提高光刻掩模制造性的快速光源掩模优化方法研究

With the development and production of integrated circuits at 14nm node, optical lithography faces increasing challenges to keep up with the specifications on its performance along various metrics. Source mask optimization (SMO) allows lithographers to rise to the challenges by exploiting a larger design space on both mask and illumination configuration, which has been considered a promising technique to enhance resolution and improve performance on process robustness. Yet, many methods that are used to tackle SMO problem involve heavy computation, slow convergence, and complicated mask. .Based on current mask writing machine, this project formulates the shot counts as an inverse synthesis problem and incorporates it as a part of the overall cost function, to achieve source and mask co-optimization, enhance manufacturability and application feasibility; In addition, the project aims to address the computational burden from both aspects of fast algorithm design and approximate model refinement, thereby shortening the execution time of full-chip SMO optimization and enlarging the usable depth of focus among different feature sizes. The central part of this project is to bridge the gap between the effectiveness and practicability of SMO algorithms, and provide theoretical foundation and simulation results for the extension of optical lithography lifetime.

随着14nm工艺节点的集成电路开发和生产，光学光刻技术面临着来自图像性能各种要求的严峻挑战。光源掩模协同优化（SMO）通过探索更大的设计空间来应对这一挑战，被认为最有希望可以提高光刻分辨率，而且增强工艺鲁棒性。然而，许多用来解决光源掩模协同优化的方法计算量大、收敛速度慢，而且得到的掩模复杂度高难以制造。.本项目基于目前的掩模制造技术，将决定掩模复杂度的矩形数目转化为逆向优化问题，并包含在总体目标函数中，实现优化配置光源掩模的同时提高掩模的可制造性和实际应用的可行性；另外，从设计快速算法和改善近似模型两方面来减轻该优化问题的计算负担，缩短SMO应用在全芯片电路的执行时间，扩大不同电路结构的可用焦深。本项目的核心工作就是缩小光源掩模协同优化有效性和实用性之间的差距，为延长光学光刻的使用寿命提供理论基础和仿真数据。

光学系统决定了信息传递的物理方式，算法决定了什么信息可以通过系统。不论是光学光刻还是超分辨显微技术，都面临着来自图像性能各种要求的严峻挑战，比如时空分辨率之间的相互制约、解决优化问题的方法计算量大等，所以快速、精准的优化算法都是突破这一领域瓶颈的关键技术。本项目的核心工作就是通过探索更大的设计空间，提出基于实际应用的可行性算法，缩短解决优化问题的计算执行时间，提高分辨率的同时改善图像质量。.所取得的主要成果为：（1）提出并实现了快速的优化算法，并应用在高密度荧光分子的超分辨图像重建中，与现在流行的压缩感知方法和传统的单分子定位方法的结果进行了比较，可以提高4~10倍的速度，同时保证可接受的图像质量和精度。（2）增强工艺鲁棒性，将点扩散函数的半高全宽作为变量引入到训练数据中，利用现在非常活跃的深度学习提出解决方案，构建了可以同时去噪和精准定位高密度荧光分子的深度卷积神经网络结构，比常用算法的时间分辨率提高至少2倍。（3）采用量子点作为荧光标记物，并通过实验室自行建造的三光子作用截面测量系统对活体小鼠脑部深层成像，实验结果表明，可获得更大的成像深度和成像速度，比现有的成像深度记录提高了750μm，成像速度提高了10倍。.本项目的成果为协同优化的数值算法研究和发展提供理论基础，并直接有助于超分辨显微技术在线粒体的动态成像应用和成像分辨率提高、三光子显微技术的成像速度提高以及成像深度进一步提升。