中国科学院上海光学精密机械研究所在计算光刻技术研究中取得进展。关键图形筛选技术是决定光源掩模优化技术（SMO—主要计算光刻技术之一）速度与效果的关键技术。近期，中科院上海光机所信息光学与光电技术实验室提出了一种SMO关键图形筛选技术，并联合中科院微电子所研究团队，利用国际主流商用计算光刻软件进行了仿真验证，结果表明该技术优于国际同类技术水平。部分研究工作已发表在《光学快报》[Optics Express]、《光学学报》，入选《光学学报》2020年第21期封面文章，并已申请5项发明专利。

　　光刻机是集成电路制造的核心装备，光刻分辨率决定了集成电路的集成度。在光刻机软硬件不变的情况下，采用数学模型和软件算法对照明模式、掩模图形与工艺参数等进行优化，可有效提高光刻分辨率/增大工艺窗口，此类技术即计算光刻技术（Computational Lithography），被认为是二十一世纪推动集成电路芯片按照摩尔定律继续发展的新动力（Ref：Intel公司, “Computational Lithography: The New Enabler of Moore’s Law”, Proc. SPIE Advanced Lithography, 6827, 68271Q, 2007）。在当前光刻机技术水平已逼近工程极限的情况下，计算光刻已经成为芯片制造不可或缺的关键技术。

　　光源掩模优化技术（Source and mask optimization, SMO）是实现28 nm及更小技术节点集成电路芯片制造的关键计算光刻技术之一。为提高优化效率，业界的做法是：利用关键图形筛选技术筛选出少量具有代表性的关键图形。以关键图形代替全芯片图形集合进行优化，通过减少输入图形的数量，提高SMO的优化效率。为兼顾SMO的实施速度与效果，一方面要求关键图形筛选技术筛选出的关键图形尽量少，以提高SMO优化效率，另一方面要求筛选出的关键图形能够最大限度地代表所有图形的光刻成像特性，以保证SMO的实施效果。因此，关键图形筛选技术是决定SMO速度与效果的主要技术因素之一。

　　中科院上海光机所研究团队提出了一种SMO关键图形筛选技术，以图形的主要频率表征图形特征。设计了相应的主要频率提取方法、覆盖规则、聚类方法以及关键图形筛选方法，实现了SMO关键图形的有效筛选。中科院上海光机所研究团队与中科院微电子所计算光刻研发中心团队合作，采用荷兰ASML公司的TachyonTM商用计算光刻软件（国际上最先进的商用计算光刻软件之一）进行了仿真验证。该技术与ASML的同类技术筛选出的关键图形数量相同，所获得的工艺窗口优于ASML的同类技术。

　　相关研究得到了国家02科技重大专项和上海市自然科学基金项目的支持。

原文链接