CN117957596A - 显示面板的工艺数据的验证方法、显示面板的生产方法和电子设备 - Google Patents
显示面板的工艺数据的验证方法、显示面板的生产方法和电子设备 Download PDFInfo
- Publication number
- CN117957596A CN117957596A CN202280002969.5A CN202280002969A CN117957596A CN 117957596 A CN117957596 A CN 117957596A CN 202280002969 A CN202280002969 A CN 202280002969A CN 117957596 A CN117957596 A CN 117957596A
- Authority
- CN
- China
- Prior art keywords
- data
- actual
- display panel
- simulation
- model
- 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 658
- 230000008569 process Effects 0.000 title claims abstract description 590
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 120
- 238000012795 verification Methods 0.000 title abstract description 32
- 238000004088 simulation Methods 0.000 claims abstract description 145
- 238000005259 measurement Methods 0.000 claims abstract description 101
- 238000013461 design Methods 0.000 claims abstract description 89
- 238000003860 storage Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 60
- 229920002120 photoresistant polymer Polymers 0.000 claims description 40
- 238000011161 development Methods 0.000 claims description 27
- 238000012360 testing method Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 20
- 238000000206 photolithography Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 13
- 239000000758 substrate Substances 0.000 claims description 9
- 150000001875 compounds Chemical class 0.000 claims description 8
- 230000002452 interceptive effect Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 238000005286 illumination Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 6
- 238000002360 preparation method Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 17
- 238000001459 lithography Methods 0.000 description 15
- 238000013178 mathematical model Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 11
- 238000002310 reflectometry Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012634 optical imaging Methods 0.000 description 4
- 238000000623 plasma-assisted chemical vapour deposition Methods 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000001312 dry etching Methods 0.000 description 3
- 238000005530 etching Methods 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004544 sputter deposition Methods 0.000 description 3
- 238000001039 wet etching Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005229 chemical vapour deposition Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000012942 design verification Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000011068 loading method Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012858 packaging process Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 238000001259 photo etching Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000013386 optimize process Methods 0.000 description 1
- 238000006552 photochemical reaction Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000004579 scanning voltage microscopy Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007740 vapor deposition Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09F—DISPLAYING; ADVERTISING; SIGNS; LABELS OR NAME-PLATES; SEALS
- G09F9/00—Indicating arrangements for variable information in which the information is built-up on a support by selection or combination of individual elements
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种显示面板的工艺数据的验证方法、设备、存储介质、产品,涉及工艺验证技术领域。显示面板的工艺数据的验证方法包括:基于显示面板的任一工艺过程的设计数据来生成用于执行工艺过程的仿真工艺数据;使用工艺模型来模拟使用仿真工艺数据执行工艺过程;以及使用测量模型来基于模拟结果验证仿真工艺数据是否可用于实际生产,其中工艺模型是基于在显示面板的实际制造过程中产生的实际工艺数据来构建的,测量模型是基于在显示面板的实际制造过程中产生的实际工艺数据和实际测量数据来构建的。
