基于深度学习在掩模上形成形状的方法、以及使用在掩模上形成形状的方法的掩模制造方法技术

本文提供了形成掩模的方法、准确并快速地将掩模上的图像恢复为掩模上的形状的方法、以及使用形成掩模的方法的掩模制造方法。形成掩模的方法包括：通过对掩模上与晶片上的第一图案相对应的形状执行栅格化和图像校正来获得第一图像；通过对掩模上的形状进行变换来获得第二图像；基于第一图像中的一个第一图像与第二图像中的一个第二图像之间的变换关系执行深度学习，其中第二图像对应于所述第一图像；以及基于深度学习，在掩模上形成与晶片上的目标图案相对应的目标形状。基于掩模上的目标形状来制造掩模。状来制造掩模。状来制造掩模。

【技术实现步骤摘要】
基于深度学习在掩模上形成形状的方法、以及使用在掩模上形成形状的方法的掩模制造方法
[0001]相关申请的交叉引用
[0002]本申请基于并要求于2020年7月29日向韩国知识产权局提交的韩国专利申请No.10
‑
2020
‑
0094795的优先权，该申请的公开通过全文引用合并于此。


[0003]本专利技术构思涉及掩模制造方法，并且更具体地涉及在掩模上形成形状的方法，以及使用在掩模上形成形状的方法的掩模制造方法。

技术介绍

[0004]在半导体工艺中，可以执行使用掩模的光刻工艺，以在诸如晶片的半导体衬底上形成图案。掩模可以是图案转移体，其中，不透明材料的图案形状形成在透明基材上。在简要描述制造掩模的过程时，首先，设计所需的电路，并设计该电路的布局，然后将经由光学邻近校正(OPC)获得的掩模设计数据作为掩模带输出(MTO)设计数据进行发送。之后，基于MTO设计数据执行掩模数据准备(MDP)，并执行诸如曝光工艺的前端线(FEOL)和诸如缺陷测试的后端线(BEOL)以制造掩模。r/>
技术实现思路
<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种形成掩模的方法，所述方法包括：通过对所述掩模上与晶片上的第一图案相对应的形状执行栅格化和图像校正来获得第一图像；通过对所述掩模上的形状应用变换来获得第二图像；基于所述第一图像中的一个第一图像与所述第二图像中的一个第二图像之间的变换关系执行深度学习，其中所述第二图像对应于所述第一图像；基于所述深度学习，在所述掩模上形成与所述晶片上的目标图案相对应的目标形状；以及基于所述掩模上的目标形状来制造所述掩模。2.根据权利要求1所述的方法，其中，在所述掩模上形成所述目标形状包括：通过栅格化和图像校正将所述掩模上与所述晶片上的目标图案相对应的形状中的一个形状变换为第一目标图像；基于所述深度学习，将所述第一目标图像变换为第二目标图像；以及将所述第二目标图像变换为所述掩模上的目标形状。3.根据权利要求2所述的方法，还包括：在将所述形状中的一个形状变换为所述第一目标图像之前，在与所述目标图案相对应的掩模上设计初始形状，其中，将所述形状变换为所述第一目标图像包括：通过基于所述初始形状的低通滤波、下采样和参数化来生成第一初始图像；以及通过对所述第一初始图像执行图像校正来生成所述第一目标图像。4.根据权利要求2所述的方法，其中，所述栅格化包括低通滤波、下采样和参数化，并且其中，在变换为所述目标形状之后，不执行附加的图像校正。5.根据权利要求2所述的方法，其中，所述第一目标图像具有位图格式，并且其中，所述第二目标图像具有应用插值的位图格式。6.根据权利要求5所述的方法，其中，所述变换包括带符号的距离计算，并且其中，所述第二目标图像包括带符号的距离图像。7.根据权利要求1所述的方法，其中，所述第一图像和所述第二图像具有几纳米nm或更大的分辨率，并且其中，所述目标形状具有约0.1nm的分辨率。8.根据权利要求1所述的方法，其中，所述目标形状具有矢量格式并且包括曲线形状。9.根据权利要求1所述的方法，其中，所述深度学习使用生成神经网络算法。10.根据权利要求1所述的方法，其中，所述目标形状作为掩模带输出MTO设计数据被发送并用于所述掩模的制造。11.一种形成掩模的方法，所述方法包括：在所述掩模上设计与晶片上的第一图案相对应的初始形状；通过对所述初始形状执行栅格化和图像校正来获得具有位图格式的第一图像；
通过将带符号的距离计算应用于掩模上与所述晶片上的第一图案相对应的初始形状来获得带符号的距离图像；对所述第一图像中的一个第一图像与所述带符号的距离图像中的一个带符号的距离图像之间的变换关系执行深度...

【专利技术属性】
技术研发人员：金禹成，姜旻澈，沈宇宙，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：