采用非线性压缩感知的快速光刻光源-掩模优化技术基础研究

Source-mask optimization (SMO) is one of the key resolution enhancement techniques (RET) to improve the imaging performance of the immersion lithography systems at 22nm technology node and beyond. As the continuous growth of the overall size and integration level of integrated circuits, and the increment of the data-processing volume of SMO algorithms, the computational efficiency of the SMO techniques must be further improved. This project faces to the international cutting-edge research topics and the major national demands, innovates the fast pixel-based SMO (PBSMO) technique aiming at the imaging properties of the 22-14nm immersion lithography systems based on nonlinear compressive sensing (CS), and breaks through the computational efficiency of current PBSMO techniques. This project will apply nonlinear CS theories and techniques to deeply investigate and establish the optimization mathematical model for the fast PBSMO, explore and innovate the fast PBSMO flows and algorithms with high convergence efficiency and small convergence error, deeply discuss the influence laws of various key factors on the convergence performance and computational efficiency of the fast PBSMO algorithms and their mechanisms, as well as explore the efficiency limits of the fast PBSMO algorithms mentioned above. This research will be of great significance on the innovation of the high-resolution image processing methods, and the extension of the application domain of nonlinear CS theories and techniques. This research can also provide the key techniques for the research and development of immersion lithography equipments, masks and processes.

光源-掩模优化（SMO）是提高22nm及以下技术节点浸没式光刻系统成像性能的关键分辨率增强技术（RET）之一。随着集成电路整体尺寸、集成度和SMO算法数据处理量的不断提升，必须进一步提高SMO技术的运算效率。本项目面向国际前沿课题和国家重大需求，针对22-14nm浸没式光刻系统的成像特性，创新采用非线性压缩感知（CS）的快速像素化SMO（PBSMO）技术，突破现有PBSMO技术的运算效率。本项目将应用非线性CS理论和技术，深入研究并建立快速PBSMO的优化数学模型；探索和创新收敛效率高、收敛误差小的快速PBSMO优化流程和算法；深入探讨多种关键因素对快速PBSMO算法收敛性能和运算效率的影响规律及机理，并探索上述快速PBSMO算法的效率极限。本研究对于创新高分辨图像处理方法、扩展非线性CS理论及技术的应用范畴具有重要意义，同时也可以为浸没光刻设备、掩模和工艺的研发提供关键技术。

光源-掩模优化（SMO）是提高集成电路制造良率的一项关键的计算光刻技术。随着集成电路整体尺寸、集成度和SMO算法数据处理量的不断提升，必须进一步提高SMO技术的运算效率。本项目面向国家重大需求和国际前沿，针对深紫外（DUV）浸没式光刻系统，建立了基于压缩感知（CS）的像素化SMO（PBSMO）模型，创新了基于线性CS的快速光源优化（SO）技术、基于非线性CS的快速光学邻近效应校正（OPC）技术，以及基于混合CS框架的快速PBSMO技术，研究了收敛性能良好的PBSMO优化流程和算法，有效提升了PBSMO技术的运算效率，同时提升了光刻成像对比度、工艺窗口，以及优化后掩模的可制造性。另外，本项目还超额完成了以下工作：（1）研究了针对极紫外（EUV）光刻的SMO模型与算法，进一步提高了EUV光刻系统的成像性能。（2）研究了基于批处理信号估计的快速SO方法，能够有效降低现有SO算法的冗余计算量，提高运算速度，同时进一步扩大光刻工艺窗口。（3）研究了基于机器学习的快速厚掩模空间成像计算方法，相比严格电磁场计算方法，能够将计算速度提高3-4个数量级。（4）研究了基于模型驱动卷积神经网络的快速逆向光刻方法，可将现有OPC算法的运算速度提高1个数量级，并减小光刻系统的成像误差。（5）初步探索研究了基于信息论的OPC方法，建立了光刻系统的近似信道模型，并探索了OPC的成像误差最小值。课题组发表期刊论文17篇（SCI 收录15篇），在光刻领域知名会议上发表EI论文3篇，另有1篇论文被本领域高水平期刊收录。申请发明专利6项（授权4项），获得软件版权2项。培养博士生4人（其中毕业1人），硕士生6人（其中毕业3人）。研究成果对于发展新型的快速计算光刻技术具有重要的理论意义，有望为缩短先进光刻工艺研发周期、提升光刻系统成像性能、提高芯片制造良率，降低掩模制造成本，提供关键的技术方案。研究成果具有重要的应用价值，有望为我国自主研发计算光刻仿真软件提供新型理论模型和关键技术支撑。课题组圆满并超额完成了项目任务目标。