微影解析度增強技術
為了增強微影解析度,利用自行開發的空間影像最佳化演算法結合模型光學鄰近效應修正法模組過濾出最佳光源光罩圖案。空間影像演算法可快速比較光罩後成像圖案並篩選出在所設計pattern error範圍內之群體,此一群體並可進一步利用光阻影像最佳化演算法選出確實適合半導體製程的最佳光罩圖案與其對應之光源形狀,並可視微影製程中需較大的聚焦深度或是較高的曝光能量範圍(Exposure Latitude, EL)調整權重函數,以滿足真實製程所需。
光源優化
在光源優化中,目前使用多目標蟻群演算法調整自由光源的每個像素的開或關,當中考慮了投影透鏡的熱效應、冗餘像素、九個製程條件(±focus,±dose)。演算法中的兩個目標函數的主要目標為邊緣放置誤差(EPE)與景深(DOF)。為了解決在演算法中會因為反覆的迴圈運算導致計算時間過久,加入了機器學習找尋光源的貪婪解,藉由貪婪解加入光源優化程序,減少的接近50%的迴圈數。
光罩優化
在光罩優化中,目前藉由放置解析度增強技術中的次級解析度輔助圖形(SRAF)增強目標圖形的成像。當中使用差分進化演算法(DE)生成SRAF,但因為演算法巨大的運算時間是由於計算當前光罩所生成的空間潛像(aerial image),藉由加入機器學習預測進而減少大量的計算時間。