01/简介当前压缩感知光源优化的仿真技术已实现标准化与精准化双重突破为技术落地奠定坚实基础。仿真条件层面通过构建统一的光源参数基准、掩模图形库及光学成像模型建立了可复现的标准化仿真环境解决了传统仿真中参数离散导致的对比误差问题。接下来以竖直线条为目标图形进行仿真分析对比分析在不同变量下曝光图像的情况。02/仿真条件目标图形竖直线条CD45nm占空比1:1、水平条块。光刻参数波长193nmNA1.2浸没介质折射率1.44掩模尺寸4020nm×4020nm201×201像素光源41×41像素。曝光图像的计算公式Print Image ΓInorm-tr其中InormI/Qsum为归一化空间像Γx为硬判决函数tr为光刻胶阈值。使用归一化的空间像计算曝光图像因为光刻胶阈值是通过假设的单位曝光剂量来选择的。03/仿真结果对比光源与成像效果硅片采样像素数时的优化后光源、焦面/离焦面成像表明CS-SO可实现清晰成像。M为硅片上随机选择的采样像素的数量。不同M下针对竖直线条图形CS-SO方法获得的SO结果及曝光图像不同M下针对竖直线条图形CG-SO方法获得的SO结果及曝光图像结论• CS方法可以获得更简单合理的光源图形及其强度分布。• 优化的光源图形随采样像素的数量而变化选取较多的采样像素优化的光源进行成像后PAE相对较低选取较少的采样像素优化后最后成像的 PAE 较高。DCT系数稀疏性优化后光源的DCT系数稀疏因为忽略了极弱光源像素所以便于平衡DCT域与光瞳域稀疏度。优化得到的光源图形DCT系数采样像素分布随机选择硅片上的采样像素聚焦关键区域控制成像性能。硅片上随机选择的采样像素的分布结论• CS方法成功保留了光源图形的稀疏性即优化后的光源仍是稀疏的。因此CS方法可以获得比 CG方法更简单合理的光源图形及其强度分布。• 更改采样像素数量将更改线性约束从而导致不同的最佳光源图形。选取较多的采样像素优化的光源进行成像后PAE相对较低选取较少的采样像素优化后最后成像的 PAE 较高。基于竖直线条图形的PAE、空间像对比度和不同仿真的运行结论• 当采样像素数M减少时成像保真度指标PAE会增加空间像对比度则降低。• 与传统CG方法相比CS-SO方法在相同采样像素数下获得的图像误差更小、保真度更高、图像对比度更高。因为CS方法应用了线性约束在采样像素上强制实际空间像等于目标图形。此外CS方法的优化速度比CG方法提高4~5倍选择较少的采样像素可有效减少运行时间。竖直线条图形的PAE和对比度的收敛曲线比较结论CS 方法比 CG 方法收敛特性更稳定。不同M的CS方法和CG方法的PW结论对于 CS 方法和 CG 方法随着采样像素数增加二者的工艺窗口PW都会扩展且 CS 方法能实现更大的 PW有效提高光刻系统对工艺变化的鲁棒性。总结CS-SO方法与 CG-S0方法对比仿真结果证明了 CS-SO 方法在光源可制造性、成像性能、PW 和计算效率方面的优越性。04/先进技术与未来发展方向未来仿真技术将向“精准映射”与“全链路覆盖”演进。• AI赋能仿真建模通过深度学习优化光源-成像的非线性映射关系实现仿真参数自适应调优降低极端制程建模误差• 多物理场耦合升级融入EUV光刻偏振、掩模、三维衍射及热变形等因素提升仿真与实际制程的契合度• 跨流程协同仿真联动掩模制造、刻蚀工艺构建全链路模型预判光源优化对后续工序的影响• 极端场景突破针对1nm及以下节点研发量子化光学仿真模型突破现有精度瓶颈为技术迭代提供前瞻性支撑。