CN117973307B - 用于版图处理的方法、设备和介质 - Google Patents
用于版图处理的方法、设备和介质 Download PDFInfo
- Publication number
- CN117973307B CN117973307B CN202410359609.1A CN202410359609A CN117973307B CN 117973307 B CN117973307 B CN 117973307B CN 202410359609 A CN202410359609 A CN 202410359609A CN 117973307 B CN117973307 B CN 117973307B
- Authority
- CN
- China
- Prior art keywords
- perturbation
- disturbance
- layout
- signals
- gradient
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 73
- 238000003384 imaging method Methods 0.000 claims abstract description 68
- 230000003287 optical effect Effects 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 31
- 239000011159 matrix material Substances 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000003672 processing method Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 11
- 238000001459 lithography Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 10
- 238000005070 sampling Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000013459 approach Methods 0.000 description 6
- BATBOVZTQBLKIL-UHFFFAOYSA-N [1-(5,8-dihydroxy-1,4-dioxonaphthalen-2-yl)-4-methylpent-3-enyl] 3-methylbut-2-enoate Chemical compound C1=CC(O)=C2C(=O)C(C(OC(=O)C=C(C)C)CC=C(C)C)=CC(=O)C2=C1O BATBOVZTQBLKIL-UHFFFAOYSA-N 0.000 description 5
- 238000000206 photolithography Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000001259 photo etching Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/39—Circuit design at the physical level
- G06F30/392—Floor-planning or layout, e.g. partitioning or placement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Architecture (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
Abstract
根据本公开的示例实施例提供了用于版图处理的方法、设备和介质。该方法获取与版图中的多个扰动图形和晶圆中的多个评估点有关的扰动信号信息,扰动信号信息包括多个扰动信号,每个扰动信号与一个扰动图形和一个评估点相对应;基于扰动信号信息,确定针对版图的成像成本梯度,成像成本梯度指示版图中的图形变化所引起的成像成本变化;以及基于成像成本梯度,优化版图。以此方式,丰富了光学邻近效应校正(OPC)中成本梯度的计算方式,从而有利于提高OPC的灵活性。
Description
技术领域
本公开的实施例主要涉及集成电路领域,并且更具体地,涉及用于版图处理的方法、设备和介质。
背景技术
电路版图(又可以简称为版图)是从设计并模拟优化后的电路所转化成的一系列图形,其包含了集成电路尺寸、各层拓扑定义等器件相关的物理信息数据。集成电路制造商根据这些数据来制造掩模。掩模上的版图图案决定着芯片上器件或连接物理层的尺寸。
随着集成电路制造工艺的技术节点的减小,集成电路中的目标图案之间的距离减小,并且掩模上与目标图案相对应的版图图案的密度增加。由于光波会在掩模的版图图案处发生衍射,导致实际形成的图案与版图图案相比产生失真。为此,已经提出光学邻近效应校正(OPC)来调整掩模的版图图案,以便形成期望的目标图案。OPC通过改变掩模版图中的图形,来改变光刻过程中晶圆表面的光强分布,从而补偿由光学邻近效应导致的图形转移失真。在OPC中,为了确定如何改变版图中的图形,需要模拟光刻过程,以确定利用版图光刻的成像成本。
发明内容
在本公开的第一方面中,提供了一种版图处理方法。该方法包括:获取与版图中的多个扰动图形和晶圆中的多个评估点有关的扰动信号信息,扰动信号信息包括多个扰动信号,每个扰动信号与一个扰动图形和一个评估点相对应;基于扰动信号信息,确定针对版图的成像成本梯度,成像成本梯度指示版图中的图形变化所引起的成像成本变化;以及基于成像成本梯度,优化版图。
