[發明專利]一種建立輔助圖形曝光模型的方法

在審

• 申請號: 201811591848.0
• 申請日: 2018-12-25
• 公開（公告）號: CN109491195A
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 盧意飛
• 申請（專利權）人: 上海微阱電子科技有限公司
• 主分類號: G03F1/36
• 分類號: G03F1/36
• 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: 陶金龍;張磊

1.一種建立輔助圖形曝光模型的方法，其特征在于，包括以下步驟：

步驟S01：設計測試圖形，所述測試圖形包含標準圖形和輔助圖形；

步驟S02：收集在線線寬量測數據及輔助圖形曝光數據；

步驟S03：建立測試圖形版圖與線寬量測數據及輔助圖形曝光數據之間的對應文件；

步驟S04：基于機器學習進行輔助圖形曝光模型擬合運算，建立輔助圖形曝光模型；

步驟S05：輸出輔助圖形曝光模型，進行OPC圖形修正與驗證。

2.根據權利要求1所述的建立輔助圖形曝光模型的方法，其特征在于，所述標準圖形包含一維圖形和二維圖形，并將多組輔助圖形添加在標準圖形周邊。

3.根據權利要求1所述的建立輔助圖形曝光模型的方法，其特征在于，所述步驟S02具體包括：在測試圖形設計結束后，制作測試圖形版圖，進行光刻工藝，并在硅片上收集各種版圖圖形在硅片上的線寬數據；其中，線寬數據包括沒有添加輔助圖形的部分和添加輔助圖形的部分；根據工藝確定的輔助圖形規則，分別選定輔助圖形未在硅片上曝光形成圖形的成像信息和在硅片上曝光形成圖形的成像信息，并保存輔助圖形成像的圖片與量測數據。

4.根據權利要求1所述的建立輔助圖形曝光模型的方法，其特征在于，步驟S03中，通過所述對應文件，在輔助圖形曝光模型擬合中進行輔助圖形信號的監控。

5.根據權利要求1所述的建立輔助圖形曝光模型的方法，其特征在于，步驟S04中，對于輔助圖形未在硅片上曝光形成圖形的情況，若輔助圖形曝光模型預測輔助圖形曝光產生圖形，則判斷為錯誤，若輔助圖形曝光模型預測輔助圖形未曝光產生圖形，則判斷為正確；反之，對于輔助圖形在硅片上曝光形成圖形的情況，若輔助圖形曝光模型預測輔助圖形未曝光產生圖形，則判斷為錯誤，若輔助圖形曝光模型預測輔助圖形曝光產生圖形，則判斷為正確；將輔助圖形曝光數據分成若干個分組，基于機器學習Boosting算法進行機器學習訓練，對輔助圖形曝光模型進行擬合運算，以建立輔助圖形曝光模型。

6.根據權利要求5所述的建立輔助圖形曝光模型的方法，其特征在于，將輔助圖形曝光數據分成若干個分組，對應形成若干個分類器，基于機器學習Boosting算法進行機器學習訓練時，具體包括以下步驟：

訓練第一個分類器，樣本的權重D為相同的均值；

通過一個弱分類器，得到樣本的分類預測標簽，與給出的樣本真實標簽對比，如果某個樣本預測錯誤，則它對應的錯誤值為該樣本的權重D，如果分類正確，則錯誤值為0；將最后累加樣本的錯誤率之和記為ε；

通過累加樣本的錯誤率之和ε，計算該弱分類器的權重α；

通過該弱分類器的權重α計算訓練下一個弱分類器樣本的權重D，如果對應樣本分類正確，則減小該樣本的權重D，如果樣本分類錯誤，則增加該樣本的權重D；

循環上述步驟，繼續訓練其他分類器。

7.根據權利要求6所述的建立輔助圖形曝光模型的方法，其特征在于，各所述分類器的樣本的權重D值不同。

8.根據權利要求6所述的建立輔助圖形曝光模型的方法，其特征在于，對經訓練的各所述分類器進行測試，過程如下：輸入一個樣本到訓練好的每個弱分類器中，則每個弱分類器都對應一個輸出標簽，然后將該輸出標簽乘以該弱分類器對應的權重α，用來訓練輔助圖形曝光模型的建立與優化。

9.根據權利要求6所述的建立輔助圖形曝光模型的方法，其特征在于，所述計算該弱分類器的權重α，滿足以下公式一：

其中，ε為最后累加樣本的錯誤率之和。

10.根據權利要求9所述的建立輔助圖形曝光模型的方法，其特征在于，通過該弱分類器的權重α計算訓練下一個弱分類器樣本的權重D，如果對應樣本分類正確，則減小該樣本的權重D，并滿足以下公式二：

如果樣本分類錯誤，則增加該樣本的權重D，并滿足以下公式三：