一种基于多目标优化的光刻工艺分辨率增强方法及装置

摘要

本申请涉及半导体生产的光刻工艺技术领域，具体而言，涉及一种基于多目标优化的光刻工艺分辨率增强方法及装置。本申请提供一种基于多目标优化的光刻工艺分辨率增强方法，包括以下步骤：通过划分多个圆重叠的方法得到照明光源的区域划分用于优化光源；确定亚分辨率辅助图形SRAF位置变量的初始位置用于优化掩膜；使用实数编码的方法建立优化变量的种群；对种群中单一染色体通过计算光刻模型确定多目标优化策略的评价标准函数；使用遗传进化算法对当前种群重复进行“评价‑选择‑交叉‑变异”计算，获得评价标准函数的迭代更新；通过解码最终种群得到多目标优化策略的解集帕累托支撑解。

说明书

技术领域

本申请涉及半导体生产的光刻工艺技术领域，具体而言，涉及一种基于多目标优化的光刻工艺分辨率增强方法及装置。

背景技术

光刻技术经历了i-line、g-line，248nmKrf及193nmArf的光刻光源设备，目前最先进的光刻为EUV光刻技术，受限于光刻机研发成本及时间的限制，目前主流的集成电路代工厂沿用193nm光刻技术用于目前先进工艺节点生产。同时开发了多种光刻分辨率增强技术：光学邻近效应修正技术(OPC)、移项掩模技术(PSM)、光源-掩模协同优化(SMO)等。分辨率增强技术用于在先进工艺节点的图像保真研究，以提高芯片设计在实际生产的良率提升。SMO技术同时优化光源的照明模式及掩模图形，具有更高的优化自由度。结合已有光学邻近效应修正技术，进一步提升光刻工艺的工艺窗口。在已有光源掩模协同优化技术的研究中，像素化及参数化描述光源及掩模函数，通过选择优化算法实现工艺窗口的提升。

在一些传统技术方案例如SMO实现中采用Abbe计算光刻模型描述点光源对掩模图形转移的影响。光源掩模协同优化的分辨率增强技术方案所采用的的评价通过调整权重因子包括：关键尺寸误差EPE、图形偏移量PE、光刻胶成像的侧壁角、成像的对比度contrast、归一化对数斜率NILS、曝光宽容度EL、工艺窗口PW等。综合函数包括各项优化评价标准的惩罚因子，优化光源，优化掩模函数等，通过调整权重因子，建立综合评价函数，将多目标问题转换为单目标优化问题。

但是，通过这种建立综合评价函数，分辨率增强技术的实现从多目标优化问题转换为加权的单目标优化方法，且权重系数及各项优化评价标准的惩罚因子需要工程师根据经验或者数值仿真实验优化获得，增加技术方案的优化难度和优化时间，导致光刻工艺的窗口难以提升。

发明内容

本申请的目的在于提供一种基于多目标优化的光刻工艺分辨率增强方法及装置，针对不同的光刻工艺要求，在实际半导体器件生产中采取适当的选择，以期提高特定图形的保真，一定程度上提升光刻的分辨率。