在本公开的第二方面中,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。该存储器具有存储于其中的指令,指令在被处理器执行时使电子设备执行根据本公开的第一方面的方法。
在本公开的第三方面中,提供了一种计算机可读存储介质。该计算机可读存储介质上存储有计算机程序。计算机程序在被处理器执行时实现根据本公开的第一方面的方法。
通过下文的描述将会理解,根据本公开的实施例,针对各个扰动图形和各个评估点,预先获得扰动信号,而后基于这些扰动信号可以得出成像成本梯度,而无需解析地计算成本梯度。这是一种数值型成本梯度得出方式,其是对传统的解析方式的补充。也即,这丰富了OPC中成本梯度的计算方式,有利于根据实际情况灵活地选择合适的成本梯度得出方式。这进一步有利地提高了OPC的灵活性。其他的益处将在下文结合相应的实施例展开描述。
应当理解,本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特征或重要特征,也不用于限制本公开的范围。本公开的其他特征将通过以下的描述而变得容易理解。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标注表示相同或相似的元素,其中:
图1示出了本公开的各实施例能够在其中实现的示例环境的示意图;
图2示出了根据本公开的一些实施例的用于版图处理的方法的流程图;
图3示出了根据本公开的一些实施例的版图上的扰动图形和晶圆上的评估点的示意图;
图4A示出了根据本公开的一些实施例的对版图进行处理的结果的示意图;
图4B示出了根据本公开的一些实施例的成像成本的变化示例;以及
图5示出了其中可以实施本公开的一个或多个实施例的电子设备的框图。
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。
图1示出了本公开的各实施例能够在其中实现的示例环境100的示意图。示例环境100总体上可以包括电子设备110。
电子设备110获取待处理的版图120(也称为“掩模版图”)作为输入。待处理的版图120中包括一个或多个待处理的图形,例如目标图形122。期望经过光刻后能够在晶圆上得到与目标图形122对应的图形。为此,在OPC过程中,需要确定掩模版图上的变化所引起的晶圆上的光信号的变化。在这种情况下,扰动图形124可以被施加到待处理的版图120上,用于进行扰动信号分析,以调整待处理的版图120中的目标图形122。与目标图形122相比,扰动图形124通常具有较小的尺寸。应理解,图1中示出的版图、掩模、目标图形、扰动图形的形状、大小和数目仅仅是示例性的,而不是限制性的。本公开的范围在此方面不受限制。
电子设备110将待处理的版图120进行处理,以得到处理后的版图130。处理后的版图130包括处理后的图形132(也被称为处理后的目标图形)。相比待处理的版图120中的目标图形122,处理后的版图130中的处理后的图形132的大小和/或位置发生了变化。例如,在处理后的版图130中,处理后的图形132是经过OPC的输出图形,其也可以被称为“OPC后的图形”。处理后的图形132相比目标图形122的上述大小和/或位置的变化可以由电子设备110来确定。换句话说,OPC过程中的位移可以由电子设备110来确定。
在示例环境100中,电子设备110可以是任意类型的具有计算能力的设备,包括终端设备或服务端设备。终端设备可以是任意类型的移动终端、固定终端或便携式终端,包括移动手机、台式计算机、膝上型计算机、笔记本计算机、上网本计算机、平板计算机、媒体计算机、多媒体平板、个人通信系统(PCS)设备、个人导航设备、个人数字助理(PDA)、音频/视频播放器、数码相机/摄像机、定位设备、电视接收器、无线电广播接收器、电子书设备、游戏设备或者前述各项的任意组合,包括这些设备的配件和外设或者其任意组合。服务端设备例如可以包括计算系统/服务器,诸如大型机、边缘计算节点、云环境中的计算设备,等等。
应当理解,仅出于示例性的目的描述环境100的结构和功能,而不暗示对于本公开的范围的任何限制。图1中所示的版图120、处理后的版图130及其中的图形仅是示例性的,而无意限制本公开的范围。下面将参考附图来详细描述根据本公开的示例实施例。
如上文所简要提及的,在OPC中为了确定掩模版图中图形的改变,需要进行光刻模拟。通过光刻模拟,可以计算利用版图进行光刻的成像成本,以优化版图。在优化版图中,需要计算成像成本梯度,以使版图中图形的改变沿着成像成本降低的方向。
传统上,通过解析方式来得出成像成本梯度。也即,可以定义成像成本函数,通过成本函数的导数来计算成本梯度。这种方式也称为解析式计算模式。然而,这种解析式计算模式可能具有一定局限性。例如,成本函数可能由光刻模型的核函数来表示。计算成本函数的导数需要对核函数微分。如果核函数是不可微分的,那么将导致难以计算成本梯度。又如,在一些特定情况下,解析的计算效率可能不高。
为此,本公开的实施例提供了一种版图处理方法,以解决或者至少部分地解决传统方法中的上述问题和/或其他潜在问题。根据本公开的实施例,获取与版图中的多个扰动图形和晶圆中的多个评估点有关的扰动信号信息。扰动信号信息包括多个扰动信号,每个扰动信号与一个扰动图形和一个评估点相对应。每个扰动信号可以用于模拟在基于该版图进行光刻的情况下由对应的扰动图形在对应的评估点处引起的光信号变化。基于扰动信号信息,确定针对版图的成像成本梯度,其指示版图中的图形变化所引起的成像成本变化。这样,基于所确定的成像成本梯度,优化版图,也即改变版图中的目标图形的形状、位置等。
