本發(fā)明涉及導(dǎo)向自組裝光刻，具體是一種基于cma-es(covariance?matrixadaptation?evolution?strategy)的導(dǎo)向自組裝光刻引導(dǎo)模版優(yōu)化方法、導(dǎo)向自組裝光刻系統(tǒng)及介質(zhì)。

背景技術(shù)：

1、導(dǎo)向自組裝光刻(dsa)技術(shù)，作為集成電路制造的一項(xiàng)圖形化技術(shù)，其核心是利用嵌段共聚物(block?copolymers,bcps)在特定幾何結(jié)構(gòu)的引導(dǎo)模版中的自組裝，形成集成電路制造中所需的微納結(jié)構(gòu)。對(duì)于孔圖形的圖案化，可以通過光刻制得一個(gè)特定形狀的引導(dǎo)模版，填充嵌段共聚物材料后，模版中可以形成多個(gè)特定大小、排列的孔圖形，稱為孔圖形的倍增。嵌段共聚物材料一定時(shí)，引導(dǎo)模版的形狀決定了導(dǎo)向自組裝生成孔圖形的結(jié)構(gòu)。引導(dǎo)模版優(yōu)化方法是通過優(yōu)化引導(dǎo)模版的幾何形狀，使得嵌段共聚物材料能夠形成特定大小、間距、無缺陷的自組裝孔圖形。為了進(jìn)一步提升dsa技術(shù)的性能和適用性，引導(dǎo)模版的優(yōu)化成為了研究的熱點(diǎn)。

2、其中，兩種主要的優(yōu)化方法被廣泛關(guān)注：

3、美國mentor?graphics公司提出的用于導(dǎo)向自組裝的引導(dǎo)模版圖形優(yōu)化技術(shù)(參見在先技術(shù)1,junjiang?lei,le?hong,yuansheng?ma,guiding?patterns?optimizationfor?directed?self-assembly,patentno.:us10311165b2)針對(duì)參數(shù)化的引導(dǎo)模版幾何形狀計(jì)算出模板增強(qiáng)因子矩陣(teef)，用以近似描述幾何參數(shù)的變化和自組裝形成孔圖形結(jié)構(gòu)變化之間的關(guān)系，從而預(yù)測給定幾何參數(shù)變化時(shí)自組裝圖形的變化，并由此提供幾何參數(shù)優(yōu)化的依據(jù)。然而，這一方法目前僅能找到局部最優(yōu)解，且未考慮三維缺陷和可制造性約束。基于線性化dsa模型的引導(dǎo)模版優(yōu)化算法(參見在先技術(shù)2，azat?latypov,"computational?solution?of?inverse?directed?self-assembly?problem,"proc.spie8680,alternative?lithographic?technologies?v,86800z)中，將引導(dǎo)模版優(yōu)化算法建模成光滑的約束非線性優(yōu)化問題，使用弱非均勻膨脹方法得到dsa模型的線性形式，根據(jù)目標(biāo)結(jié)構(gòu)求解出對(duì)應(yīng)引導(dǎo)模版圖形的同時(shí)加速了仿真模型的計(jì)算。盡管這種方法提高了計(jì)算效率，但它同樣只能找到局部最優(yōu)解，并且沒有全面考慮三維缺陷和約束條件。

4、因此，盡管dsa技術(shù)在引導(dǎo)模版優(yōu)化方面已經(jīng)取得了顯著進(jìn)展，但仍面臨著諸多挑戰(zhàn)，具體表現(xiàn)在它們僅能求得引導(dǎo)模版圖形的局部最優(yōu)解，而無法確保全局最優(yōu)性。此外，均未將引導(dǎo)模版在形成導(dǎo)向自組裝結(jié)構(gòu)時(shí)可能產(chǎn)生的三維缺陷納入考量，這限制了其在實(shí)際應(yīng)用中的精度和可靠性。同時(shí)，由于缺乏對(duì)引導(dǎo)模版圖形的有效約束條件，所得到的優(yōu)化結(jié)果有可能無法滿足集成電路制造中的可制造性要求或其他關(guān)鍵約束，進(jìn)而影響了技術(shù)的實(shí)用性和適用性。因此，未來的研究需致力于克服這些局限，實(shí)現(xiàn)全局最優(yōu)解的尋找、三維缺陷的考慮以及可制造性約束的滿足，以推動(dòng)導(dǎo)向自組裝光刻技術(shù)的進(jìn)一步發(fā)展。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種針對(duì)導(dǎo)向自組裝光刻引導(dǎo)模版圖形優(yōu)化的方法。所述方法基于cma-es(covariance?matrix?adaptation?evolution?strategy)算法求解生成指定孔圖形的參數(shù)化引導(dǎo)模版圖形，實(shí)現(xiàn)無缺陷孔圖形的精準(zhǔn)圖形化。

