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，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。
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、掩模图形与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），被认为是二十一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，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远大于光源波长，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具有较大差异，是国际研究热点。
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提高光刻成像质量。中国科学院上海光机所研究团队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。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，相比于薄掩模模型提高了光刻成像仿真的精度，同时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。对多个掩模图形进行验证，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。
来源：上海光机所官网
END
特色栏目
扫码关注我们
光电汇媒体以原创文章专注发布激光光学领域的市场分析、光电器件和技术的专业解答、一手资讯、线上直播等信息，让光学人快速读懂光电圈。
免责
声明
本文注明来源为其他媒体或网站的文/图等稿件均为转载，如涉及版权等问题，请作者在20个工作日之内联系我们，我们将协调给予处理。最终解释权归光电汇所有。
请联系oepn@siom.ac.cn
商务合作，请联系
季先生 18018304797
觉得有用，请点这里↓↓↓