专利摘要

本发明公开了一种采用压缩感知技术的光源掩模优化方法，本发明将光源优化SO问题构造为在解为非负约束条件下求解2范数的图像恢复问题，即：s.t.其中约束条件线性方程组使优化后光源对应的空间像尽量接近目标成像值。另一方面，本发明将掩模优化MO问题构造为含稀疏正则项和低秩正则项的图像优化问题，即：其中约束条件非线性方程组使优化后的掩模和光源对应的空间像观测数据尽量接近目标图形上的观测数据，约束条件能够进一步降低优化过程中方程组的数目，约束条件能够保证优化过程中掩模的复杂度尽量降低。

权利要求

1.一种采用压缩感知技术的光源掩模优化方法，其特征在于，包括：

步骤101、将光源初始化为NS×NS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NS和N均为整数值；

步骤102、对所述光源图形J进行逐点扫描，并将所述光源图形J转化为N2×1的光源向量所述光源向量的元素值等于所述光源图形J的对应像素值；

对掩模图形M进行逐点扫描，并将M转化为N2×1的掩模向量所述掩模向量的元素值等于所述掩模图形M的对应像素值；

对目标图形进行逐点扫描，并将转化为N2×1的目标向量所述目标向量的元素值等于目标图形的对应像素值；

步骤103、选定两组组基函数ΨJ和ΨM，使得光源向量和掩模向量分别在ΨJ和ΨM上是稀疏的；将光源向量在ΨJ上展开得到掩模向量在ΨM上展开得到其中和分别为展开后的系数；

步骤104、采用初始的掩模图形M计算照明交叉系数ICC矩阵Icc，其大小为N2×NS2；并对目标图形和ICC矩阵Icc降采样分别得到和

步骤105、将光源优化SO问题构造为如下的形式：

其中指的优化结果；为向量的2范数；λ为权重系数；为向量的1范数；作为约束条件；

步骤106、采用梯度投影的稀疏重构算法GPSR求解步骤105中的光源优化SO问题，获得对应最优光源图形的的优化结果计算优化后的光源图形为Ψ'J是ΨJ的转置；

步骤107、根据步骤106中优化的光源计算空间成像I(θM)并扫描得到所述空间成像I(θM)的空间成像向量并对和分别进行降采样得到和

步骤108、将掩模优化MO问题构造为如下形式：

其中是的优化结果；为向量的低秩正则项，为向量的稀疏正则项，α和β分别为和正则项的权重系数；

步骤109、采用分裂布莱格曼算法Split Bregman求解步骤108中的MO问题，获得对应最优掩模图形的向量计算优化后的掩模图形为Ψ'M为ΨM的转置。

2.如权利要求1所述的方法，其特征在于，所述步骤107中，所述对和分别进行降采样得到和具体为：

步骤201、所述目标图形为大小为N×N的矩阵；中对应目标图形中不透光部分元素值设置为1，透光部分元素值设置为0，对的行和列分别隔K个像素进行取值得到降采样后的矩阵大小用N/K×N/K表示；

步骤202、对所述空间成像I(θM)的行和列分别隔K个像素进行取值得到I(θM)降采样后的矩阵Ik(θM)，大小为N/K×N/K。

说明书

技术领域

本发明涉及光刻分辨率增强技术领域，具体涉及一种采用压缩感知技术的光源掩模优化方法。

背景技术

光学光刻是目前的主流光刻技术，它利用光学投影成像原理，通过步进扫描曝光的方式将掩模上的集成电路图形转移到涂有光刻胶的晶片上。随着半导体行业的快速发展，超大规模集成电路的特征尺寸也在不断缩小。而光刻系统是IC制造业中的主要核心设备，目前主流的光刻技术主要采用光源波长193nm的深紫外浸没式光刻技术。

随着光刻技术节点进入45-14nm，集成电路的关键尺寸已进入深亚波长范围，此时必须采用分辨率增强技术(resolution enhancement technique，简称RET)来进一步提高光刻系统的分辨率和成像保真度。光源-掩模优化(source-mask optimization，简称SMO)技术是提高光刻成像分辨率和图形保真度的重要方法之一，SMO利用光源和掩模在成像过程中的耦合关系，在对掩模进行预畸变的同时优化光源的强度分布，能够进一步降低工艺因子和提高光刻系统成像性能。以往的SMO技术主要采用梯度下降法的优化算法对像素化的光源和掩模进行优化，但是由于像素化的光源和掩模在优化的过程中需要处理庞大的数据量，传统优化算法的运算效率将显著降低，为此，针对SMO技术的运算效率问题还有待进一步解决。

