本發(fā)明涉及集成電路制造和計算機科學，具體地，涉及一種基于神經(jīng)網(wǎng)絡化學機械拋光(chemical?mechanical?polishing,cmp)模型的啞元填充優(yōu)化方法及系統(tǒng)，同時涉及一種相應的計算機終端和計算機可讀存儲介質。

背景技術：

1、化學機械拋光(chemical?mechanical?polishing,cmp)是集成電路制造中實現(xiàn)表面平整化的關鍵工藝之一，直接影響多層互連結構的可靠性和性能。在現(xiàn)代先進制程中，由于布局中金屬密度的不均勻性，cmp工藝中容易產(chǎn)生局部高度變化，這種高度變化可能導致電學性能下降、信號延遲增加甚至制造缺陷。隨著技術節(jié)點從28nm向7nm甚至3nm推進，這些高度變化對芯片性能的影響愈發(fā)顯著。

2、為了減少cmp過程中的高度變化，通常采用在布局中插入啞元金屬填充的方式來平衡金屬密度。然而，金屬填充優(yōu)化不僅僅是簡單的幾何填充問題，還涉及高度變化、電容耦合和填充量等多個目標的權衡。現(xiàn)有的金屬填充方法主要分為基于規(guī)則的方法和基于模型的方法。其中，基于規(guī)則的填充方法依賴固定的設計規(guī)則對金屬填充區(qū)域進行分配。這些方法簡單高效，但缺乏靈活性，尤其在面對復雜布局時，難以實現(xiàn)多目標的精確優(yōu)化?；谀Ｐ偷奶畛浞椒?，利用物理驅動或數(shù)據(jù)驅動的模型來預測cmp過程中高度變化和其他性能指標。盡管這些方法具有較高的優(yōu)化精度，但通常計算復雜度較高，尤其在處理大規(guī)模芯片布局時，難以滿足實際生產(chǎn)中的時效性需求。此外，隨著工藝復雜度的增加，尤其在面對非線性效應和復雜幾何結構時，現(xiàn)有模型對cmp中高度變化的描述能力有限。

3、目前沒有發(fā)現(xiàn)同本發(fā)明類似技術的說明或報道，也尚未收集到國內(nèi)外類似的資料。

技術實現(xiàn)思路

1、本發(fā)明針對現(xiàn)有技術中存在的上述不足，提供了一種基于神經(jīng)網(wǎng)絡化學機械拋光(chemical?mechanical?polishing,cmp)模型的啞元填充優(yōu)化方法及系統(tǒng)，同時提供了一種相應的計算機終端和計算機可讀存儲介質，用于化學機械拋光工藝中的布局優(yōu)化和平整度控制。

2、根據(jù)本發(fā)明的一個方面，提供了一種基于神經(jīng)網(wǎng)絡cmp模型的啞元填充優(yōu)化方法，包括：

3、將芯片布局劃分為多個窗口，將每一個窗口作為填充優(yōu)化的基本填充單元；

4、根據(jù)設計規(guī)則提取每一個窗口的可填充區(qū)域；

5、基于神經(jīng)網(wǎng)絡cmp模型的預測高度和設計規(guī)則，分配每一個窗口的目標高度；

6、基于所述可填充區(qū)域和所述目標高度，利用多目標遺傳算法生成填充參數(shù)并進行優(yōu)化。

7、根據(jù)本發(fā)明的另一個方面，提供了一種基于神經(jīng)網(wǎng)絡cmp模型的啞元填充優(yōu)化系統(tǒng)，包括：

8、版圖離散化模塊，該模塊用于將芯片布局劃分為多個窗口，將每一個窗口作為填充優(yōu)化的基本填充單元；

9、可填充區(qū)域提取模塊，該模塊根據(jù)設計規(guī)則提取每一個窗口的可填充區(qū)域；

10、目標高度分配模塊，該模塊基于神經(jīng)網(wǎng)絡cmp模型的預測高度和設計規(guī)則，分配每一個窗口的目標高度；

11、填充優(yōu)化模塊，該模塊基于所述可填充區(qū)域和所述目標高度，利用多目標遺傳算法生成填充參數(shù)并進行優(yōu)化。

12、根據(jù)本發(fā)明的第三個方面，提供了一種計算機終端，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，該處理器執(zhí)行該計算機程序時可用于執(zhí)行本發(fā)明上述中所述的方法，或，運行本發(fā)明上述中所述的系統(tǒng)。

13、根據(jù)本發(fā)明的第四個方面，提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執(zhí)行時可用于執(zhí)行本發(fā)明上述中所述的方法，或，運行本發(fā)明上述中所述的系統(tǒng)。

14、由于采用了上述技術方案，本發(fā)明與現(xiàn)有技術相比，具有如下至少一項的有益效果：

15、精確性提高：本發(fā)明通過引入神經(jīng)網(wǎng)絡cmp模型，能夠精準預測布局密度對表面高度變化的影響，比傳統(tǒng)基于物理模型的預測精度提高了顯著幅度，尤其在復雜布局環(huán)境下表現(xiàn)突出。

16、優(yōu)化效率增強：本發(fā)明結合多目標遺傳算法，采用并行計算和動態(tài)反饋機制，大幅減少優(yōu)化所需時間，相比傳統(tǒng)優(yōu)化方法(如單目標優(yōu)化或規(guī)則驅動算法)，效率提升達數(shù)倍。

17、全局平衡優(yōu)化：本發(fā)明通過多目標適應度函數(shù)，綜合考慮表面平整度、高度變化、電容耦合和填充量，實現(xiàn)在全局范圍內(nèi)的平衡優(yōu)化，有效解決現(xiàn)有技術中無法兼顧多目標約束的問題。

