The invention discloses an integrated neural network for calculating lithography, including a conjugate neural network and a forward neural network, and the output end of the conjugate neural network is connected with the input end of the forward neural network; the conjugate neural network is used for extracting and calculating the characteristic vectors of lithography, and the extracted characteristic vectors are used. Input the forward neural network, in which the conjugate neural network extracts and calculates the characteristic vectors of lithography by Yj =iWijXi, Zj =Yj.Yj*; where Zj is the extracted characteristic vector, Wij is the parameter of the conjugate neural network, Xi is the adjacent environment of the first point on the mask, and Yj * is the conjugate of Yj. An integrated neural network for calculating lithography is provided, which combines a conjugate convolution neural network structure for extracting feature vectors with a forward neural network to form an integrated neural network and can be used for any type of computational lithography learning.
【技术实现步骤摘要】
一种用于计算光刻的集成神经网络
本专利技术涉及集成电路领域,具体涉及一种用于计算光刻的集成神经网络。
技术介绍
为了不断追求半导体芯片的性能增强、功耗减小和芯片面积收缩,半导体芯片的最小的特征间距和最小特征尺寸需要相应地缩小。为了支持这一无止境的趋势,半导体工业需要开发具有越来越短的曝光波长和越来越高的数值孔径(NA)的光刻工具,例如扫描仪,以实现高的光学分辨率。半导体工业在14nm技术节点之前成功地沿着这条道路前进,然而,业界已经发现,沿着这条道路继续推动硬件(扫描仪)技术的发展变得非常困难,这一点,可以从EUV技术的发展缓慢来看出。作为一种补救措施,计算光刻技术的开发和应用使得半导体产业得以继续向前迈进。这种计算光刻技术包括源光罩协同优化、高级OPC模型、基于模型的辅助图形生成、逆向光刻技术等。大多数计算光刻技术在应用于全芯片时计算成本很高。为了缓解这个问题,业界已经提出了深卷积神经网络(DCNN)架构,以学习逆向光刻技术,特别是辅助图案的生成。DCNN架构是强大且通用的学习机,然而,它需要大量的数据来训练。这是因为它要求DCNN从输入数据训练中自动提取特征检测核。这样的DCNN架构应该只用于没有任何先验知识可以用于神经网络架构本身或输入特征向量设计的情况。因此,深卷积神经网络架构在进行计算光刻学习的过程中程序复杂,耗时较多,并不能保证目前生产的效率。对于计算光刻而言,一切都从光学成像开始,并且光学成像方程的结构是相当成熟的,因此,现代化的生产急需一种集成神经网络来进行有效的计算光刻学习。
技术实现思路
本专利技术所要解决的技术问题是提供一种用于计算光刻的 ...
【技术保护点】
1.一种用于计算光刻的集成神经网络,其特征在于,所述集成神经网络包括共轭神经网络和前向神经网络,且所述共轭神经网络的输出端连接所述前向神经网络的输入端;所述共轭神经网络用于提取计算光刻的特征矢量,并将提取出来的特征矢量输入所述前向神经网络中,其中,所述共轭神经网络提取计算光刻的特征矢量的方法为:Yj=∑iWijXi,
【技术特征摘要】
1.一种用于计算光刻的集成神经网络,其特征在于,所述集成神经网络包括共轭神经网络和前向神经网络,且所述共轭神经网络的输出端连接所述前向神经网络的输入端;所述共轭神经网络用于提取计算光刻的特征矢量,并将提取出来的特征矢量输入所述前向神经网络中,其中,所述共轭神经网络提取计算光刻的特征矢量的方法为:Yj=∑iWijXi,其中,Zj为提取出来的特征矢量,Wij为所述共轭神经网络的参数,Xi为光罩上第i个点的邻近环境,为Yj的共轭。2.根据权利要求1所述的一种用于计算光刻的集成神经网络,其特征在于,所述用于计算光刻的特征矢量为与光强有关的矢量。3.根据权利要求1所述的一种用于计算光刻的集成神经网络,其特征在于,所述Xi采用真实空间中的向量或者基于空间频率的向量为光罩上第i个点的邻近环境。4.根据权利要求3所述的一种用于计算光刻的集成神经网络,其特征在于,当Xi采用真实空间中的向量时,提取计算光刻的特征矢量时,输入真实空间中的向量的个数其中,a为光刻机中光学相互作用的范围,该范围区域被划分为大小相等的子单元;b为光刻机中光学相互作用范围内的子单元的大小。5.根据权利要求4所述的一种用于计算光刻的集成神经网络,其特征在于,所述光学相互作用范围内子单元的大小其中,NA为光刻机的数值孔径,σmax为与曝光照射光在光罩上的最大角度有关的参数,λ为光刻机...
【专利技术属性】
技术研发人员:时雪龙,赵宇航,陈寿面,李铭,
申请(专利权)人:上海集成电路研发中心有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。