带严格梯度的参数化曲线性掩膜优化

《Optics & Laser Technology》:Parametric curvilinear mask optimization with rigorous gradient

【字体: 大 中 小 】 时间:2026年10月02日 来源:Optics & Laser Technology 4.6

编辑推荐:

   ## 摘要 本文提出了一个带有严格梯度的参数化曲线掩模优化通用框架。以参数化曲线为例,采用分段三次贝塞尔曲线来表示掩模的曲线轮廓。通过仅优化在线节点的法向位移并重构离线节点,在保持曲线光滑性的同时减少了设计变量的数量。推导了目标函数的严格梯度,其中基于连续体的设计速度和指示

  

## 摘要

本文提出了一个带有严格梯度的参数化曲线掩模优化通用框架。以参数化曲线为例,采用分段三次贝塞尔曲线来表示掩模的曲线轮廓。通过仅优化在线节点的法向位移并重构离线节点,在保持曲线光滑性的同时减少了设计变量的数量。推导了目标函数的严格梯度,其中基于连续体的设计速度和指示函数公式为设计变量的变化与掩模透过率的变化之间提供了重要的联系。实现了带有自适应步长简单策略的基于梯度的优化。此外,还介绍了栅格化方法和目标平滑方法。所提出的框架可用于任何参数化曲线掩模,甚至可用于曼哈顿风格掩模。平均关键尺寸为87 nm、面积为2.36 μm2的掩模实验表明,优化可在约5秒内完成,最大边缘放置误差的平均值低于3 nm。

## 引言

光刻是集成电路制造中的关键步骤,旨在将电路图案从掩模忠实地转移到晶圆上。然而,随着关键尺寸不断缩小和器件密度不断增加,光学邻近效应变得越来越显著,导致转移到晶圆上的图案严重失真,工艺窗口变窄。在这种情况下,基于曼哈顿风格掩模的传统掩模优化方法表现出严重的局限性,而基于曲线掩模的方法已成为一个重要趋势[1, 2, 3, 4]。曲线掩模由光滑曲线围成的二维形状组成,而不是曼哈顿风格掩模中的多边形,从而在几何描述方面具有更高的灵活性,为掩模优化提供更广阔的解空间。因此,它可以显著改善图案转移的保真度并扩展工艺窗口[1, 2]。

根据所采用的曲线掩模表示方法,曲线掩模优化可分为基于像素的方法、基于水平集的方法和基于参数曲线的方法。表示方法及其相应的梯度分析不仅决定了掩模布局变化的灵活性和解空间的规模,还影响优化效率。

在基于像素的掩模优化中[5-10],掩模被表示为像素的二维数组,像素的值代表一个小区域内的透过率。文献中通常考虑二值掩模的基于像素的优化,本质上是一个0-1整数优化问题。通常采用松弛策略后进行二值化处理,将其转化为连续变量优化问题。虽然可以获得严格梯度,但由于像素数量庞大以及二值化引入的强非线性,优化通常不够高效。首先,像素尺寸越小,所能表示的几何细节越丰富,可达到的保真度越高,但计算成本急剧增加。其次,高度二值化引入强非线性,但如果二值化不够充分,灰度像素无法完全去除。值得注意的是,用于制造曲线掩模的多束掩模写机将几何描述(例如贝塞尔曲线或B样条曲线)转换为灰度像素图,因此严格二值掩模表示的假设并非必需。实际上,如果基于像素的掩模优化明确考虑像素尺寸和多束掩模写机可用的剂量电平数,就可以实现高保真的曲线特征。

在基于水平集的掩模优化中[2, 11-17],掩模轮廓被表示为水平集函数的零水平集。在优化过程中,使用基于梯度的优化算法迭代更新水平集函数,从而隐式地修改掩模轮廓。水平集函数的值提供了自然的二值化,因此优化通常比基于像素的方法更稳定。在该方法中,设计变量是掩模轮廓,是无限维的。在数值实现中,无限维优化问题被转化为有限维问题。然而,设计变量数量仍然很大,收敛速度通常较慢。

尽管存在上述困难,基于像素和基于水平集的曲线掩模优化在过去几十年中取得了巨大成功。我们认为,其成功不仅来自几何灵活性,还来自设计变量的严格梯度和随后的基于梯度的优化。

近年来,许多努力集中在用参数曲线表示掩模的曲线掩模优化上[18-25]。由于相对较少的参数可以描述复杂的曲线掩模轮廓,基于参数曲线的掩模优化通常具有少得多的设计变量,从而可以有效提高优化效率。

