[发明专利]光刻机光源与掩模的联合优化方法

说明书

技术领域

本发明涉及光刻机，尤其涉及一种光刻机的光源与掩模联合优化方法。

背景技术

光刻是极大规模集成电路制造的核心技术之一。光刻分辨率决定集成电路图形的特征尺寸。当曝光波长和数值孔径一定的情况下，继续提高光刻分辨率，必须通过改善光刻胶工艺和采用分辨率增强技术来减小工艺因子。光源与掩模联合优化(Source Mask Optimization，以下简称为SMO)技术是最近几年新发展起来的一种新的分辨率增强技术，它同时优化光源照明模式和掩模图形。和光学临近效应矫正技术相比，它增加了可优化图形的自由度，具有更强的分辨率增强能力。随着集成电路特征尺寸进入2Xnm及以下节点，传统的193nmArF浸没式光刻工艺因子逼近衍射极限，导致可用工艺窗口不断减小。光源与掩模联合优化(SMO)技术成为了拓展浸没式193nmArF光刻技术工艺窗口，减小工艺因子的重要分辨率增强技术。

基于梯度的SMO技术由于其方法简单、计算高效、速度快而得到了广泛的研究。Peng等提出了基于最速梯度下降算法的SMO方法(参见在先技术1，Yao Peng,Jinyu Zhang,Yan Wang,“Gradient-Based Source and Mask Optimization in Optical Lithography”,IEEE Trans.Image Process.2011,20(10):2856～2864），通过计算评价函数的梯度解析表达式引导进行光源和掩模的优化。马旭等申请的专利“一种基于Abbe矢量成像模型的光源-掩模同步优化方法”(参见在先技术2，马旭,李艳秋,韩春营,董立松；“一种基于Abbe矢量成像模型的光源-掩模同步优化方法”，公开号：CN102707582B，公开日期：2013/11/27,专利申请号：CN201210199783)实现了光源照明模式和掩模的优化。然而，在先技术1和在先技术2的优化过程中均需要计算评价函数梯度的解析表达式。随着前向光刻成像模型和评价函数表达式复杂度的不断提高，评价函数梯度的解析表达式难以求解甚至无法求解，增大了优化方法的复杂度。

发明内容

本发明提供一种基于随机并行梯度速降算法的SMO方法。本方法采用随机并行梯度速降算法实现评价函数的梯度估算，避免了求解评价函数梯度解析表达式，降低了优化的复杂程度，提高了光源和掩模联合优化效率。本方法适用于NA>0.75的光刻系统。

本发明的技术解决方案如下：

一种基于随机并行梯度速降算法的光刻机光源与掩模联合优化方法，具体步骤如下：

①初始化所述的掩模图形M(i,j)大小为N_x×N_y，并且设置掩模图形的透光部分的透过率值为1，阻光部分的透过率值为0；初始化光源照明模式J(a,b)大小为S_x×S_y，并且光源照明模式发光部分的亮度值为1，不发光部分的亮度值为0；初始化理想图形I_d(x,y)=M(i,j)；初始化迭代步长γ及光刻胶模型中的阈值t、倾斜度参数a；

②初始化掩模图形M对应的控制变量矩阵初始化光源照明模式J对应的控制变量矩阵θ(a,b);及θ(a,b)即为要优化的变量；

③建立评价函数F：在当前光源照明模式照明下，掩模图形M(i,j)成像在光刻胶中，将目标图形I_d(x,y)与掩模图形M(i,j)光刻胶像的欧氏距离的平方，本发明中称为图形误差(Pattern Error，PE)作为评价函数，即