CN117710270B - 用于自由尺度光学邻近校正的方法、电子设备及存储介质 - Google Patents
用于自由尺度光学邻近校正的方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117710270B CN117710270B CN202410160214.9A CN202410160214A CN117710270B CN 117710270 B CN117710270 B CN 117710270B CN 202410160214 A CN202410160214 A CN 202410160214A CN 117710270 B CN117710270 B CN 117710270B
- Authority
- CN
- China
- Prior art keywords
- image
- mask layout
- format
- precision
- simulated wafer
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 109
- 230000003287 optical effect Effects 0.000 title claims abstract description 33
- 238000012937 correction Methods 0.000 title claims abstract description 32
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 58
- 238000001459 lithography Methods 0.000 claims abstract description 31
- 238000004088 simulation Methods 0.000 claims abstract description 21
- 230000004044 response Effects 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims description 44
- 230000006870 function Effects 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 22
- 238000007667 floating Methods 0.000 claims description 19
- 238000005457 optimization Methods 0.000 claims description 15
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 210000004556 brain Anatomy 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 22
- 238000010586 diagram Methods 0.000 description 22
- 238000013461 design Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000001259 photo etching Methods 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000000206 photolithography Methods 0.000 description 3
- 229910052710 silicon Inorganic materials 0.000 description 3
- 239000010703 silicon Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 229920002120 photoresistant polymer Polymers 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Landscapes
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
Abstract
本公开涉及用于自由尺度光学邻近校正的方法、电子设备及存储介质。该方法包括：以第一精度格式对第一掩模版图应用光刻模型，以生成仿真晶圆图像；以第二精度格式确定指示仿真晶圆图像与目标图像之间的差异的度量指标，其中目标图像是期望经光刻模型的光刻仿真而在晶圆上形成的图像，第二精度格式的精度大于第一精度格式的精度；以第一精度格式对仿真晶圆图像应用自由尺度反演过程，以生成掩模像素图像；迭代地以基于掩模像素图像而生成的第二掩模版图更新第一掩模版图；响应于度量指标满足预定条件，将与满足预定条件的度量指标对应的所更新的第一掩模版图确定为最优掩模版图。该方案能提高自由尺度光学邻近校正过程的计算速度并减少资源消耗。
Description
技术领域
本公开的实施例主要涉及半导体领域，并且更具体地，涉及用于自由尺度光学邻近校正的方法、电子设备及存储介质。
背景技术
随着半导体工艺的发展，设计尺寸越来越小。由于光的衍射和干涉现象，通过对掩模版进行曝光而在硅片上实际形成的晶圆图像与掩模版上的电路版图（简称为掩模版图）之间存在差异。例如，晶圆图像可能出现线条宽度变窄、图形拐角处变圆滑等现象。
光学邻近校正（optical proximity correction，简称OPC）技术被广泛用于半导体制造过程中减小晶圆图像与目标图像之间的差异。然而，OPC需要消耗大量时间和计算资源。
随着工艺节点的进一步降低，光波衍射效应加强，传统OPC技术受限，进而需要自由尺度的光学邻近校正技术（FreeForm OPC）。FreeForm OPC以晶圆硅片上要实现的图形为目标，反演计算出掩模版上所需要的图形算法。FreeForm OPC本身极其复杂，其计算复杂度高，校正过程中需要消耗大量时间和计算资源。
发明内容
根据本公开的示例实施例，提供了一种用于自由尺度光学邻近校正的方案，以至少部分克服上述或者其他潜在缺陷。
在本公开的第一方面，提供一种用于自由尺度光学邻近校正的方法。该方法包括：以第一精度格式对第一掩模版图应用光刻模型，以生成仿真晶圆图像；以第二精度格式确定指示仿真晶圆图像与目标图像之间的差异的度量指标，其中所述目标图像是期望经所述光刻模型的光刻仿真而在晶圆上形成的图像，第二精度格式的精度大于第一精度格式的精度；以第一精度格式对仿真晶圆图像应用自由尺度反演过程，以生成掩模像素图像；迭代地以基于掩模像素图像而生成的第二掩模版图更新第一掩模版图；以及响应于度量指标满足预定条件，将与满足预定条件的度量指标对应的所更新的第一掩模版图确定为最优掩模版图。本公开的实施例能够提高自由尺度光学邻近校正过程中的计算速度并减少对计算资源和存储资源的消耗。
在本公开的第二方面，提供了一种电子设备。该电子设备包括处理器；以及与处理器耦合的存储器，存储器具有存储于其中的指令，指令在被处理器执行时使设备执行动作，该动作包括：以第一精度格式对第一掩模版图应用光刻模型，以生成仿真晶圆图像；以第二精度格式确定指示仿真晶圆图像与目标图像之间的差异的度量指标，其中所述目标图像是期望经所述光刻模型的光刻仿真而在晶圆上形成的图像，第二精度格式的精度大于第一精度格式的精度；以第一精度格式对仿真晶圆图像应用自由尺度反演过程，以生成掩模像素图像；迭代地以基于掩模像素图像而生成的第二掩模版图更新第一掩模版图；以及响应于度量指标满足预定条件，将与满足预定条件的度量指标对应的所更新的第一掩模版图确定为最优掩模版图。
在一些实施例中，电子设备包括至少一个处理器，处理器选自由以下项构成的组：中央处理单元CPU；图形处理单元GPU；现场可编程门阵列FPGA；加速处理器AP；张量处理单元TPU；以及神经网络处理单元NPU。
在一些实施例中，以第一精度格式对第一掩模版图应用光刻模型包括：以第一精度格式对第一掩模版图执行卷积运算或傅里叶变换。
