的是,上述光源模场可以为极紫外光随空间的分布。
可以理解的是,上述光源模场数据可以为极紫外光的模场的相关数据,例如:模场直径、模场面积等,本实施例对此不加以限制。
应当说明的是,由于EUV波段器件受限的原因,本实施例可以将对EUV光源的模场控制转为对泵浦光源模场的控制,使输出EUV不断接近目标极紫外光输出,实现所需光源的配置。
具体地,系统可以使用可见光/近红外波段成熟的波前整形器件(如SLM(SpatialLight Modulator,空间光调制器)、DMD(Digital Micromirror Device,数字微镜装置)等),控制驱动光场来实现对输出EUV模斑的配置,对光场的各个参数(幅度、相位、偏振)在空间上和时间上(脉冲宽度以及形状)进行调控,从而实现对HHG产生的EUV光源的控制,使得可以得到期望的EUV输出空间光场,并获得最佳泵浦光源的相位、振幅、偏振设置。
步骤S30:基于所述光源模场数据建立所述目标极紫外光对应的光源基本数据库。
需要说明的是,上述光源基本数据库可以为存储有泵浦光源模场数据、输出EUV光源的空间分布数据以及二者的对应关系的数据库。其中,EUV光源的空间分布可以分为常用的光源分布和任意精细的光源分布(即精细的任意振幅相位的光源分布),本方案中EUV光源的空间分布数据可以直接用于光源掩模联合优化。
实际应用中,系统在得到经过波前整形后的高次谐波产生的EUV模场数据后,可以基于EUV模场数据和人工智能算法建立泵浦光源模场分布和HHG模场分布关系,从而确定最容易激发模场和分布关联度最稳定的泵浦光模场分布,得到光刻常用的光源分布,并建立包含泵浦光源模场数据、输出EUV光源的空间分布数据以及二者的对应关系的光源基本数据库。
步骤S40:基于所述光源基本数据库进行光源掩模联合优化,以根据掩模版优化参数进行极紫外光调控。
应当说明的是,上述光源掩模联合优化(Source Mask Optimization,SMO)可以为通过对光刻工艺中光源和掩模进行联合优化,来改善在超小尺寸节点中的光刻工艺窗口,增强光学表现的光刻技术。其中,本实施例除了可以采用光源掩模联合优化之外,也可以采用单独的光源优化(Source Optimization,SO)。
可以理解的是,上述掩模版优化参数可以为用于优化掩模版的参数,例如:最小条宽、工作波长、分辨率等,本实施例对此不加以限制。
在具体实现中,参照图4,图4为本发明光源调控方法第一实施例中SMO方法反馈EUV光源调控的流程图。如图4所示,本实施例在EUV光源调控方案中可以基于人工智能学习算法建立EUV光源基本数据库,在建立光源基本数据库后,可以进行光源掩模联合优化,具体可以为通过基于常用光源分布的受限SMO,以及基于精细的任意光源分布的SMO得到掩模版的优化参数,然后可以反馈EUV光源调控过程,以优化掩模版,进而可以降低EUV光源调控难度,提高光刻分辨率。
本实施例公开了将泵浦光源发射的高强度激光输入至高次谐波产生腔,获得目标极紫外光;基于目标极紫外光对泵浦光源对应的光源模场进行空间分布调控,获得泵浦光源对应的光源模场数据;基于光源模场数据建立目标极紫外光对应的光源基本数据库;基于光源基本数据库进行光源掩模联合优化,以根据掩模版优化参数进行极紫外光调控;相较于现有技术中的EUV光刻采用基于高次谐波产生的相干EUV产生方案产生EUV光源时,由于高次谐波产生过程涉及到非线性模式耦合,导致产生的EUV光源难调控,进而导致光刻分辨率较低,由于本实施例基于目标极紫外光对泵浦光源对应的光源模场进行空间分布调控,并基于获得的光源模场数据建立光源基本数据库,然后基于光源基本数据库进行光源掩模联合优化,以根据掩模版优化参数进行极紫外光调控,从而解决了现有技术中EUV光刻中的EUV光源难调控,进而导致光刻分辨率较低的技术问题。
参考图5,图5为本发明光源调控方法第二实施例的流程示意图。
基于上述第一实施例,为了提高对EUV光源的调控精度,本实施例中,所述步骤S20包括:
步骤S201:确定所述泵浦光源对应的目标光源模场调控方法。
需要说明的是,上述目标光源模场调控方法可以为对泵浦光源对应的光源模场进行空间分布调控的方法,例如:单光束泵浦光波前整形法、多光束合成法等,本实施例对此不加以限制。
步骤S202:若所述目标光源模场调控方法为单光束泵浦光波前整形法,则将所述泵浦光源输入至预设波前整形器件,以基于所述目标极紫外光对所述泵浦光源进行整形处理,获得整形后的目标极紫外光。
应当理解的是,上述单光束泵浦光波前整形法可以为将单光束的泵浦光输入至波前整形器进行光源模场调控的方法。
可以理解的是,上述预设波前整形器可以为对极紫外光进行波前整形处理的设备,例如:空间光调制器,数字微镜器件等,本实施例对此不加以限制。其中,波前整形处理可以为通过改变入射光线的波前信息,也就是光线的方向和相位,使得经过散射介质后来产生聚焦光的处理。
步骤S203:通过预设成像设备对所述整形后的目标极紫外光进行信息测量,获得所述整形后的目标极紫外光对应的光谱信息和模场信息。
