半导体光刻OPC技术：稀疏模型到网格模型的转换实践-平芜编程栈

1. 光学邻近效应校正（OPC）技术演进背景

在半导体制造的光刻工艺中，光学邻近效应校正（Optical Proximity Correction, OPC）是一项至关重要的分辨率增强技术。随着制程节点不断微缩至65nm以下，传统的光学模型面临着前所未有的挑战。当特征尺寸接近甚至小于曝光波长时，光的衍射效应会导致图案边缘出现严重的失真现象。这种现象在业界被称为"光学邻近效应"（Optical Proximity Effect），表现为线宽偏差、转角圆化和线端缩短等典型问题。

在90nm和65nm技术节点，业界普遍采用稀疏OPC模型（Sparse OPC Model）进行校正。这种模型的核心思想是将待校正的多边形边缘切割成若干片段（Fragment），在每个片段上设置评估点（Site），仅在这些离散点上计算光强分布。如图1所示，这种"按需计算"的方式大幅减少了仿真工作量，在当时的计算资源条件下实现了可行的OPC方案。

关键提示：稀疏模型中的Site定义直接影响校正效果。Site通常垂直于片段边缘，其密度和位置需要根据设计规则精心配置。不合理的Site排布可能导致关键区域的光强评估遗漏。

2. 稀疏模型与网格模型的本质差异

2.1 稀疏OPC模型的工作原理

稀疏模型采用"片段-站点"（Fragment-Site）架构，其工作流程可分为四个步骤：

边缘分割：根据设计规则将多边形边缘切割成适当长度的片段
站点布置：在每个片段上设置一个或多个评估站点
光强采样：仅在站点坐标处计算光强分布
边缘位移：根据光强与阈值的偏差调整边缘位置

这种选择性采样的方式虽然高效，但存在固有局限。如图2所示，当关键特征（如转角处的颈缩）恰好位于两个Site之间时，模型可能完全无法捕捉到该位置的失真。更棘手的是，在工艺窗口的极端条件下（如离焦或剂量偏差），这种遗漏会被进一步放大。

2.2 网格模型的优势与挑战

网格模型（Grid-based Model）采用完全不同的计算范式：

全域覆盖：在整个芯片区域建立均匀的计算网格
并行计算：每个网格点独立进行光强计算
连续评估：通过插值获得任意位置的光强分布

这种"地毯式"的计算方式虽然增加了仿真负荷，但带来了三个关键优势：

无遗漏检测：确保所有潜在的问题区域都被覆盖
精度一致：整个芯片区域的评估精度均匀
硬件友好：规则网格结构非常适合GPU加速

表1对比了两种模型的关键特性：

特性	稀疏模型	网格模型
计算范围	选择性采样	全域覆盖
精度一致性	依赖Site分布	全局一致
计算复杂度	O(n)~O(nlogn)	O(n²)
硬件加速潜力	有限	极高
2D特征处理能力	较弱	优秀
内存占用	较低	较高

3. 稀疏模型到网格模型的转换方法论

3.1 转换的核心挑战

模型转换绝非简单的数据格式转换，需要解决三个关键问题：

精度匹配：确保网格模型在关键尺寸（CD）和边缘放置误差（EPE）上的预测与原始稀疏模型一致
行为一致性：特别是在工艺窗口边缘条件下（如离焦、剂量变化）的响应特性
计算效率：维持合理的运行时性能

传统方法仅依靠晶圆测量数据（Wafer CD）进行网格模型校准，往往难以达到理想的匹配效果。这是因为：

测量数据通常集中在1D特征（线条/间距）
2D区域（转角、线端）的测量数据稀疏且噪声大
无法完整反映原始模型在所有工艺条件下的行为

3.2 基于ContourCal的混合校准法

我们提出了一种创新的混合校准流程（图3），其核心是引入稀疏模型的仿真轮廓作为额外的校准基准。这种方法通过Calibre的ContourCal功能实现，具体步骤包括：

基准轮廓提取：
- 使用原始稀疏模型仿真典型测试图形
- 提取在标称条件和工艺窗口边缘条件下的仿真轮廓
- 特别关注2D特征区域和敏感结构
校准权重分配：
- 为晶圆测量数据分配基础权重（通常50-70%）
- 为轮廓数据分配补充权重（30-50%）
- 对关键区域（如线端）可局部增加权重
迭代优化：
- 首轮优化聚焦1D特征的CD匹配
- 次轮优化侧重2D区域的轮廓吻合度
- 最终全局微调实现平衡

