[发明专利]用于机器学习辅助的光学邻近误差校正的训练方法

权利要求书

1.一种用于机器学习辅助的光学邻近误差校正的方法，包括：

获得训练数据集合，所述训练数据集合包括与训练设计图案的在空间上移位版本对应的光学邻近校正；和

由硬件计算机系统，使用关于所述训练设计图案的在空间上移位版本的数据和基于所述训练设计图案的在空间上移位版本的光学邻近校正的数据来训练机器学习模型，所述机器学习模型配置成针对设计图案预测光学邻近校正。

2.根据权利要求1所述的方法，其中空间移位小于所述训练设计图案的图像的像素栅格的尺寸的大小。

3.根据权利要求1所述的方法，还包括：

获得包括所述训练设计图案的多个以不同方式在空间上移位版本和所述训练设计图案的以不同方式在空间上移位版本的对应的光学邻近校正的训练数据集合；和

使用关于所述训练设计图案的多个以不同方式在空间上移位版本和所述训练设计图案的以不同方式在空间上移位版本的对应的光学邻近校正的数据来训练所述机器学习模型。

4.根据权利要求3所述的方法，还包括：

从光学邻近校正的多个以不同方式在空间上移位版本中选择相比于所述训练数据集合内的所述光学邻近校正的其它剩余的一个或更多个版本表现出高于平均过程窗口的光学邻近校正中的至少一个；和

使用基于所述光学邻近校正中的所选择的一个或更多个光学邻近校正的数据来训练所述机器学习模型。

5.根据权利要求4所述的方法，包括从光学邻近校正的多个以不同方式在空间上移位版本中选择表现出最佳过程窗口的光学邻近校正。

6.根据权利要求4所述的方法，还包括：

对所选择的光学邻近校正执行一个或更多个旋转操作、翻转操作或两者，以获得所选择的光学邻近校正的一个或更多个被重新定向的版本；和

使用基于所选择的光学邻近校正中的一个或更多个被重新定向的版本和对应的一个或更多个被重新定向的训练设计图案的数据来训练所述机器学习模型。

7.根据权利要求4所述的方法，还包括：

对所选择的光学邻近校正执行一个或更多个空间移位，以获得所选择的光学邻近校正的一个或更多个以不同方式在空间上移位版本；和

使用基于所选择的光学邻近校正的一个或更多个以不同方式在空间上移位版本和所述训练设计图案的对应的一个或更多个以不同方式在空间上移位版本的数据来训练所述机器学习模型。

8.根据权利要求1所述的方法，其中，针对多个不同的设计图案重复进行获得和训练。

9.根据权利要求1所述的方法，其中，所述光学邻近校正包括围绕给定的设计图案的主要特征放置辅助特征和/或修改所述给定的设计图案的所述主要特征。

10.根据权利要求1所述的方法，其中，所述光学邻近校正呈图像的形式，并且所述训练基于所述图像或所述图像的像素数据。

11.根据权利要求10所述的方法，其中，所述图像是

从目标设计图案图像再现的灰阶图像，和/或

亚分辨率辅助特征导引图(SGM)图，和/或

通过将所述目标设计图案的图像与光学核心进行卷积获得的信号图像，和/或

所述目标设计图案的基于模型的掩模优化处理的输出图像的连续透射掩模。

12.根据权利要求1所述的方法，还包括：

获得加权函数以向设计图案的光学邻近校正的区指派与其另外的区不同的权重。

13.根据权利要求12所述的方法，其中，所述加权函数向邻近于所述设计图案的主要特征的区指派比所述区外部的区更高的权重。