CN115202163B

CN115202163B - 选择光阻模型的方法、设备和计算机可读存储介质

Info

Publication number: CN115202163B
Application number: CN202211118599.XA
Authority: CN
Inventors: 不公告发明人
Original assignee: Advanced Manufacturing EDA Co Ltd
Current assignee: Advanced Manufacturing EDA Co Ltd
Priority date: 2022-09-15
Filing date: 2022-09-15
Publication date: 2022-12-30
Anticipated expiration: 2042-09-15
Also published as: CN115202163A

Abstract

本发明涉及半导体制造技术领域，并且更具体地，涉及选择光阻模型的方法、设备和计算机可读存储介质。该方法包括：收集光阻模型在掩模版图上的采样位置；获得采样位置上多种类型信号的信号量；针对每一类型的信号，根据信号量和采样位置的坐标获得效应信号；基于所获得的效应信号，计算该类型的信号的总信号值；基于每一类型的信号的总信号值，计算该类型的信号的效应贡献占比；根据效应贡献占比选择光阻模型。本发明的实施例能够有效地分析各类信号的效应贡献占比利于用户分析当前模型的行为，迭代获得更优的模型。

Description

选择光阻模型的方法、设备和计算机可读存储介质

技术领域

本发明的实施例主要涉及半导体制造技术领域，并且更具体地，涉及选择光阻模型的方法、设备和计算机可读存储介质。

背景技术

OPC（光学邻近校正）是一种光刻增强技术，OPC主要在半导体芯片的生产过程中使用，目的是为了保证曝光后硅片上得到的实际图形与设计图形一致。若不做OPC光学邻近修正实际曝光后得到的图形将与设计图形有显著差异，如实际线宽度比设计的窄或宽，这些都可以通过改变掩模版来补偿成像；其他的失真，如圆角、光强度，受光学工具分辨率的制约，更加难以弥补。这些失真如果不纠正，可能大大改变生产出来的电路的电气性能。OPC光学邻近修正通过移动掩模版上图形的边缘或添加额外的多边形来补偿这些失真。

OPC光阻模型，会模拟光刻机中发生的一系列光学效应和光阻效应。其中，光阻效应还分为物理/化学等多个不同的效应，分别存在对应的效应信号。在这些效应的共同作用下，OPC光阻模型得以尽可能仿真光刻机中，从光源到掩模，过棱镜，进光阻的整个过程的实际行为。然而，在现有技术中，各个效应在总效应中的占比分成并不能直观地展示给用户。对用户来说，各个效应在总效应中的占比完全是未知的，这非常不利于用户分析当前模型的行为，迭代获得更优模型，掌握积累各个效应的相关经验。

发明内容

根据本发明的示例性实施例，提供了一种用于选择光阻模型的方案。

在本发明的第一方面中，提供了一种选择光阻模型的方法，该方法包括：收集光阻模型在掩模版图上的采样位置；获得采样位置上多种类型信号的信号量；针对每一类型的信号，根据信号量和采样位置的坐标获得效应信号；基于所获得的效应信号，计算该类型的信号的总信号值；基于每一类型的信号的总信号值，计算该类型的信号的效应贡献占比；根据效应贡献占比选择光阻模型。

在本发明的第二方面中，提供了一种电子设备，包括：处理器；以及与处理器耦合的存储器，存储器具有存储于其中的指令，该指令在被处理器执行时使设备执行动作。这些动作包括：收集光阻模型在掩模版图上的采样位置；获得采样位置上的多种类型信号的信号量；针对每一类型的信号，根据信号量和采样位置的坐标获得效应信号；基于所获得的效应信号，计算该类型的信号的总信号值；基于每一类型的信号的总信号值，计算该类型的信号的效应贡献占比；根据效应贡献占比选择光阻模型。

在本发明的第三方面中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序在被处理器执行时实现根据本发明的第一方面的方法。