本申请的实施例是这样实现的：

本申请实施例的第一方面提供基于多目标优化的光刻工艺分辨率增强方法，包括以下步骤：

根据优化掩模图形的周期，通过划分多个圆重叠的方法得到照明光源的区域划分用于优化光源，所述圆的圆心对应掩模函数的采样频率；

在Hopkins计算光刻模型中通过离散方式计算光强分布得到非对应掩模图形的光强波峰位置，从而确定亚分辨率辅助图形SRAF位置变量的初始位置用于优化掩膜；

基于所述亚分辨率辅助图形SRAF位置变量的初始位置和所述照明光源的区域划分，使用实数编码的方法建立优化变量的种群；

针对所述种群中单一染色体通过计算光刻模型确定多目标优化策略的评价标准函数；

使用遗传进化算法对当前所述种群重复进行“评价-选择-交叉-变异”计算，获得所述评价标准函数的迭代更新；

当所述种群内染色体的数量及染色体不再变化时得到最终种群，通过解码所述最终种群得到多目标优化策略的解集帕累托支撑解。

可选地，所述照明光源的区域中每个单独区域的光照强度相同。

可选地，确定亚分辨率辅助图形SRAF位置变量的初始位置包括以下步骤：

S1、在Hopkins计算光刻模型中，通过离散方式计算的到光阻层上位置光强分布，其表示为：

其中，为降维的交叉传递函数，为傅里叶逆变换；

S2、基于所述位置光强分布，得到时降维交叉传递函数的函数的傅里叶变换，表示为：

其中，为空间上的光源响应函数，为空间上的光瞳响应函数，*表示函数共轭，为光线在光瞳透镜上的入瞳位置；

S3、基于上述降维交叉传递函数的函数的傅里叶变换，通过卷积核方法计算卷积得到得到得到时的光强分布，表示如下：

S4、根据上述光强分布，确定在光阻层内非对应掩模图形的光强波峰位置既为初始亚分辨率辅助图形SRAF的放置位置。

可选地，所述亚分辨率辅助图形SRAF可以为简单的矩形，矩形的长、宽均为优化变量。

可选地，所述优化变量的种群包括：

对优化变量，实数编码，建立遗传算法需要的种群数量，，为满足解集的随机变量；

对优化光源实数编码，建立遗传算法需要的优化变量的种群，其表示如下：

其中，为根据相干因子获得光源区域划分，为光源对应区域的光照强度，为优化变量，即单个区域内光源强度相同；

对掩模优化实数编码，建立遗传算法需要的优化变量的种群，其表示如下：

其中，表示亚分辨率辅助图形SRAF的添加位置，为优化变量长，为优化变量宽。

可选地，所述多目标优化策略的评价标准函数包括至少包括关键尺寸误差，图形误差，成像对比度和归一化对数斜率。

关键尺寸误差，其表示为：

图形误差，其表示为：

成像对比度，其表示为：

归一化对数斜率，其表示为：

其中，为掩模设计的关键尺寸，为通过计算光刻模型关键尺寸位置仿真数值，为光刻胶上呈现图形质量，为光强分布最大值，为光强分布最小值。

可选地，使用遗传进化算法对所述当前种群重复进行“评价-选择-交叉-变异”计算，包括获得新的个体，维护当前种群数量，并将不满足支配关系的个体加入外部种群。

可选地，所述遗传进化算法核心步骤如下：

选择当前种群的染色体，对当前种群的染色体个体采取选择，交叉，变异的遗传进化策略，扩大种群的染色体数量，并对新产生的的染色体个体解码对应编码的光源及掩模图形计算得到对应评价标准的函数值；

判断种群内染色体个体是否满足支配关系；

对于当前种群中染色体A及染色体B满足下述条件：

染色体A支配染色体B，即A的评价标准全面优于B，计算A对应的超体积；

种群中保留A，将B加入外部种群；

染色体A不能支配染色体B，即A的评价标准不能够全面优于B；

进一步判断染色体A与其它染色体的支配关系。

可选地，所述得到多目标优化策略的解集帕累托支撑解时，其对应的超体积最大化。

本申请实施例的第二方面提供一种基于多目标优化的光刻工艺分辨率增强装置，包括：

优化光源的区域划分模块，用于根据优化掩模图形的周期，通过划分多个圆重叠的方法得到照明光源的区域划分；

辅助图形位置确定模块，用于在Hopkins计算光刻模型中通过离散方式计算光强分布得到非对应掩模图形的光强波峰位置，从而确定亚分辨率辅助图形SRAF位置变量的初始位置；

多目标问题建立模块，设计多目标评价策略函数，对优化光源和掩膜进行实数编码建立优化变量的种群；

多目标问题求解模块，所述模块采用遗传进化算法，用于实现对所述种群中单一染色体通过计算光刻模型确定多目标优化策略的评价标准函数；使用遗传进化算法对当前所述种群重复进行“评价-选择-交叉-变异”计算，获得所述评价标准函数的迭代更新；当所述种群内染色体的数量及染色体不再变化时得到最终种群，通过解码所述最终种群得到多目标优化策略的解集帕累托支撑解。

