一种光源掩模联合优化中光源校准方法及系统与流程

1.本发明属于光刻技术领域，更具体地，涉及一种光源掩模联合优化中光源校准方法及系统。

背景技术：

2.随着特征尺寸的进一步减少，单独优化照明光源或掩模图像已无法满足更小节点集成电路的制造要求。因此，工业界提出同时优化光源和掩模的光源掩模联合优化(smo,source mask optimization)技术，从而进一步提高光刻分辨率，增大工艺窗口。smo是实现28nm以及更小技术节点集成电路制造的关键分辨率增强技术之一。
3.常用的smo优化技术获取的照明光源由像素构成，在光刻物理机上是通过可编程照明系统(programmable illumination system,pis)编程控制微反射镜阵列的偏转角来实现优化后光源图案的形状。虽然pis为照明光源的像素图案提供了更多自由度，但考虑到加工工艺以及安装技术的局限性，微反射阵列中的像素之间仍存在着部分耦合，从而导致照明光源图案中像素无法具有完全独立的自由度，也就是受到对应pis系统加工工艺的潜在物理约束。因此，在无法获取潜在物理约束的情况下，利用smo产生的光源在由pis硬件技术实现的过程中将会引起部分失真，最终导致smo优化后的光刻物理机上的成像效果降低。

技术实现要素：

4.针对现有技术的缺陷，本发明的目的在于提供一种光源掩模联合优化中光源校准方法及系统，能有效避免优化光源图形在光刻机pis系统实现过程中的失真，有效提高工艺窗口。
5.为实现上述目的，第一方面，本发明提供了一种光源掩模联合优化中光源校准方法，包括如下步骤：
6.(1)初始化光源图形和掩模图形；
7.(2)利用smo算法迭代优化光源图形以及掩模图形；
8.(3)利用预先建立的光源偏差校正模型，对每次迭代优化后的光源图形进行校正，并将每次迭代优化后的光源图形更新为当前迭代过程中校正后的光源图形；其中，所述光源偏差校正模型根据pis系统的输入目标光源图形和输出实际光源图形所组成的输入输出数据集建立；
9.(4)根据smo算法的评价标准或迭代的收敛条件，判断优化是否满足要求，若是，则优化结束，输出最终优化后的光源图形和掩模图形，若否，则返回至步骤(2)；其中，所述smo算法的评价标准是通过将迭代优化后的光源图形和掩模图形设置在光刻成像系统模型中进行光刻成像，计算并根据成像质量参数判定。
10.本发明提供的光源掩模联合优化中光源校准方法，根据pis系统的输入目标光源图形和输出实际光源图形所组成的输入输出数据集建立偏差校正模型，并利用该模型对smo算法每次迭代优化后的光源进行校正，可使smo算法每次迭代优化后的光源通过pis系
统后能够产生出具有高保真度的目标光源图案，从而可最终避免优化光源在光刻物理机实现过程中的失真，有效提高工艺窗口。
11.在其中一个实施例中，步骤(3)中，所述光源偏差校正模型的建立方法，具体为：
12.(a)构建目标光源数据集，将目标光源数据集中的各目标光源图形输入到pis系统中，然后获取pis系统所对应输出的实际光源图形；
13.(b)根据各目标光源图形和其对应的实际光源图形，形成所述光源偏差校正模型的输入输出数据集；
14.(c)根据所述输入输出数据集，采用非线性回归或神经网络预测模型方法进行训练与模型评估，建立光源偏差校正模型。
15.在其中一个实施例中，步骤(a)中，采用泽尼克多项式或勒让德多项式生成一定数量的目标光源图形，构建目标光源数据集。
16.在其中一个实施例中，步骤(3)具体为：
17.(3.1)将迭代优化后的光源图形sk设定为校正过程初始的输入，即所述光源偏差校正模型的初始光源图形为s
k,0
＝sk，k为smo算法中的迭代次数；
18.(3.2)设定所述校正过程中的最大迭代次数l，以及当前的迭代器j为0；
