概括
这项研究引入了一种新型模型驱动的图形卷积网络 (MGCN),以加速集成电路制造的逆光刻技术 (ILT). 该MGCN框架显著提高了先进光学 lithography 的计算效率和图像准确性.
科学领域:
- 半导体制造业 半导体制造业
- 计算式 lithography 的使用方法.
- 在工程领域的机器学习.
背景情况:
- 先进的光学光刻系统依赖逆光刻技术 (ILT) 来优化光罩传输功能,以提高图像保真度.
- 传统的ILT面临着计算强度的挑战,这阻碍了它们在大量集成电路制造中得到广泛采用.
研究的目的:
- 开发一个高效的计算和高保真ILT框架,用于先进的光学光刻画.
- 解决传统ILT在集成电路制造速度和资源要求方面的局限性.
主要方法:
- 提出了一个基于模型的图形卷积网络 (MGCN) 框架,集成密集的同心圆形采样 (DCCS) 来进行特征提取.
- 一个基于GCN的编码器预测了优化的面具模式,其次是模拟光刻成像过程的模型驱动解码器.
- 采用无监督培训策略,消除了需要耗时标记数据的需求.
主要成果:
- 通过利用DCCS和无监督方法,MGCN框架显著提高了ILT的计算效率.
- 拟议的方法实现了高保真度成像结果,与最先进的ILT方法相比或超过.
- 通过GPU框架上的并行计算,可以实现快速的面具预测.
结论:
- 在集成电路的大批量制造中,MGCN方法为加速ILT提供了可行的解决方案.
- 与现有的ILT方法相比,该框架在计算速度和图像保真性方面都表现出卓越的性能.
- 机器学习与 lithography 过程建模的整合为未来的进步提供了一个有希望的方向.