本申请实施例的有益效果包括：通过实现光源的区域优化，计算亚分辨率辅助图形的放置位置，实现了光源掩膜的像素化及参数化描述；通过遗传进化算法，实现多目标求解，最终得到多目标优化策略的解集帕累托支撑解，计算过程其系数不依赖工程师的经验或者数值仿真实验优化，可以一定程度提升光刻工艺的分辨率、工艺窗口，相对于单目标的优化策略本申请可以提高工程师的工作效率。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了根据本申请的一个实施例基于多目标优化的光刻工艺分辨率增强方法流程图；

图2示出了根据本申请的一个实施例照明光源的区域划分示意图；

图3示出了根据本申请的一个实施例掩模函数在特殊情况光强分布在光阻层内对应掩模透光示意图；

图4示出了根据本申请的一个实施例掩模函数在特殊情况光强分布在光阻层内对应掩模透光的对应光强分布曲线；

图5示出了根据本申请的一个实施例支撑解集合示意图；

图6示出了根据本申请的一个实施例支撑解对应的优化变量对应的光源强度示意图；

图7示出了根据本申请的一个实施例支撑解对应的优化变量对应辅助图形尺寸示意图。

具体实施方式

现在将描述某些示例性实施方案，以从整体上理解本文所公开的装置和方法的结构、功能、制造和用途的原理。这些实施方案的一个或多个示例已在附图中示出。本领域的普通技术人员将会理解，在本文中具体描述并示出于附图中的装置和方法为非限制性的示例性实施方案，并且本申请的多个实施方案的范围仅由权利要求书限定。结合一个示例性实施方案示出或描述的特征可与其他实施方案的特征进行组合。这种修改和变型旨在包括在本申请的范围之内。

本说明书通篇提及的“多个实施例”、“一些实施例”、“一个实施例”或“实施例”等，意味着结合该实施例描述的具体特征、结构或特性包括在至少一个实施例中。因此，本说明书通篇出现的短语“在多个实施例中”、“在一些实施例中”、“在至少另一个实施例中”或“在实施例中”等并不一定都指相同的实施例。此外，在一个或多个实施例中，具体特征、结构或特性可以任何合适的方式进行组合。因此，在无限制的情形下，结合一个实施例示出或描述的具体特征、结构或特性可全部或部分地与一个或多个其他实施例的特征、结构或特性进行组合。这种修改和变型旨在包括在本申请的范围之内。

本申请提供的一种基于多目标优化的光刻工艺分辨率增强方法及装置，主要是对光源掩模协同优化技术的改进，基于多目标优化策略通过遗传进化算法获得一组非劣解即帕累托（Pareto）最优解集，从而提高光刻工艺分辨率。

传统技术方案，通过调整权重因子，建立综合评价函数，该问题为单目标优化问题。分辨率增强技术的实现为加权的单目标优化方法及装置，权重系数需要工程师根据经验或者数值仿真实验优化获得。多目标优化问题并不存在一个最优解，所有可能的解都称为非劣解，也称为Pareto解。它是由那些任一个目标函数值的提高都必须以牺牲其他目标函数值为代价的解组成的集合，称为Pareto最优域，简称Pareto集。Pareto最优解、非劣解集是指由这样一些解组成的集合：与集合之外的任何解相比它们至少有一个目标函数比集合之外的解好。

多目标优化过程中，评价标准中一个标准性能的提高都将牺牲其他标准性能。

在步骤S1中，根据优化掩模图形的周期，通过划分多个圆重叠的方法得到照明光源的区域划分，所述圆的圆心对应掩模函数的采样频率。

光源掩膜协同优化的评价标准需要建立计算光刻模型，用于获取掩模版图案在一定光照条件下，经过光化学作用在光刻胶上呈现图案。

如图2所示，每个圆的圆心的位置为掩模规则图形的周期对应的采样频率。该光源区域划分策略将优化光源划分为单独的数十个区域，每个单独区域的光照强度相同，为该基于多目标优化的光刻工艺分辨率增强方法及装置的优化变量。对于归一化频率的单位圆对应的光源为阴影区域，为多个不同圆相交重叠区域，图2所示的数字为划分区域的编码，如图2中10、11、12、13、14所示。-其中坐标轴表示光源的采样频率。

