[发明专利]一种基于神经网络的电子束邻近效应矫正方法

权利要求书

1.一种基于神经网络的电子束邻近效应矫正方法，其特征在于，包括以下步骤：

(1)根据所需矫正版图的最小图形特征设计二维训练版图；

通过将所需矫正版图的最小图形特征随机进行组合排列，并将该组合图案通过二维版图定义：

式中，P(x，y)指根据所需矫正版图的最小图形特征设计的二维训练版图，该版图对应的(x，y)像素点值中，曝光区域像素值设置为1，非曝光区域像素值设置为为0；所述矫正版图的最小图形特征包括多边形，弧形，圆形，点和线特征，特征的大小与与其的排列位置在二维训练版图上任意分布；

(2)通过邻近效应剂量矫正方法对步骤(1)设计的训练版图进行剂量矫正；

将步骤(1)设计的二维训练版图P(x，y)进行邻近效应剂量矫正，每个像素点得到矫正后的剂量结果，剂量结果使用二维矩阵表示为：

式中，D(x，y)指邻近效应剂量矫正方法得到的曝光版图，dose指曝光版图对应的(x，y)像素点剂量值；所述曝光版图D(x，y)的尺寸与二维训练版图P(x，y)的尺寸大小相同，曝光版图的区域像素值大小表示已矫正的剂量值；

(3)构建一个全连接多层感知机神经网络框架，确定输入层，隐藏层，输出层节点个数；

所述全连接多层感知机神经网络包括任何多输入层节点、单输出层节点的网络，并且该网络训练的输入层节点值为二维训练版图曝光区像素周围N个环状区域内曝光面积比率，输出层节点值为灰度版图曝光区像素的已矫正剂量；

所述全连接多层感知机神经网络输入层确定方法是将二维电子束能量沉积函数划分为N份，每一份的函数积分区域中的A₁、A₂...A_N满足：

式中，指函数积分区域A₁、A₂...A_N内的积分面积，积分的最大长度应超过使用像素点代表的2微米实际物理长度；

通过等积分面积得到对应曝光点附近的N份区域的长度L₁、L₂...L_N，再将每个曝光点(x，y)附近进行N层环状区域划分，在曝光中心点的N次划分，将划分后的每个环状区域进行归一化处理：

式中，S_n代表第n个环状区域内的曝光面积，L_n和L_n-1分别代表第n和n-1个区域的长度，I_n指第n个区域的计算结果；

所述全连接多层感知机神经网络输入层的网络格式，即为N个输入值I₁、I₂...、I_N，且N大于等于1，代表一个曝光点(x，y)周围N个区域归一化结果，其排列顺序固定不变；输出层的网络格式即为1个输出值，表示在曝光点(x，y)处使用步骤(2)方法得到的矫正剂量值D(x，y)；隐藏层为多层结构并且每层的神经元个数大于等于1；

(4)使用反向传播训练算法对步骤(3)构建的神经网络训练；

在神经网络训练过程中，将步骤(1)设计的二维训练版图的每一个曝光点P(x，y)都按照步骤(3)的神经网络输入输出模式进行神经网络训练，直至神经网络达到已设定的收敛条件，训练的样本个数为训练版图的曝光点像素个数，所有样本训练次数不低于1次；

(5)按照步骤(3)设计的神经网络输入格式，对需要矫正的二维版图进行神经网络预测，得到最终的矫正结果；神经网络预测的输入格式和输出格式必须与神经网络训练的输入格式相同，将需要矫正的二维版图的每一个像素点(x，y)都进行一次神经网络预测，并把每一个像素点的预测剂量值重新组合得到整个矫正完成的二维版图，每个像素点剂量值组合的顺序与预测输入的顺序保持一致。