本發(fā)明實(shí)施例涉及半導(dǎo)體制造領(lǐng)域，尤其涉及一種opc模型的優(yōu)化方法及系統(tǒng)、設(shè)備以及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著器件的尺寸日益縮小，在經(jīng)過(guò)光刻制程之后，芯片表面的圖案與原始光罩圖案之間的差異也隨之增大。為了避免光學(xué)鄰近效應(yīng)造成芯片上的圖案與掩膜版圖案不一致，目前解決的方法通常是對(duì)掩膜版圖案進(jìn)行光學(xué)鄰近修正(optical?proximitycorrection，opc)處理，然后再依據(jù)修正過(guò)的掩膜版圖案進(jìn)行圖案轉(zhuǎn)移。

2、實(shí)現(xiàn)opc的方法主要有基于規(guī)則的opc(rule-based?opc)和基于模型的opc(model-based?opc)兩種。早期的基于規(guī)則的opc，由于其簡(jiǎn)單和計(jì)算快速的特點(diǎn)被廣泛使用。然而這種方法需要人為制定opc規(guī)則，隨著光學(xué)畸變加劇，這些規(guī)則變得極為龐雜而難以延續(xù)。因此，基于模型的opc(model?based?opc)應(yīng)運(yùn)而生?；谀Ｐ偷膐pc方法通過(guò)光學(xué)仿真建立精確的計(jì)算模型，然后調(diào)整圖形的邊沿不斷仿真迭代，直到逼近理想的圖形。傳統(tǒng)的基于模型的opc需要精準(zhǔn)的光刻建模，通常包含光學(xué)建模和光刻膠建模兩個(gè)部分。通過(guò)光刻膠模型(resist?image)可以把光學(xué)圖像轉(zhuǎn)換為光刻膠圖形，而光刻膠模型直接決定了模型的精準(zhǔn)度。

3、但是，目前獲得opc模型參數(shù)的方法仍有待優(yōu)化。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明實(shí)施例解決的問(wèn)題是提供一種opc模型的優(yōu)化方法及系統(tǒng)、設(shè)備以及存儲(chǔ)介質(zhì)，提高對(duì)opc模型的優(yōu)化效果，以提高opc模型的準(zhǔn)確度和可靠度。

2、為解決上述問(wèn)題，本發(fā)明實(shí)施例提供一種opc模型的優(yōu)化方法，所述opc模型的參數(shù)包括非線性參數(shù)；opc模型的優(yōu)化方法包括：對(duì)所述非線性參數(shù)進(jìn)行第一初始化處理，確定所述非線性參數(shù)的第一搜索范圍；基于所述第一搜索范圍，利用全局搜索算法對(duì)所述非線性參數(shù)進(jìn)行第一搜索處理，生成對(duì)應(yīng)每個(gè)非線性參數(shù)的多個(gè)第一候選值；基于所述多個(gè)第一候選值設(shè)置第二搜索范圍，且所述第二搜索范圍小于所述第一搜索范圍；基于所述第二搜索范圍，利用局部搜索算法對(duì)所述非線性參數(shù)進(jìn)行第二搜索處理，獲得最終候選值。

3、相應(yīng)的，本發(fā)明實(shí)施例還提供一種opc模型的優(yōu)化系統(tǒng)，所述opc模型的參數(shù)包括非線性參數(shù)；所述opc模型的優(yōu)化系統(tǒng)包括：初始化模塊，用于對(duì)所述非線性參數(shù)進(jìn)行第一初始化處理，確定所述非線性參數(shù)的置第一搜索范圍；第一搜索模塊，用于基于所述第一搜索范圍，利用全局搜索算法對(duì)所述非線性參數(shù)進(jìn)行第一搜索處理，生成對(duì)應(yīng)每個(gè)非線性參數(shù)的多個(gè)第一候選值；設(shè)置模塊，用于基于所述多個(gè)第一候選值設(shè)置第二搜索范圍，且所述第二搜索范圍小于所述第一搜索范圍；第二搜索模塊，用于基于所述第二搜索范圍，利用局部搜索算法對(duì)所述非線性參數(shù)進(jìn)行第二搜索處理，獲得最終候選值。

4、相應(yīng)的，本發(fā)明實(shí)施例還提供一種設(shè)備，包括至少一個(gè)存儲(chǔ)器和至少一個(gè)處理器，所述存儲(chǔ)器存儲(chǔ)一條或多條計(jì)算機(jī)指令，其中，所述一條或多條計(jì)算機(jī)指令被所述處理器執(zhí)行以實(shí)現(xiàn)本發(fā)明實(shí)施例提供的opc模型的優(yōu)化方法。

