CN115373225A - 光学邻近修正操作方法与光学邻近修正操作装置 - Google Patents
光学邻近修正操作方法与光学邻近修正操作装置 Download PDFInfo
- Publication number
- CN115373225A CN115373225A CN202110533878.1A CN202110533878A CN115373225A CN 115373225 A CN115373225 A CN 115373225A CN 202110533878 A CN202110533878 A CN 202110533878A CN 115373225 A CN115373225 A CN 115373225A
- Authority
- CN
- China
- Prior art keywords
- optical proximity
- proximity correction
- photomask layout
- local area
- correct
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70425—Imaging strategies, e.g. for increasing throughput or resolution, printing product fields larger than the image field or compensating lithography- or non-lithography errors, e.g. proximity correction, mix-and-match, stitching or double patterning
- G03F7/70433—Layout for increasing efficiency or for compensating imaging errors, e.g. layout of exposure fields for reducing focus errors; Use of mask features for increasing efficiency or for compensating imaging errors
- G03F7/70441—Optical proximity correction [OPC]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F1/00—Originals for photomechanical production of textured or patterned surfaces, e.g., masks, photo-masks, reticles; Mask blanks or pellicles therefor; Containers specially adapted therefor; Preparation thereof
- G03F1/36—Masks having proximity correction features; Preparation thereof, e.g. optical proximity correction [OPC] design processes
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
- G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
- G03F7/70—Microphotolithographic exposure; Apparatus therefor
- G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
- G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
- G03F7/70508—Data handling in all parts of the microlithographic apparatus, e.g. handling pattern data for addressable masks or data transfer to or from different components within the exposure apparatus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Multimedia (AREA)
- Preparing Plates And Mask In Photomechanical Process (AREA)
Abstract
本发明公开一种光学邻近校正操作方法与光学邻近校正操作装置。光学邻近校正操作方法包括以下步骤。获得一光掩模布局图。若光掩模布局图具有至少一缺陷热点,则根据缺陷热点,从光掩模布局图取出至少一局部区域图案。以一机器学习模型分析局部区域图案,以获得至少一光学邻近校正策略。执行光学邻近校正策略,修正光掩模布局图。
Description
技术领域
本发明涉及一种操作方法与操作装置,且特别是涉及一种光学邻近修正操作方法与光学邻近修正操作装置。
背景技术