需要说明的是,上述预设成像设备可以为将光学图像转换为电子信号的设备,例如:电荷耦合器件(CCD,Charge Coupled Device),或其他与CCD具有相同或相似功能的成像设备。
应当理解的是,上述光谱信息可以为整形后的目标极紫外光对应的光谱的特征和其中所包含的信息。
可以理解的是,上述模场信息可以为整形后的目标极紫外光随空间的分布信息。
实际应用中,系统可以通过电荷耦合器件将整形后的目标极紫外光转换为电子图像信号,以对整形后的目标极紫外光进行测量和分析,获得整形后的目标极紫外光对应的光谱信息和模场信息。
步骤S204:基于所述光谱信息、所述模场信息和预设适应度函数获取所述整形后的目标极紫外光对应的光源模场数据。
需要说明的是,上述预设适应度函数可以为遗传学中用于估计繁殖个体进化状态的函数,其能够描述个体在一个特定环境中的优势和劣势,并且能够把优势和劣势转化为生物能力的数值。本实施例可以对目标极紫外光对应的光谱信息和模场信息进行分析,并赋予相应的适应度函数,利用自适应算法自动迭代地为预定目标输出光场模斑匹配最佳泵浦光的相位、振幅、偏振设置,即获得整形后的目标极紫外光对应的光源模场数据。
应当说明的是,本方案可以采用掩模版联合优化的方式实现光刻性能提升,而光源优化依赖于点阵光源、空间光调制器或数字微镜装置。目前EUV点阵光源的制造难度较高,由于其光子能量需要达到100eV,一般材料无法满足,能够稳定产生且长时间稳定地辐射极为困难。另外,由于现有器件要么需要光谱色散(液晶、声光空间光调制器或可变形镜),要么需要大量可通过的材料(声光可编程色散滤波器),而在EUV波段,光谱色散的衍射效率小,吸收系数高,因此在可见光、近红外波长范围内发展的波前整形技术直接转移到EUV波段是不可行的。因此,本实施例可以借助空间光调制器等波前整形器件结合预设适应度函数将对EUV光源的模场控制转为对泵浦光源模场的控制,从而实现对HHG产生的EUV光源的控制。
在具体实现中,参照图6,图6为本发明光源调控方法第二实施例中单光束泵浦光波前整形法的光场调控原理示意图。如图6所示,本实施例中基于泵浦光源获得单色、高质量和稳定分布的目标极紫外光后,可以将泵浦光源输入至波前整形器中进行整形,再利用自适应迭代算法,使输出EUV不断接近目标极紫外光输出,以获得整形后的目标极紫外光,然后可以将整形后的目标极紫外光输入至基于光学传感器的成像设备,如电荷耦合器件CCD,通过CCD对整形后的目标极紫外光进行测量,得到对应的光谱信息和模场信息,再通过自适应算法对光谱信息和模场信息进行分析,自动迭代地为预定目标输出光场模斑匹配最佳泵浦光的相位、振幅、偏振设置,具体地,系统可以结合自适应算法找到所需输出光场分布对应的最佳泵浦输入光场分布,并通过反馈方式控制波前整形器件,不断迭代反馈,最终实现所需的光刻光源分布,从而可以提高对EUV光源的调控精度。
进一步地,所述步骤S204包括:基于所述光谱信息和所述模场信息,通过预设适应度函数对泵浦光光场分布进行预设调整操作,直至所述预设适应度函数达到预设适应度阈值,获得所述整形后的目标极紫外光对应的光源模场数据,所述预设调整操作包括:选择、交叉和变异。
应当说明的是,上述泵浦光光场分布可以为泵浦光源发射的激光对应的光场分布。
可以理解的是,上述预设调整操作可以为对泵浦光光场进行调整的操作。本实施例可以对泵浦光光场进行选择、交叉、变异操作,以逐步改进输入的泵浦光光场特征。
需要说明的是,上述预设适应度阈值可以为预先设定的最优适应度值,其中,最优适应度值可以根据实际需求进行设置,本实施例对此不加以限制。
在具体实现中,参照图7,图7为本发明光源调控方法第二实施例中预设适应度函数的执行流程图。如图7所示,系统首先可以基于光谱信息和模场信息确定输入的泵浦光模场随机分布,并将泵浦光模场随机分布作为自适应算法(如基于“适者生存”的遗传进化算法)的群体,其中,算法中的适应度函数可以选择为实际输出EUV模场与期望模场之间的相似度,以及输入光场和输出光场之间的关联度,并通过选择、交叉、变异操作对泵浦光光场分布进行调整,逐步改进输入泵浦光光场特征所得到的新一代群体取代上一代群体,直到最优个体的适应度函数达到给定的预设适应度阈值,或最优个体适应度和群体适应度不再上升时,算法迭代结束,此时可以获得最佳泵浦光的相位、振幅、偏振。
进一步地,为了提高对EUV光源进行调控的灵活性,所述步骤S201之后,所述方法还包括:若所述目标光源模场调控方法为多光束合成法,则将所述泵浦光源、倍频光束和控制光束输入至所述预设波前整形器件进行整形处理,获得整形后的目标极紫外光;返回至所述通过预设成像设备对所述整形后的目标极紫外光进行信息测量,获得所述整形后的目标极紫外光对应的光谱信息和模场信息的步骤。
应当理解的是,上述多光束合成法可以为将多光束输入至波前整形器进行光源模场调控的方法。具体地,多光束合成法可以利用除基色外的一种或多种颜色,通过相干合成场振幅,改变亚周期场的波形,控制输出EUV光场特征。