相对于像素化的光源优化策略，在本实施例中，通过优化光源的区域划分模块对优化光源的区域划分，可以有限减少光源的优化变量。

在步骤S2中，基于Hopkins计算光刻模型中离散方式计算光强分布得到非对应掩模图形的光强波峰位置，确定亚分辨率辅助图形SRAF位置变量的初始位置。

Hopkins计算光刻模型中，光阻层上位置的光强分布可描述为：

其中，为频域上坐标点，M为掩模函数的频域响应。TCC为交叉传递函数，描述光学性质，其定义为：

其中，是光源互光强函数，是成像系统的光瞳函数。

本申请提供了一种放置位置的建议策略，用于加速优化过程。

所述Hopkins计算光刻模型，通过离散方式计算光强分布表示为：

其中，为降维的交叉传递函数，为傅里叶逆变换。

对于特殊情况，该降维函数可利用傅里叶变换实现：

其中，为空间上的光源响应函数，为空间上的光瞳响应函数，*表示函数共轭，为光线在光瞳透镜上的入瞳位置，

得到：

依据上式，该光强分布的获得通过如下步骤实现：

计算光源函数对应的傅里叶变换，计算光瞳函数对应的傅里叶变换，计算掩模图形对应的面积，即，采用卷积核方法计算卷积。

针对掩模函数在特殊情况下获得的光强分布，在光阻层内对应掩模透光部分为其光强分布的峰值，并确定非对应掩模图形的光强波峰位置，该位置为辅助图形的位置(，如图3所示掩模透光部分示意图。在其他位置存在较小的峰值，该峰值对应位置为初始亚分辨率辅助图形SRAF的放置位置，如图4所示。

本申请实施例同时优化光源的照明模式及掩模图形，具有较高的优化自由度。，光源满足一定的光照强度约束条件，掩模函数的像素化分布满足其实际的集成电路设计制造规则。

在一些实施例中，所述亚分辨率辅助图形SRAF为简单的矩形，矩形的长、宽为优化变量。

在步骤S3中，基于所述亚分辨率辅助图形SRAF的初始位置和所述照明光源的区域划分，使用实数编码的方法建立优化变量的种群。

对优化变量，实数编码。建立遗传算法需要的种群数量，，为满足解集的随机变量。

对优化光源实现实数编码，建立遗传算法需要的优化变量的种群，其表示如下：

其中，为根据相干因子获得光源区域划分，为光源对应区域的光照强度，为优化变量，即单个区域内光源强度相同。

如图2所示，对于归一化频率的单位圆对应的光源为阴影区域，为多个不同圆相交重叠区域，图2所示的数字为划分区域的编码。

本申请提供的一种基于多目标优化的光刻工艺分辨率增强装置，包括多目标问题建立模块，设计多目标评价策略函数，对掩模优化实现编码，建立遗传算法需要的优化变量的种群，其表示如下：

其中，表示亚分辨率辅助图形SRAF的添加位置，本申请给出该位置的获取策略，为优化变量长，为优化变量宽。

在步骤S4中，基于所述优化变量的种群对种群单一染色体通过计算光刻模型确定多目标优化策略的评价标准函数。

本申请提出上述基于多目标优化的光刻工艺分辨率增强装置，通过改变光源及掩模函数对应的参数表达，利用Hopkins计算光刻模型获得分辨率增强技术的评价标准对应函数值。

关键尺寸误差，其表示为：

图形误差，其表示为：

成像对比度，其表示为：

归一化对数斜率，其表示为：

其中，为掩模设计的关键尺寸，为通过计算光刻模型关键尺寸位置仿真数值，为光刻胶上呈现图形质量，为光强分布最大值，为光强分布最小值。

通过多目标优化策略的评价标准函数，针对不同的光刻工艺要求，在实际半导体器件生产中采取适当的选择，可以以期提高特定图形的保真，一定程度上提升光刻的分辨率。

在步骤S5中，使用遗传进化算法对当前所述种群重复进行“评价-选择-交叉-变异”计算，得到所述评价标准函数的迭代更新。

遗传进化算法是仿真生物遗传学和自然选择机理通过人工方式所构造的一类搜索算法，在一个解空间上，随机的给定一组解，这组解称为父亲种群，通过这组解的交叉，变异构建出新的解，称为下一代种群，然后在目前已有的所有解中抽取表现好的解组成新的父亲种群，然后重复上述过程，直到达到了迭代条件或者获取到了最优解。

遗传进化算法中染色体又可以叫做基因型个体(individuals)，一定数量的个体组成了种群(population),种群中个体的数量叫做种群大小。

光刻胶在光照强度下发生光化学作用，在一定的阈值条件下，形成一定的图案轮廓。进而分别计算多目

多目标优化问题的解为一组帕累托集，其包含元素为支撑解，表示当前解针对某些评价标准不比该问题的解空间其它解差。

多目标优化策略的实现，将一组优化变量编码为单一染色体，并建立一定数量种群，用于存储当前染色体编码状态，同时维持一个外部种群，所述外部种群指非支撑点的集合。

选择当前种群的染色体，对当前种群的染色体个体采取选择，交叉，变异的遗传进化策略，扩大种群的染色体数量，并对新产生的的染色体个体解码对应编码的光源及掩模图形，计算对应评价标准的函数值。

判断种群内染色体个体是否满足支配关系；

对于当前种群中染色体A及染色体B满足下述条件：

染色体A支配染色体B，即A的评价标准全面优于B，计算A对应的超体积。种群中保留A，将B加入外部种群；

染色体A不能支配染色体B，即A的评价标准不能够全面优于B，进一步判断染色体A与其它染色体的支配关系。

在步骤S6中，当所述种群内染色体的数量及染色体不再变化时得到最终种群，并通过解码所述最终种群得到多目标优化策略的解集帕累托支撑解。

当前种群数量将不再变化，此时支撑解对应的超体积最大化，解码当前种群个体即获得多目标优化决策的帕累托解集。需要说明的是，超体积用来评价多目标优化问题的搜索结果，帕累托最优解当且仅当超体积最大化。

本申请实施例优化结果为包含光照强度及辅助图形的支撑解集合，对于单独的两个优化评价标准，其结果如图5所示，染色体A，B对应为多目标策略优化的帕累托支撑解。针对评价标准成像对比度contrast和关键尺寸误差CD_error，染色体A对应的优化变量其关键尺寸误差更小，染色体B对应的优化变量具有更好的成像对比度。

如图5所示，染色体C，D为非支撑解集，染色体C的评价标准较A，B存在劣势，染色体D较B存在劣势。

对于支撑解B其对应的优化变量对应的光源强度及辅助图形尺寸结果如图6和图7所示。

本申请还提供了一种基于多目标优化的光刻工艺分辨率增强装置，包括：优化光源的区域划分模块，辅助图形位置确定模块，多目标问题建立模块以及多目标问题求解模块。

所述优化光源的区域划分模块用于根据优化掩模图形的周期，通过划分多个圆重叠的方法得到照明光源的区域划分，具体实施如前述方法所示，在此不做赘述。

辅助图形位置确定模块，用于在Hopkins计算光刻模型中通过离散方式计算光强分布得到非对应掩模图形的光强波峰位置，从而确定亚分辨率辅助图形SRAF位置变量的初始位置，具体实施如前述方法所示，在此不做赘述。

多目标问题建立模块，设计多目标评价策略函数，并对优化光源和掩膜进行实数编码建立优化变量的种群，具体实施如前述方法所示，在此不做赘述。

多目标问题求解模块，所述模块采用遗传进化算法，用于实现对所述种群中单一染色体通过计算光刻模型确定多目标优化策略的评价标准函数；使用遗传进化算法对当前所述种群重复进行“评价-选择-交叉-变异”计算，获得所述评价标准函数的迭代更新；当所述种群内染色体的数量及染色体不再变化时得到最终种群，通过解码所述最终种群得到多目标优化策略的解集帕累托支撑解，具体实施如前述方法所示，在此不做赘述。

本申请实施例的有益效果包括：通过实现光源的区域优化，计算亚分辨率辅助图形的放置位置，实现了光源掩膜的像素化及参数化描述；通过遗传进化算法，实现多目标求解，最终得到多目标优化策略的解集帕累托支撑解，计算过程其系数不依赖工程师的经验或者数值仿真实验优化，可以一定程度提升光刻工艺的分辨率、工艺窗口，相对于单目标的优化策略本申请可以提高工程师的工作效率。

此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。

此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。