CN116385346A - 掩模版关键尺寸数据分析处理方法及装置 - Google Patents
掩模版关键尺寸数据分析处理方法及装置 Download PDFInfo
- Publication number
- CN116385346A CN116385346A CN202211733698.9A CN202211733698A CN116385346A CN 116385346 A CN116385346 A CN 116385346A CN 202211733698 A CN202211733698 A CN 202211733698A CN 116385346 A CN116385346 A CN 116385346A
- Authority
- CN
- China
- Prior art keywords
- critical dimension
- mask
- dimension data
- trained
- pattern
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 title claims abstract description 26
- 230000000694 effects Effects 0.000 claims abstract description 40
- 230000003287 optical effect Effects 0.000 claims abstract description 40
- 229920002120 photoresistant polymer Polymers 0.000 claims abstract description 36
- 238000012549 training Methods 0.000 claims abstract description 20
- 238000007405 data analysis Methods 0.000 claims description 12
- 238000003672 processing method Methods 0.000 claims description 2
- 238000012876 topography Methods 0.000 claims 1
- 238000007781 pre-processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 7
- 229910052710 silicon Inorganic materials 0.000 description 7
- 239000010703 silicon Substances 0.000 description 7
- 238000001259 photo etching Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000000206 photolithography Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001878 scanning electron micrograph Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
- G03F1/36—Masks having proximity correction features; Preparation thereof, e.g. optical proximity correction [OPC] design processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Preparing Plates And Mask In Photomechanical Process (AREA)
Abstract
本申请提供的一种掩模版关键尺寸数据分析处理方法及装置,通过对采集获取到掩模版特征图形利用量测设备进行量测,得到该掩模版特征图形在不同灰阶阈值下的关键尺寸数据后,利用同一特征图形关键尺寸数据之间的差值,确定同一特征图形的有效灰阶阈值和光刻胶形貌信息;使用有效灰阶阈值对应的有效关键尺寸数据和光刻胶形貌对光学临近效应模型进行训练,得到模型后将待处理掩模版图形数据发送至该模型,得到待处理掩模版图形的光刻胶关键尺寸和形貌,能够提升现有模型的拟合精度,同时解决数据利用不全面的问题。
