[发明专利]一种基于神经网络的电子束邻近效应矫正方法

说明书

本发明属于计算光刻领域，公开了一种基于神经网络的电子束邻近效应矫正方法。本发明首先通过任意一种邻近效应剂量矫正方法，对设计的训练版图进行剂量矫正，然后将调整神经网络参数，将该训练版图按照规定输入方式进行神经网络训练，训练得到一个自适应性的神经网络，最终按照规定输入方式预测任意曝光版图矫正剂量。本发明实现了基于神经网络的电子束邻近效应矫正，解决了电子束曝光的邻近效应矫正计算，在确保高精度矫正的基础上，对矫正的计算效率极大提升，具有高计算精度、高计算效率等特点。

技术领域

本发明涉及加速电子束光刻中邻近效应矫正方法，通过神经网络训练方法，在确保高精度矫正的基础上，对矫正的计算效率极大提升，属于计算光刻领域。

背景技术

电子束光刻(EBL)是微纳加工制备高分辨率纳米级别光刻版图的一项重要技术，具有广泛的应用前景。在10纳米尺寸以下的小尺寸曝光中，电子束光刻中的邻近效应会降低图案质量，未经过邻近效应矫正(PEC)直接进行曝光会对分辨率造成很大影响，从而限制电子束曝光的分辨率。

集成电路中的最小特征不断减少至纳米级别，以增加电路密度，邻近效应不再被忽视。对比文件(Powell,Cedric J.A flexible and efficient approach to E-beamproximity effect correction—PYRAMID.Surface and Interface Analysis 37.11(2005):919-926.)提出了一种称为PYRAMID的分层方法，通过分解电子束光刻过程点扩展函数(PSF)的形状，利用PYRAMID的分层方法，试图在不破坏的计算精度情况下减少计算量。该方法仍然保留大量卷积计算，针对大规模版图矫正的计算中，计算效率成为计算光刻方法的关键因素。

电子束邻近效应取决曝光版图的几何形状、图案密度和抗蚀剂的基片的物理特性等因素。对比文件(Zarate,JuanPastoriza,Hernan.Correction algorithm for theproximity effect in e-beam lithography.Proceedings of the Argentine Schoolof Micro-Nanoelectronics(2008).)提出了一个数值计算方法，以迭代计算像素点剂量的方式，得到二维版图的每一个曝光点，导致一个最优的曝光剂量值。该方法能够得到较高精度的矫正，但是其计算过程复杂，难以应用于较大规模的版图计算中。

虽然目前存在精确计算邻近效应矫正的方法，但是由于物理方法迭代次数多，或者计算步骤包含复杂计算单元，对于大规模集成电路的应用并不能得到快速有效的解决，从而限制了集成电路制造的掩膜精度。

因此，有必要寻找一种通过深度学习神经网络技术，在确保高精度矫正的基础上，具有高效率的计算方法。

发明内容

本发明的目的是使用神经网络加速计算电子束邻近效应矫正的剂量因子，从而获得精准的大规模矫正后的版图剂量分布。

为解决上述技术问题，本发明提出的解决方案为：

一种基于神经网络的电子束邻近效应矫正方法，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；

(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：