🔬 optics

Gradient-based inverse lithography for EUV masks via the waveguide method and a physics-informed neural operator

Cet article présente un cadre de lithographie inverse basé sur le gradient pour les masques EUV qui intègre des méthodes de guides d'ondes différentiables et des opérateurs de réseaux de neurones de guides d'ondes en tant que moteurs physiques de bout en bout pour récupérer automatiquement la permittivité optimale de l'absorbeur, générant avec succès des structures de masque qui atteignent les champs de plaquettes souhaités pour des matériaux 2D et 3D réalistes à 11,2 nm.

Auteurs originaux : Vasiliy A. Es'kin, Egor V. Ivanov

Publié 2026-06-25

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Vasiliy A. Es'kin, Egor V. Ivanov

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez de préparer le gâteau parfait, mais que vous ne pouvez pas voir le four. Tout ce que vous voyez, c'est le résultat final sur l'assiette. Votre objectif est de découvrir exactement quelle quantité de farine, de sucre et d'œufs vous devez mélanger pour obtenir ce gâteau parfait. C'est essentiellement ce que font les scientifiques de cet article, mais au lieu de cuisiner, ils conçoivent des motifs microscopiques pour des puces informatiques.

Voici une décomposition simple de leur travail :

Le gros problème : L'effet d'« ombre »

Les puces informatiques modernes sont si minuscules qu'elles se mesurent à l'échelle de l'atome. Pour imprimer ces circuits minuscules, les fabricants utilisent une lumière spéciale appelée l'Extrême Ultraviolet (EUV). Ils projettent cette lumière à travers un « masque » (un pochoir) pour projeter le motif du circuit sur une plaquette de silicium.

Cependant, comme la lumière est si petite et frappe le masque avec un certain angle, elle se comporte comme des vagues d'eau s'écrasant contre un rivage rocheux. La forme 3D du masque crée des « ombres » bizarres et des distorsions (appelées diffraction) qui gâchent le motif sur la puce. C'est comme essayer de tracer une ligne droite avec une lampe de poche qui ne cesse de vaciller et de courber son faisceau.

L'ancienne méthode : Deviner et vérifier

Pour corriger cela, les ingénieurs utilisent une technique appelée « Technologie de Lithographie Inverse » (ILT). Ils veulent travailler à rebours : « Quelle forme le masque doit-il avoir pour que la lumière arrive parfaitement sur la puce ? »

Traditionnellement, c'est comme essayer de résoudre un labyrinthe les yeux bandés. Vous devinez une forme, vous simulez la lumière, vous voyez qu'elle est incorrecte, vous modifiez la forme, et vous réessayez. Le problème est que simuler la lumière est extrêmement lent et coûteux en calculs. C'est comme essayer de calculer la météo pour la planète entière chaque fois que vous voulez savoir si vous avez besoin d'un parapluie.

La nouvelle solution : Un moteur physique « intelligent »

Les auteurs de cet article ont créé une nouvelle façon, plus rapide, de résoudre ce casse-tête. Ils ont combiné deux idées astucieuses :

Le guide d'ondes « différentiable » : Considérez leur outil de simulation comme une calculatrice super intelligente qui ne se contente pas de donner un résultat ; elle vous indique aussi comment modifier le résultat pour vous rapprocher de l'objectif. Au lieu de deviner aveuglément, le système sait exactement quelle minuscule modification apporter au masque pour améliorer le motif lumineux. C'est comme avoir un GPS qui ne se contente pas de dire « vous êtes perdu », mais qui dit : « tournez à gauche de 5 degrés pour reprendre votre route ».
L'« Opérateur Neuronal » (l'assistant IA) : Ils ont également entraîné une petite IA (un réseau neuronal) pour agir comme un raccourci. Habituellement, la partie la plus difficile du calcul consiste à résoudre un système massif d'équations. L'IA apprend à prédire la réponse à ces équations presque instantanément, agissant comme un chef expérimenté qui sait exactement combien de temps il faut pour cuire un gâteau sans avoir besoin de vérifier le four chaque minute.

Comment ils l'ont testé

L'équipe a testé sa méthode dans un monde virtuel en 2D et 3D en utilisant une longueur d'onde lumineuse spécifique (11,2 nm, ce qui est encore plus petit que le standard de 13,5 nm utilisé aujourd'hui). Ils ont essayé trois « ingrédients » différents pour la couche absorbante du masque :

TaBN : Un matériau courant.
Lanthane (La) : Un métal de terres rares.
Uranium (U) : Un métal lourd.

Ils ont demandé au système de créer des motifs lumineux spécifiques (comme un point brillant unique ou trois points brillants) sur la « plaquette ».

Les résultats

Ça fonctionne : Le système a réussi à concevoir des masques qui créaient exactement les motifs lumineux souhaités, même avec les distorsions 3D complexes.
Vitesse : Ils ont testé deux façons de décrire la forme du masque. L'une consistait à dessiner par une grille pixel par pixel (très détaillé mais lent). L'autre consistait à dessiner avec des courbes mathématiques fluides (séries de Fourier). La méthode des courbes fluides était 1,31 fois plus rapide et produisait des bords plus nets et plus lisses, ce qui serait plus facile à fabriquer.
L'importance du matériau : Ils ont découvert que le Lanthane créait le point central le plus brillant, tandis que l'Uranium créait un motif qui correspondait le plus étroitement à la forme cible idéale.
Succès 3D : Ils ont prouvé que cela fonctionne non seulement pour des lignes plates, mais aussi pour des formes 3D complexes, ce qui est crucial pour les puces du monde réel.

L'essentiel

Cet article présente une nouvelle façon « intelligente » de concevoir les pochoirs (masques) pour les puces informatiques les plus avancées de notre monde. En utilisant un mélange de physique rigoureuse et de raccourcis d'IA intelligents, ils peuvent déterminer la forme parfaite du masque beaucoup plus rapidement et plus précisément qu'auparavant. Cela garantit que les circuits minuscules de nos futurs ordinateurs soient imprimés avec une clarté parfaite, évitant ainsi les « ombres floues » qui affectent habituellement ces conceptions ultra-réduites.

Résumé Technique : Lithographie Inverse Basée sur le Gradient pour les Masques EUV via la Méthode des Guides d'Ondes et un Opérateur Neuronal Informé par la Physique

1. Énoncé du Problème

L'article traite du problème de la Technologie de Lithographie Inverse (ILT) pour les masques EUV (Extrême Ultraviolet), ciblant spécifiquement la fabrication de dispositifs semi-conducteurs avancés où les tailles de caractéristiques sont entrées dans le régime de l'angström. Contrairement aux systèmes de rayonnement ultraviolet profond (DUV), la lithographie EUV (utilisant des longueurs d'onde de 13,5 nm et des cibles futures de 11,2 nm) repose sur des photomasques réfléchissants. L'interaction entre la topographie tridimensionnelle du masque et les ondes électromagnétiques incidents obliques induit des effets de diffraction complexes qui dégradent la fidélité des motifs sur la tranche de silicium.

Bien que la Correction de Proximité Optique (OPC) soit la norme, l'approche la plus rigoureuse, l'ILT, formule la conception du masque comme un problème inverse : trouver la topologie de masque idéale (spécifiquement la distribution de la permittivité de l'absorbeur) pour générer une distribution d'intensité souhaitée sur la tranche. L'ILT traditionnelle basée sur les pixels est extrêmement coûteuse en calcul en raison de l'invocation répétée de simulations électromagnétiques à ondes complètes. De plus, les substituts (surrogates) basés sur l'apprentissage profond existants nécessitent souvent de grands ensembles de données pré-calculés et peinent à se généraliser à travers des géomététries de masques réalistes.

2. Méthodologie

Les auteurs proposent un cadre d'ILT basé sur le gradient qui traite le modèle de diffraction direct comme un moteur de physique différentiable. La méthodologie de base intègre deux composantes principales :

A. Guide d'Ondes Différentiable

Le problème direct est régi par les équations de Maxwell en régime harmonique temporel. Les auteurs emploient la méthode des guides d'ondes, qui transforme l'équation de Helmholtz en un problème de valeur propre algébrique pour chaque couche en séparant les dépendances transversales et longitudinales. Cela implique :

L'expansion de la composante du champ magnétique en une série de modes de guides d'ondes.
L'application de la continuité des composantes tangentielles du champ aux interfaces des couches pour former un système linéaire global.
La résolution de ce système pour déterminer le champ réfléchi.

Crucialement, l'opérateur direct complet est rendu différentiable par rapport aux variables de conception (permittivité) via la différenciation automatique. Cela permet le calcul des gradients sans approximations par différences finies, réduisant considérablement le coût computationnel par rapport aux méthodes traditionnelles.

B. Intégration de l'Opérateur Neuronal (WGNO)

Pour remédier au goulot d'étranglement computationnel de la résolution du système linéaire global, les auteurs incorporent l'Opérateur Neuronal de Guide d'Ondes (WGNO). Cette approche hybride remplace le solveur de système linéaire par un Perceptron Multicouche (MLP) entraîné pour approximer la solution. Le WGNO est informé par la physique, entraîné pour minimiser le résidu des lois physiques (l'équation du système linéaire), garantissant que la sortie satisfait la physique sous-jacente.

