一种基于粒子群优化算法的晶圆曝光路径规划方法
本发明公开了一种基于粒子群优化算法的晶圆曝光路径规划方法，通过将晶圆曝光场进行编号，以晶圆曝光场的曝光次序为粒子，以曝光路径总长度为目标函数，通过更新粒子的曝光次序来对曝光路径总长度进行优化。本发明能有效缩短晶圆曝光流程总时间，从而提高光刻机产率，具有原理简单、鲁棒性强、收敛速度快的优点。
发明专利
CN201710229617.4
2017-04-10
CN106970506A
2017-07-21
G03F7/20(2006.01)I
中国科学院上海光学精密机械研究所
郑亚忠;戴凤钊;步扬;王向朝;孟泽江;彭常哲
201800 上海市嘉定区上海市800－211邮政信箱
上海恒慧知识产权代理事务所(特殊普通合伙) 31317
张宁展
上海;31
一种基于粒子群优化算法的晶圆曝光路径规划方法，其特征在于，该方法包括如下步骤：①获取晶圆表面曝光场、调平调焦标记与对准标记的分布数据；设置曝光场总数为M，并对各曝光场按照一定次序用1～M进行编号，计算各曝光场中心坐标；②规划调平调焦及对准路径：依次遍历调平调焦标后再依次遍历对准标记，其中以最后经过的对准标记为曝光起始点位置A(x,y)；③设置晶圆曝光路线初始参数：以晶圆曝光场的曝光次序为粒子，初始化粒子群规模N、加速系数c<sub>1</sub>和c<sub>2</sub>；随机生成N个初始路径，即各粒子的初始排序<img file="dest_path_FDA0001310679950000011.TIF" wi="917" he="79" />其中i(1≤i≤N)为粒子编号，j(1≤j≤M)为该粒子第j个曝光场编号，d为迭代次数，<img file="dest_path_FDA0001310679950000012.TIF" wi="78" he="79" />坐标定义为第<img file="dest_path_FDA0001310679950000013.TIF" wi="72" he="78" />个曝光场中心坐标；定义最大迭代次数d<sub>max</sub>，定义初始迭代次数d＝1，定义惯性权重：<img file="dest_path_FDA0001310679950000014.TIF" wi="582" he="135" />其中ω<sub>max</sub>为惯性权重最大值，ω<sub>min</sub>为惯性权重最小值；④根据初始路径计算初始函数适应值，即各路径长度：<img file="dest_path_FDA0001310679950000015.TIF" wi="1076" he="239" />其中<img file="dest_path_FDA0001310679950000016.TIF" wi="128" he="71" />为随机生成的第i个粒子中第j个曝光场中心的x坐标，<img file="dest_path_FDA0001310679950000017.TIF" wi="156" he="71" />为随机生成的第i个粒子中第j+1个曝光场中心的x坐标，<img file="dest_path_FDA0001310679950000018.TIF" wi="134" he="71" />为随机生成的第i个粒子中第j个曝光场中心的y坐标，<img file="dest_path_FDA0001310679950000019.TIF" wi="156" he="70" />为随机生成的第i个粒子中第j+1个曝光场中心的y坐标，A(x)为曝光起始点A的x坐标，A(y)为曝光起始点A的y坐标；设置初始函数适应值为粒子的初始个体最优值<img file="dest_path_FDA00013106799500000110.TIF" wi="195" he="71" />设置各粒子的初始排序为个体最优排序<img file="dest_path_FDA00013106799500000111.TIF" wi="198" he="70" />以<img file="dest_path_FDA00013106799500000112.TIF" wi="162" he="70" />中的最短路径作为初始全局最优值gBest<sup>(1)</sup>，定义初始全局最优值对应的排序为glBest<sup>(1)</sup>；⑤对粒子<img file="dest_path_FDA00013106799500000113.TIF" wi="74" he="79" />进行更新操作；⑥计算第d次更新后粒子<img file="dest_path_FDA0001310679950000021.TIF" wi="107" he="78" />的函数适应值：<img file="dest_path_FDA0001310679950000022.TIF" wi="1245" he="238" />其中<img file="dest_path_FDA0001310679950000023.TIF" wi="163" he="70" />为第d次更新后第i个粒子中第j个曝光场中心的x坐标，<img file="dest_path_FDA0001310679950000024.TIF" wi="171" he="71" />为第d次更新后第i个粒子中第j+1个曝光场中心的x坐标，<img file="dest_path_FDA0001310679950000025.TIF" wi="171" he="79" />为第d次更新后第i个粒子中第j个曝光场中心的y坐标，<img file="dest_path_FDA0001310679950000026.TIF" wi="171" he="71" />为第d次更新后第i个粒子中第j+1个曝光场中心的y坐标；⑦计算第d次更新后每个粒子的个体最优排序：<img file="dest_path_FDA0001310679950000027.TIF" wi="398" he="70" /><img file="dest_path_FDA0001310679950000028.TIF" wi="374" he="77" /><img file="dest_path_FDA0001310679950000029.TIF" wi="381" he="71" />else<img file="dest_path_FDA00013106799500000210.TIF" wi="430" he="78" /><img file="dest_path_FDA00013106799500000211.TIF" wi="486" he="71" />式中<img file="dest_path_FDA00013106799500000212.TIF" wi="199" he="77" />为第d次更新后第i个粒子的个体最优值，<img file="dest_path_FDA00013106799500000213.TIF" wi="212" he="78" />为第d次更新后第i个粒子的个体最优排序；⑧计算第d次更新后群体的全局最优排序：<img file="dest_path_FDA00013106799500000214.TIF" wi="477" he="78" /><img file="dest_path_FDA00013106799500000215.TIF" wi="455" he="77" /><img file="dest_path_FDA00013106799500000216.TIF" wi="485" he="78" />elsegBest<sup>(d+1)</sup>＝gBest<sup>(d)</sup>,glBest<sup>(d+1)</sup>＝glBest<sup>(d)</sup>,式中gBest<sup>(d)</sup>为第d‑1次更新后的全局最优值，gBest<sup>(d+1)</sup>为第d次更新后的全局最优值，glBest<sup>(d</sup>)为第d‑1次更新后的全局最优排序，glBest<sup>(d+1)</sup>为第d次更新后的全局最优排序；⑨如果d大于d<sub>max</sub>，则进入步骤⑩；否则，则更新迭代次数d＝d+1,并更新惯性权重<img file="dest_path_FDA0001310679950000031.TIF" wi="580" he="127" />返回步骤⑤；⑩终止优化，gBest<sup>(d+1)</sup>为全局极值，输出glBest<sup>(d+1)</sup>所表示的信息为最优规划路径。