5、相應(yīng)的，本發(fā)明實(shí)施例還提供一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)存儲(chǔ)一條或多條計(jì)算機(jī)指令，所述一條或多條計(jì)算機(jī)指令用于實(shí)現(xiàn)本發(fā)明實(shí)施例提供的opc模型的優(yōu)化方法。

6、與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)施例的技術(shù)方案具有以下優(yōu)點(diǎn)：

7、本發(fā)明實(shí)施例提供的opc模型的優(yōu)化方法中，基于所述第一搜索范圍，利用全局搜索算法對(duì)所述非線性參數(shù)進(jìn)行第一搜索處理，以生成對(duì)應(yīng)每個(gè)非線性參數(shù)的多個(gè)第一候選值，以便基于所述多個(gè)第一候選值設(shè)置比第一搜索范圍更小的第二搜索范圍，從而不僅減小了局部搜索算法的初始搜索范圍，而且通過(guò)基于全局搜索算法獲得的第一候選值所設(shè)置的第二搜索范圍，還為利用局部搜索算法對(duì)所述非線性參數(shù)進(jìn)行第二搜索處理提供更為準(zhǔn)確的搜索范圍，相應(yīng)在基于第二搜索范圍利用局部搜索算法，對(duì)非線性參數(shù)進(jìn)行第二搜索處理的過(guò)程中，還有利于盡可能避免局部搜索算法陷入局部最優(yōu)解，相應(yīng)的，本發(fā)明實(shí)施例將所述全局搜索算法和局部搜索算法相結(jié)合，有利于在提高最終候選值的準(zhǔn)確度、避免陷入局部最優(yōu)解的同時(shí)，還有利于減小運(yùn)算量、縮短獲得最終候選值的運(yùn)行時(shí)間，進(jìn)而提高了對(duì)opc模型的優(yōu)化效果，相應(yīng)提高opc模型的準(zhǔn)確度和可靠度。

8、本發(fā)明實(shí)施例提供的opc模型的優(yōu)化系統(tǒng)中，第一搜索模塊用于基于所述第一搜索范圍，利用全局搜索算法對(duì)所述非線性參數(shù)進(jìn)行第一搜索處理，以生成對(duì)應(yīng)每個(gè)非線性參數(shù)的多個(gè)第一候選值，以便設(shè)置模塊基于所述多個(gè)第一候選值設(shè)置比第一搜索范圍更小的第二搜索范圍，從而不僅減小了局部搜索算法的初始搜索范圍，而且通過(guò)基于全局搜索算法獲得的第一候選值所設(shè)置的第二搜索范圍，還為利用局部搜索算法對(duì)所述非線性參數(shù)進(jìn)行第二搜索處理提供更為準(zhǔn)確的搜索范圍，相應(yīng)在第二搜索模塊基于第二搜索范圍利用局部搜索算法對(duì)非線性參數(shù)進(jìn)行第二搜索處理的過(guò)程中，還有利于盡可能避免局部搜索算法陷入局部最優(yōu)解，相應(yīng)的，本發(fā)明實(shí)施例將所述全局搜索算法和局部搜索算法相結(jié)合，有利于在提高最終候選值的準(zhǔn)確度、避免陷入局部最優(yōu)解的同時(shí)，還有利于減小運(yùn)算量、縮短獲得最終候選值的運(yùn)行時(shí)間，進(jìn)而提高了對(duì)opc模型的優(yōu)化效果，相應(yīng)提高opc模型的準(zhǔn)確度和可靠度。

技術(shù)特征：

1.一種opc模型的優(yōu)化方法，其特征在于，所述opc模型的參數(shù)包括非線性參數(shù)；所述opc模型的優(yōu)化方法包括：

2.如權(quán)利要求1所述的opc模型的優(yōu)化方法，其特征在于，所述全局搜索算法包括啟發(fā)式算法。

3.如權(quán)利要求1所述的opc模型的優(yōu)化方法，其特征在于，所述全局搜索算法包括遺傳算法。

4.如權(quán)利要求3所述的opc模型的優(yōu)化方法，其特征在于，所述opc模型的參數(shù)還包括線性參數(shù)；基于所述第一搜索范圍，利用全局搜索算法對(duì)所述非線性參數(shù)進(jìn)行第一搜索處理的步驟包括：

5.如權(quán)利要求3或4所述的opc模型的優(yōu)化方法，其特征在于，所述遺傳算法的迭代次數(shù)為1至5次。

6.如權(quán)利要求4所述的opc模型的優(yōu)化方法，其特征在于，所述預(yù)設(shè)的條件包括均方根和模型誤差分別在預(yù)設(shè)的閾值范圍內(nèi)。

