近日,中国科学院上海光学精密机械研究所信息光学与光电技术实验室在极紫外光刻的计算光刻技术研究方面取得进展。研究人员针对极紫外光刻,提出了一种基于厚掩模模型和社会学习粒子群算法(social learning particle swarm optimization, SL-PSO)的光源掩模优化技术(Source and mask optimization, SMO)。仿真结果表明,该技术的优化效率优于国际上常见的基于启发式算法的SMO技术。相关研究成果发表在Optics Express上。
光刻是极大规模集成电路制造的关键技术之一,随着集成电路图形的特征尺寸不断减小,光学邻近效应会显著降低光刻成像质量。在光刻机软硬件不变的情况下,采用数学模型和软件算法,对照明光源、掩模图形和工艺参数等进行优化,可有效提高光刻分辨率/增大工艺窗口,此类技术即计算光刻技术(Computational Lithography),其被认为是21世纪推动集成电路芯片按照摩尔定律继续发展的新动力。极紫外光刻技术是目前最先进的光刻技术之一,已被应用于5 nm工艺节点的芯片量产中。由于极紫外光刻具有掩模厚度大于光源波长、光学系统为反射式等特点,其相应的计算光刻技术和传统技术存在较大差异,是学界的研究热点。
SMO技术是一种重要的计算光刻技术,通过同时优化光源和掩模图形来提高光刻成像质量。上海光机所研究人员针对极紫外光刻,提出了一种基于厚掩模模型和SL-PSO算法的SMO技术。研究人员将基于结构分解的极紫外光刻厚掩模快速模型应用于像素化掩模图形的成像仿真中,和薄掩模模型相比,其提高了光刻成像仿真的精度,且掩模图形的优化结果得到了严格电磁场仿真的验证。采用SL-PSO算法,优化光源和掩模图形;通过社会学习的策略提高了优化效率。通过控制初始化参数来调整SL-PSO算法中的初始化粒子群,在提高优化效率的同时提高了优化后掩模图形的可制造性。研究人员对多个掩模图形进行了验证,仿真结果表明,该技术的优化效率优于国际上常见的基于启发式算法的SMO技术。
研究工作得到国家02科技重大专项和上海市自然科学基金项目的支持。
版权与免责声明:
(1) 凡本网注明"来源:颗粒在线"的所有作品,版权均属于颗粒在线,未经本网授权不得转载、摘编或利用其它方式使用上述作品。已获本网授权的作品,应在授权范围内使用,并注明"来源:颗粒在线"。违反上述声明者,本网将追究相关法律责任。
(2)本网凡注明"来源:xxx(非颗粒在线)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,且不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网下载使用,必须保留本网注明的"稿件来源",并自负版权等法律责任。
(3)如涉及作品内容、版权等问题,请在作品发表之日起一周内与本网联系,否则视为放弃相关权利。