기술 요약: 웨이브가이드 방법론과 물리 정보 신경 연산자를 이용한 EUV 마스크용 기울기 기반 역 리소그래피

1. 문제 정의

본 논문은 극자외선(EUV) 마스크를 위한 역 리소그래피 기술(ILT) 문제를 다루며, 특히 피처 크기가 옹스트롬(Å) 단위에 진입한 첨단 반도체 소자 제조를 목표로 한다. 심자외선(DUV) 시스템과 달리, EUV 리소그래피(13.5 nm 파장 및 향후 목표인 11.2 nm 활용)는 반사형 포토마스크에 의존한다. 마스크의 3차원 토포그래피와 비스듬히 입사하는 전자기파 사이의 상호작용은 복잡한 회절 효과를 유발하여 실리콘 웨이퍼 상의 패턴 충실도를 저하시킨다.

광학 근접 보정(OPC)이 표준적인 방식이지만, 가장 엄격한 접근법인 ILT는 마스크 설계 문제를 역문제(inverse problem)로 정식화한다. 즉, 원하는 강도 분포를 생성하기 위한 이상적인 마스크 토폴로지(구체적으로 흡수체 유전율 분포)를 찾는 것이다. 전통적인 픽셀 기반 ILT는 전체 파동 전자기 시뮬레이션을 반복적으로 호출해야 하므로 계산 비용이 매우 높다. 또한, 기존의 딥러닝 대리 모델(surrogate)은 대규모 사전 계산 데이터셋을 필요로 하며, 현실적인 마스크 기하 구조에 대한 일반화 능력이 부족하다는 문제가 있다.

2. 방법론

저자들은 순방향 회절 모델을 미분 가능한 물리 엔진으로 취급하는 기울기 기반 ILT 프레임워크를 제안한다. 핵심 방법론은 두 가지 주요 구성 요소를 통합한다.

A. 미분 가능한 웨이브가이드 방법 (Differentiable Waveguide Method)

순방향 문제는 시간 조화 맥스웰 방정식(time-harmonic Maxwell equations)에 의해 지배된다. 저자들은 웨이브가이드 방법을 사용하여 헬름홀츠 방정식을 각 층에 대한 대수적 고유값 문제로 변환하며, 이를 위해 횡방향 및 종방향 의존성을 분리한다. 이 과정은 다음을 포함한다:

1. 자기장 성분을 웨이브가이드 모드의 급수로 확장한다.
2. 층간 인터페이스에서 접선 방향 전기장 성분의 연속성을 강제하여 전역 선형 시스템을 형성한다.
3. 이 시스템을 풀어 반사된 전기장을 결정한다.

결정적으로, 전체 순방향 연산자는 자동 미분(automatic differentiation)을 통해 설계 변수(유전율)에 대해 미분 가능하게 만들어진다. 이를 통해 유한 차분 근사 없이도 기울기(gradient)를 계산할 수 있어, 전통적인 방식에 비해 계산 비용을 크게 줄일 수 있다.

B. 신경 연산자 통합 (WGNO)

전역 선형 시스템을 푸는 데 발생하는 계산 병목 현상을 해결하기 위해, 저자들은 **웨이브가이드 신경 연산자(WGNO)**를 도입한다. 이 하이브리드 접근 방식은 선형 시스템 솔버를 솔루션 근사를 학습한 다층 퍼셉트론(MLP)으로 대체한다. WGNO는 물리 정보 기반(physics-informed)이며, 물리 법칙(선형 시스템 방정식)의 잔차(residual)를 최소화하도록 학습되어 출력이 기저의 물리를 만족하도록 보장한다.

C. 최적화 전략

프레임워크는 두 가지 재매개변수화(reparameterization) 전략을 사용하여 흡수체 유전율 $\varepsilon(x)$를 최적화하며, 두 방식 모두 하드 바이너리화(hard binarization) 과정을 거친다.

1. 픽셀 단위 밀도 (Pixel-Wise Density): 제약이 없는 보조 필드를 시그모이드 함수를 통해 물리적 밀도로 매핑한다. 손실 함수에는 필드 매칭, 바이너리화 페널티, 그리고 서브파장 아티팩트를 억제하기 위한 총 변동(total variation) 항이 포함된다.
2. 푸리에 매개변수 투영 (Fourier-Parameterized Projection): 밀도를 푸리에 계수로 정의된 대역 제한 잠재 함수(band-limited latent function)로 표현한다. 이 방식은 고주파 노이즈를 자연스럽게 억제하고 매끄러운 마스크 벽면을 강제한다. 손실 함수는 총 변동 페널티를 고차 계수에 대한 스펙트럼 페널티로 대체한다.