Description
技术领域
本申请涉及半导体技术,尤其涉及一种掩模版关键尺寸数据分析处理方法及装置。
背景技术
光刻是芯片制造中最为关键的一种工艺,能够通过光刻成像***,将设计好的图形转移到硅片上。随着芯片尺寸不断缩小,硅片上的曝光图形会产生畸变,因此在90nm甚至180nm以下芯片的光刻制造前,都必须采用一类名为光学临近效应(OPC)的算法模型对曝光图片进行优化,OPC模型的准确性也因此在光刻工艺中具有重要作用。
目前常规的OPC建模过程,每次的测量图形会只量化成一个数值参与模型的建立,大量的测量图像并没有被充分利用,而且只能得到特征图形在硅片平面内的尺寸信息,而没有垂直方向的形貌信息。且随着光刻工艺的复杂程度和拟合精度要求的提高,需要对量测图像做更细致的数据分析处理以提高数据利用率,并将光刻胶形貌纳入模型。
发明内容
本申请提供一种掩模版关键尺寸数据分析处理方法及装置,用以解决现有OPC模型中数据利用不完全、拟合精度不高的问题。
一方面,本申请提供一种掩模版关键尺寸数据分析处理方法,包括:
采集获取掩模版特征图形,掩模版图形包括待训练的掩模版特征图形与待处理的掩模版图形;
利用量测设备对所述掩模版特征图形进行量测,得到所述掩模版特征图形在不同灰阶阈值下的关键尺寸数据,并计算同一特征图形所述关键尺寸数据之间的差值后,对所述差值进行分析,确定所述同一特征图形的有效灰阶阈值;
利用所述待训练掩模版特征图形的有效关键尺寸数据与所述待训练光刻胶形貌对光学临近效应模型进行训练,得到精确光学临近效应模型,所述有效关键尺寸数据为有效灰阶阈值对应的关键尺寸数据;
将所述待处理掩模版特征图形的有效关键尺寸数据发送至所述精确光学临近效应模型,得到与所述待处理掩模版图形相对应的光刻胶关键尺寸和形貌。
另一方面,本申请提供一种掩模版关键尺寸数据分析处理装置,包括:
获取模块,用于采集获取掩模版特征图形,所述掩模版特征图形包括待训练掩模版特征图形与待处理掩模版特征图形;
量测模块,用于利用量测设备对所述掩模版特征图形进行量测,得到所述掩模版特征图形在不同灰阶阈值下的关键尺寸数据,并计算同一特征图形所述关键尺寸数据之间的差值后,对所述差值进行分析,确定所述同一特征图形的有效灰阶阈值;
训练模块,用于利用所述待训练掩模版特征图形的有效关键尺寸数据与所述待训练光刻胶形貌对光学临近效应模型进行训练,得到精确光学临近效应模型,所述有效关键尺寸数据为有效灰阶阈值对应的关键尺寸数据;
学习模块,用于将所述待处理掩模版特征图形的有效关键尺寸数据发送至所述精确光学临近效应模型,得到与所述待处理掩模版特征图形相对应的光刻胶形貌。
又一方面,本申请提供一种电子设备,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如前所述的方法。
再一方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如前所述的掩模版关键尺寸数据分析处理方法。
本申请提供的掩模版关键尺寸数据分析处理方法及装置,通过对采集获取到掩模版特征图形利用量测设备进行量测,得到该掩模版特征图形在不同灰阶阈值下的关键尺寸数据,并计算同一特征图形关键尺寸数据之间的差值后,对差值进行分析,从而确定同一特征图形的有效灰阶阈值;再将待训练掩模版特征图形的有效关键尺寸数据与采集获取到的待训练光刻胶形貌对光学临近效应模型进行训练,得到精确光学临近效应模型;最终将待处理掩模版特征图形的有效关键尺寸数据发送至该模型,得到与待处理掩模版特征图形相对应的光刻胶形貌,能够有效提升OPC模型的拟合精度,同时解决OPC模型权重设置时间较长的问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请实施例所基于的一种掩模版关键尺寸数据分析处理架构示意图;
图2为本申请实施例提供的掩模版关键尺寸数据分析处理方法的流程示意图;
图3为本申请实施例提供的掩模版关键尺寸数据分析处理方法的信令交互示意图;
图4为本申请实施例提供的掩模版关键尺寸数据分析处理装置的结构框图;
图5为本申请实施例提供的电子设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