在本公开的实施例中,针对各个扰动图形和各个评估点,预先获得扰动信号,而后基于这些扰动信号可以得出成像成本梯度,而无需解析地计算成本梯度。这是一种数值型成本梯度得出方式,其是对传统的解析方式的补充。也即,这丰富了OPC中成本梯度的计算方式,有利于根据实际情况灵活地选择合适的成本梯度得出方式。这进一步有利地提高了OPC的灵活性。
下面继续参考附图来详细描述本公开的示例实施例。
图2示出了根据本公开的一些实施例的用于版图处理的方法200的流程图。在一些实施例中,方法200可以由如图1所示的电子设备110执行。应当理解的是,方法200还可以包括未示出的附加框和/或可以省略所示出的某个(或者某些)框,本公开的范围在此方面不受限制。
在框210,电子设备110获取与版图120中的多个扰动图形和晶圆中的多个评估点有关的扰动信号信息。扰动信号信息包括多个扰动信号。每个扰动信号与多个扰动图形中的一个扰动图形和多个评估点中的一个评估点相对应,并且用于模拟在基于版图120进行光刻的情况下由对应的扰动图形在对应的评估点处引起的光信号变化。
多个扰动图形的数目为第一数目,多个评估点的数目为第二数目。在一些实施例中,第一数目与第二数目可以相同。在一些实施例中,第一数目与第二数目可以不同。
参考图3描述扰动图形和评估点的示例。图3示出了用于掩模的版图301(其可以视为版图120的一个示例)和与之对应的晶圆302。版图301包括多个扰动图形310-1、310-2、310-3、310-4……310-m,共m个扰动图形,其也统称为或单独称为扰动图形310,其中m可以是为任何大于1的整数。扰动图形可以视为对版图301的扰动,因此也可以称为掩模扰动。在下文中,可以使用dMask或dMask i来表示任一扰动图形,其中i的取值范围为1至m。应当理解的是,尽管未示出,版图301包括一个或多个目标图形(类似于目标图形122)。此外,图3中所示的扰动图形的数目和形状仅是示例性的,而无意任何限制。
晶圆302上设置了多个评估点(evaluation point)320-1、320-2、320-3、320-4、320-5……320-n,共n个评估点,其也统称或单独称为评估点320,其中n可以是为任何大于1的整数。尽管称为点,但应当理解,评估点指代晶圆上的测量位置或评估位置,这样的位置或评估点可以用坐标(x, y)来表示。在下文中,可以使用ep或epj来表示任一评估点,其中j的取值范围为1至n。
由此,可以得到m×n个扰动信号。每个扰动信号与m个扰动图形中的一个扰动图形和n个评估点中的一个评估点相对应,并且用于模拟在基于版图120进行光刻的情况下由对应的扰动图形在对应的评估点处引起的光信号变化。光信号例如可以是光强度或图像强度。在下文中,使用Intensity ep来表示任一评估点处的光信号。
在这种情况下,任一扰动信号可以表示为。例如,扰动信号是对应于第i个扰动图形和第j个评估点的扰动信号。
从以上描述可以看出,在框210处,预先确定与任一对扰动图形和评估点对应的扰动信号,并且将这些扰动信号构建成扰动信号信息。可以以任何合适的形式来实现扰动信号信息。在一些实施例中,这些扰动信号可以构成扰动信号集合,以作为扰动信号信息。
考虑到扰动信号涉及到扰动图形和评估点,因此可以按照扰动信号维度和评估点维度来存储这些扰动信号。在一些实施例中,可以构建表格来存储这些扰动信号。例如,表格的行可以对应于评估点维度,列可以对应于扰动图形维度,也即不同的行对应于不同评估点,同一行中的不同列对应于不同扰动图形。
在一些实施例中,扰动信号信息可以由扰动信号矩阵表示,这些扰动信号中的每个扰动信号是扰动信号矩阵中的一个元素。扰动信号矩阵的第一维度对应于扰动图形,扰动信号矩阵的第二维度对应于评估点。例如,扰动信号矩阵的行可以对应于评估点维度,列可以对应于扰动图形维度,也即不同的行对应于不同评估点,同一行中的不同列对应于不同扰动图形。扰动信号矩阵可以如下式:
(1)
其中矩阵的任一元素(j为1至n,i为1至m)表示扰动信号。诸如式(1)所示的矩阵是一种雅可比(Jacobian)矩阵,其用于表示任一掩模扰动对任一评估点的图像强度的影响。
可以通过任何合适的方式来得到扰动信号,本公开的实施例在此方面不受限制。下面仅出于说明的目的描述一个可能得示例实现,但这无意任何限制。
作为示例,可以获取分别由版图120中的多个采样点对光信号引起的扰动值。这些采样点在版图120中可以是密集分布地。采样点处的扰动值的计算可以利用光刻模型的核函数来进行。本领域技术人员能够想到合适的方法来计算扰动值。然后,针对第i个扰动图形,假设其具有第一顶点(x1, y1)、第二顶点(x2, y2)、第三顶点(x3, y3)和第四顶点(x4,y4),并且晶圆中的第j个评估点具有坐标(xj, yj)。将这四个顶点的坐标进行坐标转换后得到这四个顶点分别对应的转换后的坐标。这四个顶点的转换后的坐标可以表示这四个顶点相对于第j个评估点的位置。坐标转换例如可以通过坐标相减的方式,这四个顶点转换后的坐标分别为(x1- xj, y1- yj)、(x2- xj, y2- yj)、(x3- xj, y3- yj)和(x4- xj, y4-yj)。
进而基于这四个顶点的转换后的坐标能够得到这四个顶点在版图中的位置。然后再基于这四个顶点在版图中的位置从上述的采样点选取四个目标采样点。例如,可以将采样点中与该转换后的坐标最接近的采样点确定为目标采样点。将这四个目标采样点的扰动值作为这四个顶点对应的扰动值。接下来,可以基于这些顶点的扰动值,确定与该扰动图形和第j个评估点对应的扰动信号。例如,可以对多个顶点对应的扰动值进行线性运算,将线性运算的结果确定为扰动信号。
以上描述了扰动信号的示例计算过程,但应当理解这仅是示例性的,而无意任何限制。由此,可以利用各个扰动信号构建扰动信号信息,例如扰动信号矩阵。
