Gradient-based inverse lithography for EUV masks via the waveguide method and a physics-informed neural operator
本文提出了一种用于 EUV 光罩的基于梯度的逆向光刻框架，该框架集成了可微波导方法和波导神经算子作为端到端物理引擎，以自动恢复最优吸收体介电常数，成功生成了在 11.2 nm 波长下针对现实 2D 和 3D 材料实现所需晶圆场结构的掩模结构。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图烤出一个完美的蛋糕，但你看不见烤箱。你所能看到的只有盘子里的最终成品。你的目标是弄清楚究竟需要混合多少面粉、糖和鸡蛋，才能做出那个完美的蛋糕。这本质上就是这篇论文中的科学家们正在做的事情，只不过他们不是在烘焙，而是在设计计算机芯片的微观图案。
以下是他们工作的简单拆解：
核心问题：“阴影”效应
现代计算机芯片如此微小，甚至可以用原子来衡量。为了打印这些微小的电路，制造商使用一种特殊的称为极紫外线（EUV）的光。他们将这种光照射通过一个“掩模”（模板），将其电路图案投影到硅晶圆上。
然而，由于光线非常细微且以一定角度撞击掩模，它的行为就像拍打在岩石海岸边的水波一样。掩模的 3D 形状会产生奇怪的“阴影”和畸变（称为衍射），从而破坏芯片上的图案。这就像是用一个不断闪烁且光束不断弯曲的手电筒来画一条直线。
旧方法：猜测与尝试
为了解决这个问题，工程师们使用了一种称为“逆向光刻技术”（ILT）的技术。他们想要反向推导：“掩模应该是什么形状，才能让光线完美地落在芯片上？”
传统上，这就像是在蒙着眼睛走迷宫。你猜一个形状，模拟光线，发现错了，修改形状，然后再次尝试。问题在于，模拟光线的过程极其缓慢且计算成本极高。这就像是为了知道是否需要带伞，而每次都要为整个地球计算一次天气预报一样。
新方案：一个“智能”物理引擎
作者们创造了一种更快的新方法来解决这个谜题。他们结合了两个聪明的想法：
- “可微分”波导： 将他们的模拟工具想象成一个超级智能的计算器，它不仅能给你一个答案，还能告诉你如何通过改变答案来更接近目标。它不是盲目地猜测，而是准确知道该对掩模进行怎样的微调，以改善光线图案。这就像是一个 GPS，它不仅告诉你“你迷路了”，还会说，“向左转 5 度即可回到正轨”。
- “神经算子”（AI 助手）： 他们还训练了一个小型 AI（神经网络）来充当捷径。通常，计算中最难的部分是求解一个庞大的方程组。这个 AI 学习了如何几乎瞬间预测出这些方程的答案，就像一位经验丰富的厨师，无需每分钟都去检查烤箱，就能准确知道蛋糕需要烤多久。
他们是如何测试的
团队在一个特定的波长（11.2 nm，比目前标准的 13.5 nm 还要小）下的虚拟 2D 和 3D 世界中测试了他们的方法。他们尝试了三种不同的掩模吸收层“配料”：
- TaBN： 一种常用材料。
- 镧 (La)： 一种稀土金属。
- 铀 (U)： 一种重金属。
他们要求系统创建一个特定的光图案（例如一个明亮的中心点或三个明亮的中心点）在“晶圆”上。
结果
- 有效性： 系统成功设计出了能够产生他们所需精确光图案的掩模，即使面对棘手的 3D 畸变也是如此。
- 速度： 他们尝试了两种描述掩模形状的方式。一种是像用像素逐个网格绘图（非常详细但缓慢）；另一种是像用平滑的数学曲线绘图（傅里叶级数）。平滑曲线法快了 1.31 倍，并且产生了更干净、更平滑的边缘，这更容易于制造。
- 材料的重要性： 他们发现，镧 (Lanthanum) 创造了最亮的中心点，而 铀 (Uranium) 创造的图案与理想目标形状最为接近。
- 3D 成功： 他们证明了这不仅适用于平面的线条，还适用于复杂的 3D 形状，这对于现实世界的芯片至关重要。
总结
这篇论文提出了一种新的“智能”方式，用于设计世界上最先进计算机芯片的模板（掩模）。通过结合严谨的物理学和聪明的 AI 捷径，他们可以比以前更快、更准确地确定完美的掩模形状。这确保了我们未来计算机上的微小电路能够以完美的清晰度被打印出来，避免了通常困扰这些超微型设计的“模糊阴影”。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。