掩膜图案修正模型的训练方法及掩膜图案修正方法技术

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。该方法包括：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OPC前的掩膜图案和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；将第一水平集函数作为神经网络模型的输入，第二水平集函数作为神经网络模型的输出进行训练，得到掩膜图案修正模型。本申请提供的方法利用第一水平集函数和第二水平集函数分别表示OPC前的掩膜图案和OPC后的掩膜图案在离散网格上的图像，无需利用大量特征向量对掩膜图案邻近环境进行编码，提高了OPC的效率。提高了OPC的效率。提高了OPC的效率。

【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]分别基于OPC前的掩膜图案和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，第一水平集函数表示OPC前的掩膜图案在离散网格上的图像，第二水平集函数表示OPC后的掩膜图案在离散网格上的图像；
[0009]将第一水平集函数作为神经网络模型的输入，第二水平集函数作为神经网络模型的输出进行训练，得到掩膜图案修正模型。
[0010]第二方面，本申请提供一种掩膜图案修正方法，包括：
[0011]获取待进行光学邻近效应校正OPC的掩膜图案；
[0012]根据待进行OPC前的掩膜图案，计算得到第一水平集函数，第一水平集函数表示待进行OPC的掩膜图案在离散网格上的图像；
[0013]将第一水平集函数输入至掩膜图案修正模型，输出第二水平集函数，第二水平集函数表示OPC后的掩膜图案在离散网格上的图像；
[0014]根据第二水平集函数生成OPC后的掩膜图案。
[0015]第三方面，本申请提供一种掩膜图案修正模型的训练设备，包括：
[0016]获取模块，用于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；
[0017]计算模块，用于分别基于OPC前的掩膜图案和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，第一水平集函数表示OPC前的掩膜图案在离散网格上的图像，第二水平集函数表示OPC后的掩膜图案在离散网格上的图像；
[0018]训练模块：用于将第一水平集函数作为神经网络模型的输入，第二水平集函数作为神经网络模型的输出进行训练，得到掩膜图案修正模型。
[0019]第四方面，本申请提供一种掩膜图案修正设备，包括：
[0020]获取模块：用于获取待进行光学邻近效应校正OPC的掩膜图案；
[0021]计算模块：用于根据待进行OPC前的掩膜图案，计算得到第一水平集函数，第一水平集函数表示待进行OPC的掩膜图案在离散网格上的图像；
[0022]输入模块：用于将第一水平集函数输入至掩膜图案修正模型
[0023]输出模块：用于输出第二水平集函数，第二水平集函数表示OPC后的掩膜图案在离散网格上的图像；
[0024]生成模块，用于根据第二水平集函数生成OPC后的掩膜图案。
[0025]第五方面，本申请提供一种掩膜图案修正设备，包括：处理器、存储器，存储器中存储代码，处理器运行存储器中存储的代码，以执行如第二方面任一项的掩膜图案修正方法。
[0026]第六方面，本申请提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现如第二方面任一项的掩膜图案修正方法。
[0027]第七方面，本申请提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第二方面任一项的掩膜图案修正方法。
[0028]本申请提供的掩膜图案修正模型的训练方法，获取光学临近效应校正OPC前的掩膜图案和OPC后的掩膜图案，基于OPC前的掩膜图案，计算得到第一水平集函数，基于OPC后的掩膜图案计算得到OPC后的掩膜图案的第二水平集函数。将第一水平集函数作为神经网络模型的输入，第二水平集函数作为神经网络模型的输出进行训练，得到掩膜图案修正模型。掩膜图案修正模型可以预测OPC后的第二水平集函数，从而获得OPC后的掩膜图案。由于本申请提供的方法采用第一水平集函数表征OPC前的掩膜图案在离散网格上的图像，第二水平集函数表示OPC后的掩膜图案在离散网格上的图像，无需利用大量特征向量对掩膜图案邻近环境进行编码，减小了计算量，从而提高了OPC的效率。
附图说明
[0029]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0030]图1为本申请提供的掩膜图案进行光学邻近效应校正示意图；
[0031]图2为本申请实施例提供的一种掩膜图案修正模型应用场景示意图；
[0032]图3为本申请实施例提供的一种掩膜图案修正模型的训练方法流程图；
[0033]图4为本申请实施例提供的一种水平集函数计算方法流程图；
[0034]图5为本申请实施例提供的一种掩膜图案修正方法流程图；
[0035]图6为本申请实施例提供的一种曲线掩膜图案示意图；
[0036]图7为本申请实施例提供的一种采用掩膜图案修正模型和现有OPC算法得到的OPC后的掩膜图案对比示意图；
[0037]图8为本申请实施例提供的一种训练数据集与掩膜图案修正模型输出结果的误差直方图；
[0038]图9为本申请实施例提供的一种验证数据集与掩膜图案修正模型输出结果的误差直方图；
[0039]图10为本申请实施例提供的一种掩膜图案修正模型的训练设备示意图一一
[0040]图11为本申请实施例提供的一种掩膜图案修正设备示意图一；
[0041]图12为本申请实施例提供的一种掩膜图案修正模型的训练设备示意图二；
[0042]图13为本申请实施例提供的一种掩膜图案修正设备示意图二。
[0043]通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
[0044]这里将详细地对示例性实施例进行说明，其本文档来自技高网...

【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：