混合梯度下降算法设计高性能光刻机衍射光学元件

"本文介绍了一种基于混合梯度下降算法的高性能光刻机离轴照明衍射光学元件（DOE）设计方法，旨在解决深紫外（DUV）光刻技术中光瞳整形的问题。传统的Gerchberg-Saxton（GS）算法在优化DOE时往往牺牲均匀性来提高衍射效率，而全局优化算法如模拟退火法和遗传基因法虽然可寻求全局最优解，但计算成本过高，不适合处理大量像素的DOE设计。为了解决这些问题，研究者提出了一种改进策略，即在GS算法基础上结合混合梯度下降，通过在迭代过程中实施加权反馈修正振幅，实现了快速收敛和低误差，同时保证了高衍射效率和高信噪比。实际应用中，该方法成功设计了16阶量化相位DOE，对于传统和四极照明光瞳的衍射效率分别超过92%，非均匀性分别控制在3.98%和2.3%。对于定制照明光瞳的DOE，衍射效率达到91%，图形恢复误差仅为5.8%。这一方法为实现高性能DUV DOE提供了有效途径。" 本文重点探讨了在深紫外光刻技术中，衍射光学元件设计的关键问题。光刻机的照明系统通常依赖DOE来塑造光瞳，以满足高效率和高均匀性的需求。传统的相位恢复算法，如Gerchberg-Saxton算法，存在一个明显的局限性，即在优化过程中往往需要牺牲光场的均匀性来提高衍射效率。然而，这样的妥协并不理想，因为均匀性是影响光刻质量和分辨率的重要因素。 为了解决这个问题，研究者引入了一种混合梯度下降算法，这是对GS算法的一种改进。通过在迭代过程中对振幅进行加权反馈修正，新算法能够有效地平衡收敛速度和误差控制，从而同时提高衍射效率和信噪比。这种方法显著降低了计算复杂性，使其适用于处理具有大量像素的深紫外DOE设计，这对于当前高精度光刻的需求至关重要。 实验结果证明了混合梯度下降算法的有效性。设计的16阶量化相位DOE在传统照明和四极照明模式下都表现出超过92%的衍射效率，非均匀性分别保持在较低的3.98%和2.3%。对于更复杂的定制照明光瞳，设计的DOE仍能保持91%的衍射效率，图形恢复误差控制在5.8%以内。这些数值展示了该方法在优化DOE性能方面的卓越表现。 这种基于混合梯度下降的DOE设计方法为深紫外光刻技术提供了一个高效的解决方案，有助于提升光刻系统的整体性能。未来的研究可能会进一步探索如何将这种方法应用于更先进的光刻技术，例如极紫外（EUV）光刻，以应对更小特征尺寸的挑战。同时，这种算法也可能在其他需要高精度光学元件设计的领域中找到应用，如生物成像、激光加工和微电子制造等。