光刻是芯片制造中最为关键的一种工艺,能够通过光刻成像***,将设计好的图形转移到硅片上。随着芯片尺寸不断缩小,硅片上的曝光图形会产生畸变,因此在90nm甚至180nm以下芯片的光刻制造前,都必须采用一类名为光学临近效应(OPC)的算法模型对曝光图片进行优化,OPC模型的准确性也因此在光刻工艺中具有重要作用。目前常规的OPC建模过程,每次的测量图形会只量化成一个数值参与模型的建立,大量的测量图像并没有被充分利用,而且只能得到特征图形在硅片平面内的尺寸信息,而没有垂直方向的形貌信息。且随着光刻工艺的复杂程度和拟合精度要求的提高,需要对量测图像做更细致的数据分析处理以提高数据利用率,并将光刻胶形貌纳入模型。
图1为本申请实施例所基于的一种掩模版关键尺寸数据分析处理架构示意图,参见图1所示,主要包括:特征尺寸测量用扫描电子显微镜(CD-SEM)量测设备101、数据预处理服务器102、以及模型服务器103。其中,CD-SEM量测设备101可向数据预处理服务器102传送掩模版特征图形关键尺寸数据,数据预处理服务器102将处理后的掩模版特征图形关键尺寸数据再发送至模型服务器103。
CD-SEM量测设备101是一种根据图像的灰度来确定图形的边界,进而计算出线宽的扫描电子显微镜。
数据预处理服务器102是专门用来进行数据预处理的服务器。数据预处理是指对所收集数据进行分类或分组前所做的审核、筛选、排序等必要的处理。
模型服务器103上存储有多种算法模型。该算法模型既可以是数学模型,也可以是仿真模型。本申请中具体为相关的光学临近效应模型、精确光学临近效应模型等算法模型。
现行的用于分析掩模版特征图形的模型建立方法中,每次的测量图形会只量化成一个数值参与模型的建立,大量的CD-SEM图像并没有被充分利用,另一方面,由于采用单一阈值,只能得到特征图形在硅片XY平面内的尺寸信息,而没有Z方向的信息。这些问题一直存在但并不突出,但随着器件尺寸的不断微缩,对模型精度的要求也进一步提高。因此,本申请提出了一种考虑光刻胶三维效应,并能够对量测数据进行充分利用的掩模版关键尺寸数据分析处理方法。
图2为本申请实施例提供的掩模版关键尺寸数据分析处理方法的流程示意图,参见图2所示,本申请实施例提供的掩模版关键尺寸数据分析处理方法,包括:
S201、采集获取掩模版特征图形。
其中,掩模版特征图形不仅包括待训练掩模版特征图形,还包括待处理掩模版特征图形。待训练掩模版特征图形指用于模型训练掩模版特征图形,待处理掩模版特征图形指用于训练后模型的,还未得到与掩模版特征图形相对应的光刻胶形貌的掩模版特征图形。
掩模版特征图形的种类、线宽尺寸和周期尺寸覆盖实际产品中当前层次的图形范围。
优选的,掩模版特征图形既包括一维图形,也包括二维图形。
优选的,掩模版特征图形既包括密集图形,也包括半密集图形,还包括孤立图形。
此方法通过接收不同类型的掩模版特征图形,使得用于进行分析处理的掩模版特征图形更加全面,提高了掩模版特征图形利用率。
S202、利用量测设备对掩模版特征图形进行量测,得到掩模版特征图形在不同灰阶阈值下的关键尺寸数据,并计算同一特征图形关键尺寸数据之间的差值后,对差值进行分析,确定同一特征图形的有效灰阶阈值。
每一个灰阶阈值都存在一个关键尺寸数据与之一一对应。
对待训练掩模版特征图形设定至少两个灰阶阈值。其中,灰阶阈值包含一个基准阈值与多个普通阈值,普通阈值可以是一个,也可以是三个,普通阈值的具体个数在此不做限定。
不同的阈值会得到不同的关键尺寸,对这些关键尺寸的差值进行分析,确定差值是否大于预设差值,若大于,同一特征图形的有效灰阶阈值为该同一特征图形的所有灰阶阈值;若小于等于,同一特征图形的有效灰阶阈值为该同一特征图形的基准阈值。
优选的,在设置不同灰阶阈值时可以具体设置为外侧低阈值、外侧中阈值、高阈值、内侧中阈值、内侧低阈值。
一种实现方式中,在对光刻胶线宽进行量测时,采用外侧中阈值为基准阈值。
另一种实现方式中,在对沟槽或孔洞线宽进行量测时,采用内侧中阈值为基准阈值。
此方法通过对灰阶阈值进行扩充与筛选,在提高关键尺寸数据使用率的同时,又保证了关键尺寸数据的可用性。
S203、利用待训练掩模版特征图形的有效关键尺寸数据与待训练光刻胶形貌对光学临近效应模型进行训练,得到精确光学临近效应模型。
其中,有效关键尺寸数据为有效灰阶阈值所对应的关键尺寸数据。
在对光学临近效应模型进行训练前,需设置不同灰阶阈值下关键尺寸数据的拟合权重。
其中,基准阈值下关键尺寸数据的拟合权重大于等于普通阈值下关键尺寸数据的拟合权重。
在对光学临近效应模型进行训练前,还需将待训练光刻胶形貌的位置点初始值设定为可变。待训练光刻胶形貌的位置点数量与有效灰阶阈值的数量相等。
