一种基于改进遗传算法的亚分辨率辅助图形布局优化方法技术

本发明专利技术公开一种基于改进遗传算法的亚分辨率辅助图形布局优化方法

【技术实现步骤摘要】
一种基于改进遗传算法的亚分辨率辅助图形布局优化方法


[0001]本专利技术属于集成电路光刻
，涉及一种基于改进遗传算法的亚分辨率辅助图形布局优化方法
。

技术介绍

[0002]在集成电路光刻过程中，随着工艺节点的不断提高，光刻工艺尺寸越来越小
。
光刻工艺尺寸的减小会导致光刻工艺中工艺窗口的降低，为了提升密集图形的工艺窗口，在当下光刻工艺中主要采用离轴照明的方法
。
该方法会提升密集图形的工艺窗口，但是孤立图形的透光量将会有所降低，导致孤立图形的工艺窗口有所下降
。
因此为了提示孤立图形的工艺窗口，目前主流的做法是通过在孤立图形周围加入一些尺寸较小的线条或者沟槽，用于提升孤立图形的透光量，以此提升孤立图形的工艺窗口
。
该尺寸较小的线条或者沟槽就是亚分辨率辅助图形
。
[0003]而为了提升亚分辨率辅助图形插入后的性能，会添加多层亚分辨率辅助图形
。
亚分辨率辅助图形的参数主要有以下几个：辅助图形和主图形之间的距离，辅助图形的宽度，辅助图形和辅助图形之间的距离
。
如何得到这个三个参数的数值，目前行业内所采用的方式是通过设计实验的方式，首先固定辅助图形的宽度，辅助图形和主图形的距离，然后设计辅助图形和辅助图形距离的变化范围
。
通过光刻模型模拟插入亚分辨率辅助图形后的工艺窗口，得到工艺窗口最大时所对应的辅助图形之间的距离
。
接下来固定辅助图形之间的距离，设计辅助图形宽度和辅助图形和主图形距离的变化范围，通过光刻模型模拟插入亚分辨率辅助图形后的工艺窗口，以此确定最优的辅助图形宽度和辅助图形与主图形距离的变化范围
。
最终就会得到亚分辨率辅助图形的参数
。
该方式对于求解单极值问题的最优解问题有较好的效果，但是对于求解多极值问题的最优解可能不甚理想
。
[0004]为此，本专利技术提供一种基于改进遗传算法的亚分辨率辅助图形布局优化方法
。

