深度学习技术是我国制造光刻机弯道超车的机会吗？

最新推荐文章于 2025-12-02 20:45:02 发布

原创

最新推荐文章于 2025-12-02 20:45:02 发布 · 1.2k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #人工智能 #机器学习

本文探讨了深度学习在计算光刻中的应用，尤其是如何通过梯度迭代算法优化光刻掩模图形。随着光刻技术的发展，从DUV到EUV光刻，分辨率增强技术如OPC变得至关重要。同时，介绍了超透镜技术，这是一种有望革新光学镜头的纳米级结构，但目前仍面临挑战。普林斯顿大学的研究人员利用深度学习改进了超透镜的成像质量，展示了深度学习在解决技术难题中的潜力。此外，大数据一体机作为软硬件集成方案，加速了深度学习等高负载应用的性能需求。

深度学习经过15年的发展现已应用于：科学研究、基因测序、油气勘探、气象预测等各个领域，在高性能计算HPC的加持下，与大数据、模拟仿真、人工智能AI等技术逐步与深度计算融合。

技术背景

光刻技术是用于制造超大规模集成电路的核心技术之一。现代集成电路制造业基本按照摩尔定律在不断发展，芯片的特征尺寸(CriticalDimension，简称CD)不断缩小，光刻技术也经历了从g线光刻、i线光刻、深紫外(Deep Ultraviolet，简称DUV)光刻到极紫外(ExtremeUltraviolet，简称EUV)光刻的发展历程。在不同的光刻技术节点中，可能需要采用不同的光刻系统进行集成电路制造。

投影式光刻技术由于其分辨率高，不玷污掩模版，重复性好的特点，被广泛地应用于目前的超大规模集成电路量产过程中。在采用193nm光源波长的DUV光刻技术和采用13 .5nm的EUV光刻技术中，光刻系统利用光源照射透射式或反射式掩模，随后光线通过透射式或反射式的投影物镜将掩模上的集成电路版图复刻在表层涂有光刻胶的硅片上。为了提高光刻系统的成像性能，近年来已经开发出来多种新的光刻分辨率增强技术(ResolutionEnhancementTechnique，简称RET)，如相移掩膜(Phase ShiftingMask)技术、离轴照明(Off-axis Illumination)技术、光学邻近效应校正(Optical Proximity Correction，简称OPC)技术、驻波效应校正(Stand WaveCorrection)技术等，其中OPC是一种重要的计算光刻技术。它通过优化掩模图形调制掩模的衍射近场和远场，从而补偿由衍射和干涉效应。

基于现有深度学习技术梯度的OPC优化算法通过梯度迭代算法，优化掩模各个像素点的透过率(对于DUV光刻系统而言)或反射率(对于EUV光刻系统而言)，需要进行大量的循环迭代才能获得较为理想的优化结果。同时还需要对每次迭代后的掩模图形进行光刻成像，并计算代价函数对掩模变量的梯度，从而导致该算法的计算复杂度很高、计算量大。此外，由于光刻系统成像模型的非线性特性，现有的梯度算法很容易陷入OPC优化问题的局部