19.(3.3)更新校正过程中的迭代器j＝j+1，并通过优化方法优化校正过程中的光源图形为s
k,j
；
20.(3.4)判断当前校正过程中的迭代器是否达到最大迭代次数、或判断步骤(3.3)优化后的光源是否符合条件|f(s
k,j
)-sk|《ε，ε为设定阈值，若是，则更新当前smo算法迭代后的光源图形sk为该smo迭代过程中校正后的光源图形f(s
k,j
)，若否，则返回至步骤(3.3)。
21.在其中一个实施例中，步骤(3.3)中，所述优化方法为最小二乘法、正则化方法或凸优化方法。
22.在其中一个实施例中，当步骤(4)采用根据smo算法迭代的收敛条件判断迭代是否满足要求时，所述步骤(2)具体为：
23.(2.1)设定smo算法中最大迭代次数n，以及迭代器k为0；
24.(2.2)更新迭代器k＝k+1；
25.(2.3)利用smo算法更新迭代光源图形以及掩模图形，以获得当前第k次迭代优化后的光源sk以及掩模mk；
26.所述步骤(4)具体为：判断smo算法中的迭代器k是否大于设定的最大迭代次数n，若是，则优化结束，输出最终优化后的光源图形和掩模图形，若否，则返回至步骤(2.2)。
27.在其中一个实施例中，步骤(4)中，所述根据smo算法的评价标准判断迭代是否满足要求的步骤，具体为：将迭代后的光源图形和掩模图形设置在光刻成像系统模型中进行光刻成像；计算成像边缘放置误差epe；判断所述成像边缘放置误差epe是否小于设定误差，若是，则优化结束，输出最终优化后的光源图形和掩模图形，若否，则返回至步骤(2)。
28.在其中一个实施例中，步骤(1)中，采用基于图形聚类的smo关键图形筛选方法从版图中筛选出关键图形组成初始化掩模图形，或采用基于频谱分析的smo关键图形筛选方法从版图中筛选出关键图形组成初始化掩模图形。
29.在其中一个实施例中，步骤(1)中，初始化光源图形设定为随机像素分布的光源或规则化的参数光源。
30.第二方面，本发明提供看一种光源掩模联合优化中光源校准系统，包括：
31.初始化模块，用于初始化光源图形和掩模图形,并传送给迭代模块；
32.迭代模块，用于利用smo算法更新迭代光源图形以及掩模图形，并传送给校正模块；
33.校正模块，用于利用预先建立的光源偏差校正模型，对每次迭代出来的光源图形进行校正，并将校正后的光源图形更新为当前迭代中的光源图形；其中，所述光源偏差校正模型根据pis系统的输入目标光源图形和输出实际光源图形所组成的输入输出数据集建立；
34.判断模块，用于根据smo算法的评价标准或迭代的收敛条件，判断迭代是否满足要求，若是，则优化结束，输出最终优化后的光源图形和掩模图形，若否，则重新迭代优化光源图形以及掩模图形；其中，所述smo算法的评价标准是通过将迭代优化后的光源图形和掩模图形设置在光刻成像系统模型中进行光刻成像，计算并根据成像质量参数判定。
35.本发明提供的光源掩模联合优化中光源校准系统，根据pis系统的输入目标光源图形和输出实际光源图形所组成的输入输出数据集建立偏差校正模型，并利用该模型对smo算法每次迭代优化后的光源进行校正，可使smo算法每次迭代优化后的光源通过pis系统后能够产生出具有高保真度的目标光源图案，从而可最终避免优化光源在光刻物理机实现过程中的失真，有效提高工艺窗口。
附图说明
36.图1是本发明一实施例提供的光源掩模联合优化中光源校准方法的流程示意图；
37.图2是本发明一具体实施例提供的光源掩模联合优化中光源校准方法的流程示意图。
具体实施方式
38.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
39.为解决smo产生的光源在由pis系统实现过程中的失真问题，本发明提供了一种光源掩模联合优化中光源校准方法，如图1所示，包括步骤s10～s40，详述如下：