在一些实施例中，以第一精度格式对第一掩模版图执行卷积运算包括使用以下核卷积公式进行计算以得到仿真晶圆图像：
其中W(x, y)表示仿真晶圆图像，m(x,y)表示第一掩模版图，Φi(x,y)表示第i个卷积核，(x, y)表示坐标，i=1, 2,…, K ，并且K是卷积核的数目，其中表示第一掩模版图的数据以及卷积核中的数据均以第一精度格式表示。
在一些实施例中，以第二精度格式确定指示仿真晶圆图像与目标图像之间的差异的度量指标包括使用以下公式进行最优化求解：
其中，Dif(x, y）表示求仿真晶圆图像W(x,y)与目标图像T(x i ,y i )之间的差的最优先解的函数，表示优化m(x,y)以使/>最小，N表示将仿真晶圆图像W(x, y)和目标图像T(x i ,y i )划分为N个格子，(x i ,y i )表示第i个格子的坐标，i=1, 2,…, N，W(x i , y i )表示坐标(x i ,y i )处的所述仿真晶圆图像的像素，并且/>是指数学上的L范数，其中表示用于最优化求解的该公式中各参数的数据均为第二精度格式。
在一些实施例中，以第二精度格式确定指示仿真晶圆图像与目标图像之间的差异的度量指标包括：通过补全第一精度格式的尾数，将表示仿真晶圆图像的第一精度格式的数据转换为表示仿真晶圆图像的第二精度格式的数据；或者对第一精度格式的数据进行插值，以将第一精度格式的数据转换为第二精度格式的数据。
在一些实施例中，度量指标包括以下至少一项：边缘放置误差；关键尺寸；以及工艺窗口。
在一些实施例中，第一精度格式包括以下至少一项：16位脑浮点数格式BF16；以及16位半精度浮点数格式FP16；并且第二精度格式包括以下至少一项：32位单精度浮点数格式FP32；以及64位双精度浮点数格式FP64。
在一些实施例中，迭代地以基于掩模像素图像而生成的第二掩模版图更新第一掩模版图包括：将掩模像素图像转换为第二掩模版图；以第二掩模版图更新第一掩模版图；以第一精度格式对所更新的第一掩模版图应用光刻模型，以生成更新的仿真晶圆图像；以及以第二精度格式确定指示更新的仿真晶圆图像与目标图像的差异的度量指标。
在一些实施例中，以第二精度格式确定指示仿真晶圆图像与目标图像之间的差异的度量指标包括：获取仿真晶圆图像与目标图像上的多个评估点的光强差异；以及基于光强差异，确定度量指标是否小于预定阈值；其中，表示多个评估点的光强差异的数据以第二精度格式表示。
在一些实施例中，获取仿真晶圆图像与目标图像上的多个评估点的光强差异包括：获取多个评估点的光强度与光强度阈值的光强度差值；以及以多个评估点中的每一个点的光强度差值的平方之和作为多个评估点的光强差异。
在一些实施例中，获取光强差异包括：对第一掩模版图进行曼哈顿化处理，以使得第一掩模版图的轮廓仅包括沿第一方向以及与第一方向垂直的第二方向延伸的多条边；在目标图像的轮廓上选取多个评估点；分别确定多个评估点的光强度与光强度阈值之间的初始强度差以及各个初始强度差的平方；对平方进行求和，以获得初始光强差异；分别尝试沿垂直于多条边中的每条边的方向将每条边平移单位距离；分别对移动了每条边的第一掩模版图进行仿真以得到相应的仿真晶圆图像；分别确定相应的多个评估点的光强度与光强度阈值的光强差异。
在一些实施例中，以第一精度格式对仿真晶圆图像应用自由尺度反演过程包括：基于光强差异确定移动系数，移动系数用于确定多条边实际需要移动的距离；以及按照单位距离与移动系数的乘积值移动第一掩模版图的多条边，以生成更新的掩模像素图像。
在一些实施例中，以第一精度格式对第一掩模版图应用光刻模型是通过第一处理器执行的；并且以第二精度格式确定指示仿真晶圆图像与目标图像之间的差异的度量指标是通过第二处理器执行的；其中第一处理器与第二处理器是同一处理器或不同的处理器。
在本公开的第三方面中，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的第一方面的方法。
本公开实施例的方案在计算密集型的阶段使用较低精度的数据格式，在精度要求高的阶段使用较高精度的数据格式，由此提高了自由尺度光学邻近校正过程中的计算速度并减少对计算资源和存储资源的消耗。
应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
图1示出了一种目标版图及晶圆轮廓的示意图；
图2示出了对图1的目标版图进行OPC校正后的版图图形及晶圆轮廓的示意图；
图3示出了对目标版图进行自由尺度光学邻近校正所形成的版图图形及晶圆轮廓的示意图；
图4示出了对图3所示的图形进行曼哈顿化所形成的图形的示意图；
图5示出了基于图4所示的曼哈顿化后形成的图形进行求解最优化求解的示意图；
图6示出了本公开的实施例的能够在其中实现的示例环境的示意图；
图7示出了根据本公开的一些实施例的用于自由尺度光学邻近校正的方法的流程图；
图8示出了根据本公开的一些实施例的第一精度格式和第二精度格式的示例；
图9示出了根据本公开的另外一些实施例用于自由尺度光学邻近校正的方法的流程图；
图10示出了根据本公开的另外一些实施例用于自由尺度光学邻近校正的方法的流程及相关硬件支持的架构的示意图；
图11示出了能够实施本公开的一些实施例的电子设备的示意性框图；
图12示出了能够实施本公开的另一些实施例的电子设备的示意性框图；以及
图13示出了能够实施本公开的多个实施例的计算设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
传统OPC在应用过程中，采用分而治之的方案，将完整的芯片划分为多个小的区域进行OPC，最后拼接在一起，拼接时需要固定辅助特征。该方案需要消耗大量时间和计算资源。
如前面所提到的，为了克服OPC技术上的缺陷，提出了FreeForm OPC。FreeFormOPC在计算时候需要同时考虑主要特征和辅助特征，分而治之的思想可能带来拼接问题，生成理想的FreeForm OPC方案比传统OPC复杂度和计算量高了一个数量级。随着制程的提升，像素精度的变高，光刻仿真和自由尺度OPC的计算量将成倍增加。可见，FreeForm OPC过程中由于存在计算密集性、大规模并行性以及人工智能深度学习技术的适用性，使用传统计算方式具有性能上的局限性：计算密集性将存在大量的数据计算，使用较高精度的数据格式，例如FP32将带来计算性能的瓶颈。
本公开实施例提供了改进的方案。根据本公开的实施例，提供了用于自由尺度光学邻近校正的方法。该方法包括：以第一精度格式对第一掩模版图应用光刻模型，以生成仿真晶圆图像；以第二精度格式确定指示仿真晶圆图像与目标图像之间的差异的度量指标，其中目标图像是期望经光刻模型的光刻仿真而在晶圆上形成的图像，第二精度格式的精度大于第一精度格式的精度；以第一精度格式对仿真晶圆图像应用自由尺度反演过程，以生成掩模像素图像；迭代地以基于掩模像素图像而生成的第二掩模版图更新第一掩模版图；以及响应于度量指标满足预定条件，将与满足预定条件的度量指标对应的所更新的第一掩模版图确定为最优掩模版图。本公开的实施例通过在FreeForm OPC的不同阶段，采用不同精度格式的数据进行运算，即，混合使用高精度和低精度格式，提高了计算速度，并且减少对计算资源和存储资源的消耗，克服了已知方案效率低以及对计算资源和存储资源的消耗高等缺陷。
以下将参照附图来具体描述本公开的实施例。首先参考图1，图1示出了一种目标版图及晶圆轮廓的示意图。
目标图形（也可称为目标版图）102为期望在晶圆上形成的图形。目标图形102可来自于原始设计布局（或称原始设计版图）以及晶圆上的轮廓104。若直接将目标图形102写入掩模中进行光刻，得到的晶圆轮廓与目标图形102差距比较大。因此，通常需要对掩模版图进行OPC，以对其图案进行修正。
图2示出了对图1的原始设计版图进行OPC校正后得到的版图图形及晶圆轮廓的示意图。在OPC校正过程中，进行光刻过程建模计算，并且结合优化算法来修正图1所示的图形，以使得光刻图形尽可能接近目标图形。
如图2所示，掩模图形106是对目标图形102进行OPC校正后得到的掩模图形。通过利用校正后的掩模图形106进行光刻，所得到的光刻图像将会更接近目标图形102。如图2所示，晶圆上的轮廓104更接近目标图形102。
