[发明专利]光学临近效应修正方法及装置、存储介质、终端

说明书

一种光学临近效应修正方法及装置、存储介质、终端，所述方法包括：对待修正版图中的各个待修正图形进行分割，每个待修正图形的每条边被分割为一条或多条线段；确定每条线段的第一数量条邻近线段；确定每一条线段的节点信息，所述节点信息包括线段的类型以及该线段的各条邻近线段与该线段之间的距离，并基于各条线段的节点信息采用卷积神经网络模型输出各条线段的修正移动信息；基于修正移动信息构建修正后的版图。本发明可以提高修正移动信息的准确性，并且有效降低处理成本。

技术领域

本发明涉及半导体技术领域，尤其涉及一种光学临近效应修正方法及装置、存储介质、终端。

背景技术

随着集成化程度的提高，集成电路设计的复杂度也随之增加，光刻工艺实现了掩模版图形向硅片上的投影，成为集成电路制造的主要工艺之一。

在超深亚微米(VDSM)阶段，特征尺寸已经接近甚至小于光刻工艺中所使用的光波波长，因此光刻过程中光的衍射和干涉效应会使得光刻图形于掩模版图形存在偏差。为了减少偏差，可以采用的光学邻近效应修正(Optical Proximity Correction，OPC)技术进行处理。

然而，现有的OPC技术容易出现各种类型形变失真，如可能出现关键尺寸偏差(Critical Dimension Offset)、接线架桥(Line Bridging)、线端缩短(Line-endShorting)、方角钝化(Corner Rounding)等问题，通常情况下，需要依赖人工经验处理，耗时长且准确度较低，随着处理文件增大，处理成本呈指数级增长。

发明内容

本发明解决的技术问题是提供一种光学临近效应修正方法及装置、存储介质、终端，可以提高修正移动信息的准确性，并且有效降低处理成本。

为解决上述技术问题，本发明实施例提供一种光学临近效应修正方法，包括：对待修正版图中的各个待修正图形进行分割，每个待修正图形的每条边被分割为一条或多条线段；确定每条线段的第一数量条邻近线段；确定每一条线段的节点信息，所述节点信息包括线段的类型以及该线段的各条邻近线段与该线段之间的距离，并基于各条线段的节点信息采用卷积神经网络模型输出各条线段的修正移动信息；基于修正移动信息构建修正后的版图。

可选的，所述基于各条线段的节点信息采用卷积神经网络模型输出各条线段的修正移动信息，包括：采用各条线段的节点信息以及第一卷积神经网络模型输出所述各条线段的特征向量矩阵；采用第二卷积神经网络模型输出各条线段的特征向量的均值向量；以及，采用第三卷积神经网络模型输出各条线段的特征向量的方差向量；采用所述均值向量和所述方差向量构建正态分布，基于所述正态分布采样确定各条线段的修正移动信息。

可选的，所述采用各条线段的节点信息以及第一卷积神经网络模型输出所述各条线段的特征向量矩阵，包括：采用各条线段与邻近线段之间的距离以及各条线段的类型作为节点信息，构建特征矩阵以及邻接矩阵；将所述特征矩阵以及邻接矩阵输入所述第一卷积神经网络，输出所述各条线段的特征向量矩阵。

可选的，采用下述公式表示所述第一卷积神经网络的层特征传播公式，其中，所述特征向量矩阵由经过所述第一卷积神经网络的最后一层输出的特征向量构成：

其中，A用于表示邻接矩阵，I用于表示单位矩阵，用于表示的度矩阵，用于表示对所述邻接矩阵A的归一化处理，H^(l)用于表示第l层的特征矩阵，H^(l+1)用于表示第l+1层的特征矩阵，W^(l)用于表示第l层的权重矩阵，σ()用于表示激活函数。

可选的，所述特征矩阵为(N+1)×N矩阵，且包含各条线段与邻近线段之间的距离以及各条线段的类型；和/或，所述邻接矩阵为N×N矩阵，且包含各条线段与邻近线段之间的距离；其中，N用于表示所述第一数量。