可以理解的是,上述倍频光束可以为将基频光的频率翻倍后产生的光束,例如:基频的二次谐波或三次谐波,本实施例对此不加以限制;控制光束即微扰弱控制光束。实际应用中,本实施例可以通过改变倍频光束和/或控制光束的强度、相位差、偏振态来控制输出高阶次谐波的振幅相位以及偏振分布。
在具体实现中,参照图8,图8为本发明光源调控方法第二实施例中多光束合成法的光场调控原理示意图。如图8所示,本实施例中基于泵浦光源获得单色、高质量和稳定分布的目标极紫外光后,可以将泵浦光源、基频的二次谐波或三次谐波以及微扰弱控制光束输入至波前整形器中进行整形,然后可以将整形后的目标极紫外光输入至电荷耦合器件CCD,通过CCD对整形后的目标极紫外光进行测量,得到对应的光谱信息和模场信息,再通过自适应算法对光谱信息和模场信息进行分析,找到所需输出光场分布对应的最佳泵浦输入光场分布,并通过反馈方式控制波前整形器件,不断迭代反馈,最终实现所需的光刻光源分布,并获得最佳泵浦光的相位、振幅、偏振等光源模场数据。
本实施例在泵浦光源对应的目标光源模场调控方法为单光束泵浦光波前整形法时,将泵浦光源输入至预设波前整形器件,并基于目标极紫外光对泵浦光源进行整形处理,获得整形后的目标极紫外光,并通过预设成像设备对整形后的目标极紫外光进行信息测量,获得对应的光谱信息和模场信息,再基于光谱信息、模场信息和预设适应度函数获取整形后的目标极紫外光对应的光源模场数据,从而可以提高对EUV光源的调控精度。同时,本实施例在目标极紫外光对应的目标光源模场调控方法为多光束合成法时,可以将泵浦光源、倍频光束和控制光束输入至预设波前整形器件进行整形处理,获得整形后的目标极紫外光,并通过预设成像设备对整形后的目标极紫外光进行信息测量,获得对应的光谱信息和模场信息,从而提高了对EUV光源进行调控的灵活性。
参考图9,图9为本发明光源调控方法第三实施例的流程示意图。
基于上述各实施例,为了降低EUV光源调控的难度,本实施例中,所述光源基本数据库包括:标准光源基本数据库;所述步骤S30包括:
步骤S301:基于所述光源模场数据确定所述目标极紫外光对应的光源模场分布和输出模场分布之间的空间关联度。
需要说明的是,上述标准光源基本数据库可以为基于光刻常用的极紫外光光源分布建立的数据库。
应当理解的是,上述光源模场分布可以为输入至预设波前整形器件的目标极紫外光对应的模场分布。相应的,上述输出模场分布可以为预设波前整形器件输出的整形后的目标极紫外光对应的模场分布。
可以理解的是,上述空间关联度可以为目标极紫外光对应的光源模场分布和输出模场分布在空间上的关联程度。
实际应用中,本方案可以基于泵浦光波段波前整形器件的灵活性,利用泵浦光波前整形器件(包括但不限于SLM、DMD)得到适当泵浦光光场分布,即将泵浦光源输入至预设波前整形器件进行整形处理,得到对应的泵浦光光场分布,并经过高次谐波产生得到常用EUV模场数据(参照图10,图10为本发明光源调控方法第三实施例中常用的EUV光源分布示意图),再根据EUV模场数据分析输出模场与输入光源分布之间的空间关联度。
步骤S302:根据所述空间关联度确定目标泵浦光模场分布。
应当说明的是,上述目标泵浦光模场分布可以为最容易激发模场和分布关联度最稳定的泵浦光模场分布。
步骤S303:基于所述目标泵浦光模场分布确定常用光源分布,并根据所述常用光源分布、泵浦光源模场数据以及二者的对应关系建立所述标准光源基本数据库。
可以理解的是,上述常用光源分布可以为光刻中常用的光源分布。实际应用中,系统在获得光刻中常用的光源分布后,可以基于这些常用的光源分布建立标准光源基本数据库。
相应的,所述步骤S40包括:
步骤S40':基于所述标准光源基本数据库进行光源掩模联合优化。
在具体实现中,系统在获得经过波前整形后的高次谐波产生的EUV模场数据后,可以根据EUV模场数据分析输出模场与输入光源分布之间的空间关联度,并根据空间关联度确定最容易激发模场和分布关联度最稳定的目标泵浦光模场分布,以得到光刻中常用的光源分布,再基于常用的光源分布建立标准光源基本数据库,此后,系统可以根据标准光源基本数据库中的光源分布进行光源掩模联合优化。
进一步地,所述光源基本数据库包括:精细光源基本数据库;所述步骤S30还包括:
步骤S311:基于所述光源模场数据和预设调控关系分析算法确定所述目标极紫外光对应的光源模场分布和输出模场分布之间的目标调控关系。
需要说明的是,上述精细光源基本数据库可以为基于精细任意的极紫外光光源分布建立的数据库,其中,参照图11,图11为本发明光源调控方法第三实施例中精细任意的EUV光源分布示意图。
应当理解的是,上述预设调控关系分析算法可以为具有预测功能的算法,例如:人工神经网络(ANN,Artificial Neural Network)或其他人工智能学习算法,本实施例对此不加以限制。