在得到精确光学临近效应模型后,还能够得到待训练光刻胶形貌的位置点与待训练光刻胶形貌相对应的有效灰阶阈值之间的函数对应关系式。
此方法通过对光学临近效应模型的输入数据进行优化,使得训练得到的精确光学临近效应模型学习结果更加精确。
S204、将待处理掩模版图形数据发送至精确光学临近效应模型,得到与待处理掩模版图形相对应的光刻胶关键尺寸和形貌。
数据预处理服务器102模将待处理掩模版数据发送至模型服务器103上的精确光学临近效应模型,从而得到与待处理掩模版图形相对应的光刻胶关键尺寸和形貌。
此方法通过将待处理的有效关键尺寸数据利用精确光学临近效应模型进行学习,使得学习结果更加精准,能够有效提升拟合精度。
图3为本申请实施例提供的掩模版关键尺寸数据分析处理方法的信令交互示意图,参见图3所示,结合图2,本申请实施例提供的掩模版关键尺寸数据分析处理方法包括如下步骤:
S301、CD-SEM量测设备101接收工作人员上传的掩模版特征图形。
S302、CD-SEM量测设备101对掩模版图形进行量测,得到掩模版特征图形在不同灰阶阈值下的关键尺寸数据。
S303、CD-SEM量测设备101将关键尺寸数据发送至数据预处理服务器102。
S304、数据预处理服务器102计算同一特征图形关键尺寸数据之间的差值。
S305、数据预处理服务器102对差值进行分析得到同一特征图形的有效灰阶阈值。
S306、数据预处理服务器102发送待训练掩模版特征图形有效灰阶阈值所对应的有效关键尺寸至模型服务器103。
S307、模型服务器103对光学临近效应模型进行训练,得到精确光学临近效应模型。
S308、数据预处理服务器102发送待处理掩模版特征图形有效灰阶阈值所对应的有效关键尺寸至模型服务器103。
S309、模型服务器103利用精确光学临近效应模型进行学习,得到光刻胶形貌。
图4为本申请实施例提供的掩模版关键尺寸数据分析处理装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。参见图4所示,本申请实施例提供的掩模版关键尺寸数据分析处理装置包括:获取模块401、量测模块402、训练模块403以及学习模块404。
获取模块401,用于采集获取掩模版特征图形;
量测模块402,用于利用量测设备对掩模版特征图形进行量测,得到掩模版特征图形在不同灰阶阈值下的关键尺寸数据,并计算同一特征图形关键尺寸数据之间的差值后,对差值进行分析,确定同一特征图形的有效灰阶阈值;
训练模块403,用于利用待训练掩模版特征图形的有效关键尺寸数据与待训练光刻胶形貌对光学临近效应模型进行训练,得到精确光学临近效应模型;
学习模块404,用于将待处理掩模版特征图形的有效关键尺寸数据发送至精确光学临近效应模型,得到与待处理掩模版特征图形相对应的光刻胶形貌。
本申请提供的掩模版关键尺寸数据分析处理装置,通过对采集获取到掩模版特征图形利用量测设备进行量测,得到该掩模版特征图形在不同灰阶阈值下的关键尺寸数据,并计算同一特征图形关键尺寸数据之间的差值后,确定同一特征图形的有效灰阶阈值;再将待训练掩模版特征图形的有效关键尺寸数据与采集获取到的待训练光刻胶形貌对光学临近效应模型进行训练,得到精确光学临近效应模型;最终将待处理掩模版特征图形的有效关键尺寸数据发送至该模型,得到与待处理掩模版特征图形相对应的光刻胶形貌,能够有效提升OPC模型的拟合精度,同时解决OPC模型数据利用不全面的问题。
图5为本申请实施例提供的电子设备的结构示意图,参见图5所示,电子设备包括:存储器501,处理器502以及计算机程序;其中,计算机程序存储在存储器501中,并被配置为由处理器502执行图2、图3的各步骤。处理器502用于实现图4的各模块。
其中,存储器501和处理器502通过总线503连接。
相关说明可以对应参见图2至图4所对应的实施例中的步骤所对应的相关描述和效果进行理解,此处不做过多赘述。
本申请实施例还提供一种计算机可读存储介质,包括计算机代码,当其在计算机上运行时,使得计算机执行如图2至图5所对应的任一实现方式提供的方法。
本申请实施例还提供一种计算机程序产品,包括程序代码,当计算机运行计算机程序产品时,该程序代码执行如图2至图5所对应的任一实现方式提供的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (10)
1.一种掩模版关键尺寸数据分析处理方法,其特征在于,包括:
