(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
专利 掩膜图案修正模型的训练方法及掩膜图案修正方法
文档预览
中文文档
21 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共21页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 21:50:59上传分享