需要说明的是,在人工神经网络中,神经元负责处理信息,每个计算单元接收来自之前所有相邻神经元的加权信号,将接收到的信号和自己的偏置求和,通过传递函数处理信息并生成输出,神经元被组织在输入层、输出层和一个或几个隐藏层中。作为一般特征,为了预测目的,属于同一层的神经元之间的连接是不允许的,信息从输入层定向到输出层,这种人工神经网络被称为前馈神经网络,在大多数情况下,它与反向传播学习算法相关联。参照图12,图12为本发明光源调控方法第三实施例中神经网络算法的流程图。如图12所示,为了计算精度,本实施例首先可以将输入数据集和期望输出数据集缩放到[-1,1]区间内,然后划分为训练、验证和测试子集,并利用反向传播学习算法进行训练和验证,获得训练完成的人工神经网络,然后可以对训练完成的人工神经网络进行测试,并评估训练完成的人工神经网络的性能。
应当理解的是,参照图13,图13为本发明光源调控方法第三实施例中反向传播算法的流程图。如图13所示,对于人工神经网络,可以从随机值开始迭代地调整人工神经网络的权重和偏差,并计算人工神经网络的输出,再判断计算出的人工神经网络与期望输出之间的差异是否小于设定的阈值,若是,则为了避免过拟合,可以使用验证子集提前停止训练过程,最后,本实施例可以使用测试数据子集评估训练后的人工神经网络的性能。
可以理解的是,上述目标调控关系即光源模场分布和输出模场分布之间的关联与相互关系。实际应用中,系统可以基于目标调控关系将光源模场分布调整为对应的输出模场分布。
进一步地,所述步骤S311包括:获取所述目标极紫外光对应的输出光场分布和预设期望光场分布之间的积分重叠;以所述光源模场数据作为预设调控关系分析算法的输入、以所述积分重叠作为预设调控关系分析算法的输出,对所述预设调控关系分析算法进行模型训练;根据训练结果确定所述目标极紫外光对应的光源模场分布和输出模场分布之间的目标调控关系。
需要说明的是,上述输出光场分布可以为实际输出的目标极紫外光对应的光场分布;相应的,上述预设期望光场分布可以为期望输出的极紫外光对应的光场分布。
应当理解的是,上述积分重叠可以为输出光场分布和预设期望光场分布之间的空间重叠积分。
在具体实现中,对于高次谐波产生过程,本实施例可以选择泵浦激光光斑尺寸、振幅、相位、偏振作为人工神经网络的输入,将输出光场分布和预设期望光场分布之间的空间重叠积分作为人工神经网络的输出,并将基于实验获得的输入输出数据集分为训练数据、验证数据和测试数据。由于这个过程是非线性的,为了获得好的训练结果,训练和验证步骤需要更多的数据。同时,由于HHG过程的复杂性,多层前馈网络结构为一个输入层,两个隐藏层和一个输出层,通过系统地测试ANN的性能来找到隐藏层中适当的神经元数量。其中,来自隐藏层和输出层的信息使用两种不同的传递函数进行处理:隐藏层使用transsigmoid函数,而输出层使用线性传递函数。人工神经网络使用Levenberg-Marquardt反向传播算法进行训练,该算法是解决非线性最小二乘问题的标准技术,包含在反向传播过程中。本实施例通过对多个网络进行训练并选择最佳网络,使人工神经网络的性能达到最大,并使用Pearson相关因子(R)和相对误差(RE)对模型的性能进行统计评估,其中,最佳人工神经网络具有最高的相关因子和最低的相对误差。
步骤S312:基于所述目标调控关系确定精细光源分布。
步骤S313:根据所述精细光源分布建立所述精细光源基本数据库。
应当理解的是,上述精细光源分布可以为精细的任意光源的分布。本实施例中系统在获得精细的任意光源的分布后,可以基于这些精细的任意光源的分布、泵浦光源模场数据以及二者的对应关系建立精细光源基本数据库。
所述步骤S40还包括:基于所述精细光源基本数据库进行光源掩模联合优化。
可以理解的是,系统在利用泵浦光源经波前整形器件调制的光场,得到经过高次谐波产生的EUV模场数据后,可以根据人工智能学习算法分析输出模场与输入光源分布之间调控关系,并确定期望的精细任意的EUV光源分布,以基于精细任意的EUV光源分布建立精细光源基本数据库,此后可以基于精细光源基本数据库中的光源分布进行光源掩模联合优化。
在具体实现中,系统对EUV光源模场进行调控后,可以建立用于光源掩模联合优化的常用光源模场基本数据库,其中,本实施例可以建立光刻常用EUV光源数据库,或建立精细任意的EUV光源基本数据库。具体地,参照图14,图14为本发明光源调控方法第三实施例中光源基本数据库的建立流程示意图。如图14所示,本实施例可以利用多种常用光源分布所需泵浦光波前整形器件(如SLM)得到泵浦光光场分布,经过高次谐波产生得到常用EUV模场数据用于后续分析,并基于光源模场数据确定光源模场分布和输出模场分布之间的空间关联度,以基于空间关联度确定最容易激发模场、关联度最稳定的目标泵浦光模场分布,并根据目标泵浦光模场分布进行光源掩模联合优化。此外,本实施例中还可以利用精细任意光源分布所需泵浦光波前整形器件(如SLM)得到泵浦光光场分布,经过高次谐波产生得到常用EUV模场数据用于后续分析,并基于光源模场数据结合人工智能学习算法学习模场比较数据,以推理出输出模场与输入光源分布之间调控关系和最佳泵浦光模场分布,进行光源掩模联合优化。