40.s10，初始化光源图形和掩模图形，可通过导入文件或者参数设定的方式初始化掩模图形和光源图形。
41.其中，初始化光源图形可以设定为随机像素分布的光源或规则化的参数光源，也可以根据经验对光源图形的设定，本发明不作限制。初始化掩模图形，即筛选出smo关键掩模图形，具体可由从版图中筛选出的关键图形组成，比如可采用基于图形聚类的smo关键图形筛选方法或者基于频谱分析的smo关键图形筛选方法筛选得到。
42.s20，利用smo算法迭代优化光源图形以及掩模图形，包括但不限于梯度算法或启发式算法等方法迭代优化光源和掩模图形。
43.在步骤s20中，对筛选出的关键图形进行smo，可获得适用于全芯片的优化光源，因此smo的结果会影响着最终获得的工艺窗口。
44.s30，利用预先建立的光源偏差校正模型，对每次迭代优化后的光源图形进行校正，并将每次迭代优化后的光源图形更新为当前迭代过程中校正后的光源图形。其中，光源偏差校正模型通过分析pis系统的输入目标光源图形和输出实际光源图形所组成的一定数量的输入输出数据集，利用机器学习或深度学习等方法建立。
45.本实施例根据pis系统的输入目标光源图形和输出实际光源图形所组成的输入输出数据集建立光源偏差校正模型，并利用该模型对smo算法每次迭代优化后的光源进行校正，可使smo算法每次迭代优化后的光源通过pis系统后能够产生出具有高保真度的目标光源图案，最终避免优化光源在光刻物理机实现过程中的失真，有效提高工艺窗口。
46.s40，根据smo算法的评价标准或迭代的收敛条件，判断优化是否满足要求，若是，则优化结束，输出最终优化后的光源图形和掩模图形，若否，则重新开始迭代，即返回至步骤s20。
47.在步骤s40中，判断smo算法优化是否满足要求，可将smo算法迭代优化后的光源图形和掩模图像设置到光刻成像系统模型中进行光刻成像，通过计算硅片上成像质量相关参数，例如计算边缘放置误差(epe)，当epe小于设定误差时，则优化结束。在本实施例中，epe为评价函数，用于衡量图形修正的质量，具体定义为评价点上的设计曝光轮廓同目标的差值，epe越小则意味着曝光后的图形与设计图形越接近。光学成像系统模型可通过采用数学模型对光刻成像过程进行仿真模拟，并对光刻系统的光源形状、掩模图形、照明偏振态、光瞳波前相位等系统参数，以及其他各项工艺参数进行全链路的仿真与优化建立，采用该光学成像系统模块可实现成像误差的高精度补偿，有效提升工艺窗口和芯片制造良率。
48.当然，判断smo算法优化是否满足要求，还可以根据smo算法迭代次数进行判断，具体通过设定smo算法中最大迭代次数n，通过判断smo算法中迭代器k的迭代次数是否大于设定的最大迭代次数n，若是，则优化结束。
49.本实施例提供的光源掩模联合优化中光源校准方法，根据pis系统的输入目标光源图形和输出实际光源图形所组成的输入输出数据集建立偏差校正模型，并利用该模型对smo算法每次迭代优化后的光源进行校正，可使smo算法每次迭代优化后的光源通过pis系统后能够产生出具有高保真度的目标光源图案，从而可最终避免优化光源在光刻物理机实现过程中的失真，有效提高工艺窗口。
50.基于同样的发明构思，本发明还提供了一种光源掩模联合优化中光源校准系统，包括初始化模块、迭代优化模块、校正模块和判断模块。
51.其中，初始化模块，用于初始化光源图形和掩模图形。
52.迭代优化模块，用于利用smo算法迭代优化光源图形以及掩模图形。
53.校正模块，用于利用预先建立的光源偏差校正模型，对每次迭代优化后的光源图形进行校正，并将每次迭代优化后的光源图形更新为当前迭代过程中校正后的光源图形；其中，光源偏差校正模型根据pis系统的输入目标光源图形和输出实际光源图形所组成的输入输出数据集建立。
