一种光刻量测强度的生成方法、装置、设备及存储介质
本申请公开了一种光刻量测强度的生成方法、装置、设备及存储介质，光刻量测强度的生成方法包括：获取第一样本掩膜的图像，以及所述第一样本掩膜基于当前机台的第一光刻量测强度，以形成数据集；基于所述数据集建立并优化对抗神经网络模型，其中，所述第一样本掩膜的图像作为生成网络的输入，所述第一光刻量测强度作为鉴别网络的输入；将待测掩膜的图像输入所述对抗神经网络模型，生成所述待测掩膜基于所述当前机台的第二光刻量测强度。本申请基于当前机台的第一光刻量测强度训练对抗神经网络模型，通过对抗神经网络模型生成待测掩膜的图像的第二光刻量测强度，可极大的节省量测周期和成本。
发明专利
CN202410019162.3
2024-01-05
CN117518747A
2024-02-06
G03F7/20(2006.01)
华芯程(杭州)科技有限公司
请求不公布姓名
310000 浙江省杭州市余杭区良渚街道网周路99号1幢22层2208室
深圳市嘉勤知识产权代理有限公司
帅进军
浙江;33
1.一种光刻量测强度的生成方法，其特征在于，包括： 获取第一样本掩膜的图像，以及所述第一样本掩膜基于当前机台的第一光刻量测强度，以形成数据集； 基于所述数据集建立并优化对抗神经网络模型，其中，所述第一样本掩膜的图像作为生成网络的输入，所述第一光刻量测强度作为鉴别网络的输入； 将待测掩膜的图像输入所述对抗神经网络模型，生成所述待测掩膜基于所述当前机台的第二光刻量测强度。 2.根据权利要求1所述的生成方法，其特征在于，所述基于所述数据集建立并优化对抗神经网络模型，包括： 将所述数据集随机划分为训练集和测试集； 采用所述训练集交替优化所述生成网络和所述鉴别网络，得到所述对抗神经网络模型的网络参数； 采用所述测试集验证所述网络参数，若验证成功，则得到所述当前机台的对抗神经网络模型；否则，返回所述将所述数据集随机划分为训练集和测试集。 3.根据权利要求2所述的生成方法，其特征在于，所述若验证成功，则得到所述当前机台的对抗神经网络模型之后，还包括： 将所述对抗神经网络模型与其他机台进行匹配。 4.根据权利要求3所述的生成方法，其特征在于，所述将所述对抗神经网络模型与其他机台进行匹配，包括： 获取第二样本掩膜基于所述其他机台的第三光刻量测强度； 将所述第二样本掩膜的图像输入所述对抗神经网络模型，得到第四光刻量测强度； 计算所述第三光刻量测强度与所述第四光刻量测强度的误差； 若所述误差未超出预设门限，则所述对抗神经网络模型与所述其他机台匹配成功。 5.根据权利要求4所述的生成方法，其特征在于，所述计算所述第三光刻量测强度与所述第四光刻量测强度的误差之后，还包括： 若所述误差超出所述预设门限，则返回所述将所述数据集随机划分为训练集和测试集。 6.根据权利要求1-5任一项所述的生成方法，其特征在于，所述掩膜的图像上任一点的仿真强度为： ，其中，为空间仿真图像强度/>为空间坐标；/>为空间位置处的折射率；/>为基台光源强度分布；/>为光源平面空间角谱；/>为透射透镜的空间滤波函数；/>为成像平面的空间角谱；/>为掩膜图案在空间角谱的分布；为激励光源的矢量分布；/>为入射到成像平面位置处的电场强度；上标“*”表示对应物理量的复数共轭；/>为成像平面与光源平面的空间角谱相位差；/>表示共轭空间中的成像平面角谱，/>表示空间单位坐标，/>分别表示波矢量在/>方向的值，/>为空间焦平面位置。 7.一种光刻量测强度的生成装置，其特征在于，包括： 数据集建立模块，用于获取第一样本掩膜的图像，以及所述第一样本掩膜基于当前机台的第一光刻量测强度，以形成数据集； 模型建立模块，用于基于所述数据集建立并优化对抗神经网络模型，其中，所述第一样本掩膜的图像作为生成网络的输入，所述第一光刻量测强度作为鉴别网络的输入； 生成模块，用于将待测掩膜的图像输入所述对抗神经网络模型，生成所述待测掩膜基于所述当前机台的第二光刻量测强度。 8.根据权利要求7所述的生成装置，其特征在于，所述模型建立模块包括： 数据集划分单元，用于将所述数据集随机划分为训练集和测试集； 训练单元，用于采用所述训练集交替优化所述生成网络和所述鉴别网络，得到所述对抗神经网络模型的网络参数； 验证单元，用于采用所述测试集验证所述网络参数；若验证成功，则得到所述当前机台的对抗神经网络模型；否则，返回所述数据集划分单元。 9.一种光刻量测强度的生成设备，其特征在于，所述生成设备包括： 存储器，用于存储计算机程序； 处理器，用于执行所述计算机程序时实现如权利要求1至6中任一项所述的光刻量测强度的生成方法的步骤。 10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的光刻量测强度的生成方法的步骤。