【技术实现步骤摘要】
本公开涉及半导体制造，尤其涉及确定在光学光刻模拟中的近场图像。
技术介绍
1、光刻也称为“光学光刻”或“紫外线(uv，包括深紫外线，即duv，和极紫外线，即euv)光刻”，是用于微制造以将薄膜的的一部分图案化至衬底上的工艺。它使用光将想要的几何图案从“光掩模”(或简称为“掩模”)转移到晶片衬底上的光敏化学“光致抗蚀剂”(或简称为“抗蚀剂”)的曝光图案中。然后一系列的化学处理可以将曝光图案雕刻到光致抗蚀剂下面的材料中，或者能够使得曝光图案中的新材料沉积到光致抗蚀剂下面的材料上。光刻法可以产生小的特征(尺寸小至几十纳米)，并且是制造小至10纳米以下技术节点的超大规模集成(vlsi)器件中的成本有效且可靠的图案化技术。在集成电路(ic)制造中，现代互补金属氧化物半导体(cmos)晶片在形成功能ic之前将经历多次(例如，50次)光刻循环。
2、在光刻工艺期间，光照射到掩模图案上，该掩模图案在涂覆在硅晶片上的抗蚀剂上形成压印。硅晶片上的电路的正常功能取决于转印该图案的保真度。理想地，在晶片上图案化的输出电路与掩模图案相同。然而，成像系统是频带受限的，并且可能带来由透镜投影系统的衍射效应引起的失真，特别是当以较高分辨率工作时。例如，当光的波长为193纳米时，在诸如45纳米、32纳米或更小的技术节点的情况下，在光刻系统中必然发生衍射。因此，需要工艺来解决由次波长光刻所引起的问题，例如光学邻近校正(opc)或其它分辨率增强技术(ret)。
3、此外，随着对更小和更均匀的光掩模特征的需求迅速增加，图案的复杂性也随着对opc
4、结合opc和ret技术的光刻模拟可以用于增加掩模图案的图案复杂性。在次波长光刻的模拟中，可以使用考虑了由于掩模拓扑或形貌而产生的近场效应的掩模图像(“近场图像”)。
技术实现思路
1、本文公开了用于确定用于光学光刻的近场图像的方法、装置和非暂时性计算机可读介质的实现。
2、在一方面，提供了一种确定用于光学光刻的近场图像的方法。该方法包括：接收指示光掩模特征的薄掩模图像，其中，在不考虑与光掩模特征相关联的近场效应的情况下确定薄掩模图像；以及通过处理器使用人工神经网络(ann)由薄掩模图像确定近场图像，其中，ann使用薄掩模图像作为输入。
3、可选地，光掩模特征包括掩模图案、掩模图案的边缘、掩模图案的角和掩模图案的面积中的至少一个。
4、可选地，使用ann确定近场图像包括通过将薄掩模图像加到所述ann的输出来确定近场图像，其中，所述输出指示薄掩模图像与近场图像之间的差异，并且所述ann使用由薄掩模图像确定的矢量图像作为输入。
5、可选地，所述ann包括多层感知器(mlp)模型和卷积神经网络(cnn)模型中的至少一个，所述ann的输入数据包括薄掩模图像中的多个采样点中的一个采样点的图像数据，并且图像数据包括薄掩模图像在所述采样点处的图像强度和由薄掩模图像确定的矢量图像的值中的至少一个。
6、可选地，根据包括同心圆区域采样(ccas)、同心方形采样(css)和均匀采样中的一个的采样方案对薄掩模图像中的多个采样点进行采样。
7、可选地，与ann相关联的参数包括与采样点相关联的权重，并且基于多个采样点中的所述一个采样点和另一个采样点之间的距离确定该权重。