Description
本公开涉及工艺验证技术领域,尤其涉及一种显示面板的工艺数据的验证方法、显示面板的生产方法、电子设备、存储介质和计算机程序产品。
通常,显示产品在上市前需要经过严格的标准验证。例如OLED产品的背板制造工艺阶段、蒸镀封装工艺阶段和模组工艺阶段等,均需要进行合理性验证。由于设备的工艺波动问题,需要调整多次才能达成设计所需要的工艺参数。这就会导致验证阶段的时间很长,尤其是新产品验证所需时间就会更长,影响了新产品的研发进度。
发明内容
本公开提供了一种显示面板的工艺数据的验证方法、显示面板的生产方法、电子设备、存储介质和计算机程序产品。
根据一方面,本公开提供了一种显示面板的工艺数据的验证方法,包括:基于显示面板的任一工艺过程的设计数据来生成用于执行工艺过程的仿真工艺数据;使用工艺模型来模拟使用仿真工艺数据执行工艺过程;以及使用测量模型来基于模拟结果验证仿真工艺数据是否可用于实际生产,其中工艺模型是基于在显示面板的实际制造过程中产生的实际工艺数据来构建的,测量模型是基于在显示面板的实际制造过程中产生的实际工艺数据和实际测量数据来构建的。
例如,使用工艺模型来模拟使用仿真工艺数据执行工艺过程包括:使用工艺模型来确定在使用仿真工艺数据执行工艺过程的情况下所能得到的显示面板的特征数据。
例如,使用测量模型来基于模拟结果验证仿真工艺数据是否可用于实际生产包括:使用测量模型在实际工艺数据当中确定与仿真工艺数据之间的相似度高于预设相似度阈值的实际工艺数据作为相似工艺数据;在实际测量数据当中确定使用相似工艺数据实际执行工艺过程所得到的显示面板的特征数据作为实际特征数据;以及响应于实际特征数据与工艺模型输出的特征数据之间的差异小于预设差异阈值,确定仿真工艺数据可用于实际生产。
例如,验证方法还包括:在使用测量模型来基于模拟结果验证仿真工艺数据是否可 用于实际生产之前,使用控制模型对实际工艺数据应用反馈参数算法来计算工艺波动,并将工艺波动施加到工艺模型输出的特征数据。
例如,反馈参数算法包括移动平均算法、加权移动平均算法和指数移动平均算法之一。
例如,移动平均算法包括根据以下公式来计算连续多个周期的工艺参数的平均值:
其中C
1,C
2,...C
n是每个周期的工艺参数的值,n为大于1的整数。
例如,加权移动平均算法包括末日加权算法、线性加权算法、梯形加权算法和平方系数加权算法之一。
例如,末日加权算法包括根据以下公式来计算连续多个周期的工艺参数的加权平均值:
其中C
1,C
2,...C
n是每个周期的工艺参数的值,n为大于1的整数。
例如,线性加权算法包括根据以下公式来计算连续多个周期的工艺参数的加权平均值:
其中C
1,C
2,...C
n是每个周期的工艺参数的值,n为大于1的整数。
例如,梯形加权算法包括根据以下公式来计算连续多个周期的工艺参数的加权平均值:
其中C
1,C
2,...C
n是每个周期的工艺参数的值,n为大于1的整数。
例如,平方系数加权算法包括根据以下公式来计算连续多个周期的工艺参数的加权平均值:
其中C
1,C
2,...C
n是每个周期的工艺参数的值,n为大于1的整数。
例如,指数移动平均算法包括根据以下公式来计算连续多个周期的工艺参数的加权平均值:
其中C
1,C
2,...C
n是每个周期的工艺参数的值,n为大于1的整数,α为加权指数。
例如,显示面板的任一工艺过程包括背板制造工艺。
例如,显示面板的任一工艺过程包括背板制造工艺中用于形成膜层的光刻工艺,设计数据包括掩模板的设计图,基于显示面板的任一工艺过程的设计数据来生成用于执行工艺过程的仿真工艺数据包括以下操作中的至少之一:对掩膜板的设计图的至少部分区域进行仿真,得到测试图;根据接收到的曝光参数设定信息来生成曝光工艺参数;根据接收到的抗蚀剂参数设定信息来生成抗蚀剂工艺参数;以及根据接收到的显影参数设定信息来生成显影工艺参数。
例如,生成曝光工艺参数包括以下各项中的至少之一:数值孔径、波长、相干因子、照明类型、曝光倍率和焦点位置。
例如,生成抗蚀剂工艺参数包括以下各项中的至少之一:光致抗蚀剂的类型、光致抗蚀剂的厚度和显影速率、基底材料和光敏化合物PAC浓度分布。
例如,基于显示面板的任一工艺过程的设计数据来生成用于执行工艺过程的仿真工艺数据还包括以下至少之一:基于曝光工艺参数对测试图进行透镜投影仿真,得到空间像数据;以及基于显影参数来生成显影后的膜层的图形数据。
例如,该验证方法还包括:通过用户交互界面来展示空间像数据和图形数据中的至少之一并接收用户输入,以及根据用户输入来调整曝光工艺参数、抗蚀剂工艺参数和显影工艺参数中的至少之一。
例如,实际测量数据包括在任一工艺过程开始之前测量得到的数据以及在任一工艺过程开始之后测量得到的数据。
例如,该方法还包括:更新实际工艺数据和实际测量数据;以及根据更新的实际工艺数据和实际测量数据来更新工艺模型和测量模型。
例如,该方法还包括:响应于验证了仿真工艺数据通过验证可用于实际生产,将仿真工艺数据应用于显示的实际制造过程。
例如,该验证方法还包括:将经验证可用于实际生产的仿真工艺数据形成为制造工艺文件。
根据另一方面,本公开提供了一种电子设备,包括存储器和处理器,存储器存储有可被处理器执行的指令,指令被处理器执行,以使处理器能够执行根据本公开实施例的方法。
根据另一方面,本公开提供了一种存储有计算机指令的非瞬时计算机可读存储介质, 其中,计算机指令用于使计算机执行根据本公开实施例的方法。
根据另一方面,本公开提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现根据本公开实施例的方法。
根据另一方面,本公开提供了一种显示面板的生产方法,包括物理制造过程和数字处理过程,其中,
在所述物理制造过程中执行显示面板的至少一个工艺过程,得到实际工艺数据和实际测量数据;
在所述数字处理过程中,使用基于所述实际工艺数据和实际测量数据而生成的工艺模型和测量模型来执行根据本公开实施例的验证方法,以验证仿真工艺数据是否可用于实际生产。
例如,在所述物理制造过程中执行显示面板的至少一个工艺过程包括:依次执行前测量操作、准备操作、载入工艺数据操作、工艺加工操作和后测量操作,其中在所述载入工艺数据操作中载入了所述实际工艺数据,所述前测量操作、所述工艺加工操作和所述后侧量操作中的至少之一产生了所述实际测量数据。
例如,该生产方法还包括:响应于经验证所述仿真工艺数据可用于实际生产,将所述仿真数据作为实际工艺数据应用于所述物理制造过程中的载入工艺数据操作。
例如,该生产方法还包括:再次执行物理制造过程,以产生新的实际工艺数据和新的实际测量数据;以及基于新的实际工艺数据和新的实际测量数据来更新所述工艺模型和测量模型。
图1是根据本公开一个实施例的显示面板的工艺数据的验证方法的流程图;
图2A是根据本公开另一个实施例的显示面板的工艺数据的验证方法的流程图;
图2B是根据本公开一个实施例的显示面板的生产方法的示意图;
图3是根据本公开一个实施例的光刻工艺数据的验证过程的示意图;
图4是根据本公开一个实施例的生成光刻工艺仿真工艺数据的流程图;
图5A和图5B是根据本公开一个实施例的光刻设计仿真中测试图形生成功能的示意图;
图5C是根据本公开一个实施例的光刻设计仿真中版图布尔运算功能的示意图;
图5D和图5E是根据本公开一个实施例的光刻设计仿真中工艺窗口分析功能的示 意图;
图5F是根据本公开一个实施例的光刻设计仿真中艺叠层反射率分析功能的示意图;
图5G是根据本公开一个实施例的光刻设计仿真中光刻光学成像仿真功能的示意图;以及
图6是根据本公开一个实施例适于实现显示面板的工艺数据的验证方法的电子设备的框图。
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例是本公开的一部分实施例,而不是全部。基于所描述的本公开实施例,本领域普通技术人员在无需创造性劳动的前提下获得的所有其他实施例都属于本公开保护的范围。应注意,贯穿附图,相同的元素由相同或相近的附图标记来表示。在以下描述中,一些具体实施例仅用于描述目的,而不应该理解为对本公开有任何限制,而只是本公开实施例的示例。在可能导致对本公开的理解造成混淆时,将省略常规结构或配置。应注意,图中各部件的形状和尺寸不反映真实大小和比例,而仅示意本公开实施例的内容。
