一种采用自适应压缩感知技术的光源优化方法

摘要

本发明提供一种采用自适应压缩感知(compressive sensing，简称CS)技术的光源优化(source optimization，简称SO)方法。相比现有的CS‑SO算法，本发明中的SO方法得到的观测点分布能够更好地表征电路版图的拓扑结构特征；在观测点数目相同的情况下，具有更高的运算效率；在算法运算时间相近的情况下，能够进一步提高光刻系统的成像性能。该方法采用蓝噪声采样方法在电路版图上选取观测点，以观测点处的成像值等于目标成像值作为约束条件，构造约束条件线性方程组。之后，使用电路版图的信息构造自适应投影矩阵。根据CS理论，采用自适应投影矩阵压缩约束条件线性方程组的维度，并将SO优化问题转换为求解L‑p(0＜p≤1)范数的图像恢复问题，采用CS信号重构算法对光源图形进行优化。

主权项

一种采用自适应压缩感知技术的光源优化方法，其特征在于，具体步骤为：步骤101、将光源初始化为N_s×N_s的光源图形J，将掩模图形M和目标图形栅格化为N×N的图形，其中N_s和N均为正整数；步骤102、对目标图形进行逐点扫描，并将转化为N²×1的向量向量的元素值等于目标图形的对应像素值；对光源图形J进行逐点扫描，并将J转化为N_s²×1的向量向量的元素值等于光源图形J的对应像素值；步骤103、选定一组基函数，使得向量在该组基函数上是稀疏的，即向量在该组基函数上展开后的大部分系数为0或接近于0，并将该组基函数对应的变换矩阵记为Ψ；将向量在Ψ上展开得到其中为展开后的系数；步骤104、采用掩模图形M计算照明交叉系数矩阵I_cc，其大小为N²×N_s²；步骤105、使用蓝噪声采样方法在电路版图上选取K个观测点，其中K为正整数；步骤106、选取向量中对应上述K个观测点的K个元素，组成大小为K×1的向量选取I_cc矩阵中对应上述K个观测点的K行，组成一个大小为K×N_s²的矩阵步骤107、根据如下公式构造大小为L×K的自适应投影矩阵Φ，其中L＜K：其中，Φ(i,j)表示矩阵Φ第i行第j列的元素；为向量的第j个元素；随机数Λ(i,j)的取值服从均值为0，方差为的随机高斯分布；sgn(x)为符号函数，其表达式为步骤108、将光源优化问题构造为如下形式：其中为向量的L‑p范数，0＜p≤1；表示以作为约束条件，即在步骤109优化过程中，使优化变量尽可能的满足该条件；步骤109、采用压缩感知信号重构算法求解步骤108中的光源优化问题，获得对应最优光源图形的向量步骤110、计算优化后的光源图形为