54.判断模块，用于根据smo算法的评价标准或迭代的收敛条件，判断优化是否满足要求，若是，则优化结束，输出最终优化后的光源图形和掩模图形，若否，则重新迭代优化光源图形以及掩模图形。其中，smo算法的评价标准是通过将迭代优化后的光源图形和掩模图形设置在光刻成像系统模型中进行光刻成像，计算并根据成像质量参数判定。
55.具体地，本实施例提供的各模块的功能可参见前述方法实施例中的详细说明，本实施例在此不再赘述。
56.本实施例提供的光源掩模联合优化中光源校准系统，根据pis系统的输入目标光源图形和输出实际光源图形所组成的输入输出数据集建立偏差校正模型，并利用该模型对smo算法每次迭代优化后的光源进行校正，可使smo算法每次迭代优化后的光源通过pis系统后能够产生出具有高保真度的目标光源图案，从而可最终避免优化光源在光刻物理机实现过程中的失真，有效提高工艺窗口。
57.为更清楚地说明本发明提供的源掩模联合优化中光源校准方法，以下结合具体实施例进行相应说明：
58.需要说明的是，传统标准化smo流程通常可以拆解为光源单独优化、掩模单独优化、光源-掩模同步优化，以及光源-掩模交替优化等基本实施步骤。本发明对以上标准化的smo流程均适用，下面以光源-掩模同步优化为例对本发明进行说明，其具有如图2所示的如下步骤：
59.步骤1：导入掩模和光源文件，对掩模以及光源图形进行初始化。
60.步骤2：设定最大迭代次数n，以及迭代器k＝0。
61.步骤3：更新迭代器k＝k+1。
62.步骤4：利用smo算法迭代优化掩模以及光源图形，以获得当前第k次迭代所优化了的光源sk以及掩模mk。
63.步骤5：构建具有光刻机光源实际物理约束的黑箱模型，即光源偏差校正模型。光刻物理机中使用微反射镜阵列pis系统实现光源，因为加工工艺或者安装技术的局限性，使得光源像素之前存在潜在的物理约束。通过建立该黑箱模型，可以对任意光源在通过pis系统的实际光源图案进行预测，是对光源pis引入的失真进行校正的关键的步骤之一。在构建光刻机光源实际物理约束的黑箱模型过程中，采用深度学习的方法构建黑箱模型f(s)，即给定光源输入s即可以得到对应的输出f(s)，基本的流程包括以下子步骤：
64.步骤5.1：生成一定数量光源，以构建光源数据集。通过近似完备的多项式来产生一定数量的线性无关的光源，例如可以采用泽尼克多项式、勒让德多项式等来生成一定数量的目标光源，以保证数据集的多样性。
65.步骤5.2：构建光源数据集，步骤5.1中的目标光源输入到pis系统中，收集记录pis系统所对应获取的实际光源。根据目标光源和实际光源图案，形成光源校正模型的输入输出数据集。将得到的数据集划分为两部分，一部分用于模型训练，一部分用于模型的评估。
66.步骤5.3：根据输入输出光源所构成的数据集进行训练。本发明不限定训练的具体方法，即不限定神经网络结构及其对应的反向传播算法。训练过程中的损失函数定义为实际光源与训练所输出的光源的差别，该差别不限于2范数等描述。
67.步骤5.4：将用于模型评估的输入输出光源数据集对训练所产生的模型进行评估，该部分数据所对应损失函数。
68.步骤5.5：根据损失函数是否满足要求，判断模型的评估条件是否满足，如果结果为“是”，则跳转至步骤5.6输出黑箱模型，如果评估的结果为“否”，则跳转至步骤5.1，将生成的光源数量增加，然后重复训练。
69.步骤6：将smo当前迭代优化后的光源sk设定为校正过程初始的输入：即光源偏差
校正模型的初始光源图形为s
k,0
＝sk。
70.步骤7：设定校正过程中的最大迭代次数l，以及当前的迭代器j＝0。
71.步骤8：更新校正过程的迭代器j＝j+1，通过优化方法迭代更新校正过程中的光源图形为s