继续参考图2。在框220,电子设备110基于扰动信号信息,确定针对版图的成像成本梯度。成像成本梯度,也简称为成本梯度,指示版图中的图形变化所引起的成像成本变化。例如,可以根据成本函数的具体定义,利用扰动信号信息中包含的各个扰动信号来计算成像成本梯度。
在一些实施例中,可以将这些扰动信号划分为分别与n个评估点对应的多组扰动信号。这样,可以得到n组扰动信号。多组扰动信号中的每组扰动信号模拟由m个扰动图形在所对应的评估点处引起的光信号变化。换言之,在这种实施例中,先将m×n个扰动信号按照与评估点的对应关系,划分为n组扰动信号。每组扰动信号包括m个扰动信号,其分别对应于m个扰动图形。
在该实施例中是按照评估点来划分这些扰动信号。应当理解的是,取决于成本函数的定义,也可以按照扰动图形来划分这些扰动信号,例如将这些扰动信号划分为分别与m个扰动图形对应的m组扰动信号,每组扰动信号包括分别对应于n个评估点的n个扰动信号。
在一些实施例中,如上文所描述的,扰动信号信息可以由扰动信号矩阵表示,这些扰动信号中的每个扰动信号是扰动信号矩阵中的一个元素。扰动信号矩阵的第一维度对应于扰动图形,扰动信号矩阵的第二维度对应于评估点。在这种实施例中,每组扰动信号对应于所述第一维度上的扰动信号。例如,对于式(1)所示的扰动信号矩阵,每组扰动信号可以对应于扰动信号矩阵中的一行。
通过上述过程,得到了n组扰动信号。而后,可以基于多组扰动信号和n个评估点处所模拟的相应光信号强度,得出成像成本梯度。可以理解的是,评估点处所模拟的光信号强度可以是由模拟器生成的。在计算改变梯度时,优化器或求解器可以利用所模拟的光信号强度。
取决于成本函数的具体定义形式,可以采用任何适当的方式来得出成本梯度。在一些实施例中,针对n组扰动信号中的每组扰动信号,可以基于与该组扰动信号对应的评估点处所模拟的光信号强度和强度阈值,更新该组扰动信号。这样,可以获得n组经更新扰动信号。接下来,通过组合这n组经更新扰动信号,可以得出成像成本梯度。
示例性的,描述一个示例。假设成本函数的定义如下式:
Cost =(2)
其中cost表示成像成本,Intensity ep表示评估点ep处所模拟的光强度,Intensity th表示光强度阈值。
在成本函数如式(1)所定义的情况下,成像成本梯度可以如下式所示:
dCost/dMask=
2×(3)
其中dCost/dMask表示成像成本梯度,在该示例中其是一个m维向量。根据式(3),对n个评估点求和,其中对于任一评估点ep,是一个m维向量,并且表示式(1)所示的矩阵中与该评估点对应的一行,也即是与该评估点对应的一组扰动信号。例如,对于ep=1(第一个评估点),表示式(1)所示的矩阵中的第一行。
取决于成本函数的具体定义,可以以相应的适当方式来更新扰动信号。例如,在一些实施例中,针对n组扰动信号中的每组扰动信号,可以基于与该组扰动信号对应的评估点处所模拟的光信号强度与所述强度阈值之间的差异,确定针对该组扰动信号的缩放因子。通过向该组扰动信号中的每个扰动信号应用缩放因子,更新该组扰动信号。
继续上文所描述的式(2)和式(3)的示例。相应地,或可以视为缩放因子,其被应用于扰动信号矩阵中的同一行中的每个扰动信号。这样,可以得到一组经更新的扰动信号或。
下面来描述如何组合n组经更新扰动信号来得到成像成本梯度的示例实施例。在一些实施例中,成像成本梯度可以包括分别与多个扰动图形对应的多个梯度分量,也即分别与m个扰动图形对应的m个梯度分量,如上文参考式(3)所描述的,dCost/dMask是一个m维向量。在这种实施例中,可以相应地确定每个梯度分量,以得到最终的成本梯度,例如成本梯度向量。例如,针对m个扰动图形中的第i个扰动图形(也称为给定扰动图形),从上述的n组经更新扰动信号中的每组经更新扰动信号中,确定与第i个扰动图形对应的经更新扰动信号,以获得与第i个扰动图形对应的多个经更新扰动信号,也即n个经更新扰动信号。而后,可以将这n个经更新扰动信号之和确定为与第i个图形对应的梯度分量。
继续上文式(3)的示例。一组经更新的扰动信号或被表示为m维向量,其中每个维度对应于一个扰动图形。而后,可以按照求和符号,对每个维度在n个评估点上求和。例如,对于m个维度中的第一个维度,也即式(1)所示的矩阵的第一列,将第一列中的n个数值相加。由此,可以得到最终的m维向量作为成像成本梯度。
以上主要以式(2)所示的成本函数作为示例描述了成本梯度的示例得出。这种成本函数是常用的一种类型的成本函数,其可以较好地反应成本降低的目的。但应当理解,本公开的实施例在使用任何类型的成本函数方面不受限制。也可以定义其他类型的成本函数,例如指数型、对数型、多项式型。根据成本函数的具体定义,可以以任何合适的方式来利用预先确定的这些扰动信号。利用这些扰动信号,无需解析地计算成本梯度,而是可以数值型计算成本梯度。
继续过程200。在框230,电子设备110基于成像成本梯度,优化版图120。可以理解的是,成像成本梯度提供了关于成本梯度降低的信息,优化版图的目标是降低利用版图进行成像的成本。
在一些实施例中,可以基于成像成本梯度,通过最小化版图120的成像成本,调整版图120中的一个或多个目标图形。例如,图1的示例,目标图形122被调整为图形132。示例性的,可以基于所确定的成像成本梯度,构建最小化成像成本的优化问题。通过求解该优化问题来调整目标图形。
在一些实施例中,对一个或多个目标图形的调整可以包括调整目标图形在版图中的位移大小,和/或调整目标图形在版图中的位移方向。备选地或附加地,还可以调整某个或某个目标图形的大小等。
以上参考图2描述了成本梯度的数值型计算模式。在一些实施例中,可以支持用户根据实际需求或偏好选择以何种方式来计算成本梯度,例如可以支持用户选择本公开实施例的数值型计算方式或常规的解析式计算方式。