除非另外定义,本公开实施例使用的技术术语或科学术语应当是本领域技术人员所理解的通常意义。本公开实施例中使用的“第一”、“第二”以及类似词语并不表示任何顺序、数量或重要性,而只是用于区分不同的组成部分。
图1是根据本公开一个实施例的显示面板的工艺数据的验证方法的流程图。
如图1所示,工艺数据的验证方法可以包括操作S110至S130。
在操作S110,基于显示面板的任一工艺过程的设计数据来生成用于执行工艺过程的仿真工艺数据。
例如,设计数据可以包括设计文件。设计文件包括与显示面板的该工艺过程的设计相关的信息,例如但不限于制造显示面板的该工艺过程要使用的或生成的一个或多个部件的设计图和设计参数。在一些实施例中,设计数据还可以包括与显示面板设计相关的其他数据,例如与显示面板的制造工艺相关的参数、条件等等。以显示面板的光刻工艺过程为例,设计数据可以包括光刻工艺中涉及的以下数据中的至少之一:掩膜板的设计图、曝光参数设定信息、抗蚀剂参数设定信息和显影参数设定信息。可以通过例如用户交互界面来接收用户输入的各种设计数据,并根据接收到的设计数据来生成相应的工艺 数据作为仿真工艺数据。例如计算机可以对接收到掩膜板的设计图进行选择和切分,得到适合于设计者查看的测试图。在一些实施例中,计算机还可以根据曝光参数设定信息来生成曝光工艺参数,根据抗蚀剂参数设定信息来生成抗蚀剂工艺参数,根据彰显参数设定信息来生成彰显工艺参数。在一些实施例中,计算机还可以根据接收到的各种设计数据,通过模型推演或计算来生成各种仿真结果图,以供设计者查看。设计者可以根据仿真结果图,通过交互界面对设计数据进行调整。计算机可以根据设计者调整后的设计数据来重新生成仿真工艺数据。通过反复的调整,可以最终获得更符合实际需求的仿真工艺数据。这个过程也称作产品设计仿真过程。
产品设计仿真过程可以借助于仿真设计软件来实现。例如,仿真软件可以根据工艺要求,选择光刻胶。仿真软件可以根据所需形成的光刻图像,模拟设计掩膜版图像。仿真软件还可以模拟光刻胶在受到光辐照(曝光)后发生的光化学反应。光刻胶中受到光辐照的部分和未受到光辐照的部分的内部结构会发生不同的化学变化,使得光刻胶中受到光辐照的部分和未受到光辐照的部分在显影液中的溶解速度相差非常大。仿真软件可以模拟光刻胶的此种特性,结合掩膜板的图案,得到在光刻胶上形成的与掩膜版相应的图像。此外,仿真软件可以模拟曝光过程利用高精度对准光刻机进行,模拟不同的曝光时间、不同的曝光光源、不同类型的光刻胶、光刻胶的不同粘度和厚度等。例如,仿真软件在模拟光刻工艺过程所使用的工艺数据可以输出作为光刻工艺过程对应的仿真工艺数据。例如,掩膜版图形、曝光时间、曝光光源、光刻胶类型、光刻胶的粘度和厚度等。
在操作120,使用工艺模型来模拟使用仿真工艺数据来执行工艺过程,
在操作130,使用测量模型来基于模拟结果来验证仿真工艺数据是否可用于实际生产。
工艺模型是基于在显示面板的实际制造过程中产生的实际工艺数据来构建的,测量模型是基于在显示面板的实际制造过程中产生的实际工艺数据和实际测量数据来构建的。
例如,实际工艺数据和实际测量数据可以是显示面板的实际制造过程中产生的历史数据。由于受实际生产工艺中设备工艺波动的影响,实际工艺数据和实际测量数据也是波动的。因此,根据实际工艺数据建立的工艺模型以及根据实际工艺模型和实际测量数据建立的测量模型可以表征实际生产工艺中设备工艺波动情况。根据工艺模型和测量模型对仿真工艺数据进行虚拟验证仿真,可以得到贴近实际生产情况的工艺数据。
例如,实际测量数据包括在任一工艺过程开始之前测量得到的数据以及在任一工艺过程开始之后测量得到的数据。在任一工艺过程开始之前测量得到的数据可以包括工艺设备当前的静态数据和制备显示面板的原料数据等等。在任一工艺过程开始之后测量得到的数据可以包括工艺设备当前的工作运行数据和样品数据等等。
本公开实施例的验证方法适用于显示面板制造工艺中的任一工艺过程,可以基于设计数据生成用于执行工艺过程的仿真工艺数据并基于用实际数据构建的工艺模型和测量模型对仿真工艺数据的可行性进行虚拟验证,从而将显示面板的设计仿真的数据和虚拟验证仿真的数据互联互通,实现完整的工艺数字孪生。相比于传统技术中的人工验证,缩短了显示面板的设计和验证时间。
图2A是根据本公开另一个实施例的显示面板的工艺数据的验证方法的流程图。如图2A所示,工艺数据的验证方法可以包括操作S210至S260。
在操作S210,基于显示面板的任一工艺过程的设计数据来生成用于执行工艺过程的仿真工艺数据。
例如,可以使用仿真软件来基于显示面板的任一工艺过程的设计数据来生成用于执行工艺过程的仿真工艺数据。例如,用户可以启动仿真软件的界面,并在界面中设置参数,以使得计算机基于显示面板的设计数据和用户设置的参数来生成用于执行显示面板的工艺过程的仿真工艺数据。仿真工艺数据可以包括多种仿真工艺参数,例如但不限于GDS设计图、剂量(Dose)、特征尺寸(CD,Critical Dimension)、机械设计图、电路设计图、结构设计图、曝光波长、光谱比重、光源类型、孔径值、光刻胶胶厚、显影液浓度、软烤温度、预烤温度和时间等。作为示例,计算机可以基于显示面板的设计图生成测试图,并根据用户设置的参数生成诸如曝光波长、孔径值、光刻胶厚度、显影液浓度之类的各种仿真工艺参数。用户输入的参数可以表征用户对显示面板规格的需求。在一些实施例中,还可以根据测试图和/或生成的各种工艺参数来生成仿真结果图,以供用户查看。用户可以根据仿真结果图来调整输入,计算机可以根据调整后的用户输入的来相应调整所生成的各种工艺参数。用户还可以在仿真软件的界面上可以对仿真过程进行调试。仿真软件的仿真过程可以是模拟工艺过程的多种环境参数、设备参数、材料参数、化学反应和物理反应等,通过求解器以数值计算的方式进行仿真计算。
例如,显示面板的设计数据可以包括显示面板的任一工艺过程的设计数据。显示面 板的工艺过程包括背板制造工艺、蒸镀封装工艺和模组工艺等等。显示面板的设计数据可以包括GDS设计图、电路设计图,结构设计图、机械设计图、剂量、特征尺寸等等。在不同的工艺阶段,可以采用不同的仿真软件。对于每一种工艺过程,仿真软件都会生成相应的仿真工艺参数。每个工艺过程对应的仿真工艺参数的类型可能是相同的,也可能是不同的。例如,对于背板制造工艺中的光刻工艺过程,输入至仿真软件的设计数据可以包括GDS设计图、特征尺寸和推荐剂量等。
上述过程可以称作显示面板设计仿真过程。在通过上述显示面板设计仿真生成了仿真工艺数据之后,可以基于数学模型,模拟使用仿真工艺数据来执行工艺过程,并基于模拟结果来验证仿真工艺数据是否可用于实际生产,该过程也称作虚拟验证仿真。例如,仿真软件输出的仿真工艺数据可作为虚拟验证仿真过程的输入。将经验证可用于实际生产的的仿真工艺数据可以形成制造工艺文件。制造工艺文件可以以图样、简图、文字内容或表格的形式展示。制造工艺文件包括的工艺数据是可以用于实际生产的工艺数据。制造工艺文件也可以包括工艺规程和工艺卡。工艺规程可以包括工艺过程的操作方法,工艺卡可以包括工艺过程涉及的工艺参数和工艺标准。例如制造工艺文件包括对仿真软件输出的仿真工艺数据进行验证后的满足显示面板需求的仿真工艺数据,包括剂量信息,曝光波长、光谱比重、光源类型、孔径值、光刻胶胶厚、显影液浓度、软烤温度、预烤温度和时间等。
在得到仿真工艺数据后,还需要对仿真工艺数据进行虚拟验证仿真。例如,基于数据模型模拟使用仿真工艺数据来执行工艺过程,并基于模拟结果来验证仿真工艺数据是否可用于实际生产。数学模型可以包括工艺模型和测量模型。在一些实施例中,数学模型还可以包括控制模型。下面将结合以下步骤S220至S240对虚拟验证仿真进行说明。
在操作S220,使用工艺模型来确定在使用仿真工艺数据执行工艺过程的情况下所能得到的显示面板的特征数据。
