🔬 optics

Inverse mask design for interference lithography using automatic differentiable wave propagation

Cet article présente un cadre d'optimisation basé sur le gradient utilisant la différenciation automatique et la méthode de spectre angulaire différentiable pour concevoir des masques de lithographie par interférence binaires qui génèrent avec succès des nanostructures complexes et non périodiques avec un minimum de défauts, tout en employant des techniques économes en mémoire telles que l'ASM décalé et le contrôle de point de gradient pour passer à l'échelle de grandes tailles de masques.

Auteurs originaux : Chuntian Cao, Jangwoon Sung, Jack Griffiths, Yuan Gao, Xi Yu, Paul Baity, Nikhil Tiwale, Zhitian Shi, Juhong Ahn, Shinjae Yoo, Yong S. Chu, Chang-Yong Nam

Publié 2026-08-07

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Chuntian Cao, Jangwoon Sung, Jack Griffiths, Yuan Gao, Xi Yu, Paul Baity, Nikhil Tiwale, Zhitian Shi, Juhong Ahn, Shinjae Yoo, Yong S. Chu, Chang-Yong Nam

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 essayiez d'imprimer une image en utilisant uniquement une lampe de poche et un morceau de carton. Dans le monde de la fabrication de choses minuscules — comme les circuits à l'intérieur de votre téléphone ou les motifs sur une micropuce — les scientifiques utilisent une technique appelée lithographie par interférence. Voyez cela ainsi : au lieu de projeter de la lumière à travers un pochoir pour obtenir une ombre, vous projetez deux ou plusieurs faisceaux laser afin qu'ils s'entrechoquent. Là où les ondes de lumière se rencontrent de la bonne manière, elles créent des rayures brillantes et sombres, comme des ondulations dans un étang qui entrent en collision. C'est fantastique pour créer des motifs répétitifs parfaits (comme une grille de points) car la mathématique est simple et prévisible.

Mais que se passe-t-il si vous voulez imprimer quelque chose de désordonné et d'unique, comme un logo ou un dessin complexe, plutôt qu'une grille répétitive ? C'est là que les choses deviennent compliquées. Les ondes lumineuses ne suivent plus une règle simple ; elles s'emmêlent. Pour obtenir le bon dessin sur le « film » (une couche spéciale sensible à la lumière), vous devez concevoir un masque très spécifique et étrange (le carton avec des trous) qui tord la lumière exactement comme vous le souhaitez. Le problème est que déterminer à quoi ce masque devrait ressembler, c'est comme essayer de deviner la forme d'un rocher juste en regardant son ombre. C'est un puzzle sans solution évidente, et pendant longtemps, la création de ces masques personnalisés pour des formes complexes a été extrêmement difficile.

C'est ici qu'une équipe de chercheurs du Laboratoire National de Brookhaven intervient avec une nouvelle astuce ingénieuse. Ils n'ont pas simplement deviné ; ils ont construit un programme informatique super intelligent qui apprend à concevoir ces masques par essais et erreurs, mais avec un super-pouvoir : la différenciation automatique.

Voici comment leur « magie » fonctionne. Imaginez que vous essayiez de sculpter une statue dans de l'argile, mais que vous ne puissiez voir que l'ombre qu'elle projette sur un mur. Vous voulez que l'ombre ressemble exactement à la photo d'un chat. Dans le passé, vous auriez pu deviner, regarder l'ombre, puis deviner à nouveau, en espérant vous rapprocher. Cette nouvelle méthode est comparable à un robot qui peut instantanément vous dire exactement quel minuscule grain d'argile déplacer pour que l'ombre soit meilleure. L'ordinateur simule le passage de la lumière à travers un masque numérique, voit comment le « ombre » (le motif) résultant se compare à l'image cible, puis utilise les mathématiques pour déterminer exactement comment ajuster le masque pour corriger les erreurs. Il fait cela des milliers de fois de suite, se rapprochant de plus en plus de la perfection.

Les chercheurs ont utilisé une technique appelée Méthode du Spectre Angulaire pour simuler le trajet de la lumière. Considérez cela comme un moteur de jeu vidéo super précis qui prédit exactement comment les ondes lumineuses vont danser et interférer entre elles. En rendant ce moteur « différentiable », ils ont permis à l'ordinateur de travailler à rebours, de l'erreur vers la cause. Ils ont commencé avec un masque numérique aléatoire et désordonné, puis ont laissé l'ordinateur « rétropropager » les erreurs, ajustant les pixels du masque jusqu'à ce que le motif lumineux simulé corresponde presque parfaitement à leur conception cible.

