(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111678544.X (22)申请日 2021.12.31 (71)申请人 上海集成电路装备 材料产业创新中 心有限公司 地址 201821 上海市嘉定区叶城路128 8号6 幢JT2216室 申请人 上海集成电路研发中心有限公司 (72)发明人 时雪龙　燕燕　李琛　赵宇航　 陈寿面　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 代理人 朱颖　黄健 (51)Int.Cl. G06T 7/00(2017.01) G06T 5/00(2006.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 掩膜图案修正模型的训练方法及掩膜图案 修正方法 (57)摘要 本申请提供一种掩膜图案修正模型的训练 方法及掩膜图案修正方法。 该方法包括： 获取光 学邻近效应校正OPC前的掩膜图案和OPC后的掩 膜图案； 分别基于OPC 前的掩膜图案和OPC后的掩 膜图案， 计算得到第一水平集函数和第二水平集 函数； 将第一水平集函数作为神经网络模型的输 入， 第二水平 集函数作为神经网络模 型的输出进 行训练， 得到掩膜图案修正模型。 本申请提供的 方法利用第一水平集函数和第二水平集函数分 别表示OPC前的掩膜图案和OPC后的掩膜图案在 离散网格上的图像， 无需利用大量特征向量对掩 膜图案邻近环境进行编码， 提高了OPC的效率。 权利要求书2页 说明书11页 附图7页 CN 114332057 A 2022.04.12 CN 114332057 A 1.一种掩膜图案修 正模型的训练方法， 其特 征在于， 包括： 获取光学邻近效应校正OPC前的掩膜图案和OPC后的掩膜图案； 分别基于所述OPC前的掩膜图案和所述OPC后的掩膜图案， 计算得到第一水平集函数和 第二水平 集函数， 所述第一水平 集函数表示所述OP C前的掩膜图案在离散网格上的图像， 所 述第二水平集 函数表示所述OPC后的掩膜图案在离 散网格上的图像； 将所述第一水平集函数作为神经网络模型的输入， 所述第 二水平集函数作为所述神经 网络模型的输出进行训练， 得到掩膜图案修 正模型。 2.根据权利要求1所述的方法， 其特征在于， 所述分别基于所述OPC前的掩膜图案和所 述OPC后的掩膜图案， 计算得到第一水平集 函数和第二水平集 函数， 包括： 获取所述OPC前的掩膜图案的第一部分图案和所述OPC后的掩膜图案的第二部分图案， 分别计算所述第一部分图案和所述第二部分图案的裁 剪窗口中心坐标； 根据所述第 一部分图案的裁剪窗口中心坐标， 通过坐标平移变换， 确定所述OPC前的掩 膜图案的顶点坐标， 并根据所述第二部 分图案的窗口中心 坐标， 通过坐标平移变换， 确定所 述OPC后的掩膜图案的顶点 坐标； 基于设定的第 一网格矩阵构建所述第 一水平集函数， 基于设定的第 二网格矩阵用于构 建所述第二水平集 函数； 将通过坐标平移变换后的所述OPC前的掩膜图案映射到所述第一网格矩阵， 并将通过 坐标平移变换后的所述OPC后的掩膜图案映射到所述第二网格矩阵； 在所述第 一网格矩阵中识别所述第 一网格矩阵中距离最接近所述OPC前的掩膜图案边 的第一格点集合， 并在所述第二网格矩阵中识别所述第二网格矩阵中距离最接近所述OPC 后的掩膜图案边的第二格点 集合； 计算所述第一格点集合中的格点与所述OPC前的掩膜图案边的第一最小距离， 并计算 所述第二格点 集合中的格点和所述OPC后的掩膜图案边的第二 最小距离； 识别所述第一格点集合中的格点与所述OPC前的掩膜图案的第一位置关系， 并识别所 述第二格点 集合中的格点和所述OPC后的掩膜图案的第二 位置关系； 根据所述第 一最小距离和所述第 一位置关系 进行计算得到所述第 一水平集函数， 并根 据所述第二 最小距离和所述第二 位置关系进行计算得到所述第二水平集 函数。 3.