工艺模型可以是根据实际工艺数据构建的工艺机理模型。工艺模型可以以仿真工艺数据作为输入并且以显示面板的特征数据作为输出,通过建立输入与输出之间的线性或非线性关系来模拟工艺过程的执行。例如,根据工艺机理模型(例如,光刻的物理模型,刻蚀和化学气相沉积的漂移扩散模型),建立一个准确的数学公式来标识输入输出之间的关系(线性或者非线性)。再通过实验或者量产的工艺参数,对该数学公式进行调优, 以得到工艺模型。从而工艺模型可以基于多种仿真工艺参数与特征数据之间的线性关系或非线性关系生成显示面板的任一工艺过程相应的特征数据。
在操作S230,使用控制模型对实际工艺数据应用反馈参数算法来计算工艺波动,并将工艺波动施加到工艺模型输出的特征数据。
控制模型可以是根据实际工艺数据来构建的波动规律模型。控制模型用于将基于实际工艺数据计算出的工艺波动应用于模拟结果,以产生调整后的模拟结果。控制模型可以模拟要仿真的工艺过程的运行逻辑并实现模型状态的管理(数据筛选,控制逻辑)。控制模型可以选择一个最优化过程控制模型中的反馈参数算法来根据实际制造过程中产生的工艺数据和/或测量数据来计算工艺波动。反馈参数算法可以对工艺波动进行自动校正。运行逻辑可以是由工艺工程师将业务流程抽象出模型。模型状态管理可以包括对每个业务流程需要的工艺数据来源的筛选。业务流程的改变需要调节控制逻辑,例如增加、删除、改变和查询。反馈参数算法可以包括移动平均算法、加权移动平均算法和指数移动平均算法之一。
在操作S240,使用测量模型将实际特征数据与工艺模型输出的特征数据进行差异性比较。
测量模型可以是根据实际测量数据和实际工艺数据来构建的统计学模型。例如可以根据实际测量数据基于机器学习算法(SVM,决策树,随机森林,逻辑回归,贝叶斯等)构建测量模型。测量模型用于通过将针对仿真工艺数据的模拟结果与针对实际工艺数据的实际测量数据相比较,来验证仿真工艺数据是否可用于实际生产。
例如,测量模型可以在实际工艺数据当中确定与仿真工艺数据之间的相似度高于预设相似度阈值的实际工艺数据作为相似工艺数据,在实际测量数据当中确定使用相似工艺数据实际执行工艺过程所得到的显示面板的特征数据作为实际特征数据。然后,测量模型可以将上述实际特征数据与上述由工艺模型产生的并由控制模型施加了工艺波动之后的特征数据进行比较,如果二者之间的差异小于预设差异阈值,确定仿真工艺数据可用于实际生产。
上述实施例中虽然通过与阈值相比较的方式来判定差异的大小是否符合预定的要求,然而本公开的实施例不限于此,还可以根据其他计算方式来确定差异的大小是否符合预定的要求,这里不再赘述。
在操作S250,基于比较结果来判断仿真工艺数据是否通过验证,如果通过验证,则执行操作S260,否则可以返回步骤S210,以便用户调整设计数据或者调整参数设置。
例如,如果操作S230中通过基于仿真工艺参数进行模拟计算得到的特征数据与实际生产过程中采用与仿真工艺参数相似的工艺参数制造得到结构的特征数据匹配,则认为仿真工艺数据通过了验证,否则认为未通过验证。验证结果通过产品需求的制造工艺标准,可认为通过关于显示面板的产品设计仿真得到的仿真工艺数据在真实的物理工艺设备中可以生成出符合预设需求的合格显示面板。如果验证结果不通过,可认为通过关于显示面板的产品设计仿真得到的仿真工艺数据在真实的物理工艺设备中生成显示面板可能不符合预设需求,从而需要对显示面板的设计数据进行修改,以得到满足显示面板需求的制造工艺标准的验证结果。
以光刻工艺为例,假设在操作S210生成了曝光工艺参数A1、抗蚀剂工艺参数A2和彰显工艺参数A3,那么在操作S220基于工艺参数A1、A2和A3来模拟光刻工艺过程,通过计算得到了光刻图案的形状、尺寸等特征数据。在操作S230对操作S220模拟出的特征数据添加工艺波动。然后,在步骤S240可以使用测量模型在实际生产过程中使用的各种各样的工艺参数的数值当中,确定与A1、A2和A3之间的差值分别小于预设阈值的曝光工艺参数、抗蚀剂工艺参数和彰显工艺参数。如果找到了这样的工艺参数,例如曝光工艺参数B1、抗蚀剂工艺参数B2和彰显工艺参数B3,其中A1与B1之间的差值、A2与B2之间的差值以及A3与B3之间的差值均小于预先设定的阈值,那么则将实际工艺数据B1、B2、B3作为仿真工艺数据A1、A2、A3的相似工艺数据。然后,在实际测量数据当中,寻找使用曝光工艺参数B1、抗蚀剂工艺参数B2和彰显工艺参数B3进行实际光刻工艺的情况下测量得到的光刻图案的特征数据,例如光刻图案的形状、尺寸等,作为实际特征数据。然后,在步骤S250将实际特征数据(即测量得到的光刻图案的形状、尺寸等)与步骤S230提供的特征数据(即,工艺模型通过虚拟仿真得到的光刻图案的尺寸、形状等)进行比较,如果二者之间的差异小于预设的阈值,则认为基于仿真工艺参数A1、A2和A3通过虚拟仿真得到的光刻图案与实际生产过程中基于相似的实际工艺参数B1、B2和B3执行光刻工艺所得到的光刻图案是大体上一致的,从而可以认为仿真工艺参数A1、A2和A3在实际制造当中是可行的,即,通过了验证。反之,如果基于仿真工艺参数A1、A2和A3通过虚拟仿真得到的光刻图案与基于工艺 参数B1、B2和B2在实际制造过程中得到的光刻图案之间的差异过大以至于超过了可接受的范围,则认为仿真工艺参数A1、A2和A3应用于实际制造是不可行的,即,未通过验证。
在操作S260,将仿真工艺数据应用于显示面板的实际制造过程。
例如,在显示面板设计经过虚拟验证仿真后,如果能够达到标准,则将设计数据导入真实的物理工艺设备。如果虚拟验证仿真的数据不满足实际物理工艺生产的条件,可以及时修改显示面板的设计数据。通过虚拟验证的方法,将满足实际物理工艺生产的条件仿真工艺数据应用于显示面板的实际制造过程,可以缩短显示面板设计验证时间,加快新显示面板上市速度。
在一些实施例中,操作S230可以是可选的。例如,在一些实施例中,可以省略操作230,以提高处理速度。在省略了操作S230情况下,在操作S240中,测量模型可以将操作S220中工艺模型输出的显示面板的特征数据与实际特征数据进行差异比较,以此来判断仿真工艺参数是否通过验证。
在本公开实施例中,还可以更新实际工艺数据和实际测量数据,并根据更新的实际工艺数据和实际测量数据来更新数学模型,例如更新上述工艺模型、测量模型和控制模型中的至少之一。
例如,可以周期性地或者在完成真实的制造工艺后,再次获取真实的制造工艺产生的实际工艺数据和实际测量数据来加入或替换已有的实际工艺数据和实际测量数据,从而实现实际工艺数据和实际测量数据的更新。可以基于更新后的实际工艺数据和实际测量数据来调整数学模型。虚拟验证仿真过程可以使用更新后的数学模型对显示面板设计仿真过程产生的仿真工艺数据进行验证。
在一些实施例中,还可以根据验证结果对生产参数进行优化。在一些实施例中,还可以根据验证结果进行故障预测维修和不良预测。
图2B是根据本公开一个实施例的显示面板的生产方法的示意图。如图2B所示,显示面板的生产包括数字处理过程260和物理制造过程270。
数字处理过程260也称作数字工艺,是虚拟工艺过程,包括显示面板设计仿真261和虚拟验证仿真262。物理制造过程270也称作物理工艺,是真实的工艺过程。物理制造过程270包括前测量、准备工作、载入工艺数据、工艺加工和后测量过程。物理制造 过程270产生的数据可以包括实际工艺数据和实际测量数据。在物理制造过程270中,前测量过程产生工艺前的实际测量数据,后测量过程产生工艺后的实际测量数据。准备工作过程和工艺加工过程可以产生工艺数据。物理制造过程270产生的实际数据可以用于构建和优化数字处理过程260所需的数学模型。
虚拟验证仿真262过程的构建数学模型可以包括工艺模型2621、控制模型2622和测量模型2623。工艺模型2621可以是根据实际工艺数据构建的,控制模型2622也可以是根据实际工艺数据来构建的,测量模型2623可以是根据实际测量数据和实际工艺数据来构建的。
在本公开实施例中,数字处理过程260中产品设计仿真261过程产生的仿真工艺数据包括多种仿真工艺参数。在虚拟验证仿真262中,可以使用工艺模型2621来确定在使用仿真工艺数据执行工艺过程的情况下所能得到的显示面板的特征数据;使用控制模型2622对实际工艺数据应用反馈参数算法来计算工艺波动并将工艺波动施加到工艺模型2621输出的特征数据,得到调整后的特征数据;以及使用测量模型2623将调整后的特征数据与实际特征数据进行差异性比较,并响应于实际特征数据与工艺模型2621输出的特征数据之间的差异小于预设差异阈值,确定仿真工艺数据通过验证,可用于实际生产。测量模型2623在实际工艺数据当中确定与仿真工艺数据之间的相似度高于预设相似度阈值的实际工艺数据作为相似工艺数据,在实际测量数据当中确定使用相似工艺数据实际执行工艺过程所得到的显示面板的特征数据作为实际特征数据。
