一种计算光刻的深度学习方法技术

本发明专利技术公开了一种计算光刻的深度学习方法，能够提高传统OPC方法的优化速度和收敛性能，既可用于深紫外DUV光刻，又可用于极紫外EUV光刻。首先展开梯度迭代算法并截取其前若干步，结合光刻系统成像模型和光刻胶模型，创建前向的基于模型驱动卷积神经网络MCNN，即编码器。创建与编码器相对应的解码器，将MCNN的输出与解码器的输入相连，将MCNN输入与解码器输出的某种距离作为代价函数，对MCNN参数进行训练。将训练集样本输入MCNN，优化MCNN中的各项参数，使得MCNN的输入与解码器的输出之间的误差最小化。训练完成后，将MCNN与解码器分离，使用MCNN即可获得其他电路版图对应的OPC掩模图形。

A Deep Learning Method for Calculating Lithography

【技术实现步骤摘要】
一种计算光刻的深度学习方法
本专利技术涉及计算成像、计算光刻和深度学习
，具体涉及一种基于模型驱动卷积神经网络(Model-drivenConvolutionNeuralNetwork，简称MCNN)的计算光刻方法。
技术介绍
光刻技术是用于制造超大规模集成电路的核心技术之一。现代集成电路制造业基本按照摩尔定律在不断发展，芯片的特征尺寸(CriticalDimension，简称CD)不断缩小，光刻技术也经历了从g线光刻、i线光刻、深紫外(DeepUltraviolet，简称DUV)光刻到极紫外(ExtremeUltraviolet，简称EUV)光刻的发展历程。在不同的光刻技术节点中，可能需要采用不同的光刻系统进行集成电路制造。投影式光刻技术由于其分辨率高，不玷污掩模版，重复性好的特点，被广泛地应用于目前的超大规模集成电路量产过程中。在采用193nm光源波长的DUV光刻技术和采用13.5nm的EUV光刻技术中，光刻系统利用光源照射透射式或反射式掩模，随后光线通过透射式或反射式的投影物镜将掩模上的集成电路版图复刻在表层涂有光刻胶的硅片上。为了提高光刻系统的成像性能，近年来已经开发出本文档来自技高网...

【技术保护点】
1.一种计算光刻的深度学习方法，其特征在于，包括：基于光刻系统的成像模型，构建梯度迭代算法中的掩模图形更新公式；展开梯度迭代算法的迭代过程，截取前K步迭代，将每一步迭代过程作为一层，创建K层的前向卷积神经网络，称为基于模型的卷积神经网络MCNN，将MCNN作为编码器；MCNN的输入为理想电路版图，输出为对应的OPC掩模图形；MCNN中上一层的输出作为下一层的输入；基于光刻胶模型，构建与MCNN相对应的解码器；将MCNN的输出与解码器的输入相连；解码器的输入为OPC掩模图形，输出为OPC掩模图形在晶片处所成的像；对MCNN进行如下训练：收集电路版图结构，作为训练样本集，输入MCNN，采用反向传播...

【技术特征摘要】
1.一种计算光刻的深度学习方法，其特征在于，包括：基于光刻系统的成像模型，构建梯度迭代算法中的掩模图形更新公式；展开梯度迭代算法的迭代过程，截取前K步迭代，将每一步迭代过程作为一层，创建K层的前向卷积神经网络，称为基于模型的卷积神经网络MCNN，将MCNN作为编码器；MCNN的输入为理想电路版图，输出为对应的OPC掩模图形；MCNN中上一层的输出作为下一层的输入；基于光刻胶模型，构建与MCNN相对应的解码器；将MCNN的输出与解码器的输入相连；解码器的输入为OPC掩模图形，输出为OPC掩模图形在晶片处所成的像；对MCNN进行如下训练：收集电路版图结构，作为训练样本集，输入MCNN，采用反向传播算法优化MCNN中的各项参数，使得MC...

【专利技术属性】
技术研发人员：马旭，郑现强，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11