7.如權(quán)利要求1所述的opc模型的優(yōu)化方法，其特征在于，基于所述多個(gè)第一候選值設(shè)置第二搜索范圍的步驟包括：基于預(yù)設(shè)的評(píng)價(jià)標(biāo)準(zhǔn)，對(duì)所述多個(gè)第一候選值進(jìn)行篩選，獲得第二候選值；基于所述第二候選值設(shè)置第二搜索范圍。

8.如權(quán)利要求7所述的opc模型的優(yōu)化方法，其特征在于，基于預(yù)設(shè)的評(píng)價(jià)標(biāo)準(zhǔn)，對(duì)所述多個(gè)第一候選值進(jìn)行篩選的步驟包括：計(jì)算每個(gè)第一候選值對(duì)應(yīng)的均方根和模型誤差；基于預(yù)設(shè)的均方根和模型誤差所對(duì)應(yīng)的權(quán)重以及每個(gè)第一候選值對(duì)應(yīng)的均方根和模型誤差，對(duì)所述多個(gè)第一候選值進(jìn)行篩選，獲得每個(gè)非線性參數(shù)對(duì)應(yīng)的第二候選值。

9.如權(quán)利要求7所述的opc模型的優(yōu)化方法，其特征在于，基于所述第二候選值設(shè)置第二搜索范圍的步驟包括：以所述第二候選值為基礎(chǔ)上下浮動(dòng)預(yù)設(shè)數(shù)值范圍，獲得所述第二搜索范圍。

10.如權(quán)利要求1所述的opc模型的優(yōu)化方法，其特征在于，所述局部搜索算法包括線性逼近約束優(yōu)化算法。

11.如權(quán)利要求10所述的opc模型的優(yōu)化方法，其特征在于，所述opc模型的參數(shù)還包括線性參數(shù)；基于所述第二搜索范圍，利用局部搜索算法對(duì)所述非線性參數(shù)進(jìn)行第二搜索處理的步驟包括：

12.如權(quán)利要求4或10所述的opc模型的優(yōu)化方法，其特征在于，采用梯度下降算法對(duì)所述線性參數(shù)進(jìn)行搜索。

13.如權(quán)利要求1所述的opc模型的優(yōu)化方法，其特征在于，所述opc模型的優(yōu)化方法還包括：在獲得最終候選值之后，基于最終候選值，獲得最終的opc模型。

14.如權(quán)利要求1所述的opc模型的優(yōu)化方法，其特征在于，所述opc模型為光刻膠模型。

15.一種opc模型的優(yōu)化系統(tǒng)，其特征在于，所述opc模型的參數(shù)包括非線性參數(shù)；所述opc模型的優(yōu)化系統(tǒng)包括：

16.一種設(shè)備，其特征在于，包括至少一個(gè)存儲(chǔ)器和至少一個(gè)處理器，所述存儲(chǔ)器存儲(chǔ)一條或多條計(jì)算機(jī)指令，其中，所述一條或多條計(jì)算機(jī)指令被所述處理器執(zhí)行以實(shí)現(xiàn)如權(quán)利要求1-14任一項(xiàng)所述的opc模型的優(yōu)化方法。

17.一種存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)存儲(chǔ)一條或多條計(jì)算機(jī)指令，所述一條或多條計(jì)算機(jī)指令用于實(shí)現(xiàn)如權(quán)利要求1-14任一項(xiàng)所述的opc模型的優(yōu)化方法。

技術(shù)總結(jié)
一種OPC模型的優(yōu)化方法及系統(tǒng)、設(shè)備以及存儲(chǔ)介質(zhì)，所述OPC模型的參數(shù)包括非線性參數(shù)；優(yōu)化方法包括：對(duì)所述非線性參數(shù)進(jìn)行第一初始化處理，確定所述非線性參數(shù)的第一搜索范圍；基于所述第一搜索范圍，利用全局搜索算法對(duì)所述非線性參數(shù)進(jìn)行第一搜索處理，生成對(duì)應(yīng)每個(gè)非線性參數(shù)的多個(gè)第一候選值；基于所述多個(gè)第一候選值設(shè)置第二搜索范圍，且所述第二搜索范圍小于所述第一搜索范圍；基于所述第二搜索范圍，利用局部搜索算法對(duì)所述非線性參數(shù)進(jìn)行第二搜索處理，獲得最終候選值。本發(fā)明實(shí)施例提高了對(duì)OPC模型的優(yōu)化效果，提高OPC模型的準(zhǔn)確度和可靠度。

技術(shù)研發(fā)人員：胡月,王健
受保護(hù)的技術(shù)使用者：中芯國(guó)際集成電路制造（上海）有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30