例如,对于剂量和特征尺寸,剂量与特征尺寸具有线性关系,遵循y=kx的约束。其中y为剂量,x为特征尺寸,k可以是一个线性参数,线性参数可以是根据历史经验总结出来。在仿真工艺数据为剂量的情况下,工艺模型2621可以根据线性关系y=kx,生成相应的特征尺寸。根据不同的工艺和机理,参数k可以是线性,也可以是非线性的。
例如,控制模型2622可以是根据设备的工艺波动形成的波动规律模型。
例如,反馈参数算法包括移动平均算法、加权移动平均算法和指数移动平均算法。可以从移动平均算法、加权移动平均算法和指数移动平均算法中选择其中一种算法作为最优化算法。
例如,移动平均算法包括根据以下公式来计算连续多个周期的工艺参数的平均值:
其中C
1,C
2,...C
n是每个周期的工艺参数的值,n为大于1的整数。
例如,加权移动平均算法包括末日加权算法、线性加权算法、梯形加权算法和平方系数加权算法之一。
例如,末日加权算法包括根据以下公式来计算连续多个周期的工艺参数的加权平均值:
其中C
1,C
2,...C
n是每个周期的工艺参数的值,n为大于1的整数。
例如,线性加权算法包括根据以下公式来计算连续多个周期的工艺参数的加权平均值:
其中C
1,C
2,...C
n是每个周期的工艺参数的值,n为大于1的整数。
例如,梯形加权算法包括根据以下公式来计算连续多个周期的工艺参数的加权平均值:
其中C
1,C
2,...C
n是每个周期的工艺参数的值,n为大于1的整数。
例如,平方系数加权算法包括根据以下公式来计算连续多个周期的工艺参数的加权平均值:
其中C
1,C
2,...C
n是每个周期的工艺参数的值,n为大于1的整数。
例如,指数移动平均算法包括根据以下公式来计算连续多个周期的工艺参数的加权平均值:
其中C
1,C
2,...C
n是每个周期的工艺参数的值,n为大于1的整数,α为加权指数。
例如,测量模型2623可以是由设备的历史的测量数据形成的设备测量的统计模型。
历史的测量数据是实际工艺生成中的真实测量的数据,真实测量的数据根据构建测量模型。通过测量模型2623将控制模型2622生成的调整后特征数据与实际特征数据进行差异性比较,并基于比较结果来判断仿真工艺数据是否通过验证。构建的测量模型2623可以用于虚拟验证仿真中的验证环节,因为虚拟验证环节没有进行实际的生产,所以需要测量模型2623来进行虚拟量测。
例如,在完成背板制造工艺的虚拟验证仿真后,将虚拟验证仿真的输出的仿真工艺参数与历史的实际工艺数据进行匹配,如果是,则认为仿真工艺数据通过了验证,否则认为未通过验证。
基于本公开实施例的显示面板的工艺数据的验证方法,本公开还可以提供一种显示面板的生产方法。
例如,显示面板的生产方法包括物理制造过程(例如上述物理制造过程270)和数字处理过程(例如上述数字处理过程260)。
在物理制造过程中,可以执行显示面板的至少一个工艺过程,得到实际工艺数据和实际测量数据。例如在所述物理制造过程中可以依次执行前测量操作、准备操作、载入工艺数据操作、工艺加工操作和后测量操作,其中在所述载入工艺数据操作中载入了所述实际工艺数据,所述前测量操作、所述工艺加工操作和所述后侧量操作中的至少之一产生了所述实际测量数据。
在数字处理过程中,可以使用基于所述实际工艺数据和实际测量数据而生成的工艺模型和测量模型来执行上述任意实施例的验证方法,以验证仿真工艺数据是否可用于实际生产。在一些实施例中,还可以响应于经验证所述仿真工艺数据可用于实际生产,将所述仿真数据作为实际工艺数据应用于所述物理制造过程中的载入工艺数据操作。
例如,实际测量数据包括中任一工艺过程开始之前测量得到的数据以及在任一工艺过程开始之后测量得到的数据。例如,物理制造过程270的前测量操作得到的测量数据和后测量操作得到的测量数据。
例如,在显示面板的生产方法中,还可以再次执行物理制造过程,以产生新的实际工艺数据和新的实际测量数据;以及基于新的实际工艺数据和新的实际测量数据来更新数学模型。再次执行物理制造过程270的前测量操作、准备操作、载入工艺数据操作、 工艺加工操作和后测量操作后,将此次执行物理制造过程270实际生产的仿真数据作为实际工艺数据应用于数字处理过程260,作为更新的实际工艺数据和实际测量数据,并根据更新的实际工艺数据和实际测量数据来更新数学模型。
通过本公开实施例,数字工艺根据物理工艺提供真实工艺数据构建和调整数据模型,实现数字工艺和物理工艺之间的数据共享和数据交互。在数字工艺中,显示面板设计仿真和虚拟验证仿真的数据互联互通,形成一个完整的工艺数字孪生过程,从而形成一个产品设计-产品设计仿真-虚拟验证仿真的工艺数字孪生闭环,实现虚拟数据和真实数据的互联互通。通过虚拟验证仿真对产品设计仿真的结果进行验证并给出显示面板的设计数据的优化方向,从而及时修改显示面板的设计数据,实现缩短显示面板设计验证时间,加快新显示面板上市速度。
显示面板的任一工艺过程可以包括背板制造工艺。背板制造工艺可以包括涂覆、光刻和刻蚀工艺。涂覆工艺包括溅射过程(Sputter)和等离子体增强化学气相沉积过程(PECVD,Plasma Enhanced Chemical Vapor Deposition)。溅射过程利用物理溅射原理沉积金属膜层。PECVD利用化学气相沉积的方法沉积半导体或非金属膜层。光刻工艺包括导轨过程(Track)和光刻过程(Aligner),导轨过程在基板上涂覆对光敏感的光刻胶,曝光完成后将被曝光的光刻胶显影掉。光刻过程用紫外光将没有掩膜的光刻胶感光,完成曝光。刻蚀工艺包括干刻蚀(Dry Etch)、湿刻蚀(Wet Etch)、去胶工艺(Strip)和清洗过程(Clearner)。干刻蚀用反应气体干法刻蚀掉非金属或金属膜层,湿刻蚀用化学药液如酸湿法刻蚀掉金属膜层。去胶工艺用化学药液将外曝光的光刻胶剥离掉。清洗过程在沉积前对膜层进行清洗。
图3是根据本公开一个实施例的虚拟验证仿真的示意图。
如图3所示,物理光刻工艺包括多个光刻过程310、320、330。在每个光刻过程结束后,可以执行一次测量操作,以获得实际测量数据。例如在光刻过程310之后执行一次测量操作340,在光刻过程320之后执行测量操作350。可以获取每个光刻过程产生的工艺数据以及每个测量操作产生的测量数据以用于构建虚拟验证仿真中的数学模型。
例如,光刻过程310产生工艺数据PD1,随后测量操作340产生测量数据MD1,接着下一周期的光刻过程320产生工艺数据PD2,随后测量操作350产生测量数据MD2,接着下一周期的光刻过程330产生工艺数据PD3,以此类推。根据光刻过程生成的工艺 数据和针对光刻过程进行测量生成的测量数据可以用于构建虚拟验证仿真360中的测量模型。在一些实施例中,这些工艺数据和测量数据还可以用于数学模型的调整和优化。
图4是根据本公开一个实施例的生成光刻工艺仿真工艺数据的流程图。
显示基板的任一工艺过程包括背板制造工艺中用于形成膜层的光刻工艺,光刻工艺可以包括掩模设计、曝光、抗蚀和显影过程。设计数据包括掩模板的设计图,基于显示面板的设计数据来生成光刻工艺的仿真工艺数据的步骤可以包括操作S410至S440中的至少之一。
在操作S410,对掩膜板的设计图的至少部分区域进行仿真,得到测试图。
例如,在掩模设计过程中,在仿真软件中将掩模板的设计图的导入设计数据,可以在基板上限定后续需要刻蚀的目标图形的位置进行选定和仿真,从而生成测试图。
在操作S420,根据接收到的曝光参数设定信息来生成曝光工艺参数。
例如,在曝光过程中,在仿真软件中生成曝光机设备的曝光工艺参数,生成曝光工艺参数包括以下各项中的至少之一:数值孔径、波长、相干因子、照明类型、曝光倍率和焦点位置等。
在操作S430,根据接收到的抗蚀剂参数设定信息来生成抗蚀剂工艺参数。
例如,在抗蚀过程中,生成抗蚀剂工艺参数包括以下各项中的至少之一:光致抗蚀剂的类型、光致抗蚀剂的厚度和显影速率、基底材料和光敏化合物PAC浓度分布。