本实施例基于光源模场数据确定目标极紫外光对应的光源模场分布和输出模场分布之间的空间关联度,并根据空间关联度确定目标泵浦光模场分布,基于目标泵浦光模场分布确定常用光源分布,以建立标准光源基本数据库,再基于标准光源基本数据库进行光源掩模联合优化,从而可以通过优化掩模版,降低EUV光源调控的难度。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有光源调控程序,所述光源调控程序被处理器执行时实现如上文所述的光源调控方法的步骤。
参照图15,图15为本发明光源调控装置第一实施例的结构框图。
如图15所示,本发明实施例提出的光源调控装置包括:
极紫外光生成模块501,用于将泵浦光源发射的高强度激光输入至高次谐波产生腔,获得目标极紫外光;
模场调控模块502,用于基于所述目标极紫外光对所述泵浦光源对应的光源模场进行空间分布调控,获得所述泵浦光源对应的光源模场数据;
数据库建立模块503,用于基于所述光源模场数据建立所述目标极紫外光对应的光源基本数据库;
极紫外光调控模块504,用于基于所述光源基本数据库进行光源掩模联合优化,以根据掩模版优化参数进行极紫外光调控。
本实施例的光源调控装置公开了将泵浦光源发射的高强度激光输入至高次谐波产生腔,获得目标极紫外光;基于目标极紫外光对泵浦光源对应的光源模场进行空间分布调控,获得泵浦光源对应的光源模场数据;基于光源模场数据建立目标极紫外光对应的光源基本数据库;基于光源基本数据库进行光源掩模联合优化,以根据掩模版优化参数进行极紫外光调控;相较于现有技术中的EUV光刻采用基于高次谐波产生的相干EUV产生方案产生EUV光源时,由于高次谐波产生过程涉及到非线性模式耦合,导致产生的EUV光源难调控,进而导致光刻分辨率较低,由于本实施例基于目标极紫外光对泵浦光源对应的光源模场进行空间分布调控,并基于获得的光源模场数据建立光源基本数据库,然后基于光源基本数据库进行光源掩模联合优化,以根据掩模版优化参数进行极紫外光调控,从而解决了现有技术中EUV光刻中的EUV光源难调控,进而导致光刻分辨率较低的技术问题。
基于本发明上述光源调控装置第一实施例,提出本发明光源调控装置的第二实施例。
在本实施例中,所述模场调控模块502,还用于确定所述泵浦光源对应的目标光源模场调控方法;若所述目标光源模场调控方法为单光束泵浦光波前整形法,则将所述泵浦光源输入至预设波前整形器件,以基于所述目标极紫外光对所述泵浦光源进行整形处理,获得整形后的目标极紫外光;通过预设成像设备对所述整形后的目标极紫外光进行信息测量,获得所述整形后的目标极紫外光对应的光谱信息和模场信息;基于所述光谱信息、所述模场信息和预设适应度函数获取所述整形后的目标极紫外光对应的光源模场数据。
进一步地,所述模场调控模块502,还用于基于所述光谱信息和所述模场信息,通过预设适应度函数对泵浦光光场分布进行预设调整操作,直至所述预设适应度函数达到预设适应度阈值,获得所述整形后的目标极紫外光对应的光源模场数据,所述预设调整操作包括:选择、交叉和变异。
进一步地,所述模场调控模块502,还用于若所述目标光源模场调控方法为多光束合成法,则将所述泵浦光源、倍频光束和控制光束输入至所述预设波前整形器件进行整形处理,获得整形后的目标极紫外光;返回至所述通过预设成像设备对所述整形后的目标极紫外光进行信息测量,获得所述整形后的目标极紫外光对应的光谱信息和模场信息的步骤。
本实施例在泵浦光源对应的目标光源模场调控方法为单光束泵浦光波前整形法时,将泵浦光源输入至预设波前整形器件,并基于目标极紫外光对泵浦光源进行整形处理,获得整形后的目标极紫外光,并通过预设成像设备对整形后的目标极紫外光进行信息测量,获得对应的光谱信息和模场信息,再基于光谱信息、模场信息和预设适应度函数获取整形后的目标极紫外光对应的光源模场数据,从而可以提高对EUV光源的调控精度。同时,本实施例在目标极紫外光对应的目标光源模场调控方法为多光束合成法时,可以将泵浦光源、倍频光束和控制光束输入至预设波前整形器件进行整形处理,获得整形后的目标极紫外光,并通过预设成像设备对整形后的目标极紫外光进行信息测量,获得对应的光谱信息和模场信息,从而提高了对EUV光源进行调控的灵活性。
基于上述各装置实施例,提出本发明光源调控装置的第三实施例。
在本实施例中,所述光源基本数据库包括:标准光源基本数据库;所述数据库建立模块503,还用于基于所述光源模场数据确定所述目标极紫外光对应的光源模场分布和输出模场分布之间的空间关联度;根据所述空间关联度确定目标泵浦光模场分布;基于所述目标泵浦光模场分布确定常用光源分布,并根据所述常用光源分布建立所述标准光源基本数据库;
所述极紫外光调控模块504,还用于基于所述标准光源基本数据库进行光源掩模联合优化。
进一步地,所述光源基本数据库包括:精细光源基本数据库;所述数据库建立模块503,还用于基于所述光源模场数据和预设调控关系分析算法确定所述目标极紫外光对应的光源模场分布和输出模场分布之间的目标调控关系;基于所述目标调控关系确定精细光源分布;根据所述精细光源分布建立所述精细光源基本数据库;
所述极紫外光调控模块504,还用于基于所述精细光源基本数据库进行光源掩模联合优化。
