[发明专利]光学邻近矫正方法及系统、掩模版、设备与存储介质

说明书

本发明提供一种光学邻近矫正方法及系统、掩模版、设备与存储介质，所述光学临近矫正的方法包括：提供光学临近矫正模型，所述光学临近矫正模型包括参数集；基于机器学习方法优化所述参数集，通过机器学习训练，筛选出对局部特征尺寸问题具有影响的优化参数，使所述优化参数及参数值能够针对局部特征尺寸误差进行调整。本发明能够优化光学临近矫正模型中的参数集，使光学临近矫正模型能够对图形特征尺寸局部异常问题产生更佳的矫正效果，并提高光学临近矫正的效率。

技术领域

本发明涉及半导体领域，具体涉及一种光学邻近矫正方法及系统、掩模版、设备与存储介质。

背景技术

随着特征尺寸的不断减小和图形复杂程度变得越来越高，光学邻近效应矫正(Optical Proximity Correction,OPC)技术已广泛应用于各关键层次的掩膜板设计中。目前应用最为广泛的OPC方法是基于模型的OPC矫正方法，具体地，通过建立某些类型的物理模型来模拟光源、光学组件、光传播和光物质的相互作用，尽可能准确地预测晶圆上的图案轮廓和特征尺寸。

典型的OPC模型通常包含三个子模型：光学模型、掩膜三维效应模型(DDM模型)和光阻模型。光学模型模拟投影到抗蚀剂上的图像，DDM模型模拟掩膜中的光波，而光阻模型模拟显影后的抗蚀剂轮廓。与光学模型和DDM模型相比，光阻模型的物理机理不明且难以量化。因此，调整最佳参数的过程需要花费较大的数据和计算量。例如：光阻模型通常需要调整数十个参数，传统方法模拟成千上万次迭代(通常迭代次数20000)，然后从中选择相对较好的迭代，每个迭代都有其唯一的参数设置。

但是，系统判断参数设置好坏的标准是基于模型误差。模型误差是模拟特征尺寸和扫描电子显微镜特征尺寸之间的总体特征尺寸之间的差异，其中模拟特征尺寸是光阻模型的模拟特征尺寸，扫描电子显微镜特征尺寸通过扫描电子显微镜对晶圆上测试图案测量得到的特征尺寸。

图1是抗试剂模型中特征尺寸误差测量的示意图。其中，第一条状图形011和第二条状图形021示出了现有技术中抗试剂模型特征尺寸的测量示意图，现有技术中，抗试剂模型能够对图1中第一特征尺寸CD1、第二特征尺寸CD2、第三特征尺寸CD3具有信赖度较好的模型误差，但是图1中第三条状图形010和第四条状图形020存在图形异常的问题，由于第三条状图形010和第四条状图形020的顶部在晶圆上成型后图形不规则，从而使第三条状图形010和第四条状图形020之间的第四特征尺寸CD4存在数值异常的问题，在下游的光阻模型参数调整中较难考虑到这种局部形状产生的缺陷，这导致通过光阻模型仿真优化的所选参数设置容易不合格，进而导致难以对上述图形异常问题进行优化。

当前的方法存在光学临近矫正输出的结果容易出现不合格的问题。

发明内容

本发明解决的问题是提供一种光学临近矫正模型的方法、光学临近矫正系统以及掩膜板，优化光学临近矫正效果。

为解决上述问题，本发明提供一种光学临近矫正模型的方法、光学临近矫正系统以及掩膜板，所述光学临近矫正模型的方法包括：提供光学临近矫正模型，所述光学临近矫正模型包括参数集；基于机器学习方法优化所述参数集，通过机器学习训练，筛选出对局部特征尺寸问题具有影响的优化参数，使所述优化参数及参数值能够针对局部特征尺寸误差进行调整。

相应地，本发明实施例还提供一种光学临近矫正系统，用于对原始版图图形进行光学临近矫正，包括：模型建立单元，用于建立光学临近矫正模型；光学临近矫正模型，用于进行光学临近矫正，所述光学临近矫正模型包括参数集；矫正单元，所述矫正单元基于机器学习方法优化所述参数集，通过机器学习训练，筛选出对局部特征尺寸问题具有影响的优化参数，使所述优化参数及参数值能够针对局部特征尺寸误差进行调整。

相应地，本发明实施例还提供一种掩膜板，所述掩膜板上的图形由本发明提供的光学临近矫正系统获得。