光刻制作工艺(photolithography)是半导体制作工艺中相当重要的一个步骤。在光刻制作工艺中,通过光掩模上的光掩模图案定义出曝光区域与不曝光区域,以在光致抗蚀剂层上显影出预定的光致抗蚀剂图案。然后在蚀刻制作工艺中,可以通过光致抗蚀剂图案来蚀刻出线路。然而,蚀刻出来的线路往往会有断线、短路等缺陷,而需要通过光学邻近校正(optical proximity correction,OPC)来修正光掩模图案。光学邻近校正的目标是尽可能的使蚀刻出来的线路与预定的线路图案一致且没有任何缺陷。
然而,不同的缺陷与不同的图案需要采取不同的光学邻近校正策略。传统上都需要依靠操作人员来进行判断,不仅经常判断错误,且经验难以累积。
发明内容
本发明是有关于一种光学邻近修正操作方法与光学邻近修正操作装置,其面对各种不同的光掩模图案,通过机器学习模型分析一或多个局部区域图案,以获得对应的一或多个光学邻近校正策略,无需再依靠操作人员来进行判断,不仅判断更为准确,且经验能够持续累积。
根据本发明的第一方面,提出一种光学邻近校正(optical proximitycorrection,OPC)操作方法。光学邻近校正操作方法包括以下步骤。获得一光掩模布局图。若光掩模布局图具有至少一缺陷热点,则根据缺陷热点,从光掩模布局图取出至少一局部区域图案。以一机器学习模型分析局部区域图案,以获得至少一光学邻近校正策略。执行光学邻近校正策略,修正光掩模布局图。
根据本发明的第二方面,提出一种光学邻近校正(optical proximitycorrection,OPC)操作装置。光学邻近校正操作装置包括一输入单元、一区域萃取单元、一机器学习模型及一修正单元。输入单元用以获得一光掩模布局图。若光掩模布局图具有至少一缺陷热点,则区域萃取单元根据缺陷热点取出至少一局部区域图案。机器学习模型用以分析局部区域图案,以获得至少一光学邻近校正策略。修正单元用以执行光学邻近校正策略,以修正光掩模布局图。
为了对本发明的上述及其他方面有更佳的了解,下文特举实施例,并配合附图详细说明如下:
附图说明
图1为一实施例的光学邻近校正(optical proximity correction,OPC)的示意图;
图2为一实施例的光学邻近校正操作装置的示意图;
图3为一实施例的光学邻近校正操作方法的流程图;
图4~图9为图3的各步骤的示意图;
图10为一实施例的机器学习模型的再训练方法的流程图;
图11为图10的各步骤的示意图。
具体实施方式
请参照图1,其绘示根据一实施例的光学邻近校正(optical proximitycorrection,OPC)的示意图。光学邻近校正技术主要是用来修正光掩模图案。光学邻近校正的目标是尽可能的使蚀刻出来的线路能够与预定的线路图案一致且没有任何缺陷。如图1所示,采用光掩模图案MK11进行曝光/显影/蚀刻制作工艺后,可以获得线路图案PT11。从线路图案PT11可以明显发现桥接的缺陷热点DF11。
为了避免缺陷热点DF11的发生,研究人员可以利用某一光学邻近校正策略将光掩模图案MK11修正为光掩模图案MK12。如图1所示,采用光掩模图案MK12进行曝光/显影/蚀刻制作工艺后,可以获得线路图案PT12。从线路图案PT12可以发现缺陷热点DF11已经消失。然而,缺陷热点的态样相当得多,走线密度与弯曲度也都会影响线路图案。因此,面对各种不同的情况,往往难以正确判断出所需要采取的光学邻近校正策略。
请参照图2,其绘示根据一实施例的光学邻近校正操作装置100的示意图。光学邻近校正操作装置100包括一输入单元110、一缺陷分析单元120、一区域萃取单元130、一机器学习模型140、一修正单元150及一再训练单元160。各项元件的功能概述如下。输入单元110用以输入数据。缺陷分析单元120用以进行缺陷分析。区域萃取单元130用以切割出区域图像。机器学习模型140用以进行影像分析/识别程序。修正单元150用以进行光学邻近校正。再训练单元160用以对机器学习模型140进行再训练。输入单元110例如是一数据库、一传输线、一网络线或一无线传输模块。缺陷分析单元120、区域萃取单元130、机器学习模型140、修正单元150及/或再训练单元160例如是一电路、一芯片、一电路板、一程序代码、或存储程序代码的存储装置。在光学邻近校正操作装置100运作过程中,机器学习模型140可以分析至少一局部区域图案,以获得至少一光学邻近校正策略。以下更搭配流程图详细说明各项元件的运作。
请参照图3~图9,图3绘示根据一实施例的光学邻近校正操作方法的流程图,图4~图9示例说明图3的各步骤。图3的光学邻近校正操作方法包括步骤S110~S150。在步骤S110中,如图4所示,输入单元110获得一光掩模布局图MK21。光掩模布局图MK21例如是一GDS档案。在未修正前,光掩模布局图MK21的边缘相当平整。然而,根据上述图1的说明,未修正的光掩模布局图MK21可能会产生缺陷热点。缺陷热点例如是短路、断线、桥接等。因此,修正单元150可以利用基础的光学邻近校正策略对光掩模布局图MK21进行全面修正,以获得图5的光掩模布局图MK22。
接着,在步骤S120中,如图5所示,缺陷分析单元120判断光掩模布局图MK22是否具有任何缺陷热点。若光掩模布局图MK22不具有任何缺陷热点,则结束本流程;若光掩模布局图MK22具有任何缺陷热点,则进入步骤S130。光掩模布局图MK22的缺陷热点的数量可能为一,也可能为两个以上。如图5所示,光掩模布局图MK22具有缺陷热点DF221、DF222、DF223。缺陷热点DF221例如是可能发生断线,缺陷热点DF222与缺陷热点DF223例如是可能发生桥接。
在步骤S130中,如图6所示,区域萃取单元130根据缺陷热点DF221、DF222、DF223取出局部区域图案LM221、LM222、LM223。局部区域图案LM221、LM222、LM223并非整个光掩模布局图MK22,而仅仅是缺陷热点DF221、DF222、DF223的邻近区域。局部区域图案LM221、LM222、LM223的大小可以相同,也可以不完全相同。局部区域图案LM221、LM222、LM223的大小可以是线宽的5~20倍大小。