相关文献(Journal of the Optical Society of America A，2013,30:112-123)提出了一种基于梯度下降法的SMO技术，该方法针对光源和掩模的优化次序，提出了三种不同的优化方法，分别是同步型、交替型和混合型优化方法，其中以混合型的优化效果最为理想，但是上述方法在优化过程中需要大量的运行时间，运行效率需要进一步提高。

相关文献(Optics Express,2017,25:7131-7149)提出了一种基于自适应压缩感知技术的快速SO方法，该方法假设光源图形在某组稀疏基上是稀疏的，即光源图形在该组基上的绝大部分系数值等于0或接近于0。之后，该方法根据

蓝噪声采样方法在电路版图的关键区域内选取若干观测点，构造SO优化数学模型，并采用线性布莱格曼算法求解上述的SO问题，获得优化后的光源图形。

但是以上方法存在两点不足：第一，上述方法采用的线性布莱格曼算法需要在每次优化过程中对光源的优化变量强制置零，此操作必然会影响SO问题的最优解，从而影响光刻系统的成像性能；第二，上述方法仅仅考虑到线性压缩感知技术在光源优化问题中的应用，并未将非线性压缩感知技术应用到掩模的优化问题中，因此最终的光刻成像性能还不是最优的结果。

综上所述，传统SMO方法的运算效率，以及基于线性压缩感知技术的SO最优解问题均有待进一步改善和提高。

发明内容

有鉴于此，本发明提供了一种采用压缩感知技术的光源掩模优化方法，采用梯度投影的稀疏重构算法GPSR求解光源优化SO问题，优化过程中每次迭代更新所得到的都是非负解，没有强制置零相关操作，在算法运算时间相近的情况下，优化结果更加接近实际真实值，能够进一步提高光刻成像性能；且对于掩模优化MO问题，对目标图形和空间成像进行降采样，从而降低了优化方程组的数目，能够更好地提高运算效率。

为达到上述目的，本发明的技术方案包括如下步骤：

步骤101、将光源初始化为NS×NS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NS和N均为整数值。

步骤102、对所述光源图形J进行逐点扫描，并将所述光源图形J转化为N2×1的光源向量 所述光源向量 的元素值等于所述光源图形J的对应像素值。

对掩模图形M进行逐点扫描，并将M转化为N2×1的掩模向量 所述掩模向量 的元素值等于所述掩模图形M的对应像素值。

对目标图形 进行逐点扫描，并将 转化为N2×1的目标向量 所述目标向量 的元素值等于目标图形 的对应像素值。

步骤103、选定两组组基函数ΨJ和ΨM，使得光源向量 和掩模向量 分别在ΨJ和ΨM上是稀疏的；将光源向量 在ΨJ上展开得到 掩模向量 在ΨM上展开得到 其中 和 分别为展开后的系数。

步骤104、采用初始的掩模图形M计算照明交叉系数ICC矩阵Icc，其大小为N2×NS2；并对目标图形 和ICC矩阵Icc降采样分别得到 和

步骤105、将光源优化SO问题构造为如下的形式：

其中 指 的优化结果； 为向量 的2范数；λ为权重系数； 为向量 的1范数； 作为约束条件。

步骤106、采用梯度投影的稀疏重构算法GPSR求解步骤105中的光源优化SO问题，获得对应最优光源图形的 的优化结果 计算优化后的光源图形为 Ψ'J是ΨJ的转置。

步骤107、根据步骤106中优化的光源计算空间成像I(θM)并扫描得到所述空间成像I(θM)的空间成像向量 并对 和 分别进行降采样得到 和

步骤108、将掩模优化MO问题构造为如下形式：

其中 是 的优化结果； 为向量 的低秩正则项， 为向量 的稀疏正则项，α和β分别为 和 正则项的权重系数。

步骤109、采用分裂布莱格曼算法Split Bregman求解步骤108中的MO问题，获得对应最优掩模图形的向量 计算优化后的掩模图形为 Ψ'M为ΨM的转置。

进一步地，步骤107中，所述对 和 分别进行降采样得到 和 具体为：

步骤201、所述目标图形 为大小为N×N的矩阵； 中对应目标图形中不透光部分元素值设置为1，透光部分元素值设置为0，对 的行和列分别隔K个像素进行取值得到 降采样后的矩阵 大小用N/K×N/K表示。

