現代VLSI製造における光近接補正の強化学習に基づく相関認識最適化

Alapfogalmak

本論文は、光近接補正(OPC)問題に重要な原理を統合した強化学習ベースのOPCシステムCAMOを提案する。CAMOは、近接セグメントの空間相関を明示的に組み込み、OPC固有の変調を用いて、優れたマスク品質を生成する。

Kivonat

本論文は、現代VLSI製造における光近接補正(OPC)問題に取り組む。OPCは、リソグラフィ近接効果を補正するために、マスク上のパターンを修正する重要なステップである。従来のOPC手法は、経験的知識、反復的局所探索、数値最適化などを活用してきたが、リソグラフィプロセスの複雑さから、依然として課題が残されている。

近年、機械学習(ML)手法の台頭により、新しいOPC解決策が提案されている。MLベースのOPC手法は、回帰モデル、生成モデル、強化学習(RL)ベースの3つに分類される。しかし、これらのアプローチには課題がある。回帰ベースおよび生成ベースのOPCは、既存のOPCエンジンから得られたデータに依存するため、データの品質に制限される。RLベースのOPCは、探索の効率が低く、OPC固有の原理が十分に考慮されていない。

本論文では、CAMOと呼ばれる新しいRLベースのOPCフレームワークを提案する。CAMOは、OPC問題の重要な原理を明示的に組み込んでいる。具体的には、以下の2点が特徴である:

1. 近接セグメントの空間相関を考慮する

• グラフニューラルネットワーク(GNN)を用いて、セグメントの局所的特徴を融合し、ノード埋め込みを生成する
• 再帰型ニューラルネットワーク(RNN)を用いて、ノード埋め込みを順次分析し、セグメントの移動を協調的に決定する

2. OPC固有の変調を導入する

• OPC問題の知識を活用し、RLエージェントの出力を変調することで、より安定かつ効率的な学習を実現する

実験では、ビア層パターンおよびメタル層パターンで評価を行い、CAMOが学界および業界の最先端OPCエンジンを上回る性能を示した。

Statisztikák

現在のエッジ配置誤差(EPE)は|EPEt|である。
次のステップでのEPEは|EPEt+1|に改善される。
現在のプロセス変動バンド(PVB)はPVBtである。
次のステップでのPVBはPVBt+1に改善される。

Idézetek

なし

Főbb Kivonatok

CAMO

by Xiaoxiao Lia... : arxiv.org 04-02-2024

https://arxiv.org/pdf/2404.00980.pdf

Mélyebb kérdések

OPCの最適化に、他のどのような物理的原理や製造上の制約を考慮することができるか

CAMOのRLアプローチでは、光学近接補正（OPC）の最適化において、物理的原理や製造上の制約を考慮することができます。例えば、CAMOはセグメントの移動を調整する際に、隣接セグメントの移動との空間的相関を明示的に取り入れています。これにより、隣接セグメント間の移動を調整することで、マスクの品質を向上させることが可能です。さらに、CAMOはOPCに関連するモジュレーションモジュールを導入しており、これによりRLエージェントの出力を調整して最適化を促進しています。そのため、物理的原理や製造上の制約を考慮しながら、効率的かつ高品質なマスク最適化を実現しています。

CAMOのRLアプローチでは、どのようにして局所的な最適解に陥るのを避けることができるか

CAMOのRLアプローチでは、局所的な最適解に陥ることを避けるために、グラフ構築やノード埋め込み、RNNモジュールなどの手法を活用しています。具体的には、CAMOはセグメントの局所的な特徴を分析し、ノード埋め込みを生成するためにグラフニューラルネットワーク（GNN）を使用しています。さらに、RNNモジュールを使用してノード埋め込みを逐次的に分析し、セグメントの移動を決定しています。このように、CAMOは局所的な最適解に陥るリスクを軽減し、隣接セグメント間の移動を調整して全体的なマスク品質を向上させることができます。

CAMOの技術は、他の半導体製造プロセスにどのように応用できるか

CAMOの技術は、他の半導体製造プロセスにも応用することが可能です。例えば、CAMOのアプローチはウェーハ検査や欠陥修正などの分野にも適用できます。ウェーハ検査では、CAMOのRLフレームワークを使用して、ウェーハ上のパターンを最適化し、検査の効率や精度を向上させることができます。また、欠陥修正では、CAMOの空間相関を考慮したアプローチを活用して、欠陥領域の修正を効果的に行うことが可能です。そのため、CAMOの技術は半導体製造プロセス全般において幅広く活用できる可能性があります。