在一些实施例中，根据效应贡献占比选择光阻模型包括：确定多种类型信号中的目标信号；基于该目标信号的效应贡献占比，选择光阻模型。

在一些实施例中，基于目标信号的效应贡献占比，选择光阻模型，包括：在目标信号的效应贡献占比大于或等于第一预设阈值时，选择光阻模型。

在另一些可替换的实施例中，基于目标信号的效应贡献占比，选择光阻模型，包括：

基于以下公式：

，

，

以目标信号的效应贡献占比为输入值，计算预设函数的函数值；在该函数值小于或等于第二预设阈值时，选择光阻模型，其中，Rmse为均方根误差，是光阻模型在每一采样位置的关键尺寸仿真值与历史真值的偏差的平方和与采样次数的比值的平方根；Rmse_weight为均方根误差权重；NT1为目标信号的效应贡献占比，Da和Db为预设的常数，F(NT1)为指数函数，F(NT1)_weight为指数函数的权重。

在一些实施例中，针对每一类型的信号，根据信号量和采样位置获得效应信号包括：确定采样位置的两端的关键尺寸（CD）位置的位置坐标；基于所确定的位置坐标和每一类型的信号的信号量，形成与该类型的信号对应的三维信号量矩阵；基于每一三维信号量矩阵，获得该类型的信号对应采样位置的效应信号。

在一些实施例中，基于所确定的位置坐标和每一类型的信号的信号量，形成与该类型的信号对应的三维信号量矩阵，包括：获得采样位置的关键尺寸（CD）的中心位置；基于中心位置形成矩形的矩阵范围；等间距划分所述矩阵范围，形成多个参考点坐标；基于每一类型的信号，获取与多个参考点坐标对应的信号量；基于所获取的信号量和矩阵范围形成该类型的信号的三维信号量矩阵。

在一个优先的实施例中，基于每一三维信号量矩阵，获得该类型的信号对应采样位置的效应信号，包括：对于每一采样位置，通过插值算法基于参考点坐标进行插值拟合，以获得采样位置的两端分别对应的信号量；以该两端分别对应的信号量的平均值作为该采样位置的效应信号。

在一些实施例中，基于所获得的效应信号，计算该类型的信号的总信号值包括：针对每一类型的信号，获得所有采样位置的效应信号的总和；将效应信号的总和作为该类型的信号的总信号值。

在一些实施例中，基于每一类型的信号的总信号值，计算该类型的信号的效应贡献占比包括：基于总信号值，计算每一类型的信号的贡献值；基于每一类型的信号的贡献值，计算所有信号的总贡献值；将每一类型的信号的贡献值与总贡献值的比值作为该类型的信号的效应贡献占比。

在一些实施例中，基于总信号值，计算每一类型的信号的贡献值，包括：基于光阻模型，确定每一类信号的效应系数；计算每一类型的信号的效应系数与总信号值的乘积，以该乘积作为该类型的信号的贡献值。

在一些实施例中，目标信号为光学类信号。

在一些实施例中，获得目标信号的目标信号量包括：至少根据光源类型，掩模衍射和透镜传递函数基于傅里叶运算获得目标信号量。

提供发明的内容部分是为了简化的形式来介绍对概念的选择，它们在下文的具体实施方式中将被进一步描述。本发明内容部分无意标识本发明内容的关键特征或主要特征，也无意限制本发明内容的范围。应当理解，发明内容部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征，亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。

附图说明

通过参考附图阅读下文的详细描述，本发明的实施例的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例而非限制性的方式示出了本发明的实施例，其中：

图1示出了根据发明的实施例能够在其中实现的示例性环境的示意图；

图2示出了根据发明的一些实施例的基于信号贡献占比选择光阻模型的方法的流程图；

图3示出了根据本发明的一些实施例的掩模版图的其中一个区域的俯视图；

图4示出了根据本发明的一些实施例光阻模型A的各类型信号的效应贡献占比分布图；

图5示出了根据本发明的一些实施例光阻模型A的信号曲线图；

图6示出了根据本发明的一些实施例光阻模型B的各类型信号的效应贡献占比分布图；

图7示出了根据本发明的一些实施例光阻模型B的信号曲线图；

图8示出了用来实施本发明的实施例的示例设备700的示意性框图。

具体实施方式

下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。

在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少分量地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