图3示出了对目标版图102进行FreeForm OPC所形成的版图图形及晶圆轮廓的示意图。如图3所示，对目标版图102进行FreeForm OPC后，所形成的校正后掩模版图中包括主要特征108以及辅助特征110。关于主要特征108以及辅助特征110，其为业界所公知，本文对此不做过多介绍。
图4示出了对图3所示的图形进行曼哈顿化所形成的图形的示意图。经过常规的曼哈顿化处理之后，主要特征108以及辅助特征110只包含横平竖直的边。经过曼哈顿化有助于后续的处理。
下面参考图6，图6示出了本公开的多个实施例能够在其中实现的示例环境500的示意图。如图6所示，示例环境500中包括计算装置510、客户端520。
在一些实施例中，计算装置510可以与客户端520进行交互。例如，计算装置510可以接收来自客户端520的输入消息，并向客户端520输出反馈消息。在一些实施例中，来自客户端520的输入消息可以是原始掩模版图。计算装置510可以针对原始掩模版图进行相应的数学运算。计算装置510可以相应的运算结果输出到客户端520。
在一些实施例中，计算装置510可以包括但不限于个人计算机、服务器计算机、手持或膝上型设备、移动设备（诸如移动电话、个人数字助理PDA、媒体播放器等）、消费电子产品、小型计算机、大型计算机、云计算资源等。
应当理解，仅出于示例性的目的描述示例环境500的结构和功能并不旨在限制本文所描述主题的范围。本文所描述主题可以在不同的结构和/或功能中实施。
上文描述的技术方案仅用于示例，而非限制本公开。应理解，示例环境500还可以具有其他多种实施方式。为了更清楚地解释本公开方案的原理，下文将参考图7来更详细描述。
图7示出了根据本公开的一些实施例的用于自由尺度光学邻近校正的方法600的流程图。例如，方法600可以由如图6所示的计算装置510来实施。应当理解，方法600还可以包括未示出的附加框和/或可以省略所示出的某些框。本公开的范围在此方面不受限制。
下面先简要描述自由尺度的光学邻近校正的基本流程。
首先，可对给定的掩模版图（或称输入的目标掩模版图）m(x, y)进行光学建模计算，以得到晶圆上图像W(x,y)，其表达式为：
(1)
其中f是描述光刻过程中各种现象的物理模型，比如三维掩模版的电磁性能、照明光学、投影透镜、光刻胶特性、剂量和聚焦条件、像差以及其他非理想因素。
其次，可对晶圆上图像W(x,y) 进行度量，以确定其与期望在晶圆上形成的目标图像的差距。
之后，可利用光刻模型反演函数f-1，通过目标图像W’(x,y)获得最佳掩模图像m’(x, y):
(2)
其中，目标图像是期望在硅片上获得的完整的或部分的晶圆图像。
下面结合图7进一步详细描述本公开的一些实施例的用于自由尺度光学邻近校正的方法。
在框602处，以第一精度格式对第一掩模版图应用光刻模型，以生成仿真晶圆图像。第一掩模版图可以与目标图形相关联。第一掩模版图可以是基于目标图形所确定的初始掩模版图。在一些实施例中，第一掩模版图可以与目标图形相同。在一些实施例中，第一掩模版图可以是经初步修改的目标图形。在一些实施例中，第一掩模版图可以是完整的电路版图或其一部分，例如图1中所示的目标图形102，本公开对此不做限制。
在一些实施例中，第一精度格式可为较低精度的数据格式。例如，第一精度格式可包括以下至少一项：16位脑浮点数格式BF16；以及16位半精度浮点数格式FP16。后文将参考图8对此进一步描述。本公开的实施例不限于此，而是可以根据需要采用其他较低精度的数据格式。
在一些实施例中，以第一精度格式对第一掩模版图应用光刻模型可包括：以第一精度格式对第一掩模版图执行卷积运算或傅里叶变换。
在一些实施例中，以第一精度格式对第一掩模版图执行卷积运算可包括使用以下核卷积公式（3）进行计算以得到仿真晶圆图像：
（3）
其中W(x, y)表示仿真晶圆图像，m(x,y)表示第一掩模版图，Φi(x,y)表示第i个卷积核，(x, y)表示坐标，i=1, 2,…, K ，并且K是卷积核的数目，为正整数，并且其中表示第一掩模版图的数据以及卷积核中的数据均以第一精度格式表示。
上述实施例中示出了通过核卷积公式进行计算以得到仿真晶圆图像的方式，本公开的实施例不以此为限，而是可以根据需要采用其他方式。
在框604处，以第二精度格式确定指示仿真晶圆图像与目标图像之间的差异的度量指标，其中第二精度格式的精度大于第一精度格式的精度。
度量指标可以用于评价仿真晶圆图像与目标图像之间的相似性，从而可以评价掩模版图的质量。在一些实施例中，度量指标可以包括边缘放置误差（edge placementerror, 简称EPE）。边缘放置误差越小意味着曝光后得到的晶圆图像和目标图像越接近。备选地或附加地，度量指标可以包括关键尺寸CD。在一些实施例中，关键尺寸CD可以定义为在特定曝光强度阈值下得到的线条的宽度。所确定的晶圆图像的关键尺寸与目标图像的关键尺寸越接近，则晶圆图像与目标图像之间的差异越小。此处以关键尺寸以及边缘放置误差为例说明了度量指标。本公开的实施例不限于此，度量指标还可以是其他的用于表征晶圆图像与目标图像的差异特征的参数，例如工艺窗口等。
第二精度格式可包括以下至少一项：32位单精度浮点数格式FP32；以及64位双精度浮点数格式FP64。后文将参考图8对此进一步描述。
在一些实施例中，可对仿真晶圆图像使用量化的方法以将第一精度格式转化为第二精度格式，然后可对第二精度格式的图像进行度量。在一些实施例中，以第二精度格式确定指示仿真晶圆图像与目标图像之间的差异的度量指标可包括：通过补全第一精度格式的尾数，将表示仿真晶圆图像的第一精度格式的数据转换为表示仿真晶圆图像的第二精度格式的数据；或者对第一精度格式的数据进行插值，以将第一精度格式的数据转换为第二精度格式的数据。
在一些实施例中，以第二精度格式确定指示仿真晶圆图像与目标图像之间的差异的度量指标可包括使用以下公式（4）进行迭代优化运算，来进行最优化求解：
（4）
其中，Dif(x, y）表示求仿真晶圆图像W(x, y)与目标图像T(x i ,y i )之间的差的最优解的函数，表示优化m(x,y)以使/>最小，N表示将仿真晶圆图像W(x, y)和目标图像T(x i ,y i )划分为N个格子，(x i ,y i )表示第i个格子的坐标，W(x i , y i )表示坐标(x i , y i )处的仿真晶圆图像的像素，并且i=1, 2,…, N，/>是指数学上的L范数，其中公式（4）中各参数的数据均为第二精度格式。
在一些实施例中，以第二精度格式确定指示仿真晶圆图像与目标图像之间的差异的度量指标包括：获取仿真晶圆图像与目标图像上的多个评估点的光强差异；以及基于光强差异，确定度量指标是否小于预定阈值；其中，表示多个评估点的光强差异的数据以第二精度格式表示。
在一些实施例中，获取仿真晶圆图像与目标图像上的多个评估点的光强差异包括：获取所述多个评估点的光强度与光强度阈值的光强度差值；以及以多个评估点中的每一个点的光强度差值的平方之和作为多个评估点的光强差异。在一些实施例中，也可以以多个评估点中的每一个点的光强度差值的绝对值作为多个评估点的光强差异。本公开的实施例不限于此，可以根据实际需要采用其他用于表征光强差异的指标。
下面结合图5进一步描述最优化求解的方法。图5示出了基于图4所示的曼哈顿化后形成的图形进行最优化求解的示意图。
在前面的实施例中提到获取仿真晶圆图像与目标图像上的多个评估点的光强差异。获取光强差异可包括以下步骤：对第一掩模版图进行曼哈顿化处理，以使得第一掩模版图的轮廓仅包括沿第一方向以及与第一方向垂直的第二方向延伸的多条边；在目标图像的轮廓上选取多个评估点；分别确定多个评估点的光强度与光强度阈值之间的初始强度差以及各个初始强度差的平方；对平方进行求和，以获得初始光强差异；分别尝试沿垂直于多条边中的每条边的方向将每条边平移单位距离；分别对移动了每条边的第一掩模版图进行仿真以得到相应的仿真晶圆图像；分别确定相应的仿真晶圆图像的轮廓上的多个评估点的光强度与光强度阈值的光强差异。