8、可选地，还包括确定在使用ann确定的近场图像和指示光掩模特征的限定图像之间是否存在匹配，其中，使用严格电磁模拟技术来确定限定图像；以及基于确定所述近场图像和限定图像之间不匹配，更新与所述ann相关联的参数。
9、可选地，该方法还包括确定与该近场图像相关联的成本值是否被最小化，并且基于确定与该近场图像相关联的成本值未被最小化，更新与该ann相关联的参数。
10、可选地，所述近场图像包括复数值。
11、可选地，使用ann确定近场图像包括确定与近场图像相关联的梯度数据，其中，所述梯度数据包括近场图像相对于薄掩模图像的梯度。
12、在另一方面，提供了一种确定用于光学光刻的近场图像的设备。该设备包括处理器和联接到该处理器的存储器。存储器被配置为存储指令，所述指令在由处理器执行时以便处理器操作，用以接收指示光掩模特征的薄掩模图像，其中，在不考虑与光掩模特征相关联的近场效应的情况下确定薄掩模图像，并且光掩模特征包括掩模图案、掩模图案的边缘、掩模图案的角和掩模图案的面积中的至少一个，并且使用人工神经网络(ann)由薄掩模图像确定近场图像，其中，ann包括多层感知器(mlp)模型和卷积神经网络(cnn)模型中的至少一个，并且ann使用薄掩模图像作为输入。
13、可选地，与处理器一起可操作以使用所述ann来确定近场图像的指令还包括通过将薄掩模图像加到所述ann的输出来确定近场图像的指令，其中，所述输出指示薄掩模图像与近场图像之间的差异，所述ann使用由薄掩模图像确定的矢量图像作为输入，并且所述近场图像包括复数值。
14、可选地，用于ann的输入数据包括根据采样方案在薄掩模图像中采样的多个采样点中的一个采样点的图像数据，所述采样方案包括同心圆区域采样(ccas)、同心方形采样(css)和均匀采样中的一个，所述图像数据包括所述一个采样点处的薄掩模图像的图像强度以及由薄掩模图像确定的矢量图像的值中的至少一个，与所述ann相关联的参数包括与所述一个采样点相关联的权重，并且所述权重基于所述多个采样点中的所述一个采样点与另一采样点之间的距离被确定。
15、可选地，所述指令在由处理器执行时以便处理器操作以确定与近场图像相关联的成本值是否被最小化，并且基于与近场图像相关联的成本值未被最小化的确定，更新与所述ann相关联的参数。
16、可选地，以处理器操作以使用ann确定近场图像的指令还包括用于确定与近场图像相关联的梯度数据的指令，其中，梯度数据包括近场图像相对于薄掩模图像的梯度。
17、在另一方面，提供了一种非暂时性计算机可读介质。非暂时性计算机可读介质存储一组指令，当由使用处理器的装置执行该组指令时，该组指令变得与处理器一起可操作，以确定用于光学光刻的近场图像。该非暂时性计算机可读介质包括指令，用于接收指示光掩模特征的薄掩模图像，其中，在不考虑与光掩模特征相关联的近场效应的情况下确定薄掩模图像，并且光掩模特征包括掩模图案、掩模图案的边缘、掩模图案的角和掩模图案的面积中的至少一个，使用人工神经网络(ann)由薄掩模图像确定近场图像，其中，ann包括多层感知器(mlp)模型和卷积神经网络(cnn)模型中的至少一个，并且ann使用薄掩模图像作为输入。
18、可选地，用于使用ann来确定近场图像的指令还包括用于通过将薄掩模图像加到所述ann的输出来确定近场图像的指令，其中，所述输出指示薄掩模图像与近场图像之间的差异，所述ann使用由薄掩模图像确定的矢量图像作为输入，并且所述近场图像包括复本文档来自技高网...
【技术保护点】
1.一种确定用于光学光刻的近场图像的方法，所述方法包括：
2.根据权利要求1所述的方法，其中，所述光掩模特征包括选自以下中的至少一个：掩模图案、掩模图案的边缘、掩模图案的角和/或掩模图案的面积。
3.根据权利要求1所述的方法，其中，使用所述人工神经网络确定所述近场图像包括：
4.根据权利要求1所述的方法，其中
5.根据权利要求4所述的方法，其中，根据包括同心圆区域采样、同心方形采样或均匀采样的采样方案对所述薄掩模图像中的多个采样点进行采样。
6.根据权利要求5所述的方法，其中，与所述人工神经网络相关联的参数包括与所述采样点相关联的权重，并且基于多个采样点中的所述采样点与另一个采样点之间的距离确定所述权重。
7.根据权利要求1所述的方法，还包括：
8.根据权利要求1所述的方法，其中所述人工神经网络具有多个参数，并且还包括：
9.根据权利要求1所述的方法，其中，所述近场图像包括复数值。
10.根据权利要求1所述的方法，其中使用所述人工神经网络确定近场图像包括：
11
12.一种非易失性计算机可读介质，所述非易失性计算机可读介质存储有指令集，所述指令集通过使用处理器的设备执行时，与所述处理器一起操作用以使所述设备至少：
13.根据权利要求12所述的非易失性计算机可读介质，其中使用所述人工神经网络确定所述近场图像的所述指令包括：通过将关于所述薄掩模图像的数据加入至所述人工神经网络的输出来确定所述近场图像的指令，其中所述输出指示所述薄掩模图像和所述近场图像之间的差异，并且所述人工神经网络使用由所述薄掩模图像确定的矢量作为输入。
14.根据权利要求12所述的非易失性计算机可读介质，其中：
15.根据权利要求14所述的非易失性计算机可读介质，其中根据包括同心圆区域采样、同心方形采样或均匀采样的采样方案对所述薄掩模图像中的多个采样点进行采样。
16.根据权利要求14所述的非易失性计算机可读介质，其中与所述人工神经网络相关联的参数包括与所述采样点相关联的权重，并且基于多个采样点中的所述采样点与另一个采样点之间的距离确定所述权重。
17.根据权利要求12所述的非易失性计算机可读介质，其中所述人工神经网络具有多个参数，并且还包括使所述设备执行以下操作的指令：
18.根据权利要求12所述的非易失性计算机可读介质，其中使用人工神经网络确定所述近场图像的指令还包括：使所述设备确定与所述近场图像相关的梯度数据的指令，其中所述梯度数据包括所述近场图像相对于所述薄掩模图像的梯度。
19.根据权利要求12所述的非易失性计算机可读介质，其中所述人工神经网络包括多层感知器模型和/或卷积神经网络模型。
20.根据权利要求12所述的非易失性计算机可读介质，还包括使所述设备执行以下操作的指令：
21.根据权利要求12所述的非易失性计算机可读介质，还包括使所述设备执行以下操作的指令：基于所述近场图像执行光刻模拟以确定空间图像。
...【技术特征摘要】
1.一种确定用于光学光刻的近场图像的方法，所述方法包括：
2.根据权利要求1所述的方法，其中，所述光掩模特征包括选自以下中的至少一个：掩模图案、掩模图案的边缘、掩模图案的角和/或掩模图案的面积。
3.根据权利要求1所述的方法，其中，使用所述人工神经网络确定所述近场图像包括：
4.根据权利要求1所述的方法，其中
5.根据权利要求4所述的方法，其中，根据包括同心圆区域采样、同心方形采样或均匀采样的采样方案对所述薄掩模图像中的多个采样点进行采样。
6.根据权利要求5所述的方法，其中，与所述人工神经网络相关联的参数包括与所述采样点相关联的权重，并且基于多个采样点中的所述采样点与另一个采样点之间的距离确定所述权重。
7.根据权利要求1所述的方法，还包括：
8.根据权利要求1所述的方法，其中所述人工神经网络具有多个参数，并且还包括：
9.根据权利要求1所述的方法，其中，所述近场图像包括复数值。
10.根据权利要求1所述的方法，其中使用所述人工神经网络确定近场图像包括：
11.根据权利要求1所述的方法，还包括基于所述近场图像执行光刻模拟以确定空间图像。
12.一种非易失性计算机可读介质，所述非易失性计算机可读介质存储有指令集，所述指令集通过使用处理器的设备执行时，与所述处理器一起操作用以使所述设备至少：
13.根据权利要求12所述的非易失性计算机可读介质，其中使用所述人工神经网络确定所述近场图像的所述指令包括：通过将关于...
【专利技术属性】
技术研发人员：李江伟，王育民，刘钧，
申请(专利权)人：ASML美国有限责任公司，
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。