基于物理特征图与DCNN机器学习逆向光刻解的计算方法技术

一种基于物理成像特征图与DCNN机器学习逆向光刻解的计算方法，包括将光刻目标图案基于光学标尺K

【技术实现步骤摘要】
基于物理特征图与DCNN机器学习逆向光刻解的计算方法
本专利技术属于集成电路制造领域，本专利技术提出了一种基于物理成像特征图与深度卷积神经网络(Deepconvolutionalneuralnetwork，DCNN)的机器学习逆向光刻解计算方法。
技术介绍
计算光刻技术在半导体工业中起着至关重要的作用。当半导体技术节点缩小至14nm及以下时，光刻技术也逐渐接近了其物理极限，光源掩模协同优化(SourceMaskOptimization，简称SMO)作为一种新型的分辨率增强技术，能够显著提升极限尺寸下半导体光刻的重叠工艺窗口，有效延伸当前常规光刻技术的生存周期。SMO不仅是193nm浸润式光刻技术的重要组成部分，也将是EUV光刻中必不可少的一种技术。当半导体产业向7nm以上的技术节点迈进时，光刻机的性能控制能力与光刻工艺边缘放置误差控制要求之间的差距正在迅速扩大。为了使半导体行业能够在使用目前的光刻机(即浸没式扫描仪或EUV扫描仪)条件下不断进步，计算光刻技术一直发挥着关键作用。在光源掩模协同优化(SourceMaskOptimizati本文档来自技高网...

【技术保护点】
1.一种基于物理成像特征图与DCNN机器学习逆向光刻解的计算方法，用于预测/计算逆向光刻解的值；其特征在于，所述方法包括如下步骤：/n步骤S11：根据成像条件，基于最优相干分解法，计算N1个特征函数集{K

【技术特征摘要】
1.一种基于物理成像特征图与DCNN机器学习逆向光刻解的计算方法，用于预测/计算逆向光刻解的值；其特征在于，所述方法包括如下步骤：
步骤S11：根据成像条件，基于最优相干分解法，计算N1个特征函数集{Ki(x,y)},i＝1,2,…N1；其中，所述特征函数集{Ki(x,y)}为一组最优的光学标尺，所述N1为所述光学标尺Ki(x,y)的个数，N1为正整数；
步骤S12：将所述光刻目标图案基于所述光学标尺Ki(x,y)得到N1个{Si}的特征图集；
步骤S13：建立神经网络模型，所述神经网络模型包括输入层、下采样层、卷积层、批次标准化层、上采样层和输出层；其中，所述输入层的通道维度与N1相等，所述卷积层和批次标准化层共有N2层，每一个所述卷积层和批次标准化层的卷积核个数为N3，N2和N3为正整数；
步骤S14：采用训练样本集和验证样本集对所述神经网络模型进行训练，所述训练样本集和验证样本集为随机选取所述设计目标图案中的部分目标图案；所述神经网络模型输入端的输入为所述{Si}的特征图集；使用严格的逆向光刻算法生成最佳掩模图像，作为神经网络训练的训练目标图像；
步骤S15：在神经网络模型训练时，采用所述输入端通道维度、不同的卷积层和批次标准化层个数N2和每一卷积层和批次标准化层的卷积核个数N3，用所述训练样本进行训练，并采用验证样本进行验证，直到找到具有所述输入端通道维度、不同的卷积层和批次标准化层个数N2和每一卷积和批次标准化层的卷积核个数N3满意组合的所述神经网络模型为止；其中，所述满意组合是指，对于所述训练集和验证集中预定比例的每一个图像的像素单元，所述神经网络模型的预测值和严格逆向光刻解的值之间的误差小于等于预先定义的误差规范。


2.根据权利要求1所述的方法，其特征在于，还包括步骤S16：在应用实现阶段，将已设计的晶圆光刻目标图案基于所述光学标尺Ki(x,y)得到N1个{Si}的特征图集，并且将所述N1个{Si}的特征图集输入到训练好的神经网络模型中，获得预测逆向光刻解的图案。


3.一种基于物理成像特征图与DCNN机器学习逆向光刻解的计算方法，用于预测/计算逆向光刻解的值；其特征在于，所述方法包括如下步骤：
步骤S21：根据成像条件，基于最优相干分解法，计算N1个特征函数集{Ki(x,y)},i＝1,2,…N1；其中，所述特征函数集{Ki(x,y)}为一组最优的光学标尺，所述N1为所述光学标尺Ki(x,y)的个数，N1为正整数；
步骤S22：将所述光刻目标图案基于所述光学标尺Ki(x,y)得到N1个{Si}的特征图，以及所述N1个{Si}的特征图在部分相干照明下的成像光强函数；
步骤S23：建立神经网络模型，所述神经网络模型包括输入层、下采样层、卷积层、批次标准化层、上采样层和输出层；其中，所述输入层的通道维度为1，所述卷积层和批次标准化层共有N2层，每一个所述卷积层和批次标准化层的卷积核个数为N3，N2和N3为正整数；
步骤S24：采用训练样本集和验证样本集对所述神经网络模型进行训练，所述训练样本集和验证样本集为随机选取所述设计目标图案中的部分目标图案；所述神经网络模型输入端的输入为所述成像光强函数；使用严格的逆向光刻算法生成最佳掩模图像，作为...

【专利技术属性】
技术研发人员：时雪龙，燕燕，周涛，余学儒，李琛，
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