买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：武汉科技大学

摘要：本发明公开了一种基于残差网络的光刻掩模优化方法，通过光刻逆向优化过程对残差网络进行训练，优化残差网络参数，随后将初始掩模图形输入网络，并将优化结果输入正向光刻模型，得到晶圆曝光图像。本发明方法通过对残差网络进行逆向优化训练，减少掩模优化迭代次数，大幅度提升深度网络准确率，避免了网络层数增加产生的梯度消失的问题，实现了对光刻生成图像的畸变校正。

主权项：1.一种基于残差网络的光刻掩模优化方法，其特征在于，包括以下步骤：步骤一：收集初始掩模图案；步骤二：训练残差网络，该残差网络用于优化初始掩模图案以得到最优掩模图案；步骤三：建立光刻成像正向模型，将所述最优掩模图案输入所述模型计算该模型的空间像；步骤四：将所述空间像在晶圆曝光显影，从而得到晶圆曝光图像；所述步骤二包括：步骤21：利用最速梯度下降法对所述初始掩模图案进行训练，得到优化后的掩模，将收集的掩模与其对应的优化掩模作为训练集；步骤22：根据所述训练集对残差网络进行训练；所述步骤22包括：将收集的掩模作为残差网络的输入，将对应基于梯度算法得到的优化掩模作为标签，并将此标签与网络输出结果的差异作为损失函数，利用反向传播算法对该残差网络权重层参数进行训练，使得网络输出结果与此标签差异最小化；所述残差网络中包含一种线性修正单元ReLU作为激活函数；所述步骤21包括：步骤211：根据初始掩模图案与晶圆曝光图像设定目标函数；所述晶圆曝光图像通过建立基于霍普金斯成像计算空间像得到；所述目标函数为初始掩模图像与晶圆曝光图像差值的二范数的平方； 其中，Z为晶圆曝光图像，为初始掩模图像；步骤212：对所述目标函数求导进行，得到目标函数对掩模的梯度 该公式中，m表示掩模，h为霍普金斯成像原理奇异值分解计算空间像得到的奇异向量，hk为h的第k行向量；hT为h的转置；a为坡度因子，a越大，函数越陡，越接近于理想光刻胶函数；步骤213：对所述目标函数对掩模的梯度进行迭代； 其中,θn+1和θn分别是第n+1次和第n次迭代中的掩模，s是步长；所述晶圆曝光图像通过建立基于霍普金斯成像计算空间像得到包括以下步骤：步骤2111：根据实际光刻成像系统参数确定光刻成像模型的输入参数；步骤2112：根据所述输入参数，建立基于霍普金斯成像的光刻成像模型；步骤2113：根据所述光刻成像模型，采用奇异值分解计算该模型的空间像I； 其中λ是奇异值，h为奇异向量，m为掩模；步骤2114：将所述空间像在晶圆曝光显影，得到晶圆曝光图像Z； 其中，Z为晶圆曝光图像，tr为阈值，此函数的阈值为0.5或最大陡峭点的位置，a为坡度因子，a越大，函数越陡，越接近于理想光刻胶函数。

全文数据：

权利要求：

百度查询： 武汉科技大学 一种基于残差网络的光刻掩模优化方法