MorphOPC: Új rendszerrel javul a chipgyártás pontossága nanoléptékben
A MorphOPC a cél elrendezések és a maszk mintázatok közötti geometriai transzformációkat tanulja meg, ezzel jelentősen csökkentve a hagyományos OPC-modellek hiányosságait.
Új módszert dolgoztak ki a chipgyártás pontosságának növelésére, amely a nanoléptékű áramköri mintázatok szilíciumlapkákra való átvitelét segíti — írja az arXiv-on megjelent tanulmány. A kutatás szerint a MorphOPC névre keresztelt modell a maszkoptimalizálás (OPC) területén hoz áttörést.
A chipgyártásban az optikai közelségkorrekció (OPC) alapvető fontosságú a mintázat hűségének és gyárthatóságának biztosításához. A meglévő generatív maszkoptimalizálási modellek, amelyek kódoló-dekódoló architektúrára épülnek, közel optimális maszkokat képesek szintetizálni, ám gyakran nem tudják pontosan leképezni a cél elrendezések és a maszk mintázatok közötti geometriai transzformációkat.
Morfológiai tanulás a pontosságért
A MorphOPC a maszkgenerálást a lokális elrendezési jellemzőkön végzett morfológiai műveletek sorozataként kezeli. A multi-skálás hierarchikus modell neurális morfológiai modulokat használ ezen transzformációk megtanulására. A kutatók szerint ez a megközelítés jelentősen javítja a maszkok minőségét.
A modell teljesítményét él-alapú OPC és ILT (Inverse Lithography Technology) benchmarkokon tesztelték fém- és via rétegeken. A kísérletek azt mutatják, hogy a MorphOPC konzisztensen felülmúlja a korábbi módszereket, ezzel növelve a nanoléptékű áramkörök gyártási pontosságát.