在仿真软件中导入光刻胶参数、光刻胶类型,光刻胶胶厚、显影速率、不同衬底膜层(金属或非金属材料)等参数,能够得到光敏化合物浓度分布。
在操作S440,根据接收到的显影参数设定信息来生成显影工艺参数。
在本公开实施例中,生成光刻工艺仿真工艺数据的方法在操作S410至S440的基础上还包括基于曝光工艺参数对测试图进行透镜投影仿真,得到空间像数据;以及基于显影参数来生成显影后的膜层的图形数据。
例如,基于显示面板的设计数据来生成光刻工艺的仿真工艺数据的步骤在操作S410至S440的基础上还可以包括通过用户交互界面来展示空间像数据和图形数据中的至少之一并接收用户输入,以及根据用户输入来调整曝光工艺参数、抗蚀剂工艺参数和显影工艺参数中的至少之一。
例如,在曝光过程中,基于经过透镜投影后的空间像分布,可以导出空间像数据。 在显影过程中,将显影参数导入仿真软件的显影模块,可以输出显影之后的图形。在用户交互界面来展示空间像数据和/或图像数据中,使得用户可以根据展示的空间像数据和/或图像数据,确定空间像数据和/或图像数据是否符合条件。在不符合条件的情况下,输入相关设置,以调整曝光工艺参数、抗蚀剂工艺参数和显影工艺参数中的至少之一。
图5A和图5B是根据本公开一个实施例的光刻设计仿真中测试图形生成功能的示意图。图5C是根据本公开一个实施例的光刻设计仿真中版图布尔运算功能的示意图。图5D和图5E是根据本公开一个实施例的光刻设计仿真中工艺窗口分析功能的示意图。图5F是根据本公开一个实施例的光刻设计仿真中艺叠层反射率分析功能的示意图。图5G是根据本公开一个实施例的光刻设计仿真中光刻光学成像仿真功能的示意图。
如图5A至5C所示,可以对掩膜板的设计图的至少部分区域进行仿真,得到测试图。可以根据设定的规则,生成常规系列的测试图像。也可以根据用户的特定需求,生成特殊测试图形。如图5A所示的交互界面用于展示预先设定的默认规则或者接收由用户根据特殊需要而输入的规则。计算机可以根据规则(例如X方向上的剪裁间距Clip Pitch X和剪裁尺寸Clip Size X和Y方向上的剪裁间距Clip Pitch Y和剪裁尺寸Clip Size Y等等)对掩膜板的设计图的至少部分区域进行位置选定和仿真,得到如图5B所示的测试图。如图5B所示,测试图可以包含特征尺寸cd、版图中图形的数量、图形之间的排列间距space、图形之间的缺口间隔gap和图形之间的中心间隔pitch等信息。如图5C所示,在版图布尔运算功能界面中,可以对测试图(例如图5B所示的测试图)进行分区域和分单元的查看和编辑,还可以对测试图中的图形进行布尔运算和对图形进行膨胀、收缩、翻转和抽取等操作,以及提供在动态范围进行压缩和放大的功能。例如,如图5C所示,原测试图包括3个并列排布的“I”型图形元素和1个“L”图形元素。通过对原测试图的布尔运算,使3个并列排布的“I”型图形元素合并成一个“I”型图形元素。布尔运算还可以包括对多个图形元素进行差集、并集和交集运算。
如图5D至5F所示,在生成测试图之后,可以通过交互界面来接收曝光参数设定信息、抗蚀剂参数设定信息和显影参数设定信息中的至少之一。例如,可以通过如图5D所示的界面来接收用户输入的曝光参数设定信息。计算机可以根据接收到的曝光参数设定信息生成曝光工艺参数,根据接收到的抗蚀剂参数设定信息来生成抗蚀剂工艺参数,根据接收到的显影参数设定信息来生成显影工艺参数。如图5E所示,基于如图5D所 设定的各种参数信息,可以进行工艺窗口分析。例如计算机根据用户给定的曝光剂量(Dose Factor)和离焦量(Defocus Values),获取仿真图形对应的光刻工艺窗口。例如,计算机根据选择在曝光仿真过程中可以关联分析空间像图像(Aerial image)、光刻胶中像(bulk image)、光敏化合物浓度分布图像(PAC image)。在曝光仿真过程中还可以为工艺窗口分析设置曝光焦点矩阵(曝光剂量和离焦量)、工艺窗口测量方法、特征尺寸规范(CD specification)、侧壁角规范(sidewall angle specification)抗蚀剂规范(resist less specification)、曝光纬度规范(expose latitude specification)、线边缘粗糙度规范(line edge roughness specification)等参数。计算机通过为工艺窗口分析设置的参数进行仿真,以保证能够正确光刻出掩模的测试图的图形。例如光刻工艺窗口的部分仿真结果如图5E所示,以椭圆为工艺窗口测量方法,仿真得到最佳焦点位置、最佳剂量和最佳特征尺寸等。此外也可以改变工艺窗口的形状和限制条件等参数,从而对多种形状的工艺窗口和限制条件进行仿真。如图5F所示,还可以进行工艺叠层反射率分析。例如可以针对单光刻胶膜层,分析光刻胶膜层的反射率(reflectivity),从而对多种单光刻胶膜层的厚度(thickness)进行仿真。也可以针对光刻胶加抗反层的多层膜结构,分析基底的反射率和多层膜的反射率,从而对光刻胶加抗反层的多层膜结构进行仿真。由此通过光刻工艺窗口仿真和工艺叠层反射率仿真可以得到曝光工艺参数,例如数值孔径、波长、相干因子、照明类型、曝光倍率和焦点位置等,以及抗蚀剂工艺参数,例如光致抗蚀剂的类型、光致抗蚀剂的厚度和显影速率、基底材料和光敏化合物PAC浓度分布。
如图5G所示,在一些实施例中,还可以基于曝光工艺参数对所述测试图进行透镜投影仿真,得到空间像数据。在一些实施例中,还可以基于显影参数来生成显影后的所述膜层的图形数据。例如在光刻光学成像功能界面中,可以对空间像、光刻胶中像和光敏化合物/光酸产生剂(PAC/PAG)浓度进行仿真建模,得到如图5G所示的光学成像仿真结果。例如,针对光源,可以支持对多种光源照明方式、多种光源分布、单波长照明和宽波带照明方式的仿真。针对掩模,可以进行二维薄掩模近似仿真和三维厚掩模分析仿真。针对仿真方法,可以采用基尔霍夫近似仿真和严格耦合波方法仿真。针对透镜,可以进行波像差分析仿真和干式***及浸没式***仿真。针对光刻胶,可以通过传输矩阵法,对光刻胶光学效应建模。例如,通过光刻建模使得仿真过程可以基于图5C所示的版图的“L”型图形元素进行光刻仿真,并基于仿真得到曝光工艺参数对测试图进行透 镜投影仿真,得到空间像数据。然后,可以通过用户交互界面来展示所述空间像数据和所述图形数据中的至少之一并接收用户输入。例如通过用户交互界面来展示如图5G所示的空间像数据、光刻胶中像和光敏化合物/光酸产生剂(PAC/PAG)浓度中的至少之一,以供用户参考。然后,用户可以通过交互界面来调整各种参数设定信息,计算机可以根据用户输入来调整所述曝光工艺参数、抗蚀剂工艺参数和显影工艺参数中的至少之一。
图6是根据本公开一个实施例适于实现显示面板的工艺数据的验证方法的电子设备的框图。如图6所示,根据本公开实施例的电子设备600包括处理器601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 603中,存储有电子设备600操作所需的各种程序和数据。处理器601、ROM 602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 602和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备600还可以包括输入/输出(I/O)接口605,输入/输出(I/O)接口605也连接至总线604。电子设备600还可以包括连接至I/O接口605的以下部件中的一项或多项:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
本公开还提供了一种非瞬时计算机可读存储介质,该计算机可读存储介质可以是上 述实施例中描述的设备/装置/***中所包含的;也可以是单独存在,而未装配入该设备/装置/***中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机***中运行时,该程序代码用于使计算机***实现本公开实施例所提供的产品的工艺数据的验证方法。