2、本發(fā)明的技術(shù)解決方案如下：

3、一種基于cma-es算法的導(dǎo)向自組裝光刻引導(dǎo)模版優(yōu)化方法，包括以下步驟：

4、步驟s1.定義參數(shù)化引導(dǎo)模版的幾何形狀，所述幾何形狀由一組可調(diào)參數(shù)表征；

5、步驟s2.利用cma-es在預(yù)設(shè)的參數(shù)空間內(nèi)對(duì)所述可調(diào)參數(shù)進(jìn)行優(yōu)化搜索，以最小化目標(biāo)函數(shù)，所述目標(biāo)函數(shù)根據(jù)目標(biāo)孔圖形的大小、相對(duì)位置與通過自組裝形成的孔圖形之間的差異定義；

6、步驟s3.根據(jù)優(yōu)化后的可調(diào)參數(shù)，反向求解得到對(duì)應(yīng)的引導(dǎo)模版，該引導(dǎo)模版用于導(dǎo)向自組裝光刻過程中以形成高精度、無缺陷的孔圖形；

7、其中，所述cma-es算法在整個(gè)參數(shù)空間內(nèi)搜尋全局最優(yōu)解，避免陷入局部最優(yōu)值，從而提高引導(dǎo)模版優(yōu)化的精度。

8、具體包括以下步驟：

9、1)設(shè)定材料參數(shù)和優(yōu)化目標(biāo)：

10、確定嵌段共聚物材料和引導(dǎo)模版材料參數(shù)，包括：嵌段工具材料分離強(qiáng)度χn少數(shù)嵌段的體積分?jǐn)?shù)fa；引導(dǎo)模版?zhèn)缺谂c嵌段共聚物材料的作用強(qiáng)度χnsidewall；引導(dǎo)模版頂部空氣層與嵌段共聚物材料作用強(qiáng)度χntop；引導(dǎo)模版底部基底與嵌段共聚物材料作用強(qiáng)度χnbottom；嵌段共聚物材料的回轉(zhuǎn)半徑rg。指定兩個(gè)及以上目標(biāo)孔圖形的位置、大小。

11、2)初始化引導(dǎo)模版：

12、生成初始化引導(dǎo)模版參數(shù)其中n是用于描述引導(dǎo)模版幾何形狀的參數(shù)個(gè)數(shù)。各個(gè)參數(shù)根據(jù)合理的取值范圍歸一化，以平衡不同維度之間可能存在的幅值差異。具體參數(shù)化方式可以采用樣條曲線、貝塞爾曲線等曲線參數(shù)化方法。初始化參數(shù)可以根據(jù)實(shí)際經(jīng)驗(yàn)生成，也可隨機(jī)生成滿足可制造性約束的要求。

13、3)設(shè)置初始仿真參數(shù)

14、設(shè)置初始均值m＝x。設(shè)置初始種群大小λ，初始協(xié)方差矩陣c，初始步長σ，初始步長進(jìn)化路徑pσ,，初始協(xié)方差矩陣進(jìn)化路徑pc，學(xué)習(xí)率參數(shù)cm、c1、cμ、cσ、cc、dσ。

15、4)采樣新種群

16、從均值為m，協(xié)方差矩陣為σ2c的多元正態(tài)分布(m,σ2c)中隨機(jī)采樣λ個(gè)樣本x1,x2,x3,…,xλ，作為新的種群。每個(gè)樣本對(duì)應(yīng)一個(gè)新的引導(dǎo)模版圖形。