在一些实施例中，光强差异可用损失函数cost表示，其中损失函数用于度量晶圆图像的轮廓上的点的光强度与光强度阈值的光强度差，光强度差反映晶圆图像的轮廓与目标图像的轮廓之间的差异。可按照以下公式（5）确定损失函数cost；并且可以基于损失函数的值，确定度量指标是否小于预定阈值。
（5）
其中，Ith表示光强度阈值。光强度阈值可预先确定。在一个示例中，轮廓104接近于目标图形102，该轮廓104上的各个点均具有相同的光强度，可将其光强度作为光强度阈值Ith。阈值可以通过光学校准的过程中确定，也可以通过经验值设定，本发明实施例不做具体限定。应该理解，本公开的实施例不限于此，而是可以根据需要选取其他的光强度阈值。j表示所选取的评估点的序号；Ij为第j点的光强度；J为（例如目标图形的轮廓上）所选取的评估点的总数。
具体地，在一些实施例中，可按照如下方式确定损失函数cost。
首先，可对第一掩模版图进行曼哈顿化处理，以使得第一掩模版图的轮廓仅包括沿第一方向（例如水平方向）以及与第一方向垂直的第二方向（例如垂直方向）延伸的多条边。如前面所提到的，曼哈顿化后的掩模版图的边均为横平竖直的边，其分别向X方向或者Y方向延伸。如图5所示，其中包括多个横平竖直的边，如402、404、406、408、410、412、414等所指示的。
对曼哈顿化的第一掩模版图进行光刻仿真。假设晶圆上形成的仿真晶圆图像的初始轮廓为图5中107所指示的形状。初始轮廓107表示仿真晶圆图像的初始轮廓。在目标图像的轮廓或者说目标图形102的轮廓上选取若干个点，P1至P7，作为评估点。这些点可以从目标图形102的轮廓的关键位置选取，例如，可以从目标图形的中点等位置选取。本公开的实施例不限于此，而是可以根据实际需要选取其他位置的点。需要指出的是，目标图形与目标图像是对应的。目标图形是期望在晶圆上最终形成的图案。目标图像则是期望经仿真光刻而得到的在晶圆上最终形成的图像，其是以像素形式表示的图案。二者的区别仅在于图形与图像的区别。如通常所知的，图像是以像素来表示的，通常包含灰度信息等。图形则是指由轮廓线条构成的矢量图，即通常由直线、圆、矩形、曲线等构成。本公开的实施例中，目标图形与目标图像的轮廓是一致的。
分别测量这些评估点P1至P7处的光强度，并计算这些评估点的光强度与光强度阈值之间的初始强度差，即计算Ith-Ij的值。之后，可分别确定各个初始强度差的平方值，即（Ith-Ij）2。
对平方值（Ith-Ij）2进行求和，以获得初始损失函数值，记为cost0；初始损失函数值cost0表明在获得初始的仿真晶圆图像的情况下，该仿真晶圆图像的轮廓上的点的光强度与阈值强度的差异。该差异的值大小可以表明初始的仿真晶圆图像与目标图像之间的差异。该值越小，表明初始的仿真晶圆图像与目标图像之间差异越小。换言之，仿真晶圆图像越接近目标图像。
接下来尝试沿着X方向或者反方向，将曼哈顿化后的掩模版图的第一个边402平移一个单位，例如1 nm。对其中的第一边402移动了单位距离的掩模版图进行仿真以得到第一仿真晶圆图像。由于第一边402的移动，会导致仿真晶圆图像上各个点的光强度发生变化。测量各个点P1至P7的光强度，I1，I2，……，I7。分别计算光强度阈值Ith与各个点的光强度Ij之差，即计算光强度阈值Ith与Ij（j=1,2,3,4,5,6,7）的光强度的差值，并对各个差值进行求和。由此确定关于第一边402的损失函数值cost1。换言之，确定多个评估点的光强度与光强度阈值的光强度差的损失函数值cost1。cost1越小，表明经过第一边402的移动，所生成的第一仿真晶圆图像的轮廓越接近目标图像的轮廓。需要说明的是，在一些实施例中，对于每个仿真晶圆图像的轮廓，例如初始轮廓107，该轮廓内的光强度大于该轮廓107上的光强度，而该轮廓外的光强度小于该轮廓107上的光强度。在轮廓107未接近轮廓104或者目标图像的轮廓时，所测得的各个评估点的光强度与阈值光强度的差异较大。轮廓107越接近于轮廓104或者目标图像的轮廓，所测得的各个评估点的光强度越接近阈值光强度。如果轮廓与107与轮廓104或者目标图像的轮廓重合，则所测得的各个评估点的光强度等于阈值光强度。
分别重复尝试移动各个边，例如，移动第二边404（此时第一边402回复到初始位置）。由于第二边404的移动而仿真生成第二仿真晶圆图像。确定多个评估点的光强度与光强度阈值的光强度差的损失函数值cost2。
以此类推，分别确定多个评估点的光强度与光强度阈值的光强度差的各个损失函数值cost3,……，costN，其中N为曼哈顿化后的掩模版图的边的个数。例如共100个边，则直至计算出cost100的值。
可以对各个损失函数进行比较。具体地，计算cost0与cost1的差，例如为0.1；计算cost0与cost2的差，例如为0.2；计算cost0与cost3的差，例如为0.5；直至计算出cost0与cost100的差。基于这100个cost值，可以发现由于各个边的移动导致的所选取的评估点处的光强度与阈值Ith的差变化的大小。对不同的边移动同样的距离可能对光刻图像的结果产生不同的影响。基于对上述数值的分析，可以确定一个系数，即用该系数乘以各个边移动的单位距离，得出一个实际需要移动的距离。换言之，可以将掩模图形的轮廓按照实际需要移动的距离进行移动。例如，使多个边，例如第一边402、第二边404、以及第三边406等沿第一方向均移动同样的第一距离，以使得所获得的仿真晶圆图像的轮廓尽可能接近目标图形。当然，本公开的实施例不限于此，在一些实施例中，也可能基于各个cost值，分别针对各个边确定不同的系数，从而对各个边移动不同的距离。
之后，可基于对移动后的掩模图形进行仿真，得到修正的仿真晶圆图像。重复上述计算cost值的过程，直至各个cost的值变得越来越小。例如，在后一轮迭代所得到的cost值与前一轮迭代得到的cost值相比，小于预定的阈值范围时，可以停止迭代。或者预先设置迭代的时长或者迭代的次数，达到上述时长或者次数后即可停止迭代。将此时的结果作为最优结果。即，将此时对应的掩模版图作为最优掩模版图。
此处的实施例中，以计算损失函数的方式即通过计算光强差异的方式来确定度量指标，从而优化掩模版图。本公开的实施例不限于此，在其他实施例中，也可以基于其他方式确定度量指标来进行迭代处理以优化掩模版图。
在一些实施例中，度量指标可包括以下至少一项：边缘放置误差；关键尺寸；以及工艺窗口。本公开的实施例不限于此，而是可以根据需要采用其他度量指标。
在框606处，以第一精度格式对仿真晶圆图像应用自由尺度反演过程，以生成掩模像素图像。在一些实施例中，可利用前面所提到的光刻模型反演函数f-1，通过目标图像W’(x,y)获得最佳掩模图像m’(x, y)。具体反演过程可采用通用或者专用的反演方法。
在一些实施例中，以第一精度格式对仿真晶圆图像应用自由尺度反演过程可包括：基于光强差异确定移动系数，移动系数用于确定多条边实际需要移动的距离；以及按照单位距离与移动系数的乘积值移动第一掩模版图的多条边，以生成更新的掩模像素图像。如前面所提到的，通过假想移动晶圆轮廓上的各个边并计算损失函数而确定了移动系数，可以基于该移动系数对各个边移动相应的距离。
在框608处，迭代地以基于掩模像素图像而生成的第二掩模版图更新第一掩模版图。在一些实施例中，迭代地以基于掩模像素图像而生成的第二掩模版图更新第一掩模版图可包括：将掩模像素图像转换为掩模版图（可称为第二掩模版图）；以第二掩模版图更新第一掩模版图，换言之，用第二掩模版图替换第一掩模版图；以第一精度格式对所更新的第一掩模版图应用光刻模型，以生成更新的仿真晶圆图像；并且以第二精度格式确定度量指标，该度量指标可指示更新的仿真晶圆图像与目标图像的差异。如前所述，在框606处经自由尺度反演过程生成了掩模像素图像。为了得到掩模图形，需要将掩模像素图像转换为掩模图形。需要稍作说明的是，图形是指由外部轮廓线条构成的矢量图，而图像是由像素点阵构成的位图。此处关于图像与图形的说明，适于本文其他地方出现的图像与图形。因此，为了生成掩模图形需要将掩模像素图像转换为掩模图形。
