近日，中國科學院上海光學精密機械研究所信息光學與光電技術實驗室在極紫外光刻的計算光刻技術研究方面取得進展。研究人員針對極紫外光刻，提出了一種基于厚掩模模型和社會學習粒子群算法（social learning particle swarm optimization, SL-PSO）的光源掩模優化技術（Source and mask optimization, SMO）。仿真結果表明，該技術的優化效率優于國際上常見的基于啟發式算法的SMO技術。相關研究成果發表在Optics Express上。

　　光刻是極大規模集成電路制造的關鍵技術之一，隨著集成電路圖形的特征尺寸不斷減小，光學鄰近效應會顯著降低光刻成像質量。在光刻機軟硬件不變的情況下，采用數學模型和軟件算法，對照明光源、掩模圖形和工藝參數等進行優化，可有效提高光刻分辨率/增大工藝窗口，此類技術即計算光刻技術（Computational Lithography），其被認為是21世紀推動集成電路芯片按照摩爾定律繼續發展的新動力。極紫外光刻技術是目前最先進的光刻技術之一，已被應用于5 nm工藝節點的芯片量產中。由于極紫外光刻具有掩模厚度大于光源波長、光學系統為反射式等特點，其相應的計算光刻技術和傳統技術存在較大差異，是學界的研究熱點。

　　SMO技術是一種重要的計算光刻技術，通過同時優化光源和掩模圖形來提高光刻成像質量。上海光機所研究人員針對極紫外光刻，提出了一種基于厚掩模模型和SL-PSO算法的SMO技術。研究人員將基于結構分解的極紫外光刻厚掩模快速模型應用于像素化掩模圖形的成像仿真中，和薄掩模模型相比，其提高了光刻成像仿真的精度，且掩模圖形的優化結果得到了嚴格電磁場仿真的驗證。采用SL-PSO算法，優化光源和掩模圖形；通過社會學習的策略提高了優化效率。通過控制初始化參數來調整SL-PSO算法中的初始化粒子群，在提高優化效率的同時提高了優化后掩模圖形的可制造性。研究人員對多個掩模圖形進行了驗證，仿真結果表明，該技術的優化效率優于國際上常見的基于啟發式算法的SMO技術。

　　研究工作得到國家02科技重大專項和上海市自然科學基金項目的支持。

　　論文鏈接