根据权利要求2所述的方法， 其特征在于， 将通过坐标平移变换后的所述OPC前的掩 膜图案映射到第一网格矩阵， 并将通过坐标平移变换后的所述OPC后的掩膜图案映射到第 二网格矩阵， 包括： 将通过坐标平移变换后的所述OPC前的掩膜图案的中心与所述第一网格矩阵的中心网 格重合， 映射到所述第一网格矩阵； 所述第一网格矩阵包括所述第一部 分图案的裁剪窗口， 且所述第一网格矩阵的大小等于或大于所述第一部分图案的裁 剪窗口； 将通过坐标平移变换后的所述OPC后的掩膜图案的中心与所述第二网格矩阵的中心重 合， 映射到所述第二网格矩阵， 所述第二网格矩阵的大小包括所述第二部分图案的裁剪窗 口， 且所述第二网格矩阵的大小等于或大于所述第二部分图案的裁 剪窗口。 4.根据权利要求1所述的方法， 其特征在于， 所述将所述第 一水平集函数作为神经网络 模型的输入， 所述第二水平集函数作为所述神经网络模型 的输出进行训练， 得到掩膜图案 修正模型， 包括：权　利　要　求　书 1/2 页 2 CN 114332057 A 2将所述第一水平集 函数划分为训练数据集和验证数据集； 采用神经网络对所述训练数据集进行训练， 得到所述掩膜图案修 正模型。 5.根据权利要求1所述的方法， 其特征在于， 所述第 一水平集函数和第 二水平集函数为 符号距离函数。 6.一种掩膜图案修 正方法， 其特 征在于， 包括： 获取待进行光学邻近效应校正OPC的掩膜图案； 根据所述待进行OPC的掩膜图案， 计算得到第一水平集函数， 所述第一水平集函数表示 所述待进行OPC的掩膜图案在离 散网格上的图像； 将所述第一水平集函数输入至掩膜图案修正模型， 输出第二水平集函数， 所述第二水 平集函数表示OPC后的掩膜图案在离 散网格上的图像； 根据所述第二水平集 函数生成所述OPC后的掩膜图案 。 7.根据权利要求6所述的方法， 其特征在于， 所述根据所述第二水平集函数生成所述 OPC后的掩膜图案， 包括： 基于所述第二水平集函数， 对所述第二水平集函数进行阈值化以获取所述OPC后的掩 膜图案， 所述阈值 化的阈值 为格点到所述OPC后的掩膜图案边的距离 。 8.一种掩膜图案修 正模型的训练设备， 其特 征在于， 包括： 获取模块， 用于获取光学邻近效应校正OPC前的掩膜图案和OPC后的掩膜图案； 计算模块， 用于分别基于所述OPC前的掩膜图案和所述OPC后的掩膜图案， 计算得到第 一水平集函数和第二水平集函数， 所述第一水平集函数表示所述OPC前的掩膜图案在离散 网格上的图像， 所述第二水平集 函数表示所述OPC后的掩膜图案在离 散网格上的图像； 训练模块： 用于将所述第一水平集函数作为神经网络模型的输入， 所述第二水平集函 数作为所述神经网络模型的输出进行训练， 得到掩膜图案修 正模型。 9.一种掩膜图案修 正设备， 其特 征在于， 包括： 获取模块： 用于获取待 进行光学邻近效应校正OPC的掩膜图案； 计算模块： 用于根据所述待进行OPC前的掩膜图案， 计算得到第一水平集函数， 所述第 一水平集 函数表示所述待 进行OPC的掩膜图案在离 散网格上的图像； 输入模块： 用于将所述第一水平集 函数输入至掩膜图案修 正模型 输出模块： 用于输出第二水平集函数， 所述第二水平集函数表示OPC后的掩膜图案在离 散网格上的图像； 生成模块， 用于根据所述第二水平集 函数生成所述OPC后的掩膜图案 。 10.一种掩膜图案修正设备， 包括： 处理器、 存储器， 所述存储器中存储代码， 所述处理 器运行所述存储器中存储的代码， 以执行如权利要求6 ‑7中任一项所述的掩膜图案修正方 法。 11.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 执行指令， 所述计算机执行指令被处理器执行时用于实现如权利要求6 ‑7中任一项所述的 掩膜图案修 正方法。 12.一种计算机程序产品， 包括计算机程序， 该计算机程序被处理器执行时实现权利要 求6‑7中任一项所述的掩膜图案修 正方法。权　利　要　求　书 2/2 页 3 CN 114332057 A 3