在框610处，响应于度量指标满足预定条件，将与满足预定条件的度量指标对应的所更新的第一掩模版图确定为最优掩模版图。换言之，将得到该度量指标的第一掩模版图确定为最优掩模版图。该最优掩模版图用于实际的光刻过程，将会在晶圆上生成与目标图形最接近的图形。在一些实施例中，度量指标满足预定条件可指满足以下中至少一项：所述度量指标小于预定阈值；迭代的次数或者迭代的时间达到预定阈值；或者前后两次迭代的数值之间的比例小于预定阈值，等等。本公开的实施例不以此为限，可以根据需要采用其他的条件。
本公开的一些实施例中，可通过阈值的方式来确定最终的版图。例如，在一些实施例中，度量指标满足预定条件可以指度量指标小于预定阈值，例如可以指EPE或者CD小于预定阈值；可选地，度量指标满足预定条件可以指通过相邻两次迭代所得到的数值的比例/差值小于预定的阈值；本公开的实施例不限于此，而是可以根据需要采用其他的判断标准。
在一些实施例中，以第一精度格式对第一掩模版图应用光刻模型是通过第一处理器执行的；并且以第二精度格式确定指示仿真晶圆图像与目标图像之间的差异的度量指标是通过第二处理器执行的；其中第一处理器与第二处理器是同一处理器或不同的处理器。关于处理器的类型，后文将具体描述。
本公开的一些实施例提供了用于自由尺度光学邻近校正的方法。需要指出的是，上述实施例中所举的例子仅为了说明本公开实施例的方案，并不用于限制本公开的方案。
本公开的一些实施例中，在计算密集型的阶段使用较低精度的格式，例如BF16/FP16数字编码格式，在精度要求高的度量阶段使用较高精度的格式，例如FP32或FP64。由于FreeForm OPC过程中光刻模型仿真以及反演过程的像素计算最为耗时，使用BF16和FP16数字编码格式进行计算，在优化迭代过程中具有很好的性能优势。应当理解，上述格式的数据类型是示意性的，本公开的实施例不限于此。
以此方式，本公开的一些实施例提供了改进的用于自由尺度光学邻近校正的方案，提高了自由尺度光学邻近校正过程中的计算速度并且减少了对计算资源和存储资源的消耗。
下面参考图8对精度格式进行描述。图8示出了根据本公开的一些实施例的第一精度格式和第二精度格式的示例。
如图8的（A）所述，第二精度格式可以为710所指示的目前广泛使用的32位单精度浮点数格式（FP32），其具有8个指数位和23个尾数位。可选地，第二精度格式也可以是64位双精度浮点数格式（FP64）。本公开的实施例不限于此，而是可以根据需要采用其他精度格式。
如图8的（B）所示，720所指示的16位脑浮点数格式（BF16）可称为第一精度格式。BF16格式是一种16位的数字编码格式，其通过截断IEEE 754单精度浮点数（FP32）的尾数来表示浮点数。将原来的23比特位的尾数表示成7比特位。即，其具有1个符号位，8个指数位和7个尾数位，其数据表达范围是-65504~65504，与FP32的数据表达范围相同，但数据精度降低。BF16格式可以用于硬件加速机器学习算法，例如最早被用于FPGA和神经元处理器中。目前，BF16格式的浮点数已经成为很多加速处理器（AP）的支持标准，能够在16位的数据空间中降低精度，获得更大的数值空间。更低的精度可以使内存中存放更多的数据，同时减少内存中移动数据的时间，也使得加速处理器的硬件电路设计变得简单，带来明显的计算速度提升。
可选地，第一精度格式也可以是如图8的（C）中730所指示的16位半精度浮点数格式（FP16）。FP16数据类型由1位符号位，5位指数位，10位小数位组成，占2个字节，其数据表达范围是-65504~65504。FP16相比于FP32数据表达精度下降，因此相比FP32可能会存在数据溢出情况。但减少了存储空间和计算开销，特别适用于计算密集型任务。
图9示出了根据本公开的另外一些实施例的用于自由尺度光学邻近校正的方法800的流程图。如图9所示，在框802处，输入光罩图案，即掩模版图（前面所提到的第一掩模版图）。掩模版图可来源于设计图形和FreeForm OPC生成的图形，本公开不限于此。
在框804处，执行光刻仿真过程，即对所输入的掩模版图执行光刻仿真。该过程通过光刻模型仿真生成晶圆上的光刻图像。即，该过程可经光刻仿真生成仿真晶圆图像。
在框806处，度量所生成的仿真晶圆图像，确定仿真晶圆图像与目标图像之间的差异。在差异不小于预定阈值的情况下，流程转到框808处。
在框808处，执行自由尺度反演过程。该过程中，根据晶圆上光刻的像素图像，即仿真晶圆图像，反演生成掩模像素图像。
在框810处，将掩模像素图像变换为掩模图形，继续进行优化迭代，直到度量指标满足预定条件。此时可认为掩模版图达到或者接近目标图形，由此可将所对应的掩模版图作为最终校正的掩模版图，即最优掩模版图。用该最优掩模版图经实际光刻过程可在晶圆上得到最接近目标图形的结果。
方法800的整个过程可以称为自由尺度光学邻近校正过程，其依据度量的结果进行优化，以得到最优化的掩模版图。
图10示出了根据本公开的另外一些实施例用于自由尺度光学邻近校正的方法的流程及相关硬件支持的架构900的示意图。图10中与图9中相同的流程结构在此不再赘述，仅介绍其中区别之处。
如图10所示，示出了混合硬件支持910，其表示支持如图10中所示的BF16/FP16、FP32以及BF16/FP16。
如图10所示，BF16/FP16对应于框804的光刻仿真过程，表明光刻仿真过程中可采用BF16/FP16精度格式的数据进行处理。光刻模型仿真过程含有大量的数据计算。通过采用较低精度格式的BF16/FP16，能够显著提升运算速度。
又如图10所示，FP32对应于框806的度量差异，表明在度量差异的过程中采用较高精度的格式FP32。本公开的实施例不限于此，可以根据需要采用其他较高精度的数据格式，例如FP64等等。
光刻模型仿真过程以及迭代优化过程都含有大量的数据计算，这些过程中可采用较低精度的数据格式FP16/BF16等。而在精度要求高的度量阶段可采用更高精度的FP32或FP64，由此不会造成精度损失。
此外，BF16/FP16还对应于框808，表明自由尺度反演过程中可采用BF16/FP16精度格式的数据进行处理。该过程中也含有大量的数据计算。通过采用较低精度格式的BF16/FP16，能够显著提升运算速度。
图11示出了能够实施本公开的一些实施例的电子设备1000的示意性框图；图12示出了能够实施本公开的另一些实施例的电子设备1100的示意性框图。
本公开的一些实施例的电子设备（或装置）使用支持BF16/FP16/FP32数字编码的CPU、GPU、FPGA、AP（包括APU/NPU/AI-芯片等），这些支持BF16/FP16/FP32数字编码格式指令的处理器，既可以单一使用同一类型处理器（例如图11都使用GPU），也可以混合使用不同类型处理器（例如图12混合使用CPU/GPU/AP）。
如图11所示，FreeForm程式1002表示一种程序，其可采用BF16/FP16等数字格式编码的第一精度格式。该FreeForm程式1002可运行于GPU（graphics processing unit，图形处理器）1004上。换言之，右侧硬件为左侧应用程式的运行载体。GPU 1004支持BF16/FP16/FP32等数字格式编码的第一精度格式的指令。
如图12所示，FreemForm程式1002可运行在GPU 1004上，也可以运行在AP（Accelerated Processing Unit，加速处理器）1104上。
考虑到FreemForm OPC过程中存在计算密集性、大规模并行性以及人工智能深度学习技术的适用性等特点，本公开的一些实施例中利用基于人工智能深度学习的加速处理器（AP）来加速FreemForm OPC过程，包括使用硬件支持的精度格式，例如BF16/FP16/FP32数字编码格式。换言之，本公开的一些实施例的方案融合了最新的加速处理器(AP)技术，利用其对第一精度格式，例如BF16/FP16数字编码格式指令的支持，单一或混合多种分布式计算单元（如CPU/GPU/FPGA/AP），在FreemForm过程中，特别是在计算密集型的掩模光刻模型计算阶段，使用第一精度格式，以大幅提高计算性能。