在该计算机程序被处理器601执行时执行本公开实施例的***/装置中限定的上述功能。根据本公开的实施例,上文描述的***、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分609被下载和安装,和/或从可拆卸介质611被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时,执行本公开实施例的***中限定的上述功能。根据本公开的实施例,上文描述的***、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象 的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (29)
- 一种显示面板的工艺数据的验证方法,包括:基于显示面板的任一工艺过程的设计数据来生成用于执行所述工艺过程的仿真工艺数据;使用工艺模型来模拟使用所述仿真工艺数据执行所述工艺过程;以及使用测量模型来基于模拟结果验证所述仿真工艺数据是否可用于实际生产,其中所述工艺模型是基于在显示面板的实际制造过程中产生的实际工艺数据来构建的,所述测量模型是基于在显示面板的实际制造过程中产生的实际工艺数据和实际测量数据来构建的。
- 根据权利要求1所述的方法,其中,所述使用工艺模型来模拟使用所述仿真工艺数据执行所述工艺过程包括:使用所述工艺模型来确定在使用所述仿真工艺数据执行所述工艺过程的情况下所能得到的显示面板的特征数据。
- 根据权利要求1或2所述的方法,其中,所述使用测量模型来基于模拟结果验证所述仿真工艺数据是否可用于实际生产包括:使用所述测量模型在所述实际工艺数据当中确定与所述仿真工艺数据之间的相似度高于预设相似度阈值的实际工艺数据作为相似工艺数据;在实际测量数据当中确定使用所述相似工艺数据实际执行所述工艺过程所得到的显示面板的特征数据作为实际特征数据;以及响应于所述实际特征数据与所述工艺模型输出的特征数据之间的差异小于预设差异阈值,确定所述仿真工艺数据可用于实际生产。
- 根据权利要求1至3中任一项所述的方法,还包括:在使用所述测量模型来基于模拟结果验证所述仿真工艺数据是否可用于实际生产之前,使用控制模型对实际工艺数据应用反馈参数算法来计算工艺波动,并将工艺波动施加到所述工艺模型输出的特征数据。
- 根据权利要求4所述的方法,其中,所述反馈参数算法包括移动平均算法、加权移动平均算法和指数移动平均算法之一。
- 根据权利要求5所述的方法,其中,所述移动平均算法包括根据以下公式来计算连续多个周期的工艺参数的平均值:其中C 1,C 2,...C n是每个周期的工艺参数的值,n为大于1的整数。
- 根据权利要求5所述的方法,其中,所述加权移动平均算法包括末日加权算法、线性加权算法、梯形加权算法和平方系数加权算法之一。
- 根据权利要求7所述的方法,其中,所述末日加权算法包括根据以下公式来计算连续多个周期的工艺参数的加权平均值:其中C 1,C 2,...C n是每个周期的工艺参数的值,n为大于1的整数。
- 根据权利要求7所述的方法,其中,所述线性加权算法包括根据以下公式来计算连续多个周期的工艺参数的加权平均值:其中C 1,C 2,...C n是每个周期的工艺参数的值,n为大于1的整数。
- 根据权利要求7所述的方法,其中,所述梯形加权算法包括根据以下公式来计算连续多个周期的工艺参数的加权平均值:其中C 1,C 2,...C n是每个周期的工艺参数的值,n为大于1的整数。
- 根据权利要求7所述的方法,其中,所述平方系数加权算法包括根据以下公式来计算连续多个周期的工艺参数的加权平均值:其中C 1,C 2,...C n是每个周期的工艺参数的值,n为大于1的整数。
- 根据权利要求5所述的方法,其中,所述指数移动平均算法包括根据以下公式来计算连续多个周期的工艺参数的加权平均值:其中C 1,C 2,...C n是每个周期的工艺参数的值,n为大于1的整数,α为加权指数。
- 根据权利要求1至12中任一项所述的方法,其中,所述显示面板的任一工艺过程包括背板制造工艺。
- 根据权利要求13所述的方法,其中,所述显示面板的任一工艺过程包括背板制造工艺中用于形成膜层的光刻工艺,所述设计数据包括掩模板的设计图,所述基于显示面板的任一工艺过程的设计数据来生成用于执行所述工艺过程的仿真工艺数据包括以下操作中的至少之一:对掩膜板的设计图的至少部分区域进行仿真,得到测试图;根据接收到的曝光参数设定信息来生成曝光工艺参数;根据接收到的抗蚀剂参数设定信息来生成抗蚀剂工艺参数;以及根据接收到的显影参数设定信息来生成显影工艺参数。
- 根据权利要求14所述的方法,其中,所述曝光工艺参数包括以下各项中的至少之一:数值孔径、波长、相干因子、照明类型、曝光倍率和焦点位置。
- 根据权利要求14所述的方法,其中,所述抗蚀剂工艺参数包括以下各项中的至少之一:光致抗蚀剂的类型、光致抗蚀剂的厚度和显影速率、基底材料和光敏化合物PAC浓度分布。
- 根据权利要求14所述的方法,所述基于显示面板的任一工艺过程的设计数据来生成用于执行所述工艺过程的仿真工艺数据还包括以下至少之一:基于曝光工艺参数对所述测试图进行透镜投影仿真,得到空间像数据;以及基于显影参数来生成显影后的所述膜层的图形数据。
- 根据权利要求17所述的方法,还包括:通过用户交互界面来展示所述空间像数据和所述图形数据中的至少之一并接收用户输入,以及根据用户输入来调整所述曝光工艺参数、抗蚀剂工艺参数和显影工艺参数中的至少之一。
- 根据权利要求1至18中任一项所述的方法,其中,所述实际测量数据包括在所述任一工艺过程开始之前测量得到的数据以及在所述任一工艺过程开始之后测量得到的数据。
- 根据权利要求1至19中任一项所述的方法,还包括:更新实际工艺数据和实际测量数据;以及根据更新的实际工艺数据和实际测量数据来更新所述工艺模型和测量模型。
- 根据权利要求1至22中任一项所述的方法,还包括:响应于验证了所述仿真工艺数据可用于实际生产,将所述仿真工艺数据应用于所述显示面板的实际制造过程。
- 根据权利要求1至21中任一项所述的方法,还包括:将经验证可用于实际生产的仿真工艺数据形成为制造工艺文件。
- 一种电子设备,包括存储器和处理器,所述存储器存储有可被所述处理器执行的指令,所述指令被所述处理器执行,以使所述处理器能够执行权利要求1至22中任一项所述的方法。
- 一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至22中任一项所述的方法。
- 一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至22中任一项所述的方法。
- 一种显示面板的生产方法,包括物理制造过程和数字处理过程,其中,在所述物理制造过程中执行显示面板的至少一个工艺过程,得到实际工艺数据和实际测量数据;在所述数字处理过程中,使用基于所述实际工艺数据和实际测量数据而生成的工艺模型和测量模型来执行如权利要求1至22中任一项所述的方法,以验证仿真工艺数据是否可用于实际生产。
- 根据权利要求26所述的方法,其中,在所述物理制造过程中执行显示面板的至少一个工艺过程包括:依次执行前测量操作、准备操作、载入工艺数据操作、工艺加工操作和后测量操作,其中在所述载入工艺数据操作中载入了所述实际工艺数据,所述前测量操作、所述工艺加工操作和所述后侧量操作中的至少之一产生了所述实际测量数据。
- 根据权利要求26或27所述的方法,还包括:响应于经验证所述仿真工艺数据可用于实际生产,将所述仿真数据作为实际工艺数据应用于所述物理制造过程中的载入工艺数据操作。
- 根据权利要求26至28中任一项所述的方法,还包括:再次执行所述物理制造过程,以产生新的实际工艺数据和新的实际测量数据;以及基于新的实际工艺数据和新的实际测量数据来更新所述工艺模型和测量模型。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2022/116149 WO2024045029A1 (zh) | 2022-08-31 | 2022-08-31 | 显示面板的工艺数据的验证方法、显示面板的生产方法和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117957596A true CN117957596A (zh) | 2024-04-30 |