技术实现思路

[0005]本专利技术的目的是针对现有技术的不足，提供一种基于改进遗传算法的亚分辨率辅助图形布局优化方法
。
[0006]第一方面，本专利技术提供一种基于改进遗传算法的亚分辨率辅助图形布局优化方法，包括以下步骤：
[0007]步骤
S1
：由于亚分辨率辅助图形插入规则由亚分辨率辅助图形参数表示；将亚分辨率辅助图形参数视为一个个体的多段基因；由
m
个个体构建种群；初始化当前迭代次数
T
＝0；
[0008]作为优选，所述亚分辨率辅助图形参数包括辅助图形和主图形之间的距离
d
BtM
，辅助图形宽度
d
BW
，辅助图形和辅助图形之间的距离
d
BtB
；将辅助图形和主图形之间的距离
d
BtM
，辅助图形宽度
d
BW
，相邻辅助图形之间的距离
d
BtB
视为一个个体的三段基因；通过随机生成三段基因，三段基因构成一个个体，由
m
个个体构建种群；
[0009]每段基因的点位有
n
个，每个点位上存储的是0或
1。
[0010]所述辅助图形和主图形之间的距离
d
BtM
与基因的关系如下：
[0011][0012]其中
d[1][i]表示第一段基因中第
i
个点位所对应的数字；
b
BtM
表示辅助图形到主图形距离的最大值；
a
BtM
表示辅助图形到主图形距离的最小值；
n
表示基因的点位总数
。
[0013]所述辅助图形宽度
d
BW
与基因的关系如下：
[0014][0015]其中
d[2][i]表示第二段基因中第
i
个点位所对应的数字；
b
BW
表示辅助图形宽度的最大值；
a
BtM
表示辅助图形宽度的最小值；
[0016]所述辅助图形和辅助图形之间的距离
d
BtB
与基因的关系如下：
[0017][0018]其中
d[3][i]表示第三段基因中第
i
个点位所对应的数字；
b
BtB
表示辅助图形和辅助图形之间的距离的最大值；
a
BtB
表示辅助图形和辅助图形之间的距离的最小值；
[0019]步骤
S2
：交叉操作：
[0020]交叉是指随机选择种群中的两位个体
A
，
B。
并非所有的个体都会进行交叉操作，约
80
％的个体都会进行交叉操作以此得到新的个体，只有大约
20
％的个体没有进行交叉操作
。
如果不进行交叉操作，则子代直接复制
A
的全部基因
。
如果进行交叉，则通过随机的方式得到交叉位置，选择
A
个体交叉位置前的基因片段，选择
B
个体交叉位置后的基因片段，将两者的片段进行组合得到子代的基因
。
[0021]步骤
S3
：将步骤
S2
得到的子代个体，进行变异操作，得到变异后子代个体；
[0022]每个子代个体都会经过变异操作，但是是否实际发生基因的变异与变异的概率息息相关
。
但是由于需要保证算法的收敛性，变异的概率需保持在较低的水平
。
如果发生变异，则通过随机产生变异基因点位，然后个体在该位置的基因发生反转，从0变成1或从1变成
0。
该操作是为了避免在遗传算法迭代的过程中，迭代陷入局部最优解
。
通过变异操作，可以使算法跳出局部最优解
。
[0023]步骤
S4
：将变异后子代个体的基因组转换成对应亚分辨率辅助图形参数
。
[0024]步骤
S5
：根据步骤
S4
所得到的每个个体的亚分辨率辅助图形参数，通过光刻模拟软件将亚分辨率辅助图形插入到测试主图形中，然后通过光刻模型对插入后测试主图形进行曝光模拟并输出模拟结果
。
[0025]步骤
S6
：根据步骤
S5
模拟结果，获取每位个体亚分辨辅助图形插入之后的掩膜误差增强因子
(MEEF)、
曝光能量变化宽裕度
(NILS)、
工艺变化带
(PVBand)
，以及亚分辨率辅助图形曝光后是否被显影的标记
(FLA本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于改进遗传算法的亚分辨率辅助图形布局优化方法，其特征在于所述方法包括以下步骤：步骤
S1
：由于亚分辨率辅助图形插入规则由亚分辨率辅助图形参数表示；将亚分辨率辅助图形参数视为一个个体的多段基因；由
m
个个体构建种群；初始化当前迭代次数
T
＝0；步骤
S2
：将步骤
S1
个体，进行交叉操作，得到新的子代个体；步骤
S3
：将步骤
S2
得到的子代个体，进行变异操作，得到变异后子代个体；步骤
S4
：将变异后子代个体的基因组转换成对应亚分辨率辅助图形参数；步骤
S5
：根据步骤
S4
所得到的每个个体的亚分辨率辅助图形参数，通过光刻模拟软件将亚分辨率辅助图形插入到测试主图形中，然后通过光刻模型对插入后测试主图形进行曝光模拟并输出模拟结果；步骤
S6
：根据步骤
S5
模拟结果，获取每位个体亚分辨辅助图形插入之后的掩膜误差增强因子
MEEF、
曝光能量变化宽裕度
NILS、
工艺变化带
PVBand
，以及亚分辨率辅助图形曝光后是否被显影的标记，并通过代价函数计算每位个体的适应度
F
：
F
＝
FLAG*(
α
*MEEF+
β
*NILS+
γ
*PVBand)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式
(1)
其中
FLAG
表示显影标记；
α
为掩膜误差增强因子
MEEF
的权重；
β
为曝光能量变化宽裕度
NILS
的权重；
γ
为工艺变化带
PVBand
的权重；步骤
S7
：判断当前迭代是否达到迭代后期，根据迭代次数是否达到
0.8*
ξ
进行判断，
ξ
为最大迭代次数，若是则进行步骤
S8
；若否则直接进行步骤
S10
；步骤
S8
：对每位个体的适应度
F
进行修正，得到修正后适应度
S(F)
；步骤
S9
：判断当前迭代次数
T
是否达到最大迭代次数
ξ
，若是则执行步骤
S11
，若否则执行步骤
S10
；步骤
S10
：根据步骤
S8
所得个体的适应度进行选择，选择出适应度较大的个体，作为下一代的种群个体，更新
T
＝
T+1
，并返回步骤
S2
；步骤
S11
：获取当前最后一代中的修正后适应度
S(F)
表现最优的个体，该个体对应的亚分辨率辅助图形插入规则参数即为最优亚分辨率辅助图形插入规则
。2.
根据权利要求1所述方法，其特征在于步骤
S1
中，所述亚分辨率辅助图形参数包括辅助图形和主图形之间的距离
d
BtM
，辅助图形宽度
d
BW
，辅助图形和辅助图形之间的距离
d
BtB
；将辅助图形和主图形之间的距离
d
BtM
，辅助图形宽度
d
BW
，相邻辅助图形之间的距离
d
BtB
视为一个...

【专利技术属性】
技术研发人员：李璇，任堃，高大为，
申请(专利权)人：浙江大学，
类型：发明
国别省市：