人工智能赋能半导体制造业——从OPC说开去（一）

文章来源：电子报第2期

作者简介

韩明， 现任全芯智造业务拓展总监，负责市场拓展和营销工作。本科毕业于西安交通大学微电子系，现在上海交通大学攻读 EMBA 学位。韩明在半导体业有超过 18 年工作经验， 曾在Foundry 中芯国际、EDA 公司 Synopsys和设计服务公司世芯电子任职，在 EDA和制造领域有丰富的市场经验。

一、引言

过去十年人工智能的发展日新月异，从 2012 年 ImageNet图像识别挑战赛上，CNN 算法大放异彩开始， 人工智能的研究在图像识别、 语音识别、 自然语言处理等领域取得巨大进步。这些进步推动在安防监控、自动驾驶等场景落地，进而延伸到工业互联网、智能制造等领域。这一切得益于三点，芯片算力的不断提升，可供训练的大数据爆发增长，和日益复杂的神经网络算法。根据咨询公司 Tractica 的市场报告， 全球 AI软件市场将从 2018 年的 95 亿美元，到 2025 年将增长到 1186亿美元，成长性惊人。在半导体制造业中， 人工智能尤其是机器学习有全面的应用场景，如装备监控、流程优化、工艺控制、器件建模、光罩数据校正、版图验证等等。接下来，本文重点讨论人工智能在光刻技术与光学临近校正（Optical Proximity Correction）的应用。

二、光刻技术简介

过去六十年，摩尔定律带来集成电路器件持续微缩，这需要在晶圆片上制作出更小尺寸的图形，对晶圆图案化（Wafer Patterning）带来极大的挑战，而其中光刻技术是晶圆图案化的主要手段。光刻的原理大致是这样的，光刻机的光源发出紫外光，透过光罩（光罩包含芯片版图的镂空图形，制作在石英基板上，会挡住穿过石英的光线）照射在晶圆片上，由于晶圆片表面涂覆了光敏感性的光刻胶， 被照射到的光刻胶会发生化学反应，就此实现了从光罩图形到晶圆片的图形的转移。光刻机的分辨率是由以下公式决定的。

其中 Wmin 即为分辨率。λ 代表光源波长，K1 是数值小于 1的工艺参数，NA 是数值孔径，代表一个光学系统能够收集的光的角度范围。不难发现，光的波长越小，数值孔径越大，分辨率越高。

如表 1 所示，早期的 180 纳米工艺使用 248nm 波长的光源， 到 90 和 65 纳米工艺使用 193nm 的光源， 但是单靠193nm 光源，其分辨率没有办法支持更先进的工艺了。这时业界引入了浸润式光刻（Immersion Lithography）技术，通过在光刻胶上方铺上一层薄薄的水作为介质， 光在水中折射， 使得NA 增加到原来的 1.43 倍，即等效波长缩短到了 134nm。就这样 40  纳米工艺也被攻克了。 接下来一种叫多重图案化（Multiple Patterning）的技术帮助光刻技术发展到 22nm 以下工艺。这个技术实际上是一种光罩图形拆解技术，通过将原来密度较大的图形拆解成两个或多个密度较低的图形， 增加光刻蚀刻步骤， 从而实现了更小尺寸的效果。有了 Immersion Lithography 和 Multiple Patterning 两大法宝，光刻技术来到了 7nm 这个关键的节点。这时业界研究很久的极紫外（EUV）技术准备商用了，EUV 的波长为 13.5nm， 比浸润式光刻技术的等效波长 134nm 缩小了 10 倍，理论上分辨率更好。但是 EUV 的光极其容易被周围材料吸收， 对整个光刻系统的设计提出了更高要求。不仅光刻机的光源、镜头需要重新设计， 光刻胶成分和对光罩的保护也要重新考虑，以应对 EUV 极短的波长带来的挑战。举个形象的例子，光刻机的精度相当于从地球发射一束光到月球， 需要精准地照在月球表面一枚一元硬币上面。 目前国际领先的光刻机公司 ASML 已经开发出了 NA=0.33 和 0.55 的 EUV 光刻机，未来还将推出 NA 大于一的 EUV 光刻机，推动摩尔定律继续向前发展。

三、点工具OPC 简介

刚才主要介绍的是光刻技术的发展， 其实早在 180 纳米技术节点上，随着光学图像失真的日益严重，光刻机的光学图像分辨率就已经跟不上工艺的发展了。为了补偿光学图像失真，业界引入了光学邻近校正（OPC）技术，为了补偿光学畸变效应而主动改变光罩图形数据，使得摩尔定律继续向前推进。如图 1 左下图所示，没有经过 OPC 的光罩版图，在经过光刻机曝光后的硅片图形（灰色阴影部分）严重偏离了原来的设计（红色虚线表示）。而经过 OPC 校正过的光罩版图，图形边缘变成了不规则的形状（图 1 右上），目的恰恰是为了使得硅片上的图形最接近原始的设计图形。

图1 没有使用 OPC（左侧）和使用 OPC（右侧）的硅片图形对比

未完待续

阅读推荐

【名企招聘】

【名家专栏】

【企业专访】

【人才政策】

更多精彩活动

请关注

“IC人才港”