18、適用性廣泛：本發(fā)明支持多種填充模式(如矩形、交錯、分布特性函數(shù))和不同工藝需求(如密度限制、形狀約束)，能夠靈活適應不同節(jié)點制程和復雜布局環(huán)境。

19、實時調整能力：本發(fā)明通過動態(tài)反饋機制，能夠根據(jù)布局和工藝變化實時調整優(yōu)化策略，顯著提升了系統(tǒng)在實際制造環(huán)境中的適應性和魯棒性。

20、易于擴展和維護：本發(fā)明通過模塊化設計的系統(tǒng)架構，便于新增或調整功能模塊，能夠快速適配新興工藝節(jié)點及布局優(yōu)化需求，降低了維護和擴展成本。

21、本發(fā)明結合卷積神經(jīng)網(wǎng)絡預測拋光過程中布局的高度變化，通過多目標遺傳算法對啞元填充策略進行全局優(yōu)化，兼顧平整度、電容耦合和填充量的多重約束，不僅提高了高度變化的預測精度，還顯著優(yōu)化了填充方案的綜合性能。

22、本發(fā)明通過神經(jīng)網(wǎng)絡實現(xiàn)對布局密度和高度的精確建模，并利用遺傳算法生成最優(yōu)的啞元填充方案，降低填充后高度變化、優(yōu)化填充均勻性，并控制電容耦合效應，尤其適用于高精度的集成電路制造工藝優(yōu)化。

23、本發(fā)明通過結合神經(jīng)網(wǎng)絡預測cmp過程中布局的表面高度變化，以及多目標遺傳算法優(yōu)化啞元填充布局，解決表面平整度、電容耦合和填充量控制之間的權衡問題，具有高效、精準的特點，適用于先進集成電路制造中的金屬填充優(yōu)化需求。

技術特征：

1.一種基于神經(jīng)網(wǎng)絡cmp模型的啞元填充優(yōu)化方法，其特征在于，包括：

2.根據(jù)權利要求1所述的基于神經(jīng)網(wǎng)絡cmp模型的啞元填充優(yōu)化方法，其特征在于，所述將芯片布局劃分為多個窗口，包括如下任意一種或任意多種方式：

3.根據(jù)權利要求1所述的基于神經(jīng)網(wǎng)絡cmp模型的啞元填充優(yōu)化方法，其特征在于，所述根據(jù)設計規(guī)則提取每一個窗口的可填充區(qū)域，包括如下任意一種或任意多種方式：

4.根據(jù)權利要求1所述的基于神經(jīng)網(wǎng)絡cmp模型的啞元填充優(yōu)化方法，其特征在于，通過逐層獨立提取或跨層聯(lián)合提取的方式，對每一金屬層單獨進行窗口劃分和填充區(qū)域提取，或，根據(jù)多層間的耦合效應，對不同層間的填充區(qū)域進行聯(lián)合提取。

5.根據(jù)權利要求1所述的基于神經(jīng)網(wǎng)絡cmp模型的啞元填充優(yōu)化方法，其特征在于，所述基于神經(jīng)網(wǎng)絡cmp模型的預測結果和設計規(guī)則，分配每一個窗口的目標高度，

6.根據(jù)權利要求5所述的基于神經(jīng)網(wǎng)絡cmp模型的啞元填充優(yōu)化方法，其特征在于，還包括如下任意一項或任意多項：

7.根據(jù)權利要求1所述的基于神經(jīng)網(wǎng)絡cmp模型的啞元填充優(yōu)化方法，其特征在于，所述利用多目標遺傳算法生成填充參數(shù)并進行優(yōu)化，包括：

8.根據(jù)權利要求7所述的基于神經(jīng)網(wǎng)絡cmp模型的啞元填充優(yōu)化方法，其特征在于，還包括如下任意一項或任意多項：

9.一種基于神經(jīng)網(wǎng)絡cmp模型的啞元填充優(yōu)化系統(tǒng)，其特征在于，包括：

10.一種計算機終端，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，該處理器執(zhí)行該計算機程序時可用于執(zhí)行權利要求1-8中任一項所述的方法，或，運行權利要求9所述的系統(tǒng)。

11.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執(zhí)行時可用于執(zhí)行權利要求1-8中任一項所述的方法，或，運行權利要求9所述的系統(tǒng)。

技術總結
本發(fā)明提供了一種基于神經(jīng)網(wǎng)絡CMP模型的啞元填充優(yōu)化方法及系統(tǒng)，其中方法包括：將芯片布局劃分為多個窗口，將每一個窗口作為填充優(yōu)化的基本填充單元；根據(jù)設計規(guī)則提取每一個窗口的可填充區(qū)域；基于神經(jīng)網(wǎng)絡CMP模型的預測高度和設計規(guī)則，分配每一個窗口的目標高度；基于所述可填充區(qū)域和所述目標高度，利用多目標遺傳算法生成填充參數(shù)并進行優(yōu)化。本發(fā)明用于提高化學機械拋光工藝中的表面平整度，并優(yōu)化填充布局設計。該方法結合多目標遺傳算法實現(xiàn)高效且精確的多目標優(yōu)化，不僅提高了高度變化的預測精度，還顯著優(yōu)化了填充方案的綜合性能。

技術研發(fā)人員：李永福,張晴,張宇航
受保護的技術使用者：上海交通大學
技術研發(fā)日：
技術公布日：2025/5/15