本公开的一些实施例，在原有的FreeForm OPC方案上，融合不同的数字编码格式（该编码格式可得到混合硬件的支持），加快计算速度。具体地，本公开的装置通过在光刻模型仿真和自由尺度OPC过程融入BF16和FP16，并得到混合硬件的支持，加速上述两个过程以及优化过程的计算，并且通过插值算法保证FP32的晶圆光刻图像的质量，也就是说在不影响优化结果的同时，对FreeForm OPC性能的提升，进而提高生产效率。以此方式，本公开的一些实施例中，通过硬件结构与所示的数字格式相结合，提供了改进的用于FreemForm掩模校正的方案。
对比本公开装置与已有方案可知，本公开的装置在FreeForm OPC计算密集性阶段大幅度提高了计算性能，却在非计算密集性具有更高精度要求的度量阶段不损失度量结果精度。
应当理解，以上结合附图描述了本公开的一些实施例，应当理解，附图仅为了适应性示出本公开实施例的，并不用于限制本公开的方案。本公开实施例的还可以具有各种其他形式。
本公开的实施例中还公开了一种电子设备。该电子设备包括：处理器；以及与处理器耦合的存储器，存储器具有存储于其中的指令，指令在被处理器执行时使设备执行动作，动作包括：以第一精度格式对第一掩模版图应用光刻模型，以生成仿真晶圆图像；以第二精度格式确定指示仿真晶圆图像与目标图像之间的差异的度量指标，其中所述目标图像是期望经所述光刻模型的光刻仿真而在晶圆上形成的图像，第二精度格式的精度大于第一精度格式的精度；以第一精度格式对仿真晶圆图像应用自由尺度反演过程，以生成掩模像素图像；迭代地以基于掩模像素图像而生成的第二掩模版图更新第一掩模版图；以及响应于度量指标满足预定条件，将与满足预定条件的度量指标对应的所更新的第一掩模版图确定为最优掩模版图。
在一些实施例中，电子设备包括至少一个处理器，处理器选自由以下项构成的组：中央处理单元CPU；图形处理单元GPU；现场可编程门阵列FPGA；加速处理器AP；张量处理单元TPU；以及神经网络处理单元NPU。
本公开的实施例中还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的实施例的用于自由尺度光学邻近校正的方法。
图13示出了可以用来实施本公开的实施例的示例设备1200的示意性框图。例如，图6中所示的计算装置510可以由设备1200来实施。如图所示，设备1200包括中央处理单元（CPU）1201，其可以根据存储在只读存储器（ROM）1202中的计算机程序指令或者从存储单元1208加载到随机访问存储器（RAM）1203中的计算机程序指令，来执行各种适当的动作和处理。在RAM 1203中，还可存储设备1200操作所需的各种程序和数据。CPU 1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出（I/O）接口1205也连接至总线1204。
设备1200中的多个部件连接至I/O接口1205，包括：输入单元1206，例如键盘、鼠标等；输出单元1207，例如各种类型的显示器、扬声器等；存储单元1208，例如磁盘、光盘等；以及通信单元1209，例如网卡、调制解调器、无线通信收发机等。通信单元1209允许设备1200通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理单元1201执行上文所描述的各个方法和处理，例如方法600。例如，在一些实施例中，方法600可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1208。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到设备1200上。当计算机程序加载到RAM 1203并由CPU 1201执行时，可以执行上文描述的方法600中的一个或多个步骤。备选地，在其他实施例中，CPU 1201可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行方法600。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码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或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (16)
1.一种用于自由尺度光学邻近校正的方法，包括：
以第一精度格式对第一掩模版图应用光刻模型，以生成仿真晶圆图像；
以第二精度格式确定指示所述仿真晶圆图像与目标图像之间的差异的度量指标，其中所述目标图像是期望经所述光刻模型的光刻仿真而在晶圆上形成的图像，并且所述第二精度格式的精度大于所述第一精度格式的精度，其中通过计算所述仿真晶圆图像与所述目标图像上的多个评估点的光强差异的方式来确定所述度量指标；
以所述第一精度格式对所述仿真晶圆图像应用自由尺度反演过程，以生成掩模像素图像；
迭代地以基于所述掩模像素图像而生成的第二掩模版图更新所述第一掩模版图；以及
响应于所述度量指标满足预定条件，将与满足预定条件的所述度量指标对应的所更新的第一掩模版图确定为最优掩模版图。
2.根据权利要求1所述的方法，其中以第一精度格式对第一掩模版图应用光刻模型包括：
以所述第一精度格式对所述第一掩模版图执行卷积运算或傅里叶变换。
3.根据权利要求2所述的方法，其中以所述第一精度格式对所述第一掩模版图执行卷积运算包括使用以下核卷积公式进行计算以得到所述仿真晶圆图像：
其中W(x,y)表示所述仿真晶圆图像，m(x,y)表示所述第一掩模版图，Φi(x,y)表示第i个卷积核，(x,y)表示坐标，i＝1,2,…,K，并且K是卷积核的数目，并且其中表示所述第一掩模版图的数据以及所述卷积核中的数据均以所述第一精度格式表示。
4.根据权利要求3所述的方法，其中以第二精度格式确定指示所述仿真晶圆图像与目标图像之间的差异的度量指标包括使用以下公式进行最优化求解：
其中，Dif(x,y)表示求所述仿真晶圆图像W(x,y)与所述目标图像T(xi,yi)之间的差的最优先解的函数，表示优化m(x,y)以使/>最小，N表示将所述仿真晶圆图像W(x,y)和所述目标图像T(xi,yi)划分为N个格子，(xi,yi)表示第i个格子的坐标，W(xi,yi)表示坐标(xi,yi)处的所述仿真晶圆图像的像素，并且i＝1,2,…,N，||…||L是指数学上的L范数，其中表示用于所述最优化求解的公式中各参数的数据均为所述第二精度格式。
5.根据权利要求1所述的方法，其中以第二精度格式确定指示所述仿真晶圆图像与目标图像之间的差异的度量指标包括：
通过补全所述第一精度格式的尾数，将表示所述仿真晶圆图像的所述第一精度格式的数据转换为表示所述仿真晶圆图像的所述第二精度格式的数据；或者
对所述第一精度格式的数据进行插值，以将所述第一精度格式的数据转换为所述第二精度格式的数据。
6.根据权利要求1所述的方法，其中所述度量指标包括以下至少一项：
边缘放置误差；
关键尺寸；以及
工艺窗口。
7.根据权利要求1所述的方法，其中：
所述第一精度格式包括以下至少一项：16位脑浮点数格式BF16；以及16位半精度浮点数格式FP16；并且
所述第二精度格式包括以下至少一项：32位单精度浮点数格式FP32；以及64位双精度浮点数格式FP64。
8.根据权利要求1所述的方法，其中迭代地以基于所述掩模像素图像而生成的第二掩模版图更新所述第一掩模版图包括：
将所述掩模像素图像转换为所述第二掩模版图；
以所述第二掩模版图更新所述第一掩模版图；
以所述第一精度格式对所更新的第一掩模版图应用所述光刻模型，以生成更新的仿真晶圆图像；以及
以所述第二精度格式确定指示所述更新的仿真晶圆图像与所述目标图像的差异的所述度量指标。
9.根据权利要求1所述的方法，其中以第二精度格式确定指示所述仿真晶圆图像与目标图像之间的差异的度量指标包括：
获取所述仿真晶圆图像与所述目标图像上的多个评估点的所述光强差异；以及
基于所述光强差异，确定所述度量指标是否小于预定阈值；
其中，表示所述多个评估点的所述光强差异的数据以所述第二精度格式表示。
10.根据权利要求9所述的方法，其中获取所述仿真晶圆图像与所述目标图像上的多个评估点的光强差异包括：
获取所述多个评估点的光强度与光强度阈值的光强度差值；以及
以所述多个评估点中的每一个评估点的所述光强度差值的平方之和作为所述多个评估点的光强差异。
11.根据权利要求10所述的方法，其中获取光强差异包括：
对所述第一掩模版图进行曼哈顿化处理，以使得所述第一掩模版图的轮廓仅包括沿第一方向以及与所述第一方向垂直的第二方向延伸的多条边；
在所述目标图像的轮廓上选取所述多个评估点；
分别确定所述多个评估点的光强度与所述光强度阈值之间的初始强度差以及各个所述初始强度差的平方；
对所述平方进行求和，以获得初始光强差异；
分别尝试沿垂直于所述多条边中的每条边的方向将所述每条边平移单位距离；
分别对移动了所述每条边的所述第一掩模版图进行仿真以得到相应的仿真晶圆图像；
分别确定相应的所述多个评估点的光强度与所述光强度阈值的所述光强差异。
12.根据权利要求11所述的方法，其中以所述第一精度格式对所述仿真晶圆图像应用自由尺度反演过程包括：
基于所述光强差异确定移动系数，所述移动系数用于确定所述多条边实际需要移动的距离；以及
按照所述单位距离与所述移动系数的乘积值移动所述第一掩模版图的所述多条边，以生成更新的掩模像素图像。
13.根据权利要求1至12中任一项所述的方法，其中：
以第一精度格式对第一掩模版图应用光刻模型是通过第一处理器执行的；并且
以第二精度格式确定指示所述仿真晶圆图像与目标图像之间的差异的度量指标是通过第二处理器执行的；
其中所述第一处理器与所述第二处理器是同一处理器或不同的处理器。
14.一种电子设备，包括：
处理器；以及
与处理器耦合的存储器，存储器具有存储于其中的指令，指令在被处理器执行时使设备执行动作，所述动作包括：
以第一精度格式对第一掩模版图应用光刻模型，以生成仿真晶圆图像；
以第二精度格式确定指示所述仿真晶圆图像与目标图像之间的差异的度量指标，其中所述目标图像是期望经所述光刻模型的光刻仿真而在晶圆上形成的图像，所述第二精度格式的精度大于所述第一精度格式的精度，其中通过计算所述仿真晶圆图像与所述目标图像上的多个评估点的光强差异的方式来确定所述度量指标；
以所述第一精度格式对所述仿真晶圆图像应用自由尺度反演过程，以生成掩模像素图像；
迭代地以基于所述掩模像素图像而生成的第二掩模版图更新所述第一掩模版图；以及
响应于所述度量指标满足预定条件，将与满足预定条件的所述度量指标对应的所更新的第一掩模版图确定为最优掩模版图。
15.根据权利要求14所述的电子设备，其中所述电子设备包括至少一个所述处理器，所述处理器选自由以下项构成的组：
中央处理单元CPU；
图形处理单元GPU；
现场可编程门阵列FPGA；
加速处理器AP；
张量处理单元TPU；以及
神经网络处理单元NPU。
16.一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现根据权利要求1-13中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410160214.9A CN117710270B (zh) | 2024-02-04 | 2024-02-04 | 用于自由尺度光学邻近校正的方法、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410160214.9A CN117710270B (zh) | 2024-02-04 | 2024-02-04 | 用于自由尺度光学邻近校正的方法、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117710270A CN117710270A (zh) | 2024-03-15 |
| CN117710270B true CN117710270B (zh) | 2024-05-03 |
Family
ID=90148211
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410160214.9A Active CN117710270B (zh) | 2024-02-04 | 2024-02-04 | 用于自由尺度光学邻近校正的方法、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117710270B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1629730A (zh) * | 2003-10-27 | 2005-06-22 | 国际商业机器公司 | 执行基于模型的光学邻近校正的方法 |
| KR20090008846A (ko) * | 2007-07-19 | 2009-01-22 | 주식회사 동부하이텍 | 광학적 근접보정 모델 조절 시스템 및 데이터 처리 방법 |
| CN101750878A (zh) * | 2008-12-22 | 2010-06-23 | 中芯国际集成电路制造(上海)有限公司 | 光学邻近校正方法 |
| CN105574293A (zh) * | 2016-02-01 | 2016-05-11 | 中国科学院微电子研究所 | Euv设计规则、光源和掩模的联合优化和成像建模方法 |
| CN109582995A (zh) * | 2017-09-28 | 2019-04-05 | 台湾积体电路制造股份有限公司 | 集成电路制造方法及其制造系统 |
| CN111158210A (zh) * | 2020-03-10 | 2020-05-15 | 长江存储科技有限责任公司 | 光掩模的光学邻近校正方法及光掩模、半导体的制造方法 |
| CN111399335A (zh) * | 2020-02-04 | 2020-07-10 | 中国科学院微电子研究所 | 一种掩模版缺陷修复方法及装置 |
| CN111512237A (zh) * | 2017-12-22 | 2020-08-07 | Asml荷兰有限公司 | 基于缺陷概率的过程窗口 |
| CN113779779A (zh) * | 2021-08-25 | 2021-12-10 | 全芯智造技术有限公司 | 优化掩模的方法、设备和计算机可读存储介质 |
| CN114326289A (zh) * | 2021-12-29 | 2022-04-12 | 全芯智造技术有限公司 | 用于执行光学邻近校正的方法、设备和存储介质 |
| CN116167323A (zh) * | 2023-02-01 | 2023-05-26 | 华芯程(杭州)科技有限公司 | 一种opc修正方法、装置、设备及计算机可读存储介质 |
| CN116819898A (zh) * | 2023-06-08 | 2023-09-29 | 中科晶源微电子技术（北京）有限公司 | 掩膜图案的校正方法、装置及半导体设备 |
| CN117272919A (zh) * | 2022-06-14 | 2023-12-22 | 腾讯科技（深圳）有限公司 | 光刻掩膜的更新方法、装置、设备及存储介质 |
| CN117313640A (zh) * | 2022-06-14 | 2023-12-29 | 腾讯科技（深圳）有限公司 | 光刻掩膜生成模型的训练方法、装置、设备及存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6634018B2 (en) * | 2000-08-24 | 2003-10-14 | Texas Instruments Incorporated | Optical proximity correction |
| US7536670B2 (en) * | 2005-05-31 | 2009-05-19 | Cadence Design Systems, Inc. | Method for verifying and choosing lithography model |
| US8146026B2 (en) * | 2009-11-17 | 2012-03-27 | International Business Machines Corporation | Simultaneous photolithographic mask and target optimization |
| US8589830B2 (en) * | 2012-03-07 | 2013-11-19 | Taiwan Semiconductor Manufacturing Company, Ltd. | Method and apparatus for enhanced optical proximity correction |
-
2024
- 2024-02-04 CN CN202410160214.9A patent/CN117710270B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1629730A (zh) * | 2003-10-27 | 2005-06-22 | 国际商业机器公司 | 执行基于模型的光学邻近校正的方法 |
| KR20090008846A (ko) * | 2007-07-19 | 2009-01-22 | 주식회사 동부하이텍 | 광학적 근접보정 모델 조절 시스템 및 데이터 처리 방법 |
| CN101750878A (zh) * | 2008-12-22 | 2010-06-23 | 中芯国际集成电路制造(上海)有限公司 | 光学邻近校正方法 |
| CN105574293A (zh) * | 2016-02-01 | 2016-05-11 | 中国科学院微电子研究所 | Euv设计规则、光源和掩模的联合优化和成像建模方法 |
| CN109582995A (zh) * | 2017-09-28 | 2019-04-05 | 台湾积体电路制造股份有限公司 | 集成电路制造方法及其制造系统 |
| CN111512237A (zh) * | 2017-12-22 | 2020-08-07 | Asml荷兰有限公司 | 基于缺陷概率的过程窗口 |
| CN111399335A (zh) * | 2020-02-04 | 2020-07-10 | 中国科学院微电子研究所 | 一种掩模版缺陷修复方法及装置 |
| CN111158210A (zh) * | 2020-03-10 | 2020-05-15 | 长江存储科技有限责任公司 | 光掩模的光学邻近校正方法及光掩模、半导体的制造方法 |
| CN113779779A (zh) * | 2021-08-25 | 2021-12-10 | 全芯智造技术有限公司 | 优化掩模的方法、设备和计算机可读存储介质 |
| CN114326289A (zh) * | 2021-12-29 | 2022-04-12 | 全芯智造技术有限公司 | 用于执行光学邻近校正的方法、设备和存储介质 |
| CN117272919A (zh) * | 2022-06-14 | 2023-12-22 | 腾讯科技（深圳）有限公司 | 光刻掩膜的更新方法、装置、设备及存储介质 |
| CN117313640A (zh) * | 2022-06-14 | 2023-12-29 | 腾讯科技（深圳）有限公司 | 光刻掩膜生成模型的训练方法、装置、设备及存储介质 |
| CN116167323A (zh) * | 2023-02-01 | 2023-05-26 | 华芯程(杭州)科技有限公司 | 一种opc修正方法、装置、设备及计算机可读存储介质 |
| CN116819898A (zh) * | 2023-06-08 | 2023-09-29 | 中科晶源微电子技术（北京）有限公司 | 掩膜图案的校正方法、装置及半导体设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117710270A (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114326289B (zh) | 用于执行光学邻近校正的方法、设备和存储介质 | |
| US7985517B2 (en) | Lithography simulation method, computer program product, and pattern forming method | |
| US11366952B2 (en) | Method, apparatus and electronic device for Hessian-free photolithography mask optimization | |
| US20050055658A1 (en) | Method for adaptive segment refinement in optical proximity correction | |
| CN117669473B (zh) | 用于模型校准的方法、电子设备及存储介质 | |
| US20070186208A1 (en) | Mask-Pattern Determination Using Topology Types | |
| CN110426914B (zh) | 一种亚分辨率辅助图形的修正方法及电子设备 | |
| CN108228981B (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 | |
| US20130139116A1 (en) | Lithographically enhanced edge determination | |
| US6536032B1 (en) | Method of processing exposure mask-pattern data, simulation using this method, and recording medium | |
| CN115981115B (zh) | 光学邻近校正方法、装置、计算机设备和存储介质 | |
| JPH10104818A (ja) | 光近接効果補正方法 | |
| JP2006292941A (ja) | 光近接効果補正方法およびその装置 | |
| CN113779779A (zh) | 优化掩模的方法、设备和计算机可读存储介质 | |
| US11281839B2 (en) | Method, apparatus and electronic device for photolithographic mask optimization of joint optimization of pattern and image | |
| US10571799B1 (en) | Hessian-free calculation of product of Hessian matrix and vector for lithography optimization | |
| CN114326288A (zh) | 增大光刻工艺窗口的方法、电子设备和存储介质 | |
| 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 | |
| US9582617B2 (en) | Simulation device and simulation program for simulating process using first and second masks | |
| CN117172185A (zh) | 一种用于多光束光罩编写器的高保真度版图光栅化方法 | |
| CN116224707B (zh) | 光学临近效应修正方法及装置、存储介质、终端 | |
| JP5463016B2 (ja) | パターンデータ作成方法 | |
| CN115587991A (zh) | 一种曲线掩膜提取方法、提取装置及存储介质 | |
| CN116802556A (zh) | 用于确定晶圆图形尺寸的方法、装置、设备、介质以及程序产品 | |
| CN117272919A (zh) | 光刻掩膜的更新方法、装置、设备及存储介质 |
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 |