使用目标图案和参考层图案以确定用于掩模的光学邻近校正的机器学习模型的制作方法

技术特征：
1.一种具有指令的非瞬态计算机可读介质，所述指令在由计算机执行时使所述计算机执行用于生成光学邻近校正后图像，opc后图像，的方法，其中所述opc后图像被用于生成opc后掩模图案，以在衬底上印刷目标图案，所述方法包括：向机器学习模型提供输入，所述输入表示(a)要在衬底上印刷的目标图案以及(b)与所述目标图案相关联的参考层图案的图像；以及使用所述机器学习模型，基于所述图像来生成opc后结果。2.根据权利要求1所述的计算机可读介质，其中提供所述输入包括：基于所述目标图案来渲染第一图像；基于所述参考层图案来渲染第二图像；以及向所述机器学习模型提供所述第一图像和所述第二图像。3.根据权利要求2所述的计算机可读介质，其中提供所述输入包括：提供复合图像，所述复合图像是与所述目标图案相对应的第一图像和与所述参考层图案相对应的第二图像的组合。4.根据权利要求3所述的计算机可读介质，其中提供所述复合图像包括：基于所述目标图案来渲染所述第一图像；基于所述参考层图案来渲染所述第二图像，以及组合所述第一图像和所述第二图像以生成所述复合图像。5.根据权利要求3所述的计算机可读介质，其中将所述第一图像与所述第二图像组合包括：组合所述第一图像、所述第二图像、与亚分辨率辅助特征，sraf，相对应的第三图像以及与亚分辨率逆特征，srif，相对应的第四图像，以生成所述复合图像。6.根据权利要求5所述的计算机可读介质，其中所述第一图像和所述第二图像使用线性函数来组合，以生成所述复合图像。7.根据权利要求1所述的计算机可读介质，其中所述opc后结果包括：掩模图案的经过渲染的opc后图像，其中所述掩模图案对应于要在所述衬底上印刷的所述目标图案。8.根据权利要求1所述的计算机可读介质，其中所述opc后图像包括：掩模图案的重构图像，其中所述掩模图案对应于要在所述衬底上印刷的所述目标图案。9.根据权利要求1所述的计算机可读介质，其中所述参考层图案是与所述目标图案不同的设计层或衍生层的图案，其中所述参考层图案影响opc过程中的所述目标图案的校正准确度。10.根据权利要求1所述的计算机可读介质，其中所述参考层图案包括上下文层图案或虚拟图案。11.根据权利要求1所述的计算机可读介质，其中所述方法还包括：训练所述机器学习模型，以基于所述输入生成所述opc后结果。12.根据权利要求11所述的计算机可读介质，其中训练所述机器学习模型包括：获得与(a)要在第一衬底上印刷的第一目标图案、(b)与所述第一目标图案相关联的第一参考层图案以及(c)与所述第一目标图案相对应的第一参考opc后结果相关的输入，以及使用所述第一目标图案和所述第一参考层图案训练所述机器学习模型，使得所述机器
学习模型的所述第一参考opc后结果和预测的opc后结果之间的差异被减小。13.根据权利要求12所述的计算机可读介质，其中所述第一参考opc后结果的所述获得包括：使用所述第一目标图案执行掩模优化过程或者源掩模优化过程，以生成所述第一参考opc后结果。14.根据权利要求13所述的计算机可读介质，其中所述第一参考opc后结果是与所述第一目标图案相对应的掩模图案的重构图像。15.根据权利要求14所述的计算机可读介质，其中所述掩模图案是在所述重构图像被生成之前修改的。

技术总结
描述了用于使用目标图案和参考层图案为掩模生成光学邻近校正(OPC)后结果的实施例。所述目标图案和参考层的图像被提供为机器学习(ML)模型的输入，以生成OPC后图像。所述图像可以被单独输入，或者被组合为复合图像(例如使用线性函数)并且输入到所述ML模型。所述图像是从图案数据渲染的。例如，目标图案图像是从要在衬底上印刷的目标图案渲染的，并且诸如虚拟图案图像等参考层图像是从虚拟图案渲染的。所述ML模型被训练，以使用与目标图案和参考层相关联的多个图像并且使用所述目标图案的参考OPC后图像来生成所述OPC后图像。所述OPC后图像可以被用于生成OPC后掩模。OPC后图像可以被用于生成OPC后掩模。OPC后图像可以被用于生成OPC后掩模。


技术研发人员：张权 陈炳德 冯韦钧 朱漳楠 R
受保护的技术使用者：ASML荷兰有限公司
技术研发日：2022.02.22
技术公布日：2022/8/30