步骤202、对所述空间成像I(θM)的行和列分别隔K个像素进行取值得到I(θM)降采样后的矩阵Ik(θM)，大小为N/K×N/K。

有益效果：

本发明的目的是提供一种采用压缩感知技术的光源掩模优化SMO方法。首先，针对SO问题采用蓝噪声采样和自适应投影矩阵相结合的方法构造约束条件线性方程组，之后，将光源优化SO问题转换为求解2范数的图像恢复问题，采用GPSR重构算法对光源图形进行优化。相比现有的线性布莱格曼算法，本发明中的GPSR重构算法不仅能够保证相似的运算效率，而且能够很好地避免优化过程产生的负数解，优化得到的结果更加接近光源的实际真实值，能够进一步提高光刻系统的成像性能，线性压缩感知技术在光源优化问题中的应用；其次，对于掩模优化MO问题，采用隔点取值的方法对目标图形和空间成像进行降采样，利用降采样后的目标图形和空间成像构造低维的损失函数，为了进一步加速优化效率和提高掩模的可制造性，本发明还在损失函数中加入稀疏和低秩两项正则项加以约束。

附图说明

图1为本发明涉及的采用压缩感知技术的SMO方法的流程图。

图2为采用传统混合型SMO方法得到的优化光源图形、掩模图形及其在额定曝光量下最佳焦平面处的光刻胶中成像示意图。

图3为K＝2时，采用本发明中的基于压缩感知技术的SMO方法得到的优化光源图形、掩模图形及其在额定曝光量下最佳焦平面处的光刻胶中成像示意图。

图4为K＝4时，采用本发明中的基于压缩感知技术的SMO方法得到的优化光源图形、掩模图形及其在额定曝光量下最佳焦平面处的光刻胶中成像示意图。

图5为采用传统混合型SMO方法和本发明中基于压缩感知技术的SMO方法优化后得到的光刻系统工艺窗口对比示意图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

本发明的原理：实际光刻系统成像性能通常采用成像误差、掩模复杂度、工艺窗口等指标进行评价。为了提高光刻成像保真度、降低掩模复杂度和扩大工艺窗口，本发明将SO问题构造为在解为非负约束条件下求解2范数的图像恢复问题，即：

其中约束条件线性方程组 使优化后光源对应的空间像尽量接近目标成像值。

另一方面，本发明将MO问题构造为含稀疏正则项和低秩正则项的图像优化问题，即：

其中约束条件非线性方程组 使优化后的掩模和光源对应的空间像观测数据尽量接近目标图形上的观测数据， 约束条件能够进一步降低优化过程中方程组的数目， 约束条件能够保证优化过程中掩模的复杂度尽量降低。

本发明提供了一种采用压缩感知技术的光源掩模优化方法，其流程如图1所示，包括：

步骤101、将光源初始化为NS×NS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NS和N均为整数值。

步骤102、对所述光源图形J进行逐点扫描，并将所述光源图形J转化为N2×1的光源向量 所述光源向量 的元素值等于所述光源图形J的对应像素值。

对掩模图形M进行逐点扫描，并将M转化为N2×1的掩模向量 所述掩模向量 的元素值等于所述掩模图形M的对应像素值。

对目标图形 进行逐点扫描，并将 转化为N2×1的目标向量 所述目标向量 的元素值等于目标图形 的对应像素值。

步骤103、选定两组组基函数ΨJ和ΨM，使得光源向量 和掩模向量 分别在ΨJ和ΨM上是稀疏的，即光源向量 和掩模向量 在ΨJ和ΨM基上展开后的大部分系数为0或接近于0；将光源向量 在ΨJ上展开得到 掩模向量 在ΨM上展开得到 其中 和 分别为展开后的系数。

步骤104、采用初始的掩模图形M计算照明交叉系数ICC(illumination crosscoefficient)矩阵Icc，其大小为N2×NS2；并对目标图形 和ICC矩阵Icc降采样分别得到 和 s是标识，本发明中采用蓝噪声和自适应矩阵采样方法。

步骤105、将光源优化SO问题构造为如下的形式：

其中 指 的优化结果； 为向量 的2范数；λ为权重系数； 为向量 的1范数； 作为约束条件。

步骤106、采用梯度投影的稀疏重构算法GPSR求解步骤105中的光源优化SO问题，获得对应最优光源图形的 的优化结果 计算优化后的光源图形为 Ψ'J是ΨJ的转置。

步骤107、根据步骤106中优化的光源计算空间成像I(θM)并扫描得到所述空间成像I(θM)的空间成像向量 并对 和 分别进行降采样得到 和

本发明实施例中，步骤107中，对 和 分别进行降采样得到 和 具体为：

步骤201、所述目标图形 为大小为N×N的矩阵； 中对应目标图形中不透光部分元素值设置为1，透光部分元素值设置为0，对 的行和列分别隔K个像素进行取值得到 降采样后的矩阵 大小用N/K×N/K表示；

步骤202、对所述空间成像I(θM)的行和列分别隔K个像素进行取值得到I(θM)降采样后的矩阵Ik(θM)，大小为N/K×N/K。

步骤108、将掩模优化MO问题构造为如下形式：

其中 是 的优化结果； 为向量 的低秩正则项， 为向量 的稀疏正则项，α和β分别为 和 正则项的权重系数。

步骤109、采用分裂布莱格曼算法Split Bregman求解步骤108中的MO问题，获得对应最优掩模图形的向量 计算优化后的掩模图形为 Ψ'M为ΨM的转置。

本发明的实施实例：

如图2所示为采用传统混合型SMO方法得到的优化光源图形、优化掩模图形及其在额定曝光量下最佳焦平面处的光刻胶中成像示意图。201为采用传统混合型SMO方法得到的优化光源图形，白色代表发光区域，黑色代表不发光区域。202为采用传统混合型SMO方法得到的掩模图形，白色代表开口区域，黑色代表阻光区域，其关键尺寸为45nm。203为采用201作为光源、202作为掩模，不考虑曝光量变化和离焦效应时，在理想焦平面处的光刻胶中成像，成像误差为2888，其中成像误差定义为光刻胶中成像与目标图形的欧拉距离的平方，掩模复杂度为197，其中掩模复杂度的计算是采用专业的Calibre仿真软件进行的测试，整个SMO优化流程运算时间为1170991秒。

如图3所示为K＝2的情况下，采用基于CS技术的SMO方法得到的优化光源图形、优化掩模图形及其在额定曝光量下最佳焦平面处的光刻胶中成像示意图。301为采用基于CS技术的SMO方法得到的优化光源图形，白色代表发光区域，黑色代表不发光区域。302为采用基于CS技术的SMO方法得到的掩模图形，白色代表开口区域，黑色代表阻光区域，其关键尺寸为45nm。303为采用301作为光源、302作为掩模，不考虑曝光量变化和离焦效应时，在理想焦平面处的光刻胶中成像，成像误差为1376，掩模复杂度为92，整个SMO优化流程运算时间为118532秒。

如图4所示为K＝4的情况下，采用基于CS技术的SMO方法得到的优化光源图形、优化掩模图形及其在额定曝光量下最佳焦平面处的光刻胶中成像示意图。401为采用基于CS技术的SMO方法得到的优化光源图形，白色代表发光区域，黑色代表不发光区域。402为采用基于CS技术的SMO方法得到的掩模图形，白色代表开口区域，黑色代表阻光区域，其关键尺寸为45nm。403为采用401作为光源、402作为掩模，不考虑曝光量变化和离焦效应时，在理想焦平面处的光刻胶中成像，成像误差为2580，掩模复杂度为151，整个SMO优化流程运算时间为96992秒。

如图5所示为传统混合型SMO方法和本发明中的SMO方法优化后得到的光刻系统工艺窗口对比图。501为传统混合型SMO方法得到的工艺窗口，502为K＝2时，本发明中的SMO方法得到的工艺窗口，503为K＝4时，本发明中的SMO方法得到的工艺窗口。

对比图2、3、4、5可知，相比现有的传统混合型SMO方法，本发明中的SMO方法具有更高的运算效率，掩模复杂更低，优化之后光刻系统的成像性能更好。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

一种采用压缩感知技术的光源掩模优化方法专利购买费用说明

Q：办理专利转让的流程及所需资料

A：专利权人变更需要办理著录项目变更手续，有代理机构的，变更手续应当由代理机构办理。

1：专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。

2：按规定缴纳著录项目变更手续费。

3：同时提交相关证明文件原件。

4：专利权转移的，变更后的专利权人委托新专利代理机构的，应当提交变更后的全体专利申请人签字或者盖章的委托书。

Q:专利著录项目变更费用如何缴交

A：（1）直接到国家知识产权局受理大厅收费窗口缴纳,（2）通过代办处缴纳，（3）通过邮局或者银行汇款,更多缴纳方式

Q：专利转让变更，多久能出结果

A：著录项目变更请求书递交后，一般1-2个月左右就会收到通知，国家知识产权局会下达《转让手续合格通知书》。