如上文所简要提及的，OPC光学邻近修正主要在半导体芯片的生产过程中使用，目的是为了保证曝光后硅片上得到的实际图形与设计图形一致。若不做OPC光学邻近修正实际曝光后得到的图形将与设计图形有显著差异，如实际线宽度比设计的窄或宽，这些都可以通过改变掩模版来补偿成像；其他的失真，如圆角、光强度，受光学工具分辨率的制约，更加难以弥补。这些失真如果不纠正，可能大大改变生产出来的电路的电气性能。OPC光学邻近修正通过移动掩模版上图形的边缘或添加额外的多边形来补偿这些失真。为此，需要在OPC光阻模型中模拟光刻机中发生的一系列光学效应和光阻效应，将各类型的效应信号的效应贡献占比直观地呈现给用户，这非常利于用户分析当前模型的行为，迭代获得更优模型，或者在多个不同的模型之间进行选择更优的模型，掌握积累各个效应的相关经验。

根据本发明的实施例，提供了一种用于基于效应贡献占比选择光阻模型的方法，该方法包括：收集光阻模型在掩模版图上的采样位置；获得采样位置上多种类型信号的信号量；针对每一类型的信号，根据信号量和采样位置的坐标获得效应信号；基于所获得的效应信号，计算该类型的信号的总信号值；基于每一类型的信号的总信号值，计算该类型的信号的效应贡献占比；根据效应贡献占比选择光阻模型。

在掩模版图的采样位置的信号通常包括作为光学类信号ai和非光学类信号的多种类型的信号，通过分析光学类信号和非光学类信号在整个效应信号中的占比，能够将各类信号的效应贡献占比情况可视化地直接呈现给用户，从而使得有用户能够基于对占比情况分析的结果选择适合生产工艺的光阻模型。

以下将参照附图来具体描述本发明的实施例。参考图1，其示出了本发明的多个实施例能够在其中实现的示例性环境100的示意图。如图1所示，该示例性环境100包括计算装置110和客户端120。

在一些实施例中，计算装置110可以接收来自客户端120的输入消息，并向客户端120输出反馈消息。在一些实施例中，通过客户端120输入光阻模型。计算装置110可以针对输入的光阻模型进行模拟计算，以确定采样位置处的各类信号的效应贡献占比，并将分析结果输出个客户端120。

在一些实施例中，计算装置110可以包括但不限于个人计算机、服务器计算机、手持或膝上型设备、移动设备（诸如移动电话、个人数字助理PDA、媒体播放器等）、消费电子产品、小型计算机、大型计算机、云计算资源等。

应当理解，仅出于示例性的目的描述的示例性环境100的结构和功能并不旨在限制本文所描述的主题的范围。本文所描述主题可以在不同的结构和/或功能中实施。

上文描述的技术方案仅用于示例，并非限制本发明。应当理解，示例性环境100还可以具有其他多种实施方式。为了更清晰地解释本发明方案的原理，下文将参考图2来更详细描述本发明的具体技术方案。

图2示出了根据本发明的一些实施例的用于选择光阻模型的方法的流程图。例如，该方法200可以由如图1所示的计算装置110来实施。应当理解，方法200可以包括未示出的附加框和/或可以省略所示出的某些框。本发明的范围在此不受限制。

在步骤202处，收集光阻模型在掩模版图上的采样位置。在一个具体的示例性实施例中，以IMP层（植入层implant layer）作为实例，其通常具有超过1000个采样位置，这些采样位置分布在掩模版图的各处，每个采样位置处的模型具体行为都是不确定的。在本发明如下实施例中，以IMP层的1865个采样位置为例，具体使用中，可以用在其他层中，也可以选择其他数量的采样位置，不对本发明实际采样位置进行具体限定。在本发明的实施例中，收集掩模版图上的所有采样位置。在此应该注意的是，采样位置的数量并不是固定的，采样位置的数量以及层的选择可根据实际情况进行选择，本实施例只是示例性的，其不应对本发明构成限制。

下面结合图3对掩模版图中的采样位置进行描述。图3示出了掩模版图其中一个区域的俯视图，该区域仅为示例性的。本领域技术人员可以预见，该掩模版图还包括其他未示出的其他区域，其中掩模版图中的掩模元素的排列方式，位置等也并不局限于图3所示出的模式。在本实施例中，为清晰起见，仅以Gauge_0标注了其中一个采样位置，该采样位置的选择仅出于对采样位置的关键尺寸（CD）位置两端进行说明的目的。在该位置处的采样位置由一条实线标注出，从图中可见，该实线在该采样位置具有两个端部位置，这两个端部位置之间的距离代表了关键尺寸。