接着,在步骤S140中,如图6所示,机器学习模型140分析局部区域图案LM221、LM222、LM223,以获得光学邻近校正策略ST221、ST222、ST223。光学邻近校正策略ST221用以对局部区域图案LM221进行修正,以期望能够避免断线的发生。光学邻近校正策略ST222、ST223用以对局部区域图案LM222、LM223进行修正,以期望能够避免桥接的发生。光学邻近校正策略ST221、ST222、ST223可以是完全不同、部分相同、也可以是完全相同。此外,针对同一局部区域图案,机器学习模型140可能会分析出多种光学邻近校正策略,则可进一步利用成本分析法挑选出最适当的光学邻近校正策略。
然后,在步骤S150中,如图6所示,修正单元150执行光学邻近校正策略ST221、ST222、ST223,以修正光掩模布局图MK22。在此步骤中,修正单元150针对局部区域图案LM221、LM222、LM223执行光学邻近校正策略ST221、ST222、ST223,以获得修正后的局部区域图案LM221’、LM222’、LM223’。修正单元150并将修正后的局部区域图案LM221’、LM222’、LM223’融合至光掩模布局图MK22,以获得图7的光掩模图案LM23。在此步骤中,光学邻近校正策略ST221、ST222、ST223可以同时执行或依序执行。
在另一实施例中,也可以直接对整个光掩模布局图MK22依序执行光学邻近校正策略ST221、ST222、ST223,而无需融合的程序。
接着,流程回至步骤S120。在步骤S120中,如图7所示,缺陷分析单元120判断光掩模布局图MK23是否具有任何缺陷热点。若光掩模布局图MK23不具有任何缺陷热点,则结束本流程;若光掩模布局图MK23具有任何缺陷热点,则进入步骤S130。如图7所示,光掩模布局图MK23具有缺陷热点DF231。缺陷热点DF231对应于修正后的局部区域图案LM222’。也就是说,光掩模布局图MK23仍需要继续修正。
在步骤S130中,如图8所示,区域萃取单元130根据缺陷热点DF231取出局部区域图案LM231。
接着,在步骤S140中,如图8所示,机器学习模型140分析局部区域图案LM231,以获得光学邻近校正策略ST231。
然后,在步骤S150中,如图8所示,修正单元150执行光学邻近校正策略ST231,以修正光掩模布局图MK23。在此步骤中,修正单元150针对局部区域图案LM231执行光学邻近校正策略ST231,以获得修正后的局部区域图案LM231’。修正单元150并将修正后的局部区域图案LM231’融合至光掩模布局图LM23,以获得图9的光掩模布局图MK24。
接着,流程回至步骤S120。在步骤S120中,如图9所示,缺陷分析单元120判断光掩模布局图MK24是否具有任何缺陷热点。若光掩模布局图MK24不具有任何缺陷热点,则结束本流程;若光掩模布局图MK24具有任何缺陷热点,则进入步骤S130。如图9所示,光掩模布局图MK24不具有任何缺陷热点,故结束本流程。
通过上述实施例,面对各种不同的光掩模图案,机器学习模型140可以分析一或多个局部区域图案,以获得对应的一或多个光学邻近校正策略,无需再依(倚)靠操作人员来进行判断,不仅判断更为准确,且经验能够持续累积。以下更进一步说明如何累积经验,以持续再训练机器学习模型140。
请参照图10~图11,图10绘示根据一实施例的机器学习模型140的再训练方法的流程图,图11示例说明图10的各步骤。在步骤S161中,再训练单元160依据局部区域图案LM221、LM222、LM223、光学邻近校正策略ST221、ST222、ST223及修正后的局部区域图案LM221’、LM222’、LM223’的一缺陷热点分析结果RS(例如是局部区域图案LM221’、LM222’不再具有缺陷热点,而局部区域图案LM223’具有缺陷热点DF231),再训练机器学习模型140。缺陷热点分析结果RS即为训练数据的真值(ground true)。通过这些数据,可以再训练机器学习模型140,以累积经验,对分析准确度能够大幅提升。
综上所述,虽然结合以上实施例公开了本发明,然而其并非用以限定本发明。本发明所属技术领域中的技术人员,在不脱离本发明的精神和范围内,可作各种的更动与润饰。因此,本发明的保护范围应当以附上的权利要求所界定的为准。
Claims (18)
1.一种光学邻近校正操作方法,包括:
获得光掩模布局图;
若该光掩模布局图具有至少一缺陷热点,则根据该缺陷热点,从该光掩模布局图取出至少一局部区域图案;
以机器学习模型分析该至少一局部区域图案,以获得至少一光学邻近校正策略;以及
执行该至少一光学邻近校正策略,以修正该光掩模布局图。
2.如权利要求1所述的光学邻近修正操作方法,其中从该光掩模布局图所取出的该至少一局部区域图案的数量大于一。
3.如权利要求2所述的光学邻近修正操作方法,其中以该机器学习模型分析该些局部区域图案,所获得的该至少一光学邻近校正策略的数量大于一。
4.如权利要求3所述的光学邻近修正操作方法,其中该些光学邻近校正策略不完全相同。
5.如权利要求3所述的光学邻近修正操作方法,其中部分的该些光学邻近校正策略相同。
6.如权利要求3所述的光学邻近修正操作方法,其中该些光学邻近校正策略同时执行,以修正该光掩模布局图。
7.如权利要求1所述的光学邻近修正操作方法,其中执行该至少一光学邻近校正策略,以修正该光掩模布局图的步骤包括:
针对该局部区域图案执行该至少一光学邻近校正策略,以修正该至少一局部区域图案;以及