k,j
，本发明不限定优化方法，可以采用最小二乘法、正则化、凸优化等方法更新光源。
72.步骤9：判断当前校正过程中的迭代器是否达到最大迭代次数，即j》l，或者判断步骤8优化后的光源是否符合条件|f(s
k,j
)-sk|《ε，ε为可以接受的阈值。判断的结果如果为“是”则跳转至步骤10，如果结果为“否”，则跳转至步骤8再次更新光源。
73.步骤10：更新当前smo迭代中的光源sk＝f(s
k,j
)，作为该smo迭代过程中校正后的光源。
74.步骤11：判断smo迭代中的迭代器k是否大于设定的最大迭代次数n，或者smo的光源与掩模结果是否满足评价条件，如果结果为“是”，则优化结束，输出最终优化后的光源图形和掩模图形，如果结果为“否”，则跳转至步骤3。
75.在步骤s11中，评价smo的光源和掩模结果是否满足评价条件，可以采用传统的smo评价方法，比如将迭代优化后的光源和掩模设置到光刻成像系统模型中进行光刻成像，计算硅片上成像质量相关参数，比如计算边缘放置误差(epe)作为评价函数来衡量图形修正的质量。epe定义为评价点上的设计曝光轮廓同目标的差值，epe越小则意味着曝光后的图形与设计图形越接近。比如计算该光源和掩模对应下的工艺窗口，即保证掩模图形能正确复制到硅片上的曝光剂量和离焦量的范围，工艺窗口越大说明smo优化的效果越好。
76.在该具体实施例中，步骤5至步骤10即为光源的校正过程，通过训练得到的黑箱模型，对smo优化算法中迭代过程的光源进行校正，可使得每次迭代所优化的光源通过pis系统后能够产生出具有高保真度的目标光源图案，最终避免优化光源在光刻物理机实现过程中的失真，有效提高工艺窗口。
77.本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：

1.一种光源掩模联合优化中光源校准方法，其特征在于，包括如下步骤：(1)初始化光源图形和掩模图形；(2)利用smo算法迭代优化光源图形以及掩模图形；(3)利用预先建立的光源偏差校正模型，对每次迭代优化后的光源图形进行校正，并将每次迭代优化后的光源图形更新为当前迭代过程中校正后的光源图形；其中，所述光源偏差校正模型根据pis系统的输入目标光源图形和输出实际光源图形所组成的输入输出数据集建立；(4)根据smo算法的评价标准或迭代的收敛条件，判断优化是否满足要求，若是，则优化结束，输出最终优化后的光源图形和掩模图形，若否，则返回至步骤(2)；其中，所述smo算法的评价标准是通过将迭代优化后的光源图形和掩模图形设置在光刻成像系统模型中进行光刻成像，计算并根据成像质量参数判定。2.根据权利要求1所述的光源掩模联合优化中光源校准方法，其特征在于，步骤(3)中，所述光源偏差校正模型的建立方法，具体为：(a)构建目标光源数据集，将目标光源数据集中的各目标光源图形输入到pis系统中，然后获取pis系统所对应输出的实际光源图形；(b)根据各目标光源图形和其对应的实际光源图形，形成所述光源偏差校正模型的输入输出数据集；(c)根据所述输入输出数据集，采用非线性回归或神经网络预测模型方法进行训练与模型评估，建立光源偏差校正模型。3.根据权利要求2所述的光源掩模联合优化中光源校准方法，其特征在于，步骤(a)中，采用泽尼克多项式或勒让德多项式生成一定数量的目标光源图形，构建目标光源数据集。4.根据权利要求1或2所述的光源掩模联合优化中光源校准方法，其特征在于，步骤(3)具体为：(3.1)将迭代优化后的光源图形s
k
设定为校正过程初始的输入，即所述光源偏差校正模型的初始光源图形为s
k,0
＝s
k
，k为smo算法中的迭代次数；(3.2)设定所述校正过程中的最大迭代次数l，以及当前的迭代器j为0；(3.3)更新校正过程中的迭代器j＝j+1，并通过优化方法优化校正过程中的光源图形为s
k,j
；(3.4)判断当前校正过程中的迭代器是否达到最大迭代次数、或判断步骤(3.3)优化后的光源是否符合条件|f(s
k,j
)-s
k
|<ε，ε为设定阈值，若是，则更新当前smo算法迭代后的光源图形s
k
为该smo迭代过程中校正后的光源图形f(s
k,j
)，若否，则返回至步骤(3.3)。5.根据权利要求4所述的光源掩模联合优化中光源校准方法，其特征在于，步骤(3.3)中，所述优化方法为最小二乘法、正则化方法或凸优化方法。6.根据权利要求1所述的光源掩模联合优化中光源校准方法，其特征在于，当步骤(4)采用根据smo算法迭代的收敛条件判断迭代是否满足要求时，所述步骤(2)具体为：(2.1)设定smo算法中最大迭代次数n，以及迭代器k为0；(2.2)更新迭代器k＝k+1；(2.3)利用smo算法更新迭代光源图形以及掩模图形，以获得当前第k次迭代优化后的光源s
k
以及掩模m
k
；
所述步骤(4)具体为：判断smo算法中的迭代器k是否大于设定的最大迭代次数n，若是，则优化结束，输出最终优化后的光源图形和掩模图形，若否，则返回至步骤(2.2)。7.根据权利要求1所述的光源掩模联合优化中光源校准方法，其特征在于，步骤(4)中，所述根据smo算法的评价标准判断迭代是否满足要求的步骤，具体为：将迭代后的光源图形和掩模图形设置在光刻成像系统模型中进行光刻成像；计算成像边缘放置误差epe；判断所述成像边缘放置误差epe是否小于设定误差，若是，则优化结束，输出最终优化后的光源图形和掩模图形，若否，则返回至步骤(2)。8.根据权利要求1所述的光源掩模联合优化中光源校准方法，其特征在于，步骤(1)中，采用基于图形聚类的smo关键图形筛选方法从版图中筛选出关键图形组成初始化掩模图形，或采用基于频谱分析的smo关键图形筛选方法从版图中筛选出关键图形组成初始化掩模图形。9.根据权利要求1所述的光源掩模联合优化中光源校准方法，其特征在于，步骤(1)中，初始化光源图形设定为随机像素分布的光源或规则化的参数光源。10.一种光源掩模联合优化中光源校准系统，其特征在于，包括：初始化模块，用于初始化光源图形和掩模图形,并传送给迭代模块；迭代模块，用于利用smo算法更新迭代光源图形以及掩模图形，并传送给校正模块；校正模块，用于利用预先建立的光源偏差校正模型，对每次迭代出来的光源图形进行校正，并将校正后的光源图形更新为当前迭代中的光源图形；其中，所述光源偏差校正模型根据pis系统的输入目标光源图形和输出实际光源图形所组成的输入输出数据集建立；判断模块，用于根据smo算法的评价标准或迭代的收敛条件，判断迭代是否满足要求，若是，则优化结束，输出最终优化后的光源图形和掩模图形，若否，则重新迭代优化光源图形以及掩模图形；其中，所述smo算法的评价标准是通过将迭代优化后的光源图形和掩模图形设置在光刻成像系统模型中进行光刻成像，计算并根据成像质量参数判定。

技术总结

本发明公开了一种光源掩模联合优化中光源校准方法及系统。其中，该方法包括：初始化光源图形和掩模图形；利用SMO算法迭代优化光源图形以及掩模图形；利用预先建立的光源偏差校正模型，对每次迭代优化后的光源图形进行校正，并将每次迭代优化后的光源图形更新为当前迭代过程中校正后的光源图形；其中，光源偏差校正模型根据PIS系统的输入目标光源图形和输出实际光源图形所组成的输入输出数据集建立；根据SMO算法的评价标准或迭代的收敛条件，判断优化是否满足要求，若是，则优化结束，输出最终优化后的光源图形和掩模图形，若否，则重新开始迭代。本发明能有效避免优化光源图形在光刻物理机实现过程中的失真，有效提高工艺窗口。口。口。