发明名称 一种基于Abbe矢量成像模型的光源-掩模混合优化方法
摘要 本发明提供一种基于Abbe(阿贝)矢量成像模型的光源-掩模混合优化方法,本方法设置光源图形像素值和掩模中开口部分以及阻光部分的透射率,设置变量矩阵ΩS和ΩM,将目标函数D构造为目标图形与当前光源和掩模对应的光刻胶中成像之间的欧拉距离的平方;利用变量矩阵ΩS和ΩM以及目标函数D引导光源和掩模图形的混合优化过程。较之传统的光源单独优化、掩模单独优化、光源-掩模同步优化以及光源-掩模交替优化等方法,本发明所涉及的方法能够更为有效的提高光刻系统的分辨率。同时采用本发明优化后的光源和掩模不但适用于小NA的情况,也适用于NA>0.6的情况。另外本发明利用优化目标函数的梯度信息,结合最陡速降法对光源图形和掩模图形进行优化,优化效率高。
申请公布号 CN102692814A 申请公布日期 2012.09.26
申请号 CN201210199753.0 申请日期 2012.06.18
申请人 北京理工大学 发明人 马旭;李艳秋;韩春营;董立松
分类号 G03F1/36(2012.01)I;G03F1/00(2012.01)I 主分类号 G03F1/36(2012.01)I
代理机构 北京理工大学专利中心 11120 代理人 李爱英;杨志兵
主权项 1.一种基于Abbe矢量成像模型的光源-掩模混合优化方法,其特征在于,具体步骤为:步骤101、将光源初始化为大小为N<sub>S</sub>×N<sub>S</sub>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<img file="FSA00000735728200011.GIF" wi="46" he="74" />,其中N<sub>S</sub>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N<sub>S</sub>×N<sub>S</sub>的变量矩阵Ω<sub>S</sub>:当J(x<sub>s</sub>,y<sub>s</sub>)=1时,<img file="FSA00000735728200012.GIF" wi="356" he="109" />当J(x<sub>s</sub>,y<sub>s</sub>)=0时,<img file="FSA00000735728200013.GIF" wi="358" he="109" />其中J(x<sub>s</sub>,y<sub>s</sub>)表示光源图形上各像素点(x<sub>s</sub>,y<sub>s</sub>)的像素值;设置初始掩模图形M上开口部分的透射率为1,阻光区域的透射率为0;设定N×N的变量矩阵Ω<sub>M</sub>:当M(x,y)=1时,<img file="FSA00000735728200014.GIF" wi="336" he="108" />当M(x,y)=0时,<img file="FSA00000735728200015.GIF" wi="331" he="109" />其中M(x,y)表示掩模图形上各像素点(x,y)的透射率;令初始二值掩模图形M<sub>b</sub>=M;步骤103、构造优化目标函数D;设成像误差E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,即<img file="FSA00000735728200016.GIF" wi="640" he="114" />其中<img file="FSA00000735728200017.GIF" wi="151" he="66" />为目标图形各像素点的像素值,Z(x,y)表示利用Abbe矢量成像模型计算当前光源图形和掩模图形对应的光刻胶中成像各像素点的像素值;构造光源罚函数为<maths num="0001"><![CDATA[<math><mrow><mrow><msub><mi>R</mi><mi>s</mi></msub><mo>=</mo><mo>-</mo><munder><mi>&Sigma;</mi><msub><mi>y</mi><mi>s</mi></msub></munder><munder><mi>&Sigma;</mi><msub><mi>x</mi><mi>s</mi></msub></munder><mi>sigmoid</mi><mo>{</mo><mi>J</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>s</mi></msub><mo>,</mo><msub><mi>y</mi><mi>s</mi></msub><mo>)</mo></mrow><mo>}</mo></mrow><mo>,</mo></mrow></math>]]></maths>其中<maths num="0002"><![CDATA[<math><mrow><mi>sigmoid</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mrow><mn>1</mn><mo>+</mo><mi>exp</mi><mo>[</mo><mo>-</mo><mi>a</mi><mrow><mo>(</mo><mi>x</mi><mo>-</mo><msub><mi>t</mi><mi>r</mi></msub><mo>)</mo></mrow><mo>]</mo></mrow></mfrac><mo>,</mo></mrow></math>]]></maths>其中a表征sigmoid函数的倾斜程度,t<sub>r</sub>=0;将目标函数D构造为E和R<sub>S</sub>的加权和,即D=E+γ<sub>s</sub>R<sub>s</sub>,其中γ<sub>s</sub>为加权系数;步骤104、计算目标函数D对于变量矩阵Ω<sub>S</sub>的梯度矩阵<img file="FSA000007357282000110.GIF" wi="198" he="53" />将光源图形上各像素点的像素值之和J<sub>sum</sub>近似为给定常数,得到梯度矩阵<img file="FSA000007357282000111.GIF" wi="169" he="51" />的近似值<img file="FSA000007357282000112.GIF" wi="195" he="61" />利用最陡速降法更新变量矩阵Ω<sub>S</sub>,更新Ω<sub>S</sub>为<img file="FSA000007357282000113.GIF" wi="412" he="69" />其中<img file="FSA000007357282000114.GIF" wi="56" he="48" />为预先设定的光源优化步长,获取对应当前Ω<sub>S</sub>的光源图形J,<maths num="0003"><![CDATA[<math><mrow><mi>J</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>s</mi></msub><mo>,</mo><msub><mi>y</mi><mi>s</mi></msub><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mn>2</mn></mfrac><mo>[</mo><mn>1</mn><mo>+</mo><mi>cos</mi><msub><mi>&Omega;</mi><mi>S</mi></msub><mrow><mo>(</mo><msub><mi>x</mi><mi>s</mi></msub><mo>,</mo><msub><mi>y</mi><mi>s</mi></msub><mo>)</mo></mrow><mo>]</mo><mo>;</mo></mrow></math>]]></maths>步骤105、计算当前光源图形J和二值掩模图形M<sub>b</sub>对应的目标函数D的值;当该值小于预定阈值或者更新变量矩阵Ω<sub>S</sub>的次数达到预定上限值K<sub>S</sub>时,进入步骤106,否则返回步骤104;步骤106、计算目标函数D对于变量矩阵Ω<sub>S</sub>的梯度矩阵<img file="FSA00000735728200022.GIF" wi="211" he="51" />将光源图形上各像素点的像素值之和J<sub>sum</sub>近似为给定常数,得到梯度矩阵<img file="FSA00000735728200023.GIF" wi="169" he="51" />的近似值<img file="FSA00000735728200024.GIF" wi="195" he="60" />计算目标函数D对于变量矩阵Ω<sub>M</sub>的梯度矩阵<img file="FSA00000735728200025.GIF" wi="213" he="51" />利用最陡速降法更新变量矩阵Ω<sub>S</sub>,更新Ω<sub>S</sub>为<img file="FSA00000735728200026.GIF" wi="413" he="70" />获取对应当前Ω<sub>S</sub>的光源图形J,<maths num="0004"><![CDATA[<math><mrow><mi>J</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>s</mi></msub><mo>,</mo><msub><mi>y</mi><mi>s</mi></msub><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mn>2</mn></mfrac><mo>[</mo><mn>1</mn><mo>+</mo><mi>cos</mi><msub><mi>&Omega;</mi><mi>S</mi></msub><mrow><mo>(</mo><msub><mi>x</mi><mi>s</mi></msub><mo>,</mo><msub><mi>y</mi><mi>s</mi></msub><mo>)</mo></mrow><mo>]</mo><mo>;</mo></mrow></math>]]></maths>利用最陡速降法更新变量矩阵Ω<sub>M</sub>,更新Ω<sub>M</sub>为<img file="FSA00000735728200028.GIF" wi="446" he="58" />其中<img file="FSA00000735728200029.GIF" wi="65" he="46" />为预先设定的掩模优化步长,获取对应当前Ω<sub>M</sub>的掩模图形M,<img file="FSA000007357282000210.GIF" wi="639" he="109" />更新对应当前M的二值掩模图形M<sub>b</sub>,<img file="FSA000007357282000211.GIF" wi="616" he="141" />一般情况下t<sub>m</sub>=0.5;步骤107、计算当前光源图形J和二值掩模图形M<sub>b</sub>对应的目标函数D的值;当该值小于预定阈值或者步骤106重复的次数达到预定上限值时,进入步骤108,否则返回步骤106;步骤108、计算目标函数D对于变量矩阵Ω<sub>M</sub>的梯度矩阵<img file="FSA000007357282000212.GIF" wi="211" he="52" />利用最陡速降法更新变量矩阵Ω<sub>M</sub>,更新Ω<sub>M</sub>为<img file="FSA000007357282000213.GIF" wi="444" he="59" />获取对应当前Ω<sub>M</sub>的掩模图形M,<img file="FSA000007357282000214.GIF" wi="627" he="108" />更新对应当前M的二值掩模图形M<sub>b</sub>,<img file="FSA000007357282000215.GIF" wi="616" he="142" />t<sub>m</sub>为预设参量;步骤109、计算当前光源图形J和二值掩模图形M<sub>b</sub>对应的目标函数D的值;当该值小于预定阈值或者步骤108重复的次数达到预定上限值时,进入步骤110,否则返回步骤108;步骤110,终止优化,并将当前光源图形J和二值掩模图形M<sub>b</sub>确定为经过优化后的光源图形和掩模图形。
地址 100081 北京市海淀区中关村南大街5号