随机并行梯度速降算法在光刻机光源掩模优化中的应用

"基于随机并行梯度速降算法的光刻机光源与掩模联合优化方法" 在集成电路制造过程中，随着技术的进步，特征尺寸已达到2Xnm及以下级别，光刻工艺面临着越来越大的挑战。传统的光刻技术难以满足微细结构的精确成像需求。因此，光源与掩模联合优化（Source Mask Optimization, SMO）成为拓展193nm ArF浸没式光刻工艺窗口、降低工艺因子的关键分辨率增强技术（Resolution Enhancement Technique, RET）。这种技术通过同时优化光源和掩模的特性，可以显著提升光刻过程中的成像质量和效率。 本文介绍了一种基于随机并行梯度速降（Stochastic Parallel Gradient Descent, SPGD）算法的SMO新方法。传统的梯度下降法在处理复杂问题时，需要计算梯度的解析表达式，这在大规模优化问题中可能导致计算复杂度过高。SPGD算法则通过引入随机扰动来估算梯度，进而迭代更新光源和掩模的参数，避免了解析求解的过程，从而降低了优化的复杂性。 具体来说，该方法在每一步迭代中，通过随机选取样本点进行梯度近似，然后更新光源和掩模的设计。这种并行化处理方式可以有效利用多核处理器的计算能力，加速优化进程。经过对周期接触孔阵列、十字线和密集线三种典型掩模图形的仿真验证，结果显示该方法能显著降低光刻成像的误差，PE值分别降低了75%、80%和70%。这表明，采用SPGD算法的SMO方法能够大幅度提高光刻的成像质量，对于优化光刻工艺具有重要意义。 此研究不仅为光刻工艺提供了一种高效优化工具，也为未来更先进的纳米制造技术提供了新的思路。关键词涵盖了光学制造、光刻技术、光源与掩模优化、分辨率增强以及工艺窗口等相关领域，体现了该方法在集成电路制造中的重要应用价值。