用于生成特性图案和训练机器学习模型的方法技术

一种生成用于图案化过程的特征图案和训练机器学习模型的方法。用于生成特征图案的方法包括：获得经训练的生成器模型和输入图案，该经训练的生成器模型被配置为生成特征图案(例如热点图案)；以及经由经训练的生成器模型(例如CNN)的模拟，基于输入图案生成特征图案，其中，输入图案是随机向量、一种类型图案中的至少一者。

【技术实现步骤摘要】
【国外来华专利技术】用于生成特性图案和训练机器学习模型的方法相关申请的交叉引用本申请要求于2018年10月17日提交的美国申请62/746,784的优先权，该美国申请的全部内容通过引用并入本文中。
本文的描述总体上涉及图案化过程以及确定对应于设计布局的特征图案的设备和方法。
技术介绍
光刻投影设备可以用于制造例如集成电路(IC)。在这种情况下，图案形成装置(例如掩模)可以包含或提供对应于IC的单层的图案(“设计布局”)，并且该图案可以通过诸如经由图案形成装置上的图案照射目标部分的方法，被转移到其上已经涂覆有一层辐射敏感材料(“抗蚀剂”)的衬底(例如硅晶片)上的目标部分(例如包括一个或多个管芯)上。一般而言，单个衬底包含多个相邻目标部分，图案由光刻投影设备连续地转移到该多个相邻目标部分，一次一个目标部分。在一种类型的光刻投影设备中，将整个图案形成装置上的图案一次转移到一个目标部分上；该设备通常被称为步进器。在通常被称为步进扫描设备的可替代设备中，投影束在给定参考方向(“扫描”方向)上遍及图案形成装置进行扫描，同时平行或反向平行于该参考方向而同步地移动本文档来自技高网...

【技术保护点】
1.一种训练用于生成图案化过程的特征图案的机器学习模型的方法，所述方法包括：/n获得机器学习模型，所述机器学习模型包括：(i)生成器模型，其被配置为生成在经受图案化过程的衬底上的待印刷的特征图案，和(ii)鉴别器模型，其被配置为区分所述特征图案与训练图案；以及/n经由计算机硬件系统，基于包括所述训练图案的训练集以相互协作方式训练所述生成器模型和所述鉴别器模型，使得所述生成器模型生成匹配所述训练图案的所述特征图案，并且所述鉴别器模型将所述特征图案识别为所述训练图案，/n其中，所述特征图案和所述训练图案包括热点图案。/n

【技术特征摘要】
【国外来华专利技术】20181017 US 62/746,7841.一种训练用于生成图案化过程的特征图案的机器学习模型的方法，所述方法包括：
获得机器学习模型，所述机器学习模型包括：(i)生成器模型，其被配置为生成在经受图案化过程的衬底上的待印刷的特征图案，和(ii)鉴别器模型，其被配置为区分所述特征图案与训练图案；以及
经由计算机硬件系统，基于包括所述训练图案的训练集以相互协作方式训练所述生成器模型和所述鉴别器模型，使得所述生成器模型生成匹配所述训练图案的所述特征图案，并且所述鉴别器模型将所述特征图案识别为所述训练图案，
其中，所述特征图案和所述训练图案包括热点图案。


2.如权利要求1所述的方法，其中，所述训练是迭代过程，迭代包括：
经由利用输入向量的所述生成器模型的模拟生成所述特征图案；
评估与所述生成器模型相关的第一成本函数；
经由所述鉴别器模型区分所述特征图案与所述训练图案；
评估与所述鉴别器模型相关的第二成本函数；以及
调整所述生成器模型的参数以改善所述第一成本函数，并且调整所述鉴别器模型的参数以改善所述第二成本函数。


3.如权利要求1所述的方法，其中，所述输入向量是随机向量和/或种子热点图像。


4.如权利要求3所述的方法，其中，从以设计布局作为输入的光刻过程的模拟获得所述种子热点图像。


5.如权利要求2所述的方法，其中，所述区分包括：
确定所述特征图案是所述训练图案的概率；以及
响应于所述...

【专利技术属性】
技术研发人员：M·C·西蒙，林晨希，伍健一，
申请(专利权)人：ASML荷兰有限公司，
类型：发明
国别省市：荷兰;NL