进一步地,所述数据库建立模块503,还用于获取所述目标极紫外光对应的输出光场分布和预设期望光场分布之间的积分重叠;以所述光源模场数据作为预设调控关系分析算法的输入、以所述积分重叠作为预设调控关系分析算法的输出,对所述预设调控关系分析算法进行模型训练;根据训练结果确定所述目标极紫外光对应的光源模场分布和输出模场分布之间的目标调控关系。
本实施例基于光源模场数据确定目标极紫外光对应的光源模场分布和输出模场分布之间的空间关联度,并根据空间关联度确定目标泵浦光模场分布,基于目标泵浦光模场分布确定常用光源分布,以建立标准光源基本数据库,再基于标准光源基本数据库进行光源掩模联合优化,从而可以通过优化掩模版,降低EUV光源调控的难度。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种光源调控方法,其特征在于,所述光源调控方法包括:
将泵浦光源发射的高强度激光输入至高次谐波产生腔,获得目标极紫外光;
基于所述目标极紫外光对所述泵浦光源对应的光源模场进行空间分布调控,获得所述泵浦光源对应的光源模场数据;
基于所述光源模场数据建立所述目标极紫外光对应的光源基本数据库;
基于所述光源基本数据库进行光源掩模联合优化,以根据掩模版优化参数进行极紫外光调控。
2.如权利要求1所述的光源调控方法,其特征在于,所述基于所述目标极紫外光对所述泵浦光源对应的光源模场进行空间分布调控,获得所述泵浦光源对应的光源模场数据的步骤,包括:
确定所述泵浦光源对应的目标光源模场调控方法;
若所述目标光源模场调控方法为单光束泵浦光波前整形法,则将所述泵浦光源输入至预设波前整形器件,以基于所述目标极紫外光对所述泵浦光源进行整形处理,获得整形后的目标极紫外光;
通过预设成像设备对所述整形后的目标极紫外光进行信息测量,获得所述整形后的目标极紫外光对应的光谱信息和模场信息;
基于所述光谱信息、所述模场信息和预设适应度函数获取所述整形后的目标极紫外光对应的光源模场数据。
3.如权利要求2所述的光源调控方法,其特征在于,所述基于所述光谱信息、所述模场信息和预设适应度函数获取所述整形后的目标极紫外光对应的光源模场数据的步骤,包括:
基于所述光谱信息和所述模场信息,通过预设适应度函数对泵浦光光场分布进行预设调整操作,直至所述预设适应度函数达到预设适应度阈值,获得所述整形后的目标极紫外光对应的光源模场数据,所述预设调整操作包括:选择、交叉和变异。
4.如权利要求2所述的光源调控方法,其特征在于,所述确定所述泵浦光源对应的目标光源模场调控方法步骤之后,还包括:
若所述目标光源模场调控方法为多光束合成法,则将所述泵浦光源、倍频光束和控制光束输入至所述预设波前整形器件进行整形处理,获得整形后的目标极紫外光;
返回至所述通过预设成像设备对所述整形后的目标极紫外光进行信息测量,获得所述整形后的目标极紫外光对应的光谱信息和模场信息的步骤。
5.如权利要求2所述的光源调控方法,其特征在于,所述光源基本数据库包括:标准光源基本数据库;所述基于所述光源模场数据建立所述目标极紫外光对应的光源基本数据库的步骤,包括:
基于所述光源模场数据确定所述目标极紫外光对应的光源模场分布和输出模场分布之间的空间关联度;
根据所述空间关联度确定目标泵浦光模场分布;
基于所述目标泵浦光模场分布确定常用光源分布,并根据所述常用光源分布建立所述标准光源基本数据库;
所述基于所述光源基本数据库进行光源掩模联合优化的步骤,包括:
基于所述标准光源基本数据库进行光源掩模联合优化。
6.如权利要求2所述的光源调控方法,其特征在于,所述光源基本数据库包括:精细光源基本数据库;所述基于所述光源模场数据建立所述目标极紫外光对应的光源基本数据库的步骤,包括:
基于所述光源模场数据和预设调控关系分析算法确定所述目标极紫外光对应的光源模场分布和输出模场分布之间的目标调控关系;
基于所述目标调控关系确定精细光源分布;
根据所述精细光源分布建立所述精细光源基本数据库;
所述基于所述光源基本数据库进行光源掩模联合优化的步骤,包括:
基于所述精细光源基本数据库进行光源掩模联合优化。
7.如权利要求6所述的光源调控方法,其特征在于,所述基于所述光源模场数据和预设调控关系分析算法确定所述目标极紫外光对应的光源模场分布和输出模场分布之间的目标调控关系的步骤,包括:
获取所述目标极紫外光对应的输出光场分布和预设期望光场分布之间的积分重叠;
以所述光源模场数据作为预设调控关系分析算法的输入、以所述积分重叠作为预设调控关系分析算法的输出,对所述预设调控关系分析算法进行模型训练;
根据训练结果确定所述目标极紫外光对应的光源模场分布和输出模场分布之间的目标调控关系。
8.一种光源调控装置,其特征在于,所述装置包括:
极紫外光生成模块,用于将泵浦光源发射的高强度激光输入至高次谐波产生腔,获得目标极紫外光;
模场调控模块,用于基于所述目标极紫外光对所述泵浦光源对应的光源模场进行空间分布调控,获得所述泵浦光源对应的光源模场数据;
数据库建立模块,用于基于所述光源模场数据建立所述目标极紫外光对应的光源基本数据库;