将修正后的该至少一局部区域图案融合至该光掩模布局图,以对该光掩模布局图进行修正。
8.如权利要求1所述的光学邻近修正操作方法,其中执行该至少一光学邻近校正策略,以修正该光掩模布局图的步骤包括:
针对该光掩模布局图执行该至少一光学邻近校正策略,以对该光掩模布局图进行修正。
9.如权利要求1所述的光学邻近修正操作方法,还包括:
收集该至少一局部区域图案、对应的该至少一光学邻近校正策略及对应的修正后的该光掩模布局图的缺陷热点分析结果;以及
依据该至少一局部区域图案、对应的该至少一光学邻近校正策略及对应的修正后的该光掩模布局图的该缺陷热点分析结果,再训练该机器学习模型。
10.一种光学邻近校正操作装置,包括:
输入单元,用以获得光掩模布局图;
区域萃取单元,若该光掩模布局图具有至少一缺陷热点,则该区域萃取单元根据该缺陷热点取出至少一局部区域图案;
机器学习模型,用以分析该至少一局部区域图案,以获得至少一光学邻近校正策略;以及
修正单元,用以执行该至少一光学邻近校正策略,以修正该光掩模布局图。
11.如权利要求10所述的光学邻近修正操作装置,其中该区域萃取单元从该光掩模布局图所取出的该至少一局部区域图案的数量大于一。
12.如权利要求11所述的光学邻近修正操作装置,其中该机器学习模型分析该些局部区域图案,所获得的该至少一光学邻近校正策略的数量大于一。
13.如权利要求12所述的光学邻近修正操作装置,其中该些光学邻近校正策略不完全相同。
14.如权利要求12所述的光学邻近修正操作装置,其中部分的该些光学邻近校正策略相同。
15.如权利要求12所述的光学邻近修正操作装置,其中该些光学邻近校正策略同时执行,以修正该光掩模布局图。
16.如权利要求10所述的光学邻近修正操作装置,其中该修正单元针对该局部区域图案执行该至少一光学邻近校正策略,以修正该至少一局部区域图案,该修正单元并将修正后的该至少一局部区域图案融合至该光掩模布局图,以对该光掩模布局图进行修正。
17.如权利要求10所述的光学邻近修正操作装置,其中该修正单元针对该光掩模布局图执行该至少一光学邻近校正策略,以对该光掩模布局图进行修正。
18.如权利要求10所述的光学邻近修正操作装置,还包括:
再训练单元,用以依据该至少一局部区域图案、该至少一光学邻近校正策略及修正后的该光掩模布局图的缺陷热点分析结果,再训练该机器学习模型。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110533878.1A CN115373225A (zh) | 2021-05-17 | 2021-05-17 | 光学邻近修正操作方法与光学邻近修正操作装置 |
US17/348,806 US11927887B2 (en) | 2021-05-17 | 2021-06-16 | OPC operation method and OPC operation device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110533878.1A CN115373225A (zh) | 2021-05-17 | 2021-05-17 | 光学邻近修正操作方法与光学邻近修正操作装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115373225A true CN115373225A (zh) | 2022-11-22 |
Family
ID=83998718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110533878.1A Pending CN115373225A (zh) | 2021-05-17 | 2021-05-17 | 光学邻近修正操作方法与光学邻近修正操作装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11927887B2 (zh) |
CN (1) | CN115373225A (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9846934B2 (en) | 2015-04-13 | 2017-12-19 | Anchor Semiconductor Inc. | Pattern weakness and strength detection and tracking during a semiconductor device fabrication process |
US9690898B2 (en) | 2015-06-25 | 2017-06-27 | Globalfoundries Inc. | Generative learning for realistic and ground rule clean hot spot synthesis |
US10691864B2 (en) * | 2017-11-14 | 2020-06-23 | Taiwan Semiconductor Manufacturing Co., Ltd. | Method of post optical proximity correction (OPC) printing verification by machine learning |
TWI738169B (zh) * | 2019-01-29 | 2021-09-01 | 荷蘭商Asml荷蘭公司 | 用於為佈局圖案化程序判定訓練圖案之方法及相關的電腦程式產品 |