Family
ID=90099932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280002969.5A Pending CN117957596A (zh) | 2022-08-31 | 2022-08-31 | 显示面板的工艺数据的验证方法、显示面板的生产方法和电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117957596A (zh) |
WO (1) | WO2024045029A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5621652A (en) * | 1995-03-21 | 1997-04-15 | Vlsi Technology, Inc. | System and method for verifying process models in integrated circuit process simulators |
JP2010122438A (ja) * | 2008-11-19 | 2010-06-03 | Nec Electronics Corp | リソグラフィシミュレーションモデルの検証方法、検証プログラム及び検証装置 |
KR20160096249A (ko) * | 2015-02-04 | 2016-08-16 | 삼성전자주식회사 | 설계 검증 시스템 |
CN109491216B (zh) * | 2018-12-20 | 2020-11-27 | 上海集成电路研发中心有限公司 | 一种优化光刻工艺参数的方法 |
CN112685993B (zh) * | 2021-03-17 | 2021-07-06 | 武汉大学 | 一种柔性pcb板湿法化学蚀刻工艺仿真方法 |
-
2022
- 2022-08-31 CN CN202280002969.5A patent/CN117957596A/zh active Pending
- 2022-08-31 WO PCT/CN2022/116149 patent/WO2024045029A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2024045029A1 (zh) | 2024-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102644214B1 (ko) | 컴퓨테이션 리소그래피를 위한 머신 러닝 모델을 트레이닝시키기 위한 방법 | |
US8473271B2 (en) | Fast photolithography process simulation to predict remaining resist thickness | |
EP1424595B1 (en) | Automatic calibration of a masking process simulator | |
US11366952B2 (en) | Method, apparatus and electronic device for Hessian-free photolithography mask optimization | |
US8856698B1 (en) | Method and apparatus for providing metric relating two or more process parameters to yield | |
US10579764B2 (en) | Co-modeling post-lithography critical dimensions and post-etch critical dimensions with multi-task neural networks | |
US20180196349A1 (en) | Lithography Model Calibration Via Genetic Algorithms with Adaptive Deterministic Crowding and Dynamic Niching | |
TW202235999A (zh) | 用於遮罩合成之隨機感知微影模型 | |
US20110047520A1 (en) | Partition Response Surface Modeling | |
US8880382B2 (en) | Analyzing a patterning process using a model of yield | |
US20040236548A1 (en) | Computer implemented method for development profile simulation, computer program product for controlling a computer system so as to simulate development profile, and computer implemented method for mask pattern data correction | |
US9798226B2 (en) | Pattern optical similarity determination | |
CN117957596A (zh) | 显示面板的工艺数据的验证方法、显示面板的生产方法和电子设备 | |
US9811615B2 (en) | Simultaneous retargeting of layout features based on process window simulation | |
US10496780B1 (en) | Dynamic model generation for lithographic simulation | |
US9857693B1 (en) | Lithography model calibration via cache-based niching genetic algorithms | |
US9966315B2 (en) | Advanced process control methods for process-aware dimension targeting | |
US8881070B1 (en) | Optical proximity correction based on edge fragment correlation | |
US8151223B2 (en) | Source mask optimization for microcircuit design | |
US11353797B2 (en) | Method and apparatus for controlling a computing process | |
CN117008428B (zh) | 光刻仿真方法、设备和介质 | |
Shiely | Machine learning for compact lithographic process models | |
Neureuther | If it moves, simulate it! | |
US20220392191A1 (en) | Large scale computational lithography using machine learning models | |
Oak et al. | Quantifying process sensitivities for EUV and high-NA using machine learning based analytics |
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 |