在一些实施例中,可以接收关于成本梯度计算模式的用户输入。如果用户输入指示数值型计算模式,则确定采用以上所描述的数值型计算方式。在这种情况下,电子设备110可以响应于用户输入指示数值型计算模式而获取上文描述的扰动信号信息。
备选地或附加地,在一些实施例中,电子设备110或版图优化器可以根据实际优化场景而自主地选择合适的计算模式。例如,与解析式计算模式相比,数值型计算模式可能更适合于成本梯度比较稀疏的情况。如果扰动图形的数目小于第一数目阈值或评估点的数目小于第二数目阈值,可以自主地采用数值型计算模式。又如,如果用于光刻模拟的核函数是不可微分的,可以自主地采用数值型计算模式。
图4A示出了根据本公开的一些实施例的对版图进行处理的结果的示意图。在图4A中,示出了第一原始图形410和第二原始图形420。原始图形也被称为原始目标图形,用于指代未经过处理的版图上的图形。在根据本公开的实施例对版图上的各个原始图形处理之后,可以得到相应的多个优化图形。例如,第一原始图形410可以被调整为第一优化图形415,第二原始图形420可以被调整为第二优化图形425。
通过比较,将版图中的原始图形调整为优化图形,能够降低版图的成像成本。换句话说,根据本公开的实施例对版图中的图形进行移动或调整后,能够提高版图的质量。采用处理后的版图来进行光刻,能够在晶圆上获得令人满意的成像结果。
图4B示出了根据本公开的一些实施例的成像成本的变化示例。图4B中的每一行代表一次迭代后的成像成本,并且在该示例中,成像成本包括7个分量,也即分量431、432、433、434、435、436、437。以分量437为例,开始的成像成本是1448.507142,经过7次迭代后成本降低到0.370899,成本降低超过了4000倍。
由此可见,利用本公开的方案,掩模优化器能够实现满意的掩模版图。
在本公开的实施例中,针对各个扰动图形和各个评估点,预先获得扰动信号,而后基于这些扰动信号可以得出成像成本梯度,而无需解析地计算成本梯度。这种数值型计算模式是对传统的解析方式的补充。也即,这丰富了OPC中成本梯度的计算方式,有利于根据实际情况灵活地选择合适的成本梯度得出方式。这进一步有利地提高了OPC的灵活性。
图5示出了其中可以实施本公开的一个或多个实施例的电子设备500的框图。该电子设备500例如可以用于实现如图1所示的电子设备110。应当理解,图5所示出的电子设备500仅仅是示例性的,而不应当构成对本文所描述的实施例的功能和范围的任何限制。
如图5所示,电子设备500是通用电子设备的形式。电子设备500的组件可以包括但不限于一个或多个处理器510或处理单元、存储器520、存储设备530、一个或多个通信单元540、一个或多个输入设备550以及一个或多个输出设备560。处理单元可以是实际或虚拟处理器并且能够根据存储器520中存储的程序来执行各种处理。在多处理器系统中,多个处理单元并行执行计算机可执行指令,以提高电子设备500的并行处理能力。
电子设备500通常包括多个计算机存储介质。这样的介质可以是电子设备500可访问的任何可以获得的介质,包括但不限于易失性和非易失性介质、可拆卸和不可拆卸介质。存储器520可以是易失性存储器(例如寄存器、高速缓存、随机访问存储器(RAM))、非易失性存储器(例如,只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、闪存)或它们的某种组合。存储设备530可以是可拆卸或不可拆卸的介质,并且可以包括机器可读介质,诸如闪存驱动、磁盘或者任何其他介质,其可以能够用于存储信息和/或数据(例如用于训练的训练数据)并且可以在电子设备500内被访问。
电子设备500可以进一步包括另外的可拆卸/不可拆卸、易失性/非易失性存储介质。尽管未在图5中示出,可以提供用于从可拆卸、非易失性磁盘(例如“软盘”)进行读取或写入的磁盘驱动和用于从可拆卸、非易失性光盘进行读取或写入的光盘驱动。在这些情况中,每个驱动可以由一个或多个数据介质接口被连接至总线(未示出)。存储器520可以包括计算机程序产品525,其具有一个或多个程序模块,这些程序模块被配置为执行本公开的各种实施例的各种方法或动作。
通信单元540实现通过通信介质与其他电子设备进行通信。附加地,电子设备500的组件的功能可以以单个计算集群或多个计算机器来实现,这些计算机器能够通过通信连接进行通信。因此,电子设备500可以使用与一个或多个其他服务器、网络个人计算机(PC)或者另一个网络节点的逻辑连接来在联网环境中进行操作。
输入设备550可以是一个或多个输入设备,例如鼠标、键盘、追踪球等。输出设备560可以是一个或多个输出设备,例如显示器、扬声器、打印机等。电子设备500还可以根据需要通过通信单元540与一个或多个外部设备(未示出)进行通信,外部设备诸如存储设备、显示设备等,与一个或多个使得用户与电子设备500交互的设备进行通信,或者与使得电子设备500与一个或多个其他电子设备通信的任何设备(例如,网卡、调制解调器等)进行通信。这样的通信可以经由输入/输出(I/O)接口(未示出)来执行。
根据本公开的示例性实现方式,提供了一种计算机可读存储介质,其上存储有一条或多条计算机指令,其中一条或多条计算机指令被处理器执行以实现上文描述的方法。