下面回到图2。在步骤204处，获得采样位置上的多种类型的信号的信号量。如前所述的那样，采样位置处的信号通常包括光学类信号ai和非光学类信号等多种类型的信号，例如在本实施例中信号主要分为光学类信号ai和多个非光学类信号，即，胶体物理连续A信号，胶体物理连续B信号，胶体物理连续C信号，胶体物理边缘A信号和胶体物理B信号，胶体化学酸碱car信号。以上非光学类信号的列举在本实施例中仅出于说明的目的，除上述信号外还可包括其他类型的非光学类信号。

在一些实施例中，将这些类型的信号中的光学类信号ai作为目标信号，其中，计算目标信号的目标信号量包括：至少根据光源类型，掩模衍射和透镜传递函数基于傅里叶运算计算出目标信号量。在一个具体的实施例中可以通过以下公式（1）计算目标信号的目标信号量I(x, y)。

（1），

其中，x，y为采样位置在掩模中的坐标，j（f，g）为光源类型，f，g分别为光源的横坐标和纵坐标，M为掩模衍射，H为透镜传递函数，M*和H*为掩模衍射M和透镜传递函数H的复共轭，f'，g'分别为光源的横坐标f的第一偏移量和纵坐标g的第一偏移量，f''，g''分别为光源的横坐标f的第二偏移量和纵坐标g的第二偏移量，i是傅里叶转换公式中的虚数单位；

其中

由以下公式（2）计算获得。

（2）

然后在一个实施例中，步骤206中还包括：针对每一类型的信号，根据信号量和采样位置的坐标获得效应信号。具体地，针对作为目标信号的光学类信号，根据以上计算出的信号量和采样位置的坐标获得所述效应信号包括：确定采样位置的两端的关键尺寸（CD）位置的位置坐标；基于所确定的位置坐标和每一类型的信号的信号量，形成与该类型的信号对应的三维信号量矩阵；基于每一三维信号量矩阵，获得该类型的信号对应采样位置的效应信号。该三维信号量矩阵描述了各个类型的信号的采样位置的坐标与其信号量的关系。

为了形成三维信号量矩阵，首先需要获得采样位置的关键尺寸的中心位置。然后以该中心位置为中心，在彼此正交的上下和左右方向上延伸出预定的距离。需要说明的是，采样位置通过gauge_0所处的位置来确认，那么gauge_0两端CD也分别对应坐标位置，因此，根据两端的坐标位置可以获得中心位置的坐标。在一个示例性的示例中，从中心位置延伸出50nm的距离，从而获得一个边长为100nm的正方形的矩阵范围。接下来以5nm的间距对各个边长进行划分，从而在矩阵范围内获得400个参考点，这些参考点在掩模版图中的参考点坐标是确定的，因此参考点在掩模版图的坐标与三维信号量矩阵中的坐标是呈一一对应的关系，当其坐标位置（x，y）知道以后，这些参考点坐标所对应的目标信号（光学类信号ai）的信号量可通过以上公式计算出来，因此，在对采样位置进行测量后，就可以通过该目标信号的采样位置的位置坐标在其三维信号量矩阵中查找对应的参考点坐标，从而获得该采样位置两端的信号量。在此需要注意的是，以上数值的选择仅为示例性的，并不用于构成对本发明的限制，在实际过程中可以选择其他合适的数值来限定三维信号量矩阵的范围。

为了获得对应于这些类的信号的各自对应的三维信号量矩阵，需要以先前确定的用于目标信号的三维信号矩阵的参考点坐标为基础。以胶体化学酸碱car信号为例，为了计算该类型的信号的信号量需要根据以下方式计算出三维信号矩阵的各个参考点处的信号量，从而基于光学类信号的三维信号矩阵的坐标和通过以下方式计算出的各个信号量形成car信号的三维信号量矩阵。但是应该理解的是，此处示出的计算该信号量的方法仅用于说明的目的，其他类型的信号的信号量可以通过合适的方法进行计算，在此不再赘述。

