一种光刻机光源的优化方法
【专利摘要】一种光刻机光源优化方法，以像素化的光源为粒子，将理想图形与当前光源照明模式下掩模对应的光刻胶像每一点差异的平方和作为目标函数，利用含有线性递减权重和压缩因子的粒子群优化算法，通过更新粒子的速度与位置信息迭代优化光源图形。本发明有效提高了光刻成像质量，具有原理简单、易于实现、收敛速度快的优点。
【专利说明】一种光刻机光源的优化方法
【技术领域】
[0001] 本发明涉及光刻机，尤其涉及一种用于光刻机的光源优化方法。
【背景技术】
[0002] 光刻技术是极大规模集成电路制造中最为关键的技术之一，光刻分辨率决定集 成电路图形的特征尺寸。在曝光波长与数值孔径一定的情况下，需要通过改善光刻胶 工艺和采用分辨率增强技术来减小工艺因子，从而提高光刻分辨率。光源优化（Source Optimization，SO)作为一种重要的分辨率增强技术，通过改变光源强度分布来调整 入射光的强度和方向。S0既可以单独使用，也可以作为光源掩模优化（Source Mask Optimization，SM0)的一部分使用以提高光刻成像性能。
[0003] S0具有成本低、容易实现的优点，因而得到了广泛的研究。近来，FlexRay等自 由照明技术为S0提供了更高的自由度。Granik对光源的不同表达方式和优化目标函数 进行了分类（参见在先技术 l，Granik，Y, "Source optimization for image fidelity and throughput"，Journal of Micro lithography Microfabrication and Microsystem s, 2004. 3(4) :p. 509-522)。Kehan等从理论和仿真上对基于像素表示的SO的优点进行了 证明（参见在先技术 2，Kehan, T. , et al, "Benefits and trade-offs of global source optimization in optical lithography", Proceedings of the SPIE-The International Society for Optical Engineering, 2009. 7274:p.72740C(12pp.)_72740C(12pp·))。另 一方面，SO是SM0的重要组成部分。自Rosenbluth等首先提出光源与掩模联合优化的思 想以来，已有许多算法应用于SM0。其中，Erdmann等提出的基于遗传算法的SM0(参见在 先技术 3，Erdmann, A.，et al, "Toward automatic mask and source optimization for optical lithography，'，Microlithography 2004. International Society for Optics and Photonics)，不需要掌握光刻的先验知识，可以选择任意的成像模型和优化目标，具有 潜在并行性，避免了解析方法难以应用于复杂优化的问题。然而，遗传算法编码比较复杂， 其交叉和变异都具有典型的组合特征，优化过程只对染色体的片段操作，收敛速度较慢。另 夕卜，在先技术3中的光源图形由描述常规照明、环形照明、二极照明或四极照明的简单参数 表示，其优化的自由度受到很大的限制。
【发明内容】
[0004] 本发明提供一种基于粒子群优化算法的光刻机光源优化方法。本方法将像素化的 光源编码为粒子，利用含有线性递减惯性权重和压缩因子的粒子群算法，通过更新粒子的 速度与位置信息不断迭代优化光源图形。该方法原理简单，易于实现，增加了优化自由度， 有效提高了光源优化效率。本方法适用于需要光源优化的光刻系统。
[0005] 本发明的技术解决方案如下：
[0006] -种基于粒子群优化算法的光源优化方法，具体步骤为：
[0007] ①初始化光源图形J的大小为NSXNS，设置光源图形J上发光区域的亮度值为1， 不发光区域的亮度值为0,光源图形J的坐标为（f，g);
[0008] 初始化掩模图形Μ的大小为NmXNm，设置掩模图形Μ上透光部分的透射率为1，阻 光部分的透射率为〇,掩模图形Μ的坐标为（x，y);
[0009] 初始化目标图形It = Μ ;初始化光刻胶阈值&和灵敏度α ;初始化粒子群规模N、 学习因子(^和(32、惯性权重最大值ω_和最小值;初始化各粒子的位置
【权利要求】
1. 一种光刻机光源优化方法，其特征在于，该方法包含以下步骤： ① 初始化光源图形J的大小为NSXNS，设置光源图形J上发光区域的亮度值为1，不发 光区域的亮度值为〇,光源图形J的坐标为（f，g); 初始化掩模图形Μ的大小为NmXNm，设置掩模图形Μ上透光部分的透射率为1，阻光部 分的透射率为0,掩模图形Μ的坐标为（x，y); 初始化目标图形It = Μ ;初始化光刻胶阈值和灵敏度α ;初始化粒子群规模N、学习 因子Cl和c2、惯性权重最大值ω_和最小值c〇min ;初始化各粒子的位置
和速度
其 中i (1 < i < N)为粒子编号，j (j彡1)为粒子维度,k(k = 1)为迭代次数；初始化评价函 数阈值Fs、最大迭代次数km; ② 初始化光源图形J对应的控制变量θ，Θ (f，g)表示坐标为（f，g)的控制变量Θ， 对应于某粒子的位置信息 ③ 采用粒子群算法优化控制变量Θ，并计算第k次迭代时的光源图形J(k)，公式如下：
式中，Θ (k)表示第k(l <k<km，且k为正整数）次迭代时的控制变量Θ值； ④ 采用光刻仿真软件，由光源图形J(k)和掩模图形Μ得到第k次迭代时的空间像Ia(k)， 并计算第k次迭代时的光刻胶像l/ k)，公式如下：
⑤ 计算第k次迭代时的评价函数值F(k)，公式如下：
⑥ 定义第k次迭代时粒子本身所找到的使得评价函数值最小的位置为第k次迭代时的 个体极值
第k次迭代时，将F(k)与
对应的评价函数值比较，如果F(k)小于
对应的评价函 数值，则更新
为Θ (k) (f，g)，其中Θ (k) (f，g)为第k次迭代时的Θ (f，g); ⑦ 定义第k次迭代时整个种群中粒子找到的使得评价函数值最小的位置为第k次迭代 时的全局极值
第k次迭代时，将F(k)与
对应的评价函数值比较，如果F(k)小于
对应的评价函数 值，则更新
为Θ (k)(f，g); ⑧ 计算粒子第（k+1)次的速度
和位置
式中，压缩因子
0 = 惯性权重
为第k次迭代时第i个粒子第j维上的
为第k次迭代时第g个粒子第j维上的
⑨ 如果F(k)小于Fs，或者k大于km，进入步骤⑩，否则返回步骤③； ⑩ 终止优化，
为全局极值Pg，将Pg所表不的信息作为优化后光源输出。
【文档编号】G03F1/76GK104155852SQ201410422502
【公开日】2014年11月19日 申请日期:2014年8月26日 优先权日:2014年8月26日
【发明者】王磊, 王向朝, 李思坤, 闫观勇, 杨朝兴 申请人:中国科学院上海光学精密机械研究所