[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡(luò)模型確定芯片全掩模聚焦參數(shù)的方法有效
| 申請?zhí)枺?/td> | 201810509566.5 | 申請日: | 2018-05-24 |
| 公開(公告)號: | CN108875141B | 公開(公告)日: | 2022-08-19 |
| 發(fā)明(設(shè)計)人: | 時雪龍;趙宇航;陳壽面;李銘;袁偉;李琛;郭奧 | 申請(專利權(quán))人: | 上海集成電路研發(fā)中心有限公司 |
| 主分類號: | G06F30/39 | 分類號: | G06F30/39;G06N3/08 |
| 代理公司: | 上海天辰知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 31275 | 代理人: | 吳世華;馬盼 |
| 地址: | 201210 上*** | 國省代碼: | 上海;31 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 神經(jīng)網(wǎng)絡(luò) 模型 確定 芯片 全掩模 聚焦 參數(shù) 方法 | ||
1.一種基于神經(jīng)網(wǎng)絡(luò)模型確定芯片全掩模最佳聚焦分布圖和最佳聚焦窗口深度分布圖的方法,其特征在于,包括如下步驟:
S01:訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型,具體包括:
S011:在訓(xùn)練芯片上選擇M個訓(xùn)練圖形;將每個訓(xùn)練圖形經(jīng)過光學(xué)鄰近校正之后生成對應(yīng)的目標(biāo)圖形,將該目標(biāo)圖形的邊緣分割成片段,每個片段的中心為一個探測點;
S012:采用仿真工具計算上述訓(xùn)練圖形對應(yīng)的目標(biāo)圖形中每個片段的最佳聚焦位置和最佳聚焦窗口深度;
S013:計算每個探測點對應(yīng)的輸入向量,所述輸入向量為:其中,為由光刻工藝成像條件所決定的特征核函數(shù),是已知的有效光刻掩模傳輸函數(shù),(x,y)為訓(xùn)練圖形對應(yīng)目標(biāo)圖形中該探測點的坐標(biāo);
S014:采用上述每個探測點的輸入向量與該探測點對應(yīng)片段的最佳聚焦分布圖和最佳聚焦窗口深度分布圖對感知器進行訓(xùn)練,得出訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型;
所述神經(jīng)網(wǎng)絡(luò)模型的輸入輸出關(guān)系采用如下方程進行計算:
其中,wi,j、c、ωv,t、μv,t為所述神經(jīng)網(wǎng)絡(luò)模型的參數(shù),Si為芯片圖形對應(yīng)目標(biāo)圖形上的第i個輸入向量;Pj表示神經(jīng)網(wǎng)絡(luò)模型的輸出,yt表示激活函數(shù);
S02:利用上述訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型確定待計算芯片最佳聚焦分布圖和最佳聚焦窗口深度分布圖,具體步驟包括:
S021:將待計算芯片上的圖形經(jīng)過光學(xué)鄰近校正之后生成對應(yīng)的目標(biāo)圖形,將每個目標(biāo)圖形的邊緣分割成片段,每個片段的中心為一個探測點;
S022:計算待計算芯片圖形對應(yīng)的目標(biāo)圖形中每個探測點對應(yīng)的輸入向量,所述輸入向量為:其中,為由光刻工藝成像條件所決定的特征核函數(shù),是已知的有效光刻掩模傳輸函數(shù),(x,y)為待計算芯片圖形對應(yīng)的目標(biāo)圖形中該探測點的坐標(biāo);
S023:將上述待計算芯片圖形對應(yīng)的目標(biāo)圖形中每個探測點的輸入向量輸入至步驟S01中的神經(jīng)網(wǎng)絡(luò)模型中,計算該探測點對應(yīng)片段的最佳聚焦位置和最佳聚焦窗口深度;
S024:將上述得出的每個片段的最佳聚焦位置和最佳聚焦窗口深度和掩模上的芯片布局結(jié)合起來,即可得出待計算芯片全掩模最佳聚焦分布圖和最佳聚焦窗口深度分布圖。
2.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)模型確定芯片全掩模最佳聚焦分布圖和最佳聚焦窗口深度分布圖的方法,其特征在于,由光刻工藝成像條件所決定的特征核函數(shù)通過高NA矢量霍普金斯成像方程計算得出。
3.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)模型確定芯片全掩模最佳聚焦分布圖和最佳聚焦窗口深度分布圖的方法,其特征在于,所述步驟S014中感知器為多層感知器,訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型對應(yīng)為多層感知神經(jīng)網(wǎng)絡(luò)模型。
4.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)模型確定芯片全掩模最佳聚焦分布圖和最佳聚焦窗口深度分布圖的方法,其特征在于,所述步驟S014中采用反向傳播算法對感知器進行訓(xùn)練,得出神經(jīng)網(wǎng)絡(luò)模型。
5.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)模型確定芯片全掩模最佳聚焦分布圖和最佳聚焦窗口深度分布圖的方法,其特征在于,根據(jù)掩模上的芯片圖形布局,將得出的每個片段上的最佳聚焦位置連接起來,形成該芯片全掩模最佳聚焦分布圖;根據(jù)掩模上的芯片圖形布局,將得出的每個片段上的最佳聚焦窗口深度連接起來,形成該掩模上全掩模最佳聚焦窗口深度分布圖。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于上海集成電路研發(fā)中心有限公司,未經(jīng)上海集成電路研發(fā)中心有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810509566.5/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計算設(shè)備及計算機存儲介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲介質(zhì)和計算機設(shè)備
- 一種適應(yīng)目標(biāo)數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置