在胶体化学酸碱car信号中，曝光产生酸，但是不会直接影响溶出度。酸催化在PEB期间的反应（称为放大），这会改变溶解度。

在曝光阶段，通过光致产酸剂PAG实现的直接的光子吸收在第一阶反应中释放出酸，其由以下公式（3）计算：

；

；

（3）

其中，G为PAG浓度；G₀为初始PAG浓度；Q为酸浓度；I为目标信号量值（通过目标信号量I(x, y)公式计算获得）；C为曝光率常数；t为曝光时间。

在放大阶段，酸催化一个反应，该反应消耗一个反应位（保护/锁止位），以产生一个被反应位（去保护/去锁止位），其由以下公式（4）计算得出：

；

其中，由于经过烘烤工艺稳定后酸浓度Q就是局部恒定的数值，则

（4）

其中，Z是锁止位浓度；Z₀是初始锁止位浓度；k₄是放大率常数；t_PEB是烘烤时间。

然后，浓度可以被归一化至初始值，其由以下公式（5）得出：

；

；

；

（5）

其中，I为目标信号量值；C为曝光率常数；t为曝光时间，q为酸浓度剩余比例，K_amp=G₀K₄为归一化速率常数，

为放大因数。放大因数随烘烤时间线性变化，其随着时间T发生显著变化，其通过以下阿仑尼乌斯方程（6）计算：

（6）

其中，A_γ为阿仑尼乌斯系数，E_a为活化能，R为通用其他常数。

由以上公式即可计算出z值，该z值即为该car信号的信号量。

现在参考图3来进一步进行描述。如前所述，在图3仅示出了掩模版图的部分区域，其中以Gauge_0标注了其中一个采样位置，该采样位置位于附图的正中央（仅出于说明的目的，并不局限于正中央，也可以选择其他位置进行说明，具体应用中可以根据工艺上量测的需要选择采样位置）。进一步地在该采样位置处还示出了一实线，该实线代表该采样位置的两端的关键尺寸（CD）的位置。在对该位置进行测量之后，获得该采样位置两端的位置坐标，然后在三维信号量矩阵中查找该位置坐标所对应的信号量，并将这两个信号值的平均值作为该采样位置的效应信号，一类信号在一个采样位置的效应信号以Rij来表示，其中i为信号的类型，j为采样位置，例如信号的类型为10个，则i的取值为1-10。

然而，在实际的采样过程中，采样位置两端的关键尺寸位置的位置坐标不一定会与三维信号量矩阵中的参考坐标精确对应，关键尺寸位置有可能落入到信号量矩阵的参考点之间。因此，在一个优选的实施例中进一步提出，基于每一采样位置通过插值算法基于参考点坐标进行插值拟合，以获得采样位置的两端分别对应的信号量。

本实施例中采用了双三次插值（BiCubic）算法进行插值拟合。在一个具体的示例中，首先找到采样位置的端部位置在三维信号量矩阵中的对应的位置，然后再在三维信号量矩阵中找到距离该端部位置最近的16个参考点，将这16个参考点作为计算端部位置的信号值的参数，利用BiCubic基函数求出这16个参考点的权重，端部位置的信号值就等于这16个参考点的加权叠加。双三次插值算法是二维空间中最常用的插值方法，其插值精度高，图像损失质量低。但是，本发明并不限于双三次插值算法，也可以采样其他插值算法，例如双线性插值，最近邻插值算法等等。

在图3中可见，采用如上方法在从三维信号量矩阵中获得采样位置Gauge_0两端的信号量之后，取这两个信号量的平均值Rij，作为该采样位置的效应信号，从而能够获得所有采样位置的效应信号。因此，针对一个采样位置需要在Gauge_0两端分别采用两次插值算法，获得该采样位置的效应信号。

再次回到图2，在步骤208处，基于所获得的效应信号，计算该类信号的总信号值。具体地，针对每一类型的信号，获得所有采用位置的效应信号的总和，并将效应信号的总和作为该效应信号的总信号值。首先要获得每一类型的信号在所有采样位置的效应信号的平均值。然后根据公式（7）基于该效应信号的平均值获得每一类型的信号在所有采样位置的总信号值Si。