经验分享：我们发现将轮廓数据的权重控制在40%左右，既能保证2D特征的匹配精度，又不会过度影响1D特征的校准结果。对于特别复杂的2D结构，可以采用局部加权策略。

4. 转换流程的实操细节

4.1 测试图形设计

精心设计的测试图形是成功转换的基础。我们建议包含以下要素：

1D结构：不同pitch的线条/间距组合（密集到孤立）
2D结构：转角（90°、45°）、T型连接、线端重叠
工艺敏感结构：已知对工艺变化敏感的特殊图形
实际电路片段：代表产品中真实存在的复杂模式

图4展示了一个典型的测试图形布局，其中红色层为稀疏模型的仿真轮廓，蓝色框标出了用于轮廓校准的关键区域。

4.2 校准参数配置

在Calibre OPCtools中，关键的配置参数包括：

# 基础校准参数 MODEL CALIBRATION { DATA_TYPE = CD_AND_CONTOUR WAFER_WEIGHT = 60 CONTOUR_WEIGHT = 40 # 轮廓匹配参数 CONTOUR_MATCH { TOLERANCE = 2.5nm SAMPLE_DENSITY = 5nm CRITICAL_AREA_BOOST = 1.5 } # 优化算法参数 OPTIMIZER { MAX_ITERATIONS = 50 DELTA_THRESHOLD = 0.1nm } }

4.3 结果验证方法

转换后的模型需要通过三重验证：

轮廓比对：
- 重叠稀疏模型与网格模型的仿真轮廓
- 量化最大偏差和RMS误差
- 特别关注2D区域的吻合度
工艺窗口验证：
- 在离焦（±100nm）和剂量变化（±5%）条件下
- 检查边缘放置误差的一致性
- 验证热点（Hotspot）的预测相关性
实际图形验证：
- 选择代表产品实际布局的复杂图形
- 比较两种模型的校正结果
- 必要时进行硅验证

表2展示了一个典型的验证结果示例：

评估指标	标称条件	离焦+100nm	剂量+5%
1D CD平均偏差	0.8nm	1.2nm	1.0nm
2D轮廓RMS误差	2.1nm	2.8nm	2.5nm
热点预测一致率	98%	95%	96%

5. 常见问题与解决方案

5.1 模型匹配偏差过大

现象：在特定结构上出现超过5nm的系统性偏差排查步骤：

检查原始稀疏模型在这些结构的Site分布密度
确认测试图形是否包含足够的同类结构样本
调整局部权重因子，增强敏感区域的约束

解决方案：

在问题区域添加专项测试图形

使用区域特异性权重提升：

AREA_WEIGHT { COORDINATES = (x1,y1,x2,y2) WAFER_WEIGHT_FACTOR = 1.2 CONTOUR_WEIGHT_FACTOR = 1.5 }

5.2 工艺窗口行为不一致

现象：在离焦条件下偏差显著增大可能原因：

原始稀疏模型使用了特殊的工艺窗口补偿算法
校准数据缺乏足够的工艺窗口信息

改进措施：

在模型校准中包含多组工艺窗口条件下的轮廓数据
启用高阶光学参数（如Zernike系数）的联合优化
增加对离焦敏感结构的权重

5.3 计算时间过长

优化策略：

采用分级校准：先低精度网格快速收敛，再逐步细化
利用GPU加速：启用Calibre的GPU加速选项
优化测试图形：去除冗余结构，保持最小充分集

# 分级校准配置 MULTI_GRID { INITIAL_GRID = 10nm FINAL_GRID = 5nm INTERMEDIATE_STEPS = 2 } # GPU加速设置 ACCELERATION { GPU_ENABLE = YES GPU_MEMORY_OPTIMIZE = HIGH }

6. 实际应用中的经验总结

经过多个技术节点的实践验证，我们总结了以下关键经验：

2D特征处理：
- 转角区域需要至少3倍于1D结构的采样密度
- 线端重叠结构建议使用专门的测试图形
- 对于重复单元（如SRAM），可以整体作为一个校准单元
权重分配技巧：
- 开始阶段可以给予轮廓数据较高权重（50%）
- 随着迭代进行，逐步过渡到以晶圆数据为主（70%）
- 对已知问题区域保持固定的额外权重（+20%）
模型验证策略：
- 建立独立的验证图形集（不参与校准）
- 开发自动化比对脚本，量化评估差异
- 对关键产品图形进行全流程OPC结果比对
性能平衡点：
- 对于65-45nm节点，5nm网格通常达到最佳性价比
- 更先进节点可能需要3nm甚至更细的网格
- 可以针对不同层级（如金属与接触）采用不同网格密度