这里参照根据本公开实现的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读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单元,从而生产出一种机器,使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实现的系统、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、程序段或指令的一部分,模块、程序段或指令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。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,两个连续的方框实际上可以基本并行地执行,它们有时也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,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动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。
以上已经描述了本公开的各实现,上述说明是示例性的,并非穷尽性的,并且也不限于所公开的各实现。在不偏离所说明的各实现的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实现的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其他普通技术人员能理解本文公开的各实现。
Claims (20)
1.一种版图处理方法,包括:
获取与版图中的多个扰动图形和晶圆中的多个评估点有关的扰动信号信息,所述扰动信号信息包括多个扰动信号,每个扰动信号与一个扰动图形和一个评估点相对应,所述多个扰动信号被划分为分别与所述多个评估点对应的多组扰动信号;
针对所述多组扰动信号中的每组扰动信号,通过向该组扰动信号中的每个扰动信号应用缩放因子,更新该组扰动信号以获得多组经更新扰动信号,其中所述缩放因子是基于与该组扰动信号对应的评估点处所模拟的光信号强度与强度阈值之间的差异而确定的;
通过组合所述多组经更新扰动信号来得出针对所述版图的成像成本梯度,所述成像成本梯度指示所述版图中的图形变化所引起的成像成本变化;以及
基于所述成像成本梯度,优化所述版图。
2.根据权利要求1所述的版图处理方法,其特征在于,所述扰动信号信息由扰动信号矩阵表示,所述多个扰动信号中的每个扰动信号是所述扰动信号矩阵中的一个元素。
3.根据权利要求2所述的版图处理方法,其特征在于,所述扰动信号矩阵的第一维度对应于所述多个扰动图形,所述扰动信号矩阵的第二维度对应于所述多个评估点,
所述多组扰动信号中的每组扰动信号对应于所述第一维度上的扰动信号。
4.根据权利要求1所述的版图处理方法,其特征在于,所述成像成本梯度包括分别与所述多个扰动图形对应的多个梯度分量,并且通过组合所述多组经更新扰动信号来得出所述成像成本梯度包括:
针对所述多个扰动图形中的给定扰动图形,
从每组经更新扰动信号中,确定与所述给定扰动图形对应的经更新扰动信号,以获得与所述给定扰动图形对应的多个经更新扰动信号;以及
将所述多个经更新扰动信号之和确定为与所述给定扰动图形对应的梯度分量。
5.根据权利要求1所述的版图处理方法,其特征在于,基于所述成像成本梯度,优化所述版图包括:
基于所述成像成本梯度,通过最小化所述版图的成像成本,调整所述版图中的一个或多个目标图形。
6. 根据权利要求5所述的版图处理方法,其特征在于,调整所述一个或多个目标图形包括调整给定目标图形的以下至少一项:
所述给定目标图形在所述版图中的位移大小,或
所述给定目标图形在所述版图中的位移方向。
7.根据权利要求1所述的版图处理方法,其特征在于,所述多个扰动图形的数目为第一数目,所述多个评估点的数目为第二数目,所述第一数目与所述第二数目不同。
8.根据权利要求1所述的版图处理方法,其特征在于,所述版图处理方法还包括:
接收关于成本梯度计算模式的用户输入,并且获取所述扰动信号信息是响应于所述用户输入指示数值型计算模式。
9.根据权利要求1所述的版图处理方法,其特征在于,获取所述扰动信号信息是响应于以下至少一项:
所述多个扰动图形的数目小于第一数目阈值,
所述多个评估点的数目小于第二数目阈值,或
用于光刻模拟的核函数是不可微分的。
10.一种电子设备,其特征在于,包括:
至少一个处理单元;以及
至少一个存储器,所述至少一个存储器被耦合到所述至少一个处理单元并且存储用于由所述至少一个处理单元执行的指令,所述指令在由所述至少一个处理单元执行时使所述电子设备执行版图处理方法,所述版图处理方法包括:
获取与版图中的多个扰动图形和晶圆中的多个评估点有关的扰动信号信息,所述扰动信号信息包括多个扰动信号,每个扰动信号与一个扰动图形和一个评估点相对应,所述多个扰动信号被划分为分别与所述多个评估点对应的多组扰动信号;
针对所述多组扰动信号中的每组扰动信号,通过向该组扰动信号中的每个扰动信号应用缩放因子,更新该组扰动信号以获得多组经更新扰动信号,其中所述缩放因子是基于与该组扰动信号对应的评估点处所模拟的光信号强度与强度阈值之间的差异而确定的;
通过组合所述多组经更新扰动信号来得出针对所述版图的成像成本梯度,所述成像成本梯度指示所述版图中的图形变化所引起的成像成本变化;以及
基于所述成像成本梯度,优化所述版图。
11.根据权利要求10所述的电子设备,其特征在于,所述扰动信号信息由扰动信号矩阵表示,所述多个扰动信号中的每个扰动信号是所述扰动信号矩阵中的一个元素。
12.根据权利要求11所述的电子设备,其特征在于,所述扰动信号矩阵的第一维度对应于所述多个扰动图形,所述扰动信号矩阵的第二维度对应于所述多个评估点,
所述多组扰动信号中的每组扰动信号对应于所述第一维度上的扰动信号。
13.根据权利要求10所述的电子设备,其特征在于,所述成像成本梯度包括分别与所述多个扰动图形对应的多个梯度分量,并且通过组合所述多组经更新扰动信号来得出所述成像成本梯度包括:
