Resumo Técnico: Litografia Inversa Baseada em Gradiente para Máscaras EUV via Método de Guia de Ondas e um Operador Neural Informado pela Física

1. Definição do Problema

O artigo aborda o problema da Tecnologia de Litografia Inversa (ILT) para máscaras de Ultravioleta Extremo (EUV), visando especificamente a fabricação de dispositivos semicondutores avançados onde os tamanhos de características entraram no regime de angstroms. Diferente dos sistemas de ultravioleta profundo (DUV), a litografia EUV (utilizando comprimentos de onda de 13,5 nm e alvos futuros de 11,2 nm) depende de fotomáscaras reflexivas. A interação entre a topografia tridimensional da máscara e ondas eletromagnéticas incidentes obliquamente induz efeitos de difração complexos que degradam a fidelidade do padrão no wafer de silício.

Embora a Correção de Proximidade Óptica (OPC) seja o padrão, a abordagem mais rigorosa, a ILT, formula o design da máscara como um problema inverso: encontrar a topologia ideal da máscara (especificamente a distribuição de permitividade do absorvedor) para gerar uma distribuição de intensidade desejada no wafer. A ILT tradicional baseada em pixels é computacionalmente proibitiva devido às sucessivas invocações de simulações eletromagnéticas de onda completa. Além disso, os atuais substitutos (surrogates) de aprendizagem profunda frequentemente exigem grandes conjuntos de dados pré-computados e têm dificuldade em generalizar para geometrias de máscara realistas.

2. Metodologia

Os autores propõem um framework de ILT baseado em gradiente que trata o modelo de difração direto como um motor de física diferenciável. A metodologia central integra dois componentes primários:

A. Guia de Ondas Diferenciável

O problema direto é governado pelas equações de Maxwell em regime harmônico temporal. Os autores empregam o método da guia de ondas, que transforma a equação de Helmholtz em um problema de autovalor algébrico para cada camada, separando as dependências transversais e longitudinais. Isso envolve:

1. Expandir a componente do campo magnético em uma série de modos de guia de onda.
2. Impor a continuidade das componentes tangenciais do campo nas interfaces das camadas para formar um sistema linear global.
3. Resolver este sistema para determinar o campo refletido.

Crucialmente, todo o operador direto é tornado diferenciável em relação às variáveis de design (permitividade) via diferenciação automática. Isso permite o cálculo de gradientes sem aproximações de diferença finita, reduzindo significamente o custo computacional em comparação com métodos tradicionais.

B. Integração de Operador Neural (WGNO)

Para resolver o gargalo computacional da resolução do sistema linear global, os autores incorporam o Operador Neural de Guia de Onda (WGNO). Esta abordagem híbrida substitui o solver do sistema linear por um Perceptron Multicamadas (MLP) treinado para aproximar a solução. O WGNO é informado pela física, treinado para minimizar o resíduo das leis físicas (a equação do sistema linear), garantindo que a saída satisfaça a física subjacente.

C. Estratégias de Otimização

O framework otimiza a permitividade do absorvedor $\varepsilon(x)$ usando duas estratégias de reparametrização, ambas seguidas de binarização rígida (hard binarization):

1. Densidade por Pixel: Um campo auxiliar não restrito é mapeado para a densidade física via função sigmoide. A função de perda inclui termos para correspondência de campo, penalidade de binarização e variação total (para suprimir artefatos sub-comprimento de onda).
2. Projeção Parametrizada por Fourier: A densidade é representada por uma função latente limitada em banda, definida por coeficientes de Fourier. Esta abordagem suprime naturalmente o ruído de alta frequência e impõe paredes de máscara suaves. A função de perda substitui a penalidade de variação total por uma penalidade espectral nos coeficientes de ordem superior.

A otimização minimiza um funcional de perda que mede a discrepância das magnitudes quadráticas dos campos elétricos refletidos e desejados em uma superfície remota.

3. Contribuições Principais

• Framework de Ponta a Ponta Diferenciável: O artigo apresenta um novo framework de ILT onde o modelo de difração direto completo (baseado no rigoroso método da guia de ondas) é diferenciável, permitindo a otimização direta do gradiente da permitividade da máscara via diferenciação automática.
• Otimização Híbrida Informada pela Física: A integração do WGNO no pipeline de ILT oferece um esquema híbrido que mantém a estrutura baseada na física do método da guia de ondas, enquanto substitui o passo de álgebra linear mais dispendioso por uma rede neural.
• Técnicas de Reparametrização: O estudo compara sistematicamente a otimização de densidade por pixel contra a projeção parametrizada por Fourier, demonstrando a capacidade desta última de produzir perfis de máscara mais suaves e manufaturáveis com redução no tempo de otimização.
• Escalabilidade de Material e Dimensional: O framework é validado em absorvedores 2D e 3D realistas (TaBN, Lantânio, Urânio) a $\lambda=11,2$ nm, demonstrando escalabilidade para layouts de múltiplas características e geometrias de máscara tridimensionais.

4. Resultados Experimentais

Experimentos numéricos foram conduzidos em uma configuração de máscara EUV 2D com uma camada absorvedora de 60 nm e um empilhamento de espelho Ru/Be/Sr de 30 períodos a $\lambda=11,2$ nm.

• Desempenho de Materiais: Três materiais absorvedores foram testados. O Lantânio (La) proporcionou o melhor máximo central de intensidade, enquanto o Urânio (U) produziu a correspondência mais próxima da distribuição de campo desejada. O TaBN serviu como linha de base.
• Eficiência de Otimização: A estratégia parametrizada por Fourier alcançou um ganho de velocidade de 1,31 vezes (137 segundos vs. 179 segundos) em comparação com o método por pixel, enquanto resolvia o mesmo problema direto. Ela também produziu máscaras com paredes bem definidas e menos fronteiras irregulares.
• Desempenho do WGNO: Embora o WGNO tenha produzido resultados de otimização comparáveis ao solver rigoroso, ele não ofereceu atualmente uma vantagem de velocidade. Os autores observam que o custo computacional de treinar a rede simultaneamente com a otimização da máscara superou os benefícios do forward solve mais rápido em sua configuração atual.
• Extensão 3D: O framework estendeu-se com sucesso para a otimização de máscara 3D (padrão alvo de 214×214 nm), confirmando que o pipeline escala para layouts complexos e realistas.

5. Significância e Alegações

O artigo afirma estabelecer uma rota totalmente diferenciável para o design inverso de máscara EUV, onde o modelo direto rigoroso é preservado durante todo o processo de otimização. Ao aproveitar a diferenciação automática na guia de ondas, os autores demonstram que é possível recuperar estruturas de máscara que alcançam distribuições de campo desejadas sem depender de conjuntos de dados de aprendizagem supervisionada ou heurísticas livres de gradiente.

Os autores posicionam este trabalho como um passo para superar as limitações computacionais da ILT convencional. Eles sugerem que, embora a integração do WGNO em sua forma atual (treinamento simultâneo) ainda não gere um ganho de velocidade líquido, o framework é robusto e escalável. O artigo conclui que esta abordagem é aplicável não apenas ao design de máscara EUV, mas também ao design inverso de metamateriais e outras estruturas eletromagnéticas periódicas, desde que o modelo direto possa ser tornado diferenciável.