C. Stratégies d'Optimisation

Le cadre optimise la permittivité de l'absorbeur $\varepsilon(x)$ en utilisant deux stratégies de reparamétrage, toutes deux suivies d'une binarisation stricte :

Densité par Pixel : Un champ auxiliaire non contraint est mappé vers la densité physique via une fonction sigmoïde. La fonction de perte inclut des termes pour l'ajustement du champ, la pénalité de binarisation et la variation totale (pour supprimer les artefacts sous-longueur d'onde).
Projection Paramétrée par Fourier : La densité est représentée par une fonction latente limitée en bande définie par des coefficients de Fourier. Cette approche supprime naturellement le bruit haute fréquence et impose des parois de masque lisses. La fonction de perte remplace la pénalité de variation totale par une pénalité spectrale sur les coefficients d'ordre supérieur.

L'optimisation minimise une fonctionnelle de perte mesurant l'écart entre les modules au carré des champs électrique et désiré sur une surface distante.

3. Contributions Clés

Cadre de Bout en Bout Différentiable : L'article présente un nouveau cadre d'ILT où le modèle de diffraction direct complet (basé sur la méthode rigoureuse des guides d'ondes) est différentiable, permettant l'optimisation directe par gradient de la permittivité du masque via la différenciation automatique.
Optimisation Hybride Informée par la Physique : L'intégration du WGNO dans le pipeline d'ILT offre un schéma hybride qui conserve la structure physique de la méthode des guides d'ondes tout en remplaçant l'étape d'algèbre linéaire la plus coûteuse par un réseau neuronal.
Techniques de Reparamétrage : L'étude compare systématiquement l'optimisation de la densité par pixel à la projection paramétrée par Fourier, démontrant la capacité de cette dernière à produire des profils de masque plus lêmes et plus manufacturables avec un temps d'optimisation réduit.
Scalabilité des Matériaux et des Dimensions : Le cadre est validé sur des absorbeurs 2D et 3D réalistes (TaBN, Lanthane, Uranium) à $\lambda=11,2$ nm, démontrant sa scalabilité vers des configurations multi-caractéristiques et des géométries de masques tridimensionnelles.

4. Résultats Expérimentaux

Des expériences numériques ont été menées sur une configuration de masque EUV 2D avec une couche absorbante de 60 nm et un empilement de miroirs Ru/Be/Sr de 30 périodes à $\lambda=11,2$ nm.

Performance des Matériaux : Trois matériaux absorbants ont été testés. Le Lanthane (La) a fourni le meilleur maximum d'intensité centrale, tandis que l'Uranium (U) a produit la correspondance la plus proche de la distribution de champ désirée. Le TaBN a servi de référence.
Efficacité d'Optimisation : La stratégie paramétrée par Fourier a obtenu une accélération de 1,31 fois (137 secondes contre 179 secondes) par rapport à la méthode par pixel tout en résolvant le même problème direct. Elle a également produit des masques avec des parois bien définies et moins de bordures dentelées.
Performance du WGNO : Bien que le WGNO ait produit des résultats d'optimisation comparables au solveur rigoureux, il n'offre pas actuellement d'avantage de vitesse. Les auteurs notent que le coût computationnel de l'entraînement du réseau simultanément à l'optimisation du masque l'emporte sur les bénéfices de la résolution plus rapide du problème direct dans leur configuration actuelle.
Extension 3D : Le cadre s'est étendu avec succès à l'optimisation de masques 3D (motif cible de 214×214 nm), confirmant que le pipeline passe à l'échelle pour des configurations réalistes et complexes.

5. Signification et Revendications

L'article affirme établir une voie entièrement différentiable pour la conception inverse de masques EUV où le modèle direct rigoureux est préservé tout au long du processus d'optimisation. En exploitant la différenciation automatique sur la méthode des guides d'ondes, les auteurs démontrent qu'il est possible de récupérer des structures de masque qui atteignent les distributions de champ souhaitées sans dépendre de jeux de données d'apprentissage supervisé ou d'heuristiques sans gradient.

Les auteurs positionnent ce travail comme une étape vers le dépassement des limitations computationnelles de l'ILT conventionnelle. Ils suggèrent que, bien que l'intégration du WGNO dans sa forme actuelle (entraînement simultané) ne procure pas encore de gain de vitesse net, le cadre est robuste et évolutif. L'article conclut que cette approche est applicable non seulement à la conception de masques EUV, mais aussi à la conception inverse de métamatériaux et d'autres structures électromagnétiques périodiques, à condition que le modèle direct puisse être rendu différentiable.