17、5)計(jì)算種群適應(yīng)度

18、對(duì)于當(dāng)前的λ個(gè)樣本，定義判斷函數(shù)w(x)用于判斷每個(gè)樣本是否滿足幾何形狀約束。幾何形狀約束可以是為了滿足可制造性、圖形對(duì)稱性等要求而對(duì)引導(dǎo)模版參數(shù)施加的約束條件。對(duì)于不滿足約束的樣本直接賦予較大的樣本適應(yīng)度，從而避免種群向這個(gè)方向演化。

19、對(duì)于滿足幾何約束形狀的樣本，調(diào)用三維dsa模型計(jì)算引導(dǎo)模版內(nèi)部的自組裝結(jié)構(gòu)，通過損失函數(shù)計(jì)算適應(yīng)度f1,f2,f3,…,fλ。損失函數(shù)用于衡量當(dāng)前結(jié)構(gòu)與目標(biāo)結(jié)構(gòu)之間的差異，可以設(shè)置為點(diǎn)對(duì)點(diǎn)的差異或形成結(jié)構(gòu)的半徑、位置之間的差異等。適應(yīng)度越小的樣本與目標(biāo)結(jié)構(gòu)越接近。

20、設(shè)定適應(yīng)度閾值以及最大迭代次數(shù)。當(dāng)適應(yīng)度小于適應(yīng)度閾值或者迭代次數(shù)大于最大迭代次數(shù)時(shí)，停止迭代，輸出當(dāng)前歷史適應(yīng)度最低的引導(dǎo)模版幾何參數(shù)。

21、當(dāng)?shù)粷M足停止條件，進(jìn)入步驟6。

22、6)更新種群參數(shù)

23、設(shè)定樣本個(gè)數(shù)μ。根據(jù)適應(yīng)度f1,f2,f3,…,fλ對(duì)當(dāng)前種群樣本x1,x2,x3,…,xλ進(jìn)行排序，取前μ個(gè)樣本，按適應(yīng)度從小到達(dá)的順序重新排列為x1,x2,x3,…,xμ，更新下一代種群分布的均值，計(jì)算公式為：

24、

25、其中wi是權(quán)重因子。根據(jù)前μ個(gè)樣本的加權(quán)和，更新步長σ。更新公式為：

26、

27、

28、種群分布的協(xié)方差矩陣的更新公式為：

29、

30、

31、種群分布更新后，跳到步驟4，進(jìn)行下一次迭代。

32、設(shè)定閾值b。若根據(jù)求解出的引導(dǎo)模版得到的自組裝圖形與目標(biāo)孔圖形的誤差小于設(shè)定閾值b，則求解成功，否則求解失敗。求解失敗時(shí)可以重復(fù)步驟3～6，根據(jù)cma-es的隨機(jī)特性，多次重復(fù)可以得到更優(yōu)解；若多次重復(fù)后自組裝圖形誤差仍不能滿足要求，則回到步驟2重新設(shè)定初始引導(dǎo)模版，直到生成滿足要求的引導(dǎo)模版。

33、一種導(dǎo)向自組裝光刻系統(tǒng)，采用上述優(yōu)化方法來優(yōu)化其引導(dǎo)模版，以實(shí)現(xiàn)高精度、無缺陷的孔圖形制造。

34、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)，實(shí)現(xiàn)權(quán)利要求1或2所述的基于cma-es導(dǎo)向自組裝光刻引導(dǎo)模版優(yōu)化方法。

35、與在先技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：

36、1.本發(fā)明采用的優(yōu)化方法在整個(gè)引導(dǎo)模版空間尋找最優(yōu)解，通過隨機(jī)采樣避免陷入局部最優(yōu)，相對(duì)于梯度下降和teef，得到的自組裝圖形精度更高。

37、2.本方法采用三維dsa模型，避免引導(dǎo)模版得到的自組裝圖形具有二維模型不能準(zhǔn)確預(yù)測的三維埋藏缺陷。

38、3.本方法可以直接在采樣后通過直接賦予更大適用度篩選不滿足幾何約束的引導(dǎo)模版，有效避免生成不滿足可制造性要求以及其他要求的引導(dǎo)模版。