针对所述多个扰动图形中的给定扰动图形,
从每组经更新扰动信号中,确定与所述给定扰动图形对应的经更新扰动信号,以获得与所述给定扰动图形对应的多个经更新扰动信号;以及
将所述多个经更新扰动信号之和确定为与所述给定扰动图形对应的梯度分量。
14.根据权利要求10所述的电子设备,其特征在于,基于所述成像成本梯度,优化所述版图包括:
基于所述成像成本梯度,通过最小化所述版图的成像成本,调整所述版图中的一个或多个目标图形。
15. 根据权利要求14所述的电子设备,其特征在于,调整所述一个或多个目标图形包括调整给定目标图形的以下至少一项:
所述给定目标图形在所述版图中的位移大小,或
所述给定目标图形在所述版图中的位移方向。
16.根据权利要求10所述的电子设备,其特征在于,所述多个扰动图形的数目为第一数目,所述多个评估点的数目为第二数目,所述第一数目与所述第二数目不同。
17.根据权利要求10所述的电子设备,其特征在于,所述版图处理方法还包括:
接收关于成本梯度计算模式的用户输入,并且获取所述扰动信号信息是响应于所述用户输入指示数值型计算模式。
18.根据权利要求10所述的电子设备,其特征在于,获取所述扰动信号信息是响应于以下至少一项:
所述多个扰动图形的数目小于第一数目阈值,
所述多个评估点的数目小于第二数目阈值,或
用于光刻模拟的核函数是不可微分的。
19.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,其特征在于,所述计算机程序可由处理器执行以实现版图处理方法,所述版图处理方法包括:
获取与版图中的多个扰动图形和晶圆中的多个评估点有关的扰动信号信息,所述扰动信号信息包括多个扰动信号,每个扰动信号与一个扰动图形和一个评估点相对应,所述多个扰动信号被划分为分别与所述多个评估点对应的多组扰动信号;
针对所述多组扰动信号中的每组扰动信号,通过向该组扰动信号中的每个扰动信号应用缩放因子,更新该组扰动信号以获得多组经更新扰动信号,其中所述缩放因子是基于与该组扰动信号对应的评估点处所模拟的光信号强度与强度阈值之间的差异而确定的;
通过组合所述多组经更新扰动信号来得出针对所述版图的成像成本梯度,所述成像成本梯度指示所述版图中的图形变化所引起的成像成本变化;以及
基于所述成像成本梯度,优化所述版图。
20.根据权利要求19所述的计算机可读存储介质,其特征在于,所述扰动信号信息由扰动信号矩阵表示,所述多个扰动信号中的每个扰动信号是所述扰动信号矩阵中的一个元素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410359609.1A CN117973307B (zh) | 2024-03-26 | 2024-03-26 | 用于版图处理的方法、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410359609.1A CN117973307B (zh) | 2024-03-26 | 2024-03-26 | 用于版图处理的方法、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117973307A CN117973307A (zh) | 2024-05-03 |
CN117973307B true CN117973307B (zh) | 2024-06-28 |
Family
ID=90848133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410359609.1A Active CN117973307B (zh) | 2024-03-26 | 2024-03-26 | 用于版图处理的方法、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117973307B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11061321B1 (en) * | 2019-06-24 | 2021-07-13 | Synopsys, Inc. | Obtaining a mask using a cost function gradient from a Jacobian matrix generated from a perturbation look-up table |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8572517B2 (en) * | 2008-06-10 | 2013-10-29 | Cadence Design Systems, Inc. | System and method for modifying a data set of a photomask |
US8415077B2 (en) * | 2010-08-13 | 2013-04-09 | International Business Machines Corporation | Simultaneous optical proximity correction and decomposition for double exposure lithography |
US20230100578A1 (en) * | 2020-02-12 | 2023-03-30 | Asml Netherlands B.V. | Method for determining a mask pattern comprising optical proximity corrections using a trained machine learning model |
