[发明专利]离焦低敏感度、工艺窗口增强的光源-掩模批量优化方法有效
申请号: | 201910084372.X | 申请日: | 2019-01-29 |
公开(公告)号: | CN109634068B | 公开(公告)日: | 2020-02-07 |
发明(设计)人: | 李艳秋;韦鹏志;李铁 | 申请(专利权)人: | 北京理工大学 |
主分类号: | G03F7/20 | 分类号: | G03F7/20 |
代理公司: | 11120 北京理工大学专利中心 | 代理人: | 刘芳;仇蕾安 |
地址: | 100081 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 离焦 掩模 光源 低敏感度 工艺窗口 优化 曝光图形 掩模图形 罚函数 计算目标函数 成像模型 传统光源 高保真度 光源图形 目标函数 目标图形 欧拉距离 矢量 光刻胶 空间像 鲁棒性 下降法 小批量 加权 焦深 成像 解析 更新 | ||
1.一种离焦低敏感度、工艺窗口增强的光源-掩模批量优化方法,其特征在于,具体过程为:
步骤一、初始化光源图形和掩模图形;
步骤二、构造优化目标函数G:
设F为成像保真度函数,定义为目标图形与当前光源图形和掩模图形对应的光刻胶中成像之间的欧拉距离的平方;
构造成像结果对离焦误差的低敏感度罚函数项其中Idefocus(βi)是利用矢量成像模型计算当前光源图形和掩模图形在离焦误差βi为对应的空间像,βi表示随机离焦变量,εβi{}为数学期望;
将优化目标函数G构造为F和Y的加权和,即G=F+ωY,其中ω为权重系数;
步骤三、基于所述优化目标函数G,利用小批量梯度下降法对光源和掩模进行优化;
所述步骤一的具体过程为:
步骤101、将光源初始化大小为NS×NS的光源图形J,将掩模图形M初始化为大小为N×N的目标图形其中NS和N为整数;
步骤102、设置初始光源图形J上发光区域的像素值为1,不发光区域的像素值为0;设定大小为NS×NS的光源变量矩阵Ωs,当J(xs,ys)=1时,当J(xs,ys)=0时,其中J(xs,ys)表示光源图形上各像素点(xs,ys)的像素值;设置初始掩模图形M透光区域的透射率为1,阻光区域的透射率为0;设定大小为N×N的掩模变量矩阵ΩM,当M(x,y)=1时,当M(x,y)=0时,其中M(x,y)表示掩模图形上各像素点(x,y)的透过率;令初始二值掩模图形Mb=M;
所述步骤三的具体过程为:
步骤301、随机产生一系列离焦误差因子lbatch是小批量梯度下降法中一轮迭代中的随机样本个数,计算目标函数G对于光源变量矩阵Ωs的梯度矩阵其中a=i,i+1,......i+lbatch-1;利用归一化的最速下降法,批量更新光源变量矩阵Ωs为其中为预先设定的光源优化步长,获取对应当前Ωs的光源图形J,
步骤302、利用归一化的最速下降法,批量更新掩模变量矩阵ΩM为其中为预先设定的掩模优化步长,获取对应当前ΩM的掩模图形M,更新对应当前M的二值掩模图形Mb,tm为预设参数;
步骤303、计算当前光源图形J和二值掩模图形Mb对应的目标函数G的值;当该值小于预定阈值δD或更新光源变量矩阵Ωs与掩模变量矩阵ΩM的次数达到预定上限值KSM时,进入步骤304,否则返回步骤301;
步骤304、终止优化,并将当前光源图形J和二值掩模图形Mb确定为经过优化后的光源图形与掩模图形。
2.根据权利要求1所述一种离焦低敏感度、工艺窗口增强的光源-掩模批量优化方法,其特征在于,所述随机产生离焦误差因子βi的方法为:选取合适误差范围,其中上下限为±a,利用计算机产生服从均匀分布U(-α,α)的一组随机离焦训练集β={βi}。
3.根据权利要求1所述一种离焦低敏感度、工艺窗口增强的光源-掩模批量优化方法,其特征在于,tm取为0.5。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京理工大学,未经北京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910084372.X/1.html,转载请声明来源钻瓜专利网。
- 上一篇:曝光方法
- 下一篇:应用于光刻的光瞳相位优化方法