采集获取掩模版特征图形,所述掩模版特征图形包括待训练掩模版特征图形与待处理掩模版特征图形;
利用量测设备对所述掩模版特征图形进行量测,得到所述掩模版特征图形在不同灰阶阈值下的关键尺寸数据,并计算同一特征图形所述关键尺寸数据之间的差值后,对所述差值进行分析,确定所述同一特征图形的有效灰阶阈值;
利用所述待训练掩模版特征图形的有效关键尺寸数据与所述待训练光刻胶形貌对光学临近效应模型进行训练,得到精确光学临近效应模型,所述有效关键尺寸数据为有效灰阶阈值对应的关键尺寸数据;
将所述待处理掩模版图形数据发送至所述精确光学临近效应模型,得到与所述待处理掩模版图形相对应的光刻胶关键尺寸和形貌。
2.根据权利要求1所述的方法,其特征在于,在所述利用量测设备对所述待训练掩模版特征图形进行量测前,包括:
对所述待训练掩模版特征图形设定至少两个灰阶阈值,所述灰阶阈值包含一个基准阈值与至少一个普通阈值。
3.根据权利要求1或2所述的方法,其特征在于,对所述不同灰阶阈值导致的关键尺寸差值进行分析,确定所述同一特征图形的有效灰阶阈值,包括:
确定所述差值是否大于预设差值;
若大于,所述同一特征图形的有效灰阶阈值为所述同一特征图形的所有灰阶阈值;
若小于等于,所述同一特征图形的有效灰阶阈值为所述同一特征图形的基准阈值。
4.根据权利要求1或2所述的方法,其特征在于,在所述利用所述待训练掩模版特征图形的有效关键尺寸数据与所述待训练光刻胶形貌对光学临近效应模型进行训练前,还包括:
设置不同灰阶阈值下关键尺寸数据的拟合权重,所述基准阈值下关键尺寸数据的拟合权重大于等于所述普通阈值下关键尺寸数据的拟合权重。
5.根据权利要求4所述的方法,其特征在于,在利用所述待训练掩模版特征图形的有效关键尺寸数据与所述待训练光刻胶形貌对光学临近效应模型进行训练前,还包括:
将所述待训练光刻胶形貌的垂直方向位置点初始值设定为可变。
6.根据权利要求5所述的方法,其特征在于,所述待训练光刻胶形貌的垂直方向位置点数量与所述有效灰阶阈值的数量相等。
7.根据权利要求1或2所述的方法,其特征在于,在得到精确光学临近效应模型后,还包括:
得到所述待训练光刻胶形貌的垂直方向位置点与所述待训练光刻胶形貌相对应的有效灰阶阈值之间的函数对应关系式。
8.一种掩模版关键尺寸数据分析处理装置,包括:
获取模块,用于采集获取掩模版特征图形,所述掩模版特征图形包括待训练掩模版特征图形与待处理掩模版特征图形;
量测模块,用于利用量测设备对所述掩模版特征图形进行量测,得到所述掩模版特征图形在不同灰阶阈值下的关键尺寸数据,并计算同一特征图形所述关键尺寸数据之间的差值后,对所述差值进行分析,确定所述同一特征图形的有效灰阶阈值;
训练模块,用于利用所述待训练掩模版特征图形的有效关键尺寸数据与所述待训练光刻胶形貌对光学临近效应模型进行训练,得到精确光学临近效应模型,所述有效关键尺寸数据为有效灰阶阈值对应的关键尺寸数据;
学习模块,用于将所述待处理掩模版特征图形的有效关键尺寸数据发送至所述精确光学临近效应模型,得到与所述待处理掩模版特征图形相对应的光刻胶形貌。
9.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-7任一项所述的掩模版关键尺寸数据分析处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211733698.9A CN116385346A (zh) | 2022-12-30 | 2022-12-30 | 掩模版关键尺寸数据分析处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211733698.9A CN116385346A (zh) | 2022-12-30 | 2022-12-30 | 掩模版关键尺寸数据分析处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116385346A true CN116385346A (zh) | 2023-07-04 |
Family
ID=86966272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211733698.9A Pending CN116385346A (zh) | 2022-12-30 | 2022-12-30 | 掩模版关键尺寸数据分析处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116385346A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117372567A (zh) * | 2023-12-06 | 2024-01-09 | 华芯程(杭州)科技有限公司 | 一种版图生成方法、装置、设备及介质 |