CN115004107A (zh) * | 2020-02-14 | 2022-09-02 | 美商新思科技有限公司 | 用于开发光刻掩模的布局的骨架表示 |
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 |
CN117957495A (zh) * | 2021-10-29 | 2024-04-30 | 华为技术有限公司 | 重定义版图图形的方法、装置、设备、介质和程序产品 |
CN115630599B (zh) * | 2022-12-20 | 2023-03-28 | 全芯智造技术有限公司 | 用于版图处理的方法、设备和介质 |
CN115935901A (zh) * | 2022-12-21 | 2023-04-07 | 全芯智造技术有限公司 | 用于版图处理的方法、设备和介质 |
CN117192888A (zh) * | 2023-08-25 | 2023-12-08 | 香港科技大学(广州) | 一种光学临近效应校正方法、系统、设备及存储介质 |
CN117010318B (zh) * | 2023-09-27 | 2023-12-22 | 全芯智造技术有限公司 | 用于版图处理的方法、设备和介质 |
CN117391040A (zh) * | 2023-09-28 | 2024-01-12 | 东方晶源微电子科技(北京)股份有限公司 | 仿真坏点的修正方法、神经网络训练方法及存储介质 |
-
2024
- 2024-03-26 CN CN202410359609.1A patent/CN117973307B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11061321B1 (en) * | 2019-06-24 | 2021-07-13 | Synopsys, Inc. | Obtaining a mask using a cost function gradient from a Jacobian matrix generated from a perturbation look-up table |
Also Published As
Publication number | Publication date |
---|---|
CN117973307A (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | DevelSet: Deep neural level set for instant mask optimization | |
CN114326289B (zh) | 用于执行光学邻近校正的方法、设备和存储介质 | |
CN111339724B (zh) | 用于生成数据处理模型和版图的方法、设备和存储介质 | |
CN117010318B (zh) | 用于版图处理的方法、设备和介质 | |
WO2022083527A1 (zh) | 确定逻辑核布局的方法、模型训练方法、电子设备、介质 | |
KR20220041117A (ko) | 인공 신경망에 의해 예측된 고장 모드들에 기초한 레티클 향상 기법 레시피들의 적용 | |
CN115935901A (zh) | 用于版图处理的方法、设备和介质 | |
CN113779779A (zh) | 优化掩模的方法、设备和计算机可读存储介质 | |
TW202145053A (zh) | 微影遮罩之開發之佈局的骨架表示 | |
CN110020450B (zh) | 温度估算装置及温度估算方法 | |
CN117669473B (zh) | 用于模型校准的方法、电子设备及存储介质 | |
US8347255B2 (en) | Equation based retargeting of design layouts | |
Barath et al. | Relative pose from sift features | |
Vanegas et al. | Multi-port abstraction layer for FPGA intensive memory exploitation applications | |
CN117973307B (zh) | 用于版图处理的方法、设备和介质 | |
CN115630600B (zh) | 用于版图处理的方法、设备和介质 | |
CN115390372B (zh) | 一种光刻系统掩模成像方法、装置及系统 | |
CN113570028A (zh) | 用于在神经网络中处理数据的静态生成的经编译表示 | |
CN115933330A (zh) | 热点检测方法、设备和介质 | |
CN117973308B (zh) | 用于版图处理的方法、设备和介质 | |
CN117272919A (zh) | 光刻掩膜的更新方法、装置、设备及存储介质 | |
Beckman et al. | Scalable computations for nonstationary Gaussian processes | |
CN118363252B (zh) | 用于版图处理的方法、设备和介质 | |
CN114580624A (zh) | 用于训练神经网络的方法、设备和计算机可读存储介质 | |
CN114580625A (zh) | 用于训练神经网络的方法、设备和计算机可读存储介质 |
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 |