基于改进的像素对像素生成对抗网络的 lithography 面具的快速衍射模型

科学领域:

• 半导体制造业 半导体制造业
• 计算物理 计算物理
• 光学和光子学 在光学和光子学.

背景情况:

• 三维 (3D) 面具效果对于在先进的极紫外线 (EUV) 刻画中成像性能至关重要.
• 严格的3D面具衍射建模带来了重大的计算挑战和时间限制.

研究的目的:

• 开发一种计算效率高,准确的方法来计算面罩近场衍射 (DNF).
• 为了解决传统的,耗时的3D面具衍射模型在EUV光刻中的局限性.

主要方法:

• 为DNF计算开发了一种改进的像素对像素生成对抗网络 (GAN).
• 可变形卷积被纳入GAN中,以模拟面具特征边缘之间的交叉声效应.
• 长期短期记忆 (LSTM) 模型被集成到生成器中,以增强DNF矩阵的真实和虚构部分之间的信息融合.
• 在升级采样阶段使用亚像素超分辨率来提高模拟准确性.

主要成果:

• 与传统的神经网络相比,开发的方法在计算准确度方面取得了超过50%的改进.
• 与严格的电磁场模拟方法相比,计算效率提高了128倍.
• 可变形卷积和LSTM的集成有效地处理了面具特征边缘复杂性和DNF矩阵数据.

结论:

• 拟议的基于人工智能的方法在计算EUV光刻面具射近场时提供了显著的进步.
• 这种方法为减少计算负担提供了可行的解决方案,而不会牺牲高级光刻模拟中的精度.
• 增强的GAN模型显示了在计算光刻和光学建模中更广泛应用的潜力.