然而,获得目标函数关于设计变量的严格梯度构成了一个主要技术难点。通常,需要最小化的目标函数是边缘放置误差或曝光图案与目标图案之差的L2范数,设计变量是控制点的位置或基函数的权重。如果无法获得梯度,通常会采用一些无梯度优化方法[21, 24],例如遗传算法或粒子群优化,但这些方法不如基于梯度的优化高效。另一种解决这一困难的方法是使用边缘放置误差作为严格梯度的近似[22]。虽然在许多情况下此方法是有效的,但边缘放置误差仅反映了掩模偏差在评估点处的影响,而忽略了评估点附近掩模的影响。事实上,这正是矩阵OPC(光学邻近校正)通过MEEF(掩模误差增强因子)矩阵比基于边缘放置误差的OPC更有效的原因[26-28]。然而,由于MEEF矩阵的计算计算量昂贵,它仅用于关键区域。

本文提出了一个带有严格梯度的参数化曲线掩模优化通用框架。以参数化曲线为例,采用分段三次贝塞尔曲线来表示掩模轮廓。精心选择设计变量以压缩总数,并获得了由于设计变量变化引起的设计速度。严格推导了目标函数关于设计变量的梯度用于基于梯度的优化,这是本研究的重要贡献。所提出的框架可用于用任何参数曲线表示的曲线掩模,甚至可用于曼哈顿风格掩模。

## 片段

### 三次贝塞尔曲线

在本研究中,掩模Ω∈?2的轮廓Γ由多段三次贝塞尔曲线描述,此类曲线段上点的坐标定义为[29]:

$$\mathbf{C}(s) = \sum_{i=0}^{3} B_i(s) \mathbf{p}_i, \quad 0 \leq s \leq 1$$

其中$B_i(s)$是伯恩斯坦多项式$B_i(s) = \binom{3}{i} s^i (1-s)^{3-i}$;$\mathbf{p}_i = (x_i, y_i)$是控制点或所谓的节点。如图1所示,在三次贝塞尔曲线的四个节点中,$\mathbf{p}_0$和$\mathbf{p}_3$位于曲线上,称为"在线节点";$\mathbf{p}_1$和$\mathbf{p}_2$不在曲线上,称为"离线节点"。

### 解析模型

Hopkins衍射理论[34]将光学系统和掩模对成像过程的贡献解耦。空场像强度由下式给出:

$$I(x, y) = \iint_{-\infty}^{+\infty} \mathrm{TCC}(f', g'; f'', g'') \cdot \hat{M}(f', g') \cdot \hat{M}^*(f'', g'') \cdot \exp\{-j2\pi[x(f'-f'')+y(g'-g'')]\} \, df' \, dg' \, df'' \, dg''$$

其中$(x, y)$表示像平面上的空间坐标;$(f, g)$表示瞳孔平面上的空间频率坐标;$\hat{M}(f, g)$是通过傅里叶变换掩模图案$M(x, y)$得到的掩模衍射谱;

### 优化问题的定义

假设掩模占据的区域Ω被包含在一个表示为??∈?2的仿真域中,即Ω???。优化的目标是最小化曝光图案Z与目标图案Z?之间的差异。这种差异定义为:

$$L = \iint_{\mathcal{D}} (Z(\mathbf{q}) - Z_0(\mathbf{q}))^2 \, d\Omega$$

如第2.3节所述,优化中的设计变量是在线节点沿法线方向从其原始位置移动的距离。在此,它们表示为$t_i$。因此,掩模

### 实验结果

所提出的方法实现在自研软件"LithoLab"中。使用C++和Python编程语言。C++代码被编译为动态链接库,并从完成OPC的Python代码中调用。C++开发工具包括Mingw-w64 14.2.0和Boost.Python 1.87.0;使用OpenMP对核心算法进行并行化;使用FFTW 3.3.5进行快速傅里叶变换;使用OpenBLAS 0.3.30计算TCC和特征值分解。

## 结论

曲线掩模在几何描述方面灵活,为光学邻近校正提供了广阔的解空间。因此,它可以显著改善转移到晶圆上图案的保真度并扩展工艺窗口。本文提出了一个带有严格梯度的参数化曲线掩模优化通用框架。以参数化曲线为例,采用分段三次贝塞尔曲线来表示掩模的曲线轮廓。设计

## CRediT作者贡献声明

夏琪:撰写——审阅与编辑,软件,方法学,调查,概念化。柳思远:撰写——审阅与编辑,调查,概念化。

## 资助

国家自然科学基金委员会(52130504)。

## 利益冲突声明

作者声明不存在已知的可能影响本文所报告工作的竞争性财务利益或个人关系。

夏琪 | 柳思远
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号