[發明專利]光學臨近效應修正方法及裝置、存儲介質、終端

在審

• 申請號: 202211724451.0
• 申請日: 2022-12-30
• 公開（公告）號: CN116224707A
• 公開（公告）日: 2023-06-06
• 發明（設計）人: 請求不公布姓名
• 申請（專利權）人: 全芯智造技術有限公司
• 主分類號: G03F1/36
• 分類號: G03F1/36;G03F7/20;G06N3/0464
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張英英

一種光學臨近效應修正方法及裝置、存儲介質、終端，所述方法包括：對待修正版圖中的各個待修正圖形進行分割，每個待修正圖形的每條邊被分割為一條或多條線段；確定每條線段的第一數量條鄰近線段；確定每一條線段的節點信息，所述節點信息包括線段的類型以及該線段的各條鄰近線段與該線段之間的距離，并基于各條線段的節點信息采用卷積神經網絡模型輸出各條線段的修正移動信息；基于修正移動信息構建修正后的版圖。本發明可以提高修正移動信息的準確性，并且有效降低處理成本。

技術領域

本發明涉及半導體技術領域，尤其涉及一種光學臨近效應修正方法及裝置、存儲介質、終端。

背景技術

隨著集成化程度的提高，集成電路設計的復雜度也隨之增加，光刻工藝實現了掩模版圖形向硅片上的投影，成為集成電路制造的主要工藝之一。

在超深亞微米(VDSM)階段，特征尺寸已經接近甚至小于光刻工藝中所使用的光波波長，因此光刻過程中光的衍射和干涉效應會使得光刻圖形于掩模版圖形存在偏差。為了減少偏差，可以采用的光學鄰近效應修正(Optical?Proximity?Correction，OPC)技術進行處理。

然而，現有的OPC技術容易出現各種類型形變失真，如可能出現關鍵尺寸偏差(Critical?Dimension?Offset)、接線架橋(Line?Bridging)、線端縮短(Line-endShorting)、方角鈍化(Corner?Rounding)等問題，通常情況下，需要依賴人工經驗處理，耗時長且準確度較低，隨著處理文件增大，處理成本呈指數級增長。

發明內容

本發明解決的技術問題是提供一種光學臨近效應修正方法及裝置、存儲介質、終端，可以提高修正移動信息的準確性，并且有效降低處理成本。

為解決上述技術問題，本發明實施例提供一種光學臨近效應修正方法，包括：對待修正版圖中的各個待修正圖形進行分割，每個待修正圖形的每條邊被分割為一條或多條線段；確定每條線段的第一數量條鄰近線段；確定每一條線段的節點信息，所述節點信息包括線段的類型以及該線段的各條鄰近線段與該線段之間的距離，并基于各條線段的節點信息采用卷積神經網絡模型輸出各條線段的修正移動信息；基于修正移動信息構建修正后的版圖。

可選的，所述基于各條線段的節點信息采用卷積神經網絡模型輸出各條線段的修正移動信息，包括：采用各條線段的節點信息以及第一卷積神經網絡模型輸出所述各條線段的特征向量矩陣；采用第二卷積神經網絡模型輸出各條線段的特征向量的均值向量；以及，采用第三卷積神經網絡模型輸出各條線段的特征向量的方差向量；采用所述均值向量和所述方差向量構建正態分布，基于所述正態分布采樣確定各條線段的修正移動信息。

可選的，所述采用各條線段的節點信息以及第一卷積神經網絡模型輸出所述各條線段的特征向量矩陣，包括：采用各條線段與鄰近線段之間的距離以及各條線段的類型作為節點信息，構建特征矩陣以及鄰接矩陣；將所述特征矩陣以及鄰接矩陣輸入所述第一卷積神經網絡，輸出所述各條線段的特征向量矩陣。

可選的，采用下述公式表示所述第一卷積神經網絡的層特征傳播公式，其中，所述特征向量矩陣由經過所述第一卷積神經網絡的最后一層輸出的特征向量構成：

其中，A用于表示鄰接矩陣，I用于表示單位矩陣，用于表示的度矩陣，用于表示對所述鄰接矩陣A的歸一化處理，H^(l)用于表示第l層的特征矩陣，H^(l+1)用于表示第l+1層的特征矩陣，W^(l)用于表示第l層的權重矩陣，σ()用于表示激活函數。

可選的，所述特征矩陣為(N+1)×N矩陣，且包含各條線段與鄰近線段之間的距離以及各條線段的類型；和/或，所述鄰接矩陣為N×N矩陣，且包含各條線段與鄰近線段之間的距離；其中，N用于表示所述第一數量。