[发明专利]光刻掩模光学修正的方法、装置及计算机可读存储介质

说明书

本发明涉及制备光学临近校正(OPC)设计工艺技术领域，具体而言，涉及一种光刻掩模光学修正的方法、装置及计算机可读存储介质。本发明提供一种光刻掩模光学修正的方法，包括：对修正前数据进行处理，得到基于多个分类的修正前数据；对所述基于多个分类的修正前数据进行光学临近修正，得到多个分类的修正后数据；使用修正模块对修正后数据进行确定，得到修正后数据。

技术领域

本发明涉及制备光学临近校正(OPC)设计工艺技术领域，具体而言，涉及一种光刻掩模光学修正的方法、装置及计算机可读存储介质。

背景技术

计算光刻就是使用计算机来模拟、仿真光刻的光学和化学过程，从理论上探索增大光刻分辨率和工艺窗口的途径，指导工艺参数的优化。在一段时期内，光刻工艺分辨率的提高完全依赖于所谓的分辨率增强技术，包括优化光照条件使得图形的分辨率达到最佳、光学邻近效应修正(OPC)以及添加曝光辅助图形。随着技术节点的推进，计算光刻的模型也越来越复杂，所需要的计算时间也更多。因此，计算光刻的运算量巨大，需要多个CPU并行计算。

基于模型的邻近效应修正技术(OPC)的关键在于建立精确的光刻模型，包括光学模型和光刻胶模型。一层设计有上千万个图形，一个好的模型不仅要求精度高而且要求计算速度快。为了实现快速处理大容量的设计数据，修正软件中的模型都采用近似模型。这些近似模型中包含一系列的参数，这些参数通过实验数据来拟合，以保证模型的精确度。由于光学邻近效应修正(OPC)软件中的模型是半经验的，因此，实验数据越多，模型中的参数就会拟合得越准确。但是，太多的测试图形，又使得晶圆数据的收集量太大。

因此，如何从设计的掩膜版图中提取出关键的图形，这些关键图形尽可能包括光刻困难和复杂的图形，并且把相似的图形归成一类，在同一类图形中选取有代表性的图像作为测试图形放置在光学邻近效应修正(OPC)测试掩模上，从而降低计算机运算量、提高光学邻近效应修正的精度，成为了一个逞待解决的问题。

发明内容

本发明的目的在于提供一种光刻掩模光学修正的方法、装置及计算机可读存储介质，通过建立未经光学修正的分类模型，根据光学修正前同类中的修正前数据以及光学修正后数据建立修正模型。从而把相似的图形归成一类，将同一类中代表性的图像作为测试图形放置在光学邻近效应修正(OPC)测试掩模上，从而降低计算机运算量、提高光学邻近效应修正的精度。

本发明的实施例是这样实现的：

本发明实施例的第一方面提供一种光刻掩模光学修正的方法，主要包括：

对修正前数据进行处理，得到基于多个分类的修正前数据；

对所述基于多个分类的修正前数据进行光学临近修正，得到多个分类的修正后数据；

利用修正模块对修正后数据进行确定，得到修正后数据。

可选地，所述对修正前数据进行处理，包括：

将修正前数据划分成n个集合，所述集合包括一个几何图形及其周围对它有影响的几何图形；

分别获取所述n个集合的面积的值；

将所述获取的n个集合的面积的值从小到大等额增加划分成n个分类并对所述分类标记；

基于所述修正前数据和所述分类标记，生成训练集；

利用所述训练集对初始模型进行训练，得到分类确定模型。

可选地，所述分类确定模型包括神经网络模型或神经网络模型与非神经网络模型的混合模型。

可选地，所述神经网络模型基于以下训练方法获得：

获取训练集，所述训练集包括所述修正前数据和所述分类；

利用所述训练集对初始模型进行训练，获得神经网络模型。