[發明專利]一種基于神經網絡模型確定芯片全掩模聚焦參數的方法

有效

• 申請號: 201810509566.5
• 申請日: 2018-05-24
• 公開（公告）號: CN108875141B
• 公開（公告）日: 2022-08-19
• 發明（設計）人: 時雪龍;趙宇航;陳壽面;李銘;袁偉;李琛;郭奧
• 申請（專利權）人: 上海集成電路研發中心有限公司
• 主分類號: G06F30/39
• 分類號: G06F30/39;G06N3/08
• 代理公司: 上海天辰知識產權代理事務所(特殊普通合伙) 31275
• 代理人: 吳世華;馬盼

1.一種基于神經網絡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：訓練神經網絡模型，具體包括：

S011：在訓練芯片上選擇M個訓練圖形；將每個訓練圖形經過光學鄰近校正之后生成對應的目標圖形，將該目標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練圖形對應的目標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，是已知的有效光刻掩模傳輸函數，(x,y)為訓練圖形對應目標圖形中該探測點的坐標；

S014：采用上述每個探測點的輸入向量與該探測點對應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練，得出訓練后的神經網絡模型；

所述神經網絡模型的輸入輸出關系采用如下方程進行計算：

其中，w_i,j、c、ω_v,t、μ_v,t為所述神經網絡模型的參數，S_i為芯片圖形對應目標圖形上的第i個輸入向量；P_j表示神經網絡模型的輸出，y_t表示激活函數；

S02：利用上述訓練后的神經網絡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過光學鄰近校正之后生成對應的目標圖形，將每個目標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的目標圖形中每個探測點對應的輸入向量，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，是已知的有效光刻掩模傳輸函數，(x,y)為待計算芯片圖形對應的目標圖形中該探測點的坐標；

S023：將上述待計算芯片圖形對應的目標圖形中每個探測點的輸入向量輸入至步驟S01中的神經網絡模型中，計算該探測點對應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.根據權利要求1所述的一種基于神經網絡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通過高NA矢量霍普金斯成像方程計算得出。

3.根據權利要求1所述的一種基于神經網絡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，訓練后的神經網絡模型對應為多層感知神經網絡模型。

4.根據權利要求1所述的一種基于神經網絡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練，得出神經網絡模型。

5.根據權利要求1所述的一種基于神經網絡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。