（7）

在步骤210处，基于每一类型的信号的总信号值Si，计算该类型的信号的效应贡献占比。

具体地首先基于每一类型的信号的总信号值Si，根据公式（8）计算每一类型的信号的贡献值Ti。

（8），

其中，Ci为效应系数，其为根据光阻模型预设的一个固定的效应系数，也就是说当光阻模型确定以后，与该光阻模型分别对应的各个信号的效应系数也就唯一确定的，这是由光阻模型的性质所决定的。

然后根据公式（9），基于每一类型的信号的贡献值Ti，计算所有信号的总贡献值T。

（9）

最后，根据公式（10），将每一类型信号的贡献值Ti与总贡献值T的比值作为该类型的信号的效应贡献占比NTi。

（10）

基于以上结果，在步骤212处，根据计算出的该类信号的效应贡献占比NTi选择光阻模型。各类信号的计算后的效应贡献占比示例性地在图4和图6中示出。

在本发明的一个优选的实施例中，确定多种类型信号中的目标信号，即光学类信号ai，基于该目标信号的效应贡献占比选择光阻模型。具体地，在目标信号的效应贡献占比大于或等于第一预设阈值时，选择光阻模型。该阈值为根据经验和掩模版图所要实现的效果预设的值。在本实施例中，该阈值可以选择为70%，优选为75%；进一步优选为80%。在本实施例中，该阈值被预设为80%。

在另一个可替代的实施例中，在步骤212处，基于所述目标信号的效应贡献占比，选择光阻模型，包括：基于公式（11）和（12），以目标信号的效应贡献占比为输入值，计算预设函数的函数值；在函数值小于或等于第二预设阈值时，选择光阻模型。

（11）

（12）

其中，Rmse为均方根误差，是光阻模型在每一采样位置的关键尺寸仿真值与历史真值的偏差的平方和与采样次数的比值的平方根；Rmse_weight为均方根误差权重；NT1为目标信号的效应贡献占比；Da和Db为预设的常数；F(NT1)为指数函数，F(NT1)_weight为指数函数的权重。在本实施例中，引用了均方根误差，其能够良好地反映出测量的精度。

需要说明的是，针对一光阻模型其具有在给定掩膜版和采样位置上具有仿真的能力，获得是在每一个采样位置上的关键尺寸CD值，也就是该CD的仿真值。在采样次数为n的情况下，则需要获得光阻模型的n个CD仿真值，还有n个历史真值（历史真值是通过该模型进行历史仿真获得的值），从而获得n个仿真值与历史真值的差值，也就是偏差，对这n个偏差分别取平方，再获得n个平方的和，对n个平方的和与n进行比值后开根号，从而获得该光阻模型的均方根误差。

在具体的实例中，如果某一光阻模型的均方根误差Rmse计算为1.4，其权重Rmse_weight为1（固定预设值），目标信号的指数函数F(NT1)为1，指数函数的权重F(NT1)_weight为1，则计算得出Cost值为1.2。如果第二预设阈值为1.4，则该光阻模型的Cost值小于第二预设阈值，那么就选择该光阻模型。

由以上公式（11）和（12）可见，当目标信号的效应贡献占比NT1超过某一预定阈值时，随着NT1增大时，目标信号的指数函数F(NT1)会随之快速减小，从而使Cost值快速减小，从而使当前的光阻模型成为更有选择。反之，当标信号的效应贡献占比NT1低于该预定阈值时，目标信号的指数函数F(NT1)基本保持不变，从而对Cost值基本没有影响。

应当理解的是，本实施例所述的各种阈值均为根据经验和掩模版图所要实现的效果预设的值。本发明并不局限于以上示例性列出的阈值。

在本发明的一些实施例中，傅里叶运算、阿仑尼乌斯方程以及插值算法被应用。然而，上述方式仅仅是示意性的，本发明的实施例并不限于上述方式。本领域技术人员基于本申请发明内容的教导，将理解还可以通过其他适当的数学运算来确定效应贡献占比。

以下参考图4-图7对各个信号占比情况进行描述。

在图4中示出了模型A的情况中各个类型的效应贡献占比情况。该模型以IMP层为示例，其具有1865个采样位置。图4示出了模型A各个类型的效应贡献占比情况。从图中可见，信号主要分为光学类信号ai和多个非光学类信号，即，胶体物理连续A信号，胶体物理连续B信号，胶体物理连续C信号，胶体物理边缘A信号和胶体物理B信号，car信号。从图4中可见，光学类信号ai的信号的效应贡献占比为61.3286%，而非光学类信号的效应贡献占比之和为38.6714%。

在本实施例中，预设的阈值被选择为80%，光学的信号的效应贡献占比显著低于该阈值，因此该模型A应该被放弃。

图5示出了该模型A的采样位置Gauge_0的信号截面图。图中的线a为量测关键尺寸（CD）的信号阈值，线b为仿真后的信号。从图中可见，仿真信号非常接近阈值（在本实施例中选择为80%），并在阈值上方发生纠缠。在这种情况下，如果仿真的观察窗口进行偏移，使得线b上移，而线a保持不动，就会量测不出关键尺寸，或者使得线b下移，而线a保持不动，这时能够量测出关键尺寸。在所示的附图中，由于仿真信号在阈值上方纠缠，因此仅仅获得了一个采样位置的关键尺寸CD为262.28nm，但是如果线b上移，则该关键尺寸会增加，该增加会导致超出关键尺寸的预设范围，从而无法输出关键尺寸。这种情况是不允许发生的，因此需要放弃该模型。

图6示出了模型B的情况中的效应贡献占比情况。该模型同样以14nm（具体应用中，也可以用在7nm，28nm，40nm，65nm以及其他工艺节点中）的IMP层（本发明的实施例可以用在其他工艺节点的其他层中，例如金属层metal layer、CT接触层contact layer等等）为示例，其同样具有1865个采样位置。从图中可见，信号主要分为光学类信号ai和多个非光学类信号，即，胶体物理连续A信号，胶体物理连续B信号，胶体物理连续C信号，胶体物理边缘A信号和胶体物理B信号，car信号。但是与图4所示的模型A不同的是，模型B的光学类信号ai的效应贡献占比为81.9965%，而其他非光学类信号的效应贡献占比之和为18.0035%。与模型A相比，模型B的光学类信号的效应贡献占比高出模型A约20%。模型B的光学类信号的效应贡献占比高于阈值80%，因此该模型可以被选择。

参见图7，示出了该模型B的情况下的同样的采样位置Gauge_0的信号截面图。从图中可见，信号在阈值附近不做停留（没有纠缠），安全地分布在阈值的两侧。实际上，在图7中共获得了5个采样位置的关键尺寸CD，其从左至右分别为CD=72.6329，CD=19.3748，CD=78.9942，CD=20.1299，CD=72.0586。在线b上移或下移一定程度的情况下，都能量测出关键尺寸，这使得信号更加稳定可靠，因此应该选择模型B。

通过挑选光学效应贡献占比高的模型，可以显著降低挑选到不稳定模型的比例，提高找到更稳定模型的比例。这极大地节省人力成本和资源消耗，为用户挑选模型提供了有效的帮助。

图8示出了可以用来实施本发明的实施例的示例设备700的示意性框图。例如，本发明的电子设备可以由设备700来实施。如图所示，设备700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的计算机程序指令或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序指令，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理单元701执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由CPU 701执行时，可以执行上文描述的方法200中的一个或多个步骤。备选地，在其他实施例中，CPU 701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)等等。

用于实施本发明的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、分量地在机器上执行，作为独立软件包分量地在机器上执行且分量地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本发明的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims

1.一种选择光阻模型的方法，包括：

收集光阻模型在掩模版图上的采样位置；

获得所述采样位置上多种类型信号的信号量；

针对每一类型的信号，根据所述信号量和所述采样位置的坐标获得效应信号；

基于所获得的效应信号，计算该类型的信号的总信号值；

基于每一类型的信号的所述总信号值，计算该类型的信号的效应贡献占比；

确定所述多种类型信号中的目标信号；

根据所述目标信号的效应贡献占比与预设阈值的比较选择所述光阻模型。

2.根据权利要求1所述的方法，基于所述目标信号的效应贡献占比与所述预设阈值的比较选择光阻模型，包括：

在所述目标信号的效应贡献占比大于或等于第一预设阈值时，选择光阻模型。

3.根据权利要求1所述的方法，基于所述目标信号的效应贡献占比与所述预设阈值的比较选择光阻模型，包括：

基于以下公式：

以所述目标信号的效应贡献占比为输入值，计算预设函数的函数值；

在所述函数值小于或等于第二预设阈值时，选择光阻模型；

其中，Rmse为均方根误差，是光阻模型在每一采样位置的关键尺寸仿真值与历史真值的偏差的平方和与采样次数的比值的平方根；Rmse_weight为均方根误差权重；NT1为目标信号的效应贡献占比；Da和Db为预设的常数，F(NT1)为指数函数，F(NT1)_weight为指数函数的权重。

4.根据权利要求1至3中任一项所述的方法，其中，针对每一类型的信号，根据所述信号量和所述采样位置的坐标获得效应信号包括：

确定所述采样位置的两端的关键尺寸(CD)位置的位置坐标；

基于所确定的位置坐标和每一类型的信号的信号量，形成与该类型的信号对应的三维信号量矩阵；

基于每一所述三维信号量矩阵，获得该类型的信号对应所述采样位置的效应信号。

5.根据权利要求4所述的方法，其中，基于所确定的位置坐标和每一类型的信号的信号量，形成与该类型的信号对应的三维信号量矩阵，包括：

获得所述采样位置的关键尺寸(CD)的中心位置；

基于所述中心位置形成矩形的矩阵范围；

等间距划分所述矩阵范围，形成多个参考点坐标；

基于每一类型的信号，获取与多个所述参考点坐标对应的信号量；

基于所获取的信号量和所述矩阵范围形成该类型的信号的三维信号量矩阵。

6.根据权利要求5所述的方法，其中，基于每一所述三维信号量矩阵，获得该类型的信号对应所述采样位置的效应信号，包括：

对于每一采样位置，通过插值算法基于所述参考点坐标进行插值拟合，以获得所述采样位置的两端分别对应的信号量；

以所述两端分别对应的信号量的平均值作为该采样位置的效应信号。

7.根据权利要求6所述的方法，其中，基于所获得的效应信号，计算该类型的信号的总信号值包括：

针对每一类型的信号，获得所有采样位置的效应信号的总和；

将所述效应信号的总和作为该类型的信号的总信号值。

8.根据权利要求7所述的方法，其中，基于每一类型的信号的所述总信号值，计算该类型的信号的效应贡献占比，包括：

基于所述总信号值，计算每一类型的信号的贡献值；

基于每一类型的信号的贡献值，计算所有信号的总贡献值；

将每一类型信号的贡献值与所述总贡献值的比值作为该类型的信号的效应贡献占比。

9.根据权利要求8所述的方法，其中，基于所述总信号值，计算每一类型的信号的贡献值，包括：

基于所述光阻模型，确定每一类信号的效应系数；

计算每一类型的信号的效应系数与所述总信号值的乘积，以所述乘积作为该类型的信号的贡献值。

10.根据权利要求1至3中任一项所述的方法，其中，所述目标信号为光学类信号。

11.根据权利要求10所述的方法，其中，获得所述目标信号的目标信号量包括：至少根据光源类型，掩模衍射和透镜传递函数基于傅里叶运算获得所述目标信号量。

12.一种电子设备，包括：

处理器；以及

与所述处理器耦合的存储器，所述存储器具有存储于其中的指令，所述指令在被所述处理器执行时使所述设备执行动作，所述动作包括：

收集光阻模型在掩模版图上的采样位置；

获得所述采样位置上的多种类型信号的信号量；

基于所获得的所述效应信号，计算该类型的信号的总信号值；

确定所述多种类型信号中的目标信号；

根据所述目标信号的效应贡献占比与预设阈值的比较选择光阻模型。

13.一种计算机可读存储介质，其中存储有计算机程序，所述计算机程序被处理器执行时实现根据权利要求1至11中任一项所述的方法。