Les résultats ont été impressionnants. Ils ont conçu un masque capable d'imprimer un motif complexe (basé sur le logo du Laboratire National de Brookhaven) avec des détails incroyablement nets. Le motif final ne présentait que 0,1 % de pixels erronés — soit, pour ainsi dire, quelques minuscules grains de poussière éparpillés dans une image par ailleurs parfaite. Plus incroyable encore, le masque qu'ils ont conçu possédait des pixels de 800 nanomètres de large, pourtant il pouvait imprimer des structures de seulement 400 nanomètres. C'est comme utiliser un pinceau grossier pour peindre une ligne qui fait la moitié de la largeur des poils du pinceau, tout cela grâce à la façon dont les ondes lumineuses interfèrent entre elles.

Cependant, il y avait un bémol. Simuler cette danse de la lumière pour un masque de grande taille nécessite une quantité massive de mémoire informatique, comme si l'on essayait de tenir un océan entier dans une seule tasse. Pour résoudre ce problème, l'équipe a inventé une version « décalée » de leur simulation. Imaginez que vous essayez de peindre une immense fresque. Au lieu d'essayer de garder toute la toile dans votre esprit à la fois, vous la divisez en petits carrés, peignez chaque carré séparément, puis les assemblez. Cette approche de « patchwork » a permis de simuler des masques 10,2 fois plus grands que ce que leurs ordinateurs pouvaient normalement gérer. Ils ont même testé l'exécution de cela sur quatre cartes graphiques simultanément, ce qui a rendu le processus 2,5 fois plus rapide.

Un détail important qu'ils ont découvert est que cette magie ne fonctionne que si la lumière est très pure. Si vous utilisez une lampe de poche avec un mélange de couleurs (comme la lumière blanche), le motif devient flou et délavé. Ils ont découvert que la lumière doit être presque d'une seule couleur (monochromatique), comme un laser, pour conserver des bords nets. Si la couleur de la lumière varie trop, le délicat motif d'interférence s'effondre.

En fin de compte, cet article ne se contente pas de montrer une nouvelle façon de concevoir des masques ; il ouvre la porte à l'impression de n'importe quelle forme que vous pouvez imaginer en utilisant la lithographie par interférence. En combinant la physique et l'apprentissage automatique, ils ont transformé un problème mathématique presque impossible en un puzzle soluble. Bien qu'ils aient prouvé que cela fonctionne en simulation, la voie est désormais libre pour construire de vrais masques destinés à créer des nanostructures complexes et non répétitives, ce qui pourrait révolutionner la façon dont nous fabriquons de futurs dispositifs minuscules et complexes.

Résumé technique : Conception de masque inverse pour la lithographie d'interférence par propagation d'ondes différentiable automatique

Énoncé du problème
La lithographie d'interférence (LI) est une technique standard pour la fabrication de nanostructures périodiques à haute résolution et pour la qualification des résines photosensibles, particulièrement aux longueurs d'onde de l'extrême ultraviolet (EUV). Cependant, la conception de photomasks pour générer des motifs arbitraires et non périodiques reste un défi majeur. Bien que la propagation directe d'un masque vers une image aérienne puisse être calculée de manière analytique, le problème inverse — déterminer le masque requis pour produire une image aérienne cible spécifique — est mal posé en raison de l'absence d'informations de phase dans les motifs aériens basés sur l'intensité. Les méthodes existantes peinent souvent à passer à l'échelle pour de grands masques ou à résoudre des caractéristiques plus petites que le pas de pixel du masque sans des coûts de calcul prohibitifs.

Méthodologie
Les auteurs proposent un cadre d'optimisation basé sur le gradient qui utilise la différenciation automatique pour résoudre le problème de conception de masque inverse. Le cœur de l'approche est un modèle direct différentiable basé sur la méthode de la spectre angulaire (ASM - Angular Spectrum Method), une technique standard pour simuler la diffraction en champ proche et intermédiaire.