极紫外光调控模块,用于基于所述光源基本数据库进行光源掩模联合优化,以根据掩模版优化参数进行极紫外光调控。
9.一种光源调控设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的光源调控程序,所述光源调控程序配置为实现如权利要求1至7中任一项所述的光源调控方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有光源调控程序,所述光源调控程序被处理器执行时实现如权利要求1至7任一项所述的光源调控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311697407.XA CN117406564B (zh) | 2023-12-12 | 2023-12-12 | 光源调控方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311697407.XA CN117406564B (zh) | 2023-12-12 | 2023-12-12 | 光源调控方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117406564A true CN117406564A (zh) | 2024-01-16 |
CN117406564B CN117406564B (zh) | 2024-04-12 |
Family
ID=89487380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311697407.XA Active CN117406564B (zh) | 2023-12-12 | 2023-12-12 | 光源调控方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117406564B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110383955A (zh) * | 2017-03-02 | 2019-10-25 | Asml荷兰有限公司 | 辐射源 |
CN112586089A (zh) * | 2018-08-21 | 2021-03-30 | Asml荷兰有限公司 | 高阶谐波产生辐射源 |
CN114544688A (zh) * | 2020-11-25 | 2022-05-27 | 中国科学院大连化学物理研究所 | 基于高次谐波产生的时间分辨角分辨紫外光电子能谱装置 |
CN114631055A (zh) * | 2019-10-29 | 2022-06-14 | Asml荷兰有限公司 | 用于高效的高次谐波产生的方法和设备 |
CN115826368A (zh) * | 2023-02-16 | 2023-03-21 | 鹏城实验室 | 一种时变光源-掩模版协同优化方法及相关设备 |
-
2023
- 2023-12-12 CN CN202311697407.XA patent/CN117406564B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110383955A (zh) * | 2017-03-02 | 2019-10-25 | Asml荷兰有限公司 | 辐射源 |
CN112586089A (zh) * | 2018-08-21 | 2021-03-30 | Asml荷兰有限公司 | 高阶谐波产生辐射源 |
CN114631055A (zh) * | 2019-10-29 | 2022-06-14 | Asml荷兰有限公司 | 用于高效的高次谐波产生的方法和设备 |
CN114544688A (zh) * | 2020-11-25 | 2022-05-27 | 中国科学院大连化学物理研究所 | 基于高次谐波产生的时间分辨角分辨紫外光电子能谱装置 |
CN115826368A (zh) * | 2023-02-16 | 2023-03-21 | 鹏城实验室 | 一种时变光源-掩模版协同优化方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN117406564B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | BP artificial neural network based wave front correction for sensor-less free space optics communication | |
Vorontsov et al. | Stochastic parallel-gradient-descent technique for high-resolution wave-front phase-distortion correction | |