-
2022
- 2022-12-30 CN CN202211733698.9A patent/CN116385346A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117372567A (zh) * | 2023-12-06 | 2024-01-09 | 华芯程(杭州)科技有限公司 | 一种版图生成方法、装置、设备及介质 |
CN117372567B (zh) * | 2023-12-06 | 2024-02-23 | 华芯程(杭州)科技有限公司 | 一种版图生成方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8781212B2 (en) | Defect estimation device and method and inspection system and method | |
CN114503123B (zh) | 用于计量的信号域适应 | |
US9047532B2 (en) | System, method and computer program product for evaluating an actual structural element of an electrical circuit | |
EP3683541A1 (en) | Method for measuring downward inclination angle of antenna based on linear regression fitting | |
US20130290912A1 (en) | Method and apparatus for monitoring mask process impact on lithography performance | |
CN101720474A (zh) | 工艺窗发觉检测以及掩模层处光刻印刷问题的校正 | |
CN110361926B (zh) | 光学邻近效应修正模型及其建立方法和掩膜板的形成方法 | |
CN116385346A (zh) | 掩模版关键尺寸数据分析处理方法及装置 | |
KR102451533B1 (ko) | 마이크로리소그라피용 마스크의 검증 방법 | |
CN112015046B (zh) | 图形显影情况的检测方法 | |
CN110426914A (zh) | 一种亚分辨率辅助图形的修正方法及电子设备 | |
CN103424982A (zh) | 运用多个程序的光学邻近校正方法和用于该方法的*** | |
CN112017170B (zh) | 一种基于三维光影模型的道路路面坑槽识别方法、装置及设备 | |
CN112364508A (zh) | 一种光刻胶模型的建立方法及电子设备 | |
CN116165847A (zh) | 自动测量方法 | |
KR20200096992A (ko) | 전자 현미경을 사용한 반도체 계측 및 결함 분류 | |
JP3431567B2 (ja) | 欠陥検査装置及び検査方法 | |
JP2006108386A (ja) | 位置検出方法 | |
CN111640096B (zh) | 电子产品外观的检测方法、装置及终端 | |
CN113838146A (zh) | 验证摄像头模组标定精度、摄像头模组测试方法及装置 | |
CN117518747B (zh) | 一种光刻量测强度的生成方法、装置、设备及存储介质 | |
CN117950281B (zh) | 用于检测辅助图形曝光的方法、电子设备和存储介质 | |
CN117541908B (zh) | 光学检测图像预测模型的训练方法、装置及预测方法 | |
CN113158610B (zh) | 一种集成电路芯片制造过程中的迭对测量方法和*** | |
CN117111414B (zh) | 一种光刻图像的在线自动生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |