【技术实现步骤摘要】
掩膜图案修正模型的训练方法及掩膜图案修正方法
[0001]本申请涉及半导体领域,尤其涉及一种掩膜图案修正模型的训练方法及掩膜图案修正方法。
技术介绍
[0002]由于光刻机从信息传输的角度来看是一个低通滤波器件,因此掩模图案的高空间频率部分无法通过光刻机投影光学元件以参与在晶圆上光刻胶中的图像形成。掩模图案的高空间频率分量的丢失不可避免地导致晶圆上光刻胶中的光学图像的图案失真。为了减少这种失真,需要使用光刻工艺模型以迭代方法,预先修正掩模图案,这种修正掩模图案的过程称为光学邻近效应校正(Optical Proximity Correction,OPC)。
[0003]目前,现有的机器学习OPC的方法是基于前馈神经网络,其关键在于对OPC的掩膜图案分割成多个小段,将多个小段的环境信息编码到特征向量中,利用前馈神经网络预测掩膜图案某个小段的OPC校正量,从而得到OPC后的掩膜图案。
[0004]在现有的机器学习OPC的方法中,为了准确和完成地描述多个小段的邻近环境,需要大约70
‑
80个元素的特征向量进行信息编码,计算量较大,导致OPC效率较低。
技术实现思路
[0005]本申请提供一种掩膜图案修正模型的训练方法及掩膜图案修正方法,用以解决对掩膜图案进行光学邻近效应校正效率较低的问题。
[0006]第一方面,本申请提供一种掩膜图案修正模型的训练方法,包括:
[0007]获取光学邻近效应校正OPC前的掩膜图案和OPC后的掩膜图案;
[0008]分别基 ...
【技术保护点】
【技术特征摘要】
1.一种掩膜图案修正模型的训练方法,其特征在于,包括:获取光学邻近效应校正OPC前的掩膜图案和OPC后的掩膜图案;分别基于所述OPC前的掩膜图案和所述OPC后的掩膜图案,计算得到第一水平集函数和第二水平集函数,所述第一水平集函数表示所述OPC前的掩膜图案在离散网格上的图像,所述第二水平集函数表示所述OPC后的掩膜图案在离散网格上的图像;将所述第一水平集函数作为神经网络模型的输入,所述第二水平集函数作为所述神经网络模型的输出进行训练,得到掩膜图案修正模型。2.根据权利要求1所述的方法,其特征在于,所述分别基于所述OPC前的掩膜图案和所述OPC后的掩膜图案,计算得到第一水平集函数和第二水平集函数,包括:获取所述OPC前的掩膜图案的第一部分图案和所述OPC后的掩膜图案的第二部分图案,分别计算所述第一部分图案和所述第二部分图案的裁剪窗口中心坐标;根据所述第一部分图案的裁剪窗口中心坐标,通过坐标平移变换,确定所述OPC前的掩膜图案的顶点坐标,并根据所述第二部分图案的窗口中心坐标,通过坐标平移变换,确定所述OPC后的掩膜图案的顶点坐标;基于设定的第一网格矩阵构建所述第一水平集函数,基于设定的第二网格矩阵用于构建所述第二水平集函数;将通过坐标平移变换后的所述OPC前的掩膜图案映射到所述第一网格矩阵,并将通过坐标平移变换后的所述OPC后的掩膜图案映射到所述第二网格矩阵;在所述第一网格矩阵中识别所述第一网格矩阵中距离最接近所述OPC前的掩膜图案边的第一格点集合,并在所述第二网格矩阵中识别所述第二网格矩阵中距离最接近所述OPC后的掩膜图案边的第二格点集合;计算所述第一格点集合中的格点与所述OPC前的掩膜图案边的第一最小距离,并计算所述第二格点集合中的格点和所述OPC后的掩膜图案边的第二最小距离;识别所述第一格点集合中的格点与所述OPC前的掩膜图案的第一位置关系,并识别所述第二格点集合中的格点和所述OPC后的掩膜图案的第二位置关系;根据所述第一最小距离和所述第一位置关系进行计算得到所述第一水平集函数,并根据所述第二最小距离和所述第二位置关系进行计算得到所述第二水平集函数。3.根据权利要求2所述的方法,其特征在于,将通过坐标平移变换后的所述OPC前的掩膜图案映射到第一网格矩阵,并将通过坐标平移变换后的所述OPC后的掩膜图案映射到第二网格矩阵,包括:将通过坐标平移变换后的所述OPC前的掩膜图案的中心与所述第一网格矩阵的中心网格重合,映射到所述第一网格矩阵;所述第一网格矩阵包括所述第一部分图案的裁剪窗口,且所述第一网格矩阵的大小等于或大于所述第一部分图案的裁剪窗口;将通过坐标平移变换后的所述OPC后的掩膜图案的中心与所述第二网格矩阵的中心重合,映射到所述第二网格矩阵,所述第二网格矩阵的大小包括所述第二部分图案的裁剪窗口,且所述第二网格矩阵的大小等于或大于所述第二部分图案的裁剪窗口。4.根据权利要求1所述的方法,其特征在于,所述将所述第一水平集函数作...
【专利技术属性】
技术研发人员:时雪龙,燕燕,李琛,赵宇航,陈寿面,
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:
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。