Source Mask Optimization Based on Dynamic Fitness Function

doi:10.3788/AOS201636.0112002

SIOM OpenIR > 信息光学与光电技术实验室

	Source Mask Optimization Based on Dynamic Fitness Function
	Yang CX(杨朝兴); Li SK(李思坤); Wang XC(王向朝); yangcoloy@siom.ac.cn; wxz26267@siom.ac.cn
	2016
发表期刊	光学学报
卷号	36 期号:1 页码:111006
摘要	A dynamic source mask optimization (SMO) method is developed. The dynamic SMO method uses a dynamic fitness function in genetic algorithm to simulate the process variations in real lithography process. So the imaging quality of the optimized source and mask is not sensitive to the process errors. The dynamic SMO method can get similar result as the conventional weighted SMO method without the necessity of weighting coefficient optimization. Simulation results show that the dynamic method can get a usable defocus of 200 nm when the dose error is 15%. This is comparable with the optimized result of the weighted method. The dynamic SMO method can be also used to make the optimized source and mask less sensitive to other process errors, such as coma errors.
文章类型	Article
其他摘要	提出了一种基于动态适应度函数的光刻机光源掩模优化方法(SMO)。动态适应度函数方法在遗传算法优化过程中采用动态适应度函数模拟真实光刻工艺条件误差对光刻结果的影响,得到对光刻工艺条件误差不敏感的优化光源和优化掩模。该方法无需优化权重系数,即可获得与权重优化后的加权适应度函数方法相近的工艺宽容度。典型逻辑图形的仿真实验表明,曝光剂量误差为15%时,动态适应度函数方法得到的优化光源和优化掩模的可用焦深达到200 nm,与加权适应度函数方法的优化效果相当。动态适应度函数方法也可用于降低SMO的优化光源和掩模对其他
部门归属	信息光电
DOI	10.3788/AOS201636.0112002
资助者	国家自然科学基金 ; 国家自然科学基金 ; 国家自然科学基金 ; 国家自然科学基金
收录类别	CSCD
资助者	国家自然科学基金 ; 国家自然科学基金 ; 国家自然科学基金 ; 国家自然科学基金
WOS记录号	CSCD:5710778
CSCD记录号	CSCD:5710778
引用统计	被引频次：1[CSCD] [CSCD记录]
文献类型	期刊论文
条目标识符	http://ir.siom.ac.cn/handle/181231/28527
专题	信息光学与光电技术实验室
通讯作者	yangcoloy@siom.ac.cn; wxz26267@siom.ac.cn
作者单位	中国科学院上海光学精密机械研究所
推荐引用方式 GB/T 7714	Yang CX,Li SK,Wang XC,et al. Source Mask Optimization Based on Dynamic Fitness Function[J]. 光学学报,2016,36(1):111006.
APA	杨朝兴,李思坤,王向朝,yangcoloy@siom.ac.cn,&wxz26267@siom.ac.cn.(2016).Source Mask Optimization Based on Dynamic Fitness Function.光学学报,36(1),111006.
MLA	杨朝兴,et al."Source Mask Optimization Based on Dynamic Fitness Function".光学学报 36.1(2016):111006.