Modèle direct : L'ASM calcule le champ propagé au plan de l'image en effectuant une transformée de Fourier du champ du masque, en multipliant par une fonction de transfert (qui inclut la propagation en espace libre et une limitation de bande pour supprimer les composantes évanescentes et les repliements de spectre) et en applinant une transformée de Fourier inverse. Ce processus est entièrement différentiable, permettant la rétropropagation des gradients.
Formulation de l'optimisation : La conception du masque est traitée comme un problème d'optimisation sur des « logits » continus ( $\ell$ ). Ces logits sont convertis en un masque binaire progressif via une fonction sigmoïde avec un paramètre de température ( $\tau$ ), qui est refroidi (annealing) pendant l'entraînement pour approcher un masque binaire dur. La fonction de perte ( $\mathcal{L}$ ) combine un terme de corrélation de Pearson entre l'amplitude du champ simulé et le motif cible avec des termes de régularisation : la variation totale ( $L_{TV}$ ) pour pénaliser les variations spatiales à haute fréquence et la parcimonie ( $L_{sp}$ ) pour promouvoir des masques parcimonieux et manufacturables.
Scalabilité (ASM décalé) : Pour traiter la complexité de mémoire en $O(N^2)$ de l'ASM standard pour les grands masques, les auteurs emploient l'ASM décalé (Shifted ASM). Cette méthode partitionne le masque en de plus petits patchs (par exemple, $4 \times 4$ ), propage chacun d'eux indépendamment en utilisant des fonctions de transfert qui tiennent compte des décalages latéraux, et additionne les champs complexes résultants au plan d'observation. Cela réduit les exigences de mémoire de pointe pour passer à l'échelle avec la taille du patch, soit $O((N/P)^2)$ .
Parallélisation : Le cadre prend en charge la distribution multi-GPU, où les patchs sont assignés à différents GPU. La communication est limitée à deux opérations all-reduce : la somme des champs partiels dans le passage direct (forward pass) et la somme des gradients de logits dans le passage arrière (backward pass).

Résultats clés
Les auteurs ont validé le cadre en utilisant un motif cible dérivé du logo du Brookhaven National Laboratory (BNL), présentant des rayures verticales avec une taille de caractéristique minimale de 400 nm.

Résolution et précision : En utilisant un masque avec un pas de pixel de 800 nm, la conception optimisée a réussi à résoudre des caractéristiques de 400 nm au plan de l'image, démontrant une amélioration de la résolution de $2\times$ grâce à la diffraction cohérente. Le motif résultant a atteint un coefficient de corrélation de Pearson de 0,95 avec la cible. Une fois binarisé pour simuler le développement de la résine, le motif ne présentait que 0,1 % de défauts isolés au niveau des pixels.
Efficacité de la mémoire et du temps d'exécution : Pour un masque de 3,84 mm $\times$ 3,84 mm (19 200 $\times$ 19 200 pixels), l'ASM décalé avec 16 patchs a réduit la mémoire GPU de pointe de 3,8 $\times$ par rapport à l'ASM standard, avec seulement une augmentation de 1,3 $\times$ du temps d'exécution. Avec le pointage de gradient (gradient checkpointing) activé, la mémoire de pointe a été réduite de 7,4 $\times$ avec un coût de temps de calcul de $2\times$ .
Capacité à grande échelle : L'approche ASM décalée a permis l'optimisation de masques allant jusqu'à 12,8 mm $\times$ 12,8 mm, une zone 10,2 $\times$ plus grande que la taille maximale réalisable avec l'ASM standard sur le même matériel. La distribution de l'optimisation sur 4 GPU a davantage accéléré le processus, atteignant une accélération de 2,5 $\times$ par rapport à l'ASM standard.
Sensibilité spectrale : Les simulations ont indiqué que si la LI périodique est tolérante aux sources à large bande, les motifs non périodiques arbitraires nécessitent une illumination quasi monochromatique. L'étude a estimé une tolérance de largeur de bande de $\Delta\lambda/\lambda \lesssim 5,76 \times 10^{-4}$ pour maintenir la fidélité du motif, une contrainte satisfaite par les lasers et les faisceaux de rayonnement synchrotron, mais pas par les sources à large bande.

Signification et revendications
L'article établit une approche de conception de masque de LI basée sur la physique et l'apprentissage automatique, allant au-delà des structures périodiques pour atteindre des motifs complexes et non périodiques. Les auteurs affirment que ce cadre d'optimisation différentiable parvient à combler le fossé entre la simulation de propagation d'ondes directe et la conception inverse. En exploitant l'ASM décalé et la parallélisation multi-GPU, la méthode surmonte les goulots d'étranglement de mémoire qui limitaient auparavant la taille des masques optimisables.

Ce travail met en évidence le potentiel de la « dégénérescence » dans les problèmes inverses, suggérant que le haut degré de liberté dans la conception des masques peut être exploité pour optimiser des propriétés supplémentaires, telles que la robustesse aux imperfections expérimentales (ex: erreurs de distance ou non-idéalités du faisceau) ou la manufacturabilité (ex: parcimonie), bien que potentiellement au détriment de la qualité de l'image ou de l'intensité. Les auteurs concluent que ce cadre est applicable à tout problème inverse pour lequel un modèle direct différentiable est disponible, le code source étant fourni pour faciliter de nouvelles recherches.

Articles similaires