[发明专利]一种优化光刻工艺参数的方法

权利要求书

1.一种优化光刻工艺参数的方法，其特征在于，包括如下步骤：

S01：利用机器学习模型仿真芯片设计版图的最佳焦距，同时测量晶圆实际制造过程中的在线工艺数据；具体方法为：

S011：在芯片设计版图上选取M个剪枝图形，并利用计算光刻分别仿真上述M个剪枝图形的最佳焦距，每个剪枝图形和其对应的最佳焦距形成一个数据集；其中，所述数据集包括A个训练数据集和M-A个测试数据集，其中，M和A均为整数，M≥2，MA≥1；

S012：利用训练数据集进行机器学习模型的训练，并利用测试数据集对训练之后的机器学习模型进行测试，若测试结果的准确度小于预设精度值，则重新进行训练，若测试结果的准确度大于等于预设精度值，则输出训练和测试之后的机器学习模型；

S013：利用上述经过训练和测试的机器学习模型仿真芯片设计版图的最佳焦距；

S02：将上述仿真出来的最佳焦距和测量出来的在线工艺数据相结合，对整片晶圆的光刻结果进行预测，得出预测结果，同时测量晶圆光刻之后的实际结果；

S03：将所述预测结果和实际结果进行自动验证，若预测结果与实际结果之间的误差小于阈值，保留该预测结果并进入步骤S04；若预测结果与实际结果之间的误差大于等于阈值，则返回步骤S01；

S04：利用上述保留的预测结果对实际光刻工艺进行参数优化。

2.根据权利要求1所述的一种优化光刻工艺参数的方法，其特征在于，所述步骤S012中重新进行训练包括：重新在芯片设计版图上选取B个剪枝图形并形成B个训练数据集，利用B个训练数据集进行机器学习模型的训练，其中，B为大于等于1的整数。

3.根据权利要求1所述的一种优化光刻工艺参数的方法，其特征在于，所述步骤S012中重新进行训练包括：将M个数据集重新划分为训练数据集和测试数据集，利用重新划分之后的训练数据集进行机器学习模型的训练。

4.根据权利要求1所述的一种优化光刻工艺参数的方法，其特征在于，所述步骤S011中训练数据集的个数A大于测试数据集的个数M-A。

5.根据权利要求1所述的一种优化光刻工艺参数的方法，其特征在于，所述步骤S03中将所述预测结果和实际结果进行自动验证的具体步骤为：

S031：集成图形提取和分析算法，具体包括：

S0311：通过对整片晶圆的光刻工艺预测得出整片晶圆光刻工艺之后的缺陷分布图；

S0312：收集预测结果中上述缺陷分布图位置的图形；收集实际工艺中上述缺陷分布图位置的图形；

S0313：分别提取和分析上述两个图形的关键特征，并将上述采用的提取和分析方法集成到图像处理算法中，形成图形提取和分析算法；

S032：采用上述图形提取和分析算法对所述预测结果和实际结果进行自动验证。

6.根据权利要求5所述的一种优化光刻工艺参数的方法，其特征在于，所述步骤S0313中关键特征包括线条尺寸、边界特征、灰度和粗糙度以及尺寸均匀性。

7.根据权利要求1所述的一种优化光刻工艺参数的方法，其特征在于，所述在线工艺数据包括整片晶圆的焦距图和关键尺寸图。

8.根据权利要求1所述的一种优化光刻工艺参数的方法，其特征在于，所述晶圆光刻之后的实际结果由扫描电子显微镜获得。