[發(fā)明專利]基于機器學(xué)習(xí)進(jìn)行逆向光刻最優(yōu)特征向量設(shè)計的方法

在審

• 申請?zhí)枺?/td>: 202010083839.1
• 申請日: 2020-02-10
• 公開（公告）號: CN111310407A
• 公開（公告）日: 2020-06-19
• 發(fā)明（設(shè)計）人: 時雪龍;趙宇航;陳壽面;李琛
• 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: G06F30/392
• 分類號: G06F30/392;G06F30/398;G06N3/04;G06N3/08;G06N20/00
• 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;尹一凡

一種基于機器學(xué)習(xí)進(jìn)行逆向光刻解的最優(yōu)特征向量設(shè)計方法，包括將設(shè)計目標(biāo)圖案劃分為多個網(wǎng)格單元；根據(jù)成像條件計算特征函數(shù)集{Ki(x,y)},i＝1,2,…N1；建立神經(jīng)網(wǎng)絡(luò)模型，選取訓(xùn)練需包括的訓(xùn)練樣本和驗證樣本；用特征函數(shù)集{Ki(x,y)}計算每個所述網(wǎng)格單元的信號集{Si(x,y)}；以及將嚴(yán)格逆向光刻在相應(yīng)位置的值作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練的目標(biāo)值；在訓(xùn)練時，采用不同的輸入端維度N1、隱藏層個數(shù)N2和每一隱藏層的神經(jīng)元的個數(shù)M₁,M₂,…M_N2的不同的組合，用訓(xùn)練樣本進(jìn)行訓(xùn)練，并采用驗證樣本進(jìn)行驗證，直到找到具有輸入端維度N1、隱藏層個數(shù)N2和每一隱藏層的神經(jīng)元的個數(shù)M₁,M₂,…M_N2滿意組合的神經(jīng)網(wǎng)絡(luò)模型為止。因此，本發(fā)明的設(shè)計方法使神經(jīng)網(wǎng)絡(luò)不再需要特征提取層，從而使網(wǎng)絡(luò)架構(gòu)簡化，縮短了訓(xùn)練時間。

技術(shù)領(lǐng)域

本發(fā)明屬于集成電路制造領(lǐng)域，尤其涉及基于機器學(xué)習(xí)進(jìn)行逆向光刻最優(yōu)特征向量的設(shè)計方法。

背景技術(shù)

計算光刻技術(shù)在半導(dǎo)體工業(yè)中起著至關(guān)重要的作用。當(dāng)半導(dǎo)體技術(shù)節(jié)點縮小至14nm及以下時，光刻技術(shù)也逐漸接近了其物理極限，光源掩模協(xié)同優(yōu)化(Source MaskOptimization，簡稱SMO)作為一種新型的分辨率增強技術(shù)，能夠顯著提升極限尺寸下半導(dǎo)體光刻的重疊工藝窗口，有效延伸當(dāng)前常規(guī)光刻技術(shù)的生存周期。SMO不僅是193nm浸潤式光刻技術(shù)的重要組成部分，也將是EUV光刻中必不可少的一種技術(shù)。

光源掩模協(xié)同優(yōu)化仿真計算的基本原理與基于模型的鄰近效應(yīng)修正類似。對掩模圖形的邊緣做移動，計算其與晶圓上目標(biāo)圖形的偏差，即邊緣放置誤差。在優(yōu)化時模型中故意引入曝光劑量、聚焦度、掩模版上圖形尺寸的擾動，計算這些擾動導(dǎo)致的晶圓上像的邊緣放置誤差。評價函數(shù)和優(yōu)化都是基于邊緣放置誤差實現(xiàn)的。光源掩模協(xié)同優(yōu)化計算出的結(jié)果，不僅包含一個像素化的光源，而且包括對輸入設(shè)計做的鄰近效應(yīng)修正。

在源掩模協(xié)同優(yōu)化之后，逆向光刻技術(shù)已經(jīng)成為計算光刻技術(shù)的最終前沿。然而，逆向光刻技術(shù)需要巨大計算硬件資源和很長的計算時間，實現(xiàn)嚴(yán)格的全芯片逆向光刻解，仍然是不切實際的。由于極紫外(EUV)掩模的3D效應(yīng)比起浸沒式光刻掩模更為明顯，在這種情況下，如果還試圖實現(xiàn)EUV的全芯片嚴(yán)格逆向光刻解時，計算量更大，變得更加耗時更加困難。

反向光刻技術(shù)(Inverse Lithography Technology，簡稱ILT)被認(rèn)為是面向45納米、32納米乃至22納米光刻的新一代分辨率增強技術(shù)。克服這一障礙的一個非常有希望的技術(shù)是充分利用日趨成熟的基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的機器學(xué)習(xí)技術(shù)，在計算光刻技術(shù)中，充分利用日趨成熟的基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的機器學(xué)習(xí)技術(shù)，具體地利用深度卷積神經(jīng)網(wǎng)絡(luò)(DCNN)，從而獲得逆向光刻技術(shù)(ILT)的解，并且比嚴(yán)格的逆向光刻計算快得多。

然而，在DCNN中，為了提取具有足夠分辨率和近似完整表示能力的特征向量，特征向量提取層非常復(fù)雜，并且缺乏實在的物理意義。為了提取具有足夠分辨率和近似完整表示能力的特征向量，DCNN網(wǎng)絡(luò)的訓(xùn)練需要大量的均衡的樣本，這使得訓(xùn)練更加困難和耗時。

發(fā)明內(nèi)容

為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下：

一種基于機器學(xué)習(xí)進(jìn)行逆向光刻解的最優(yōu)特征向量設(shè)計方法，用于預(yù)測/計算逆向光刻解的值；所述方法包括如下步驟：

步驟S1：將設(shè)計目標(biāo)圖案劃分為N個網(wǎng)格單元，其中，所述網(wǎng)格單元的尺寸由成像條件確定；

步驟S2：根據(jù)成像條件計算特征函數(shù)集{Ki(x,y)},i＝1,2,…N1；其中，所述特征函數(shù)集{Ki(x,y)}為一組最優(yōu)的光學(xué)標(biāo)尺，用來測量所述設(shè)計目標(biāo)圖案中任何一個網(wǎng)格單元的周邊環(huán)境；所述N1的取值與表征網(wǎng)格單元的周邊環(huán)境的完備性的要求相關(guān)，所述N1為所述光學(xué)標(biāo)尺Ki(x,y)的個數(shù)；