최적화는 원격 표면에서의 반사된 전기장과 목표 전기장의 제곱 크기 사이의 불일치를 측정하는 손실 범함수(loss functional)를 최소화한다.

3. 주요 기여

• 엔드 투 엔드 미분 가능 프레임워크: 전체 순방향 회절 모델(엄격한 웨이브가이드 방법에 기반함)이 자동 미분을 통해 미분 가능하도록 구현된 새로운 ILT 프레임워크를 제시하여, 유전율에 대한 직접적인 기울기 기반 최적화를 가능하게 했다.
• 하이브리드 물리 정보 최적화: ILT 파이프라인에 WGNO를 통합함으로써, 웨이브가이드 방법의 물리적 구조를 유지하면서도 가장 비용이 많이 드는 선형 대수 단계를 신경망으로 대체하는 하이브리드 체계를 제공한다.
• 재매개변수화 기술: 픽셀 단위 밀도 최적화와 푸리에 매개변수 투영을 체계적으로 비교하여, 후자가 더 적은 최적화 시간으로 더 매끄럽고 제조 가능한 마스크 프로파일을 생성함을 입증했다.
• 재료 및 차원 확장성: $\lambda=11.2$ nm에서 실제 2D 및 3D 흡수체(TaBN, Lanthanum, Uranium)에 대해 프레임워크를 검증하였으며, 멀티 피처 레이아웃 및 3차원 마스크 기하 구조로의 확장성을 입증했다.

4. 실험 결과

2D EUV 마스크 설정(60 nm 흡수층 및 30주기 Ru/Be/Sr 미러 스택, $\lambda=11.2$ nm)에 대해 수치 실험을 수행하였다.

• 재료별 성능: 세 가지 흡수체 재료를 테스트했다. **란타넘(La)**은 가장 높은 중앙 최대 강도를 제공했으며, **우라늄(U)**은 목표 전기장 분포에 가장 근접한 결과를 나타냈다. TaBN은 베이스라인 역할을 했다.
• 최적화 효율: 푸리에 매개변수 전략은 동일한 순방향 문제를 해결하는 동안 픽셀 단위 방식보다 1.31배 빠른 속도(179초 대비 137초)를 달축했다. 또한 더 잘 정의된 벽면과 적은 톱니 모양 경계(jagged boundaries)를 가진 마스크를 생성했다.
• WGNO 성능: WGNO는 엄격한 솔버와 유사한 최적화 결과를 생성했으나, 현재 단계에서 속도 이점을 제공하지는 못했다. 저자들은 마스크 최적화와 동시에 네트워크를 학습시키는 계산 비용이 더 빠른 순방향 솔브의 이점을 상쇄한다고 언급했다.
• 3D 확장: 프레임워크는 3D 마스크 최적화(214×214 nm 타겟 패턴)로 성공적으로 확장되었으며, 이 파이프라인이 실제의 복잡한 레이아웃으로 확장 가능함을 확인했다.

5. 의의 및 주장

본 논문은 엄격한 순방향 모델이 최적화 과정 전반에 걸쳐 보존되는 EUV 역 마스크 설계를 위한 완전 미분 가능한 경로를 구축했다고 주장한다. 웨이브가이드 방법에 대한 자동 미분을 활용함으로써, 저자들은 지도 학습 데이터셋이나 기울기 없는 휴리스틱에 의존하지 않고도 원하는 전기장 분포를 달성하는 마스크 구조를 복구할 수 있음을 입증했다.

저자들은 이 연구를 기존 ILT의 계산적 한계를 극로하기 위한 단계로 규정한다. 이들은 현재 형태의 WGNO 통합(동시 학습)이 아직 순수 속도 향상을 가져오지는 않지만, 프레임워크가 견고하고 확장 가능하다는 점을 시사한다. 결론적으로, 이 접근 방식은 순방향 모델을 미분 가능하게 만들 수 있다면 EUV 마스크 설계뿐만 아니라 메타물질 및 기타 주기적인 전자기 구조의 역 설계에도 적용될 수 있다.