CN115885284A (zh) * | 2020-07-08 | 2023-03-31 | 西门子工业软件有限公司 | 电子设计自动化(eda)应用中基于机器学习的热点预测 |
-
2021
- 2021-05-17 CN CN202110533878.1A patent/CN115373225A/zh active Pending
- 2021-06-16 US US17/348,806 patent/US11927887B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20220365444A1 (en) | 2022-11-17 |
US11927887B2 (en) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7010775B2 (en) | Method for creating mask pattern for circuit fabrication and method for verifying mask pattern for circuit fabrication | |
US8175737B2 (en) | Method and apparatus for designing and integrated circuit | |
US7673258B2 (en) | Design data creating method, design data creating program product, and manufacturing method of semiconductor device | |
JP4510118B2 (ja) | 光近接効果補正方法と装置、光近接効果検証方法と装置、露光用マスクの製造方法、更に光近接効果補正プログラムと光近接効果検証プログラム | |
TWI514068B (zh) | 基於上下文感知圖案之自動化設計佈局圖案校正之方法及設備 | |
JP2009282319A (ja) | パターン検証方法、パターン検証システム、パターン検証プログラム、マスク製造方法、および半導体装置の製造方法 | |
JP2005181523A (ja) | 設計パターン補正方法、マスクパターン作成方法、半導体装置の製造方法、設計パターン補正システム、及び設計パターン補正プログラム | |
JP2007012687A (ja) | 半導体集積回路の設計支援システム、半導体集積回路の設計方法、半導体集積回路の設計支援プログラム、半導体集積回路の製造方法 | |
JP2010127970A (ja) | 半導体装置の製造不良箇所の予測方法、予測装置及び予測プログラム | |
US20040209169A1 (en) | Method of Verifying the Placement of Sub-Resolution Assist Features in a Photomask Layout | |
US20050022150A1 (en) | Optical proximity correction method | |
JP2007310085A (ja) | 半導体装置のパターンデータ検証方法、半導体装置のパターンデータ検証プログラム、半導体装置のパターンデータ補正方法、および半導体装置のパターンデータ補正プログラム | |
US8443309B2 (en) | Multifeature test pattern for optical proximity correction model verification | |
CN115373225A (zh) | 光学邻近修正操作方法与光学邻近修正操作装置 | |
CN101191996A (zh) | 光掩模的制造方法以及光学接近度校正的修补方法 | |
US9201296B2 (en) | Verification and modification method of rules of do-not-inspect regions, computer program, and apparatus for such verification and modification | |
JP5421054B2 (ja) | マスクパターン検証装置、マスクパターン検証方法及びその方法を用いた半導体装置の製造方法 | |
US8122387B2 (en) | Optimizing integrated circuit chip designs for optical proximity correction | |
JP5572973B2 (ja) | パターン検証方法、検証装置及びプログラム | |
CN116090404A (zh) | 半导体器件版图设计规则的检查方法 | |
CN107783369B (zh) | 光学邻近校正的修复方法 | |
JP4333799B2 (ja) | 半導体集積回路の設計方法、半導体集積回路の設計装置、記録媒体、およびマスク製造方法 | |
KR20150120265A (ko) | 집적 회로 설계 방법, 그 방법을 실행하기 위한 시스템 및 집적 회로 검증 시스템 | |
US20130239072A1 (en) | Mask making with error recognition | |
US20080209367A1 (en) | Reliability design method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |