[发明专利]基于双目标遗传算法的极紫外多层膜高精度表征方法

权利要求书

1.基于双目标遗传算法的极紫外多层膜高精度表征方法，其特征在于，该方法包括如下步骤：

步骤一：输入基于适用于等周期极紫外多层膜参数求解的NSGA-II的初始参数值，包括种群规模N、基于四层模型的多层膜微观结构的参数个数、变异概率p_m、交叉概率p_c、交叉算子η_c和变异算子η_p、进化的代数j以及基于四层模型的多层膜微观结构的各参数搜索范围；

步骤二：基于极紫外多层膜的四层模型生成适用于NSGA-II进化的初始父代种群Q，种群Q可表示为

Q＝[a₁,a₂,a₃,…,a_i,…,a_N-1,a_N] (1)

以Mo/Si多层膜为例，种群中个体的基因参数为

其中t_Si为Si层的膜厚、t_Mo为Mo层的膜厚、t_MoonSi为Mo层在Si层上的扩散层厚度、t为Mo/Si多层膜的平均周期厚度、σ为膜层间的界面粗糙度、ρ_Si为Si膜层的密度、ρ_Mo为Mo膜层的密度、ρ_MoSi2为Mo层和Si层之间扩散层的密度；

步骤三：计算表征极紫外多层膜微观结构参数的父代种群中每个个体的适应度，适应度包括两个，其中第一个适应度为个体的GIXR理论模拟结果与极紫外多层膜实验结果的符合度，而第二个适应度为个体的EUV反射谱的理论模拟结果与极紫外多层膜的实验结果的符合度；

步骤四：对表征极紫外多层膜微观结构参数的种群中的个体进行非支配排序，得到种群中个体的支配排序，同时，对非支配个体采用拥挤度距离进一步排序；

步骤五：采用轮赛选择机制，对种群中的个体进行交叉操作，以此生成表征极紫外多层膜微观结构参数的子代种群，在交叉操作过程中，要求对个体的全部参数基因进行操作；

步骤六：采用变异机制，进一步更新表征多层膜微观结构参数的子代种群；

步骤七：对表征极紫外多层膜微观结构参数的父代种群和子代种群进行合并；

步骤八：评估表征极紫外多层膜结构参数的合并种群个体的双目标适应度；

步骤九：对表征极紫外多层膜微观结构参数的合并种群进行非支配排序，对非支配个体则计算拥挤度距离，并通过非支配排序和拥挤度距离筛选出新的父代种群，返回步骤三，直到达到要求的进化代数；

步骤十：通过NSGA-II的进化，获得针极紫外多层膜的GIXR和EUV反射谱的实验结果作为拟合求解的双目标，优化获得接近Pareto前沿的非支配解集；

步骤十一：对接近Pareto前沿的非支配解集中的个体依据两个实验结果的拟合残余之和进行评估，选择联合拟合残余较小的个体应用Levenberg-Marquart算法联合两个实验结果进一步优化，选择总拟合残余最小的个体为拟合的最优解，进而求得极紫外多层膜的微观结构参数和相应参数的误差。

2.根据权利要求1所述的基于双目标遗传算法的极紫外多层膜高精度表征方法，其特征在于，在所述步骤一的过程中，种群规模N为50-200；变异概率p_m为0.1-1.0；交叉概率p_c为0.1-1.0；交叉算子η_c为1-50；变异算子η_p为1-50；进化的代数j为300-500。

3.根据权利要求2所述的基于双目标遗传算法的极紫外多层膜高精度表征方法，其特征在于，在所述步骤一的过程中，种群规模N为100；变异概率p_m为0.1；交叉概率p_c为0.9；交叉算子η_c为2；变异算子η_p为2；进化的代数j为500。

4.根据权利要求1所述的基于双目标遗传算法的极紫外多层膜高精度表征方法，其特征在于，在所述步骤二的过程中，考虑多层膜的物理和化学性质，等周期Mo/Si多层膜周期内微观结构参数的约束条件为