Roggemann et al. | Two-deformable-mirror concept for correcting scintillation effects in laser beam projection through the turbulent atmosphere | |
Vorontsov et al. | Comparative efficiency analysis of fiber-array and conventional beam director systems in volume turbulence | |
US20210394437A1 (en) | Methods and systems for three-dimensional printing | |
Duport et al. | All-optical reservoir computing | |
Li et al. | Mitigation of atmospheric turbulence with random light carrying OAM | |
US20200110432A1 (en) | Reservoir computing operations using multi-mode photonic integrated circuits | |
Fayyaz et al. | Simulated annealing optimization in wavefront shaping controlled transmission | |
Yang et al. | Comparison of several stochastic parallel optimization algorithms for adaptive optics system without a wavefront sensor | |
CN112180616B (zh) | 一种高密度无串扰激光焦场阵列调控方法及装置 | |
CN103592768A (zh) | 余弦-高斯关联光束的产生系统、产生方法及其测量装置 | |
Zhao et al. | Experimental generation of a partially coherent Laguerre–Gaussian beam | |
US20230251189A1 (en) | Pulse shaping using diffractive network device with modular diffractive layers | |
CN108427204A (zh) | 一种产生各向同性扭曲高斯谢尔模光束的方法和系统 | |
CN117406564B (zh) | 光源调控方法、装置、设备及存储介质 | |
Wu et al. | Focusing light through scattering media using the harmony search algorithm for phase optimization of wavefront shaping | |
CN115685565A (zh) | 一种透过散射介质的复杂光场的调控方法及装置 | |
Jin et al. | Precise 3D computer-generated holography based on non-convex optimization with spherical aberration compensation (SAC-NOVO) for two-photon optogenetics | |
US20230384624A1 (en) | Data creation apparatus, light control apparatus, data creation method, and data creation program | |
CN111435194B (zh) | 一种调控光场三维空间结构的方法 | |
Peng et al. | AS-SPGD algorithm to improve convergence performance for fiber coupling in free space optical communication | |
Wang et al. | Adaptive flattop beam shaping with a spatial light modulator controlled by the holographic tandem method | |
CN113964628A (zh) | 一种新型中红外数字光学参量振荡器 | |
Zeek | Pulse shaping for high-harmonic generation |
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 |