Бул сереп өнүккөн жарым өткөргүч өндүрүшүндө масканы классикалык түрдө алдыга карай оңдоонун ордуна, максатталган чип үлгүсү аркылуу артка эсептеп оптималдаштырган тескери литография технологиясын (Inverse Lithography Technology, ILT) изилдейт. Изилдөө ILTнин математикалык негизин, level-set, пикселге негизделген, жыштык мейкиндигиндеги ийри сызыктуу жана машиналык үйрөнүү колдогон төрт негизги колдонуу ыкмасын, тарыхый өнүгүшүн, толук чип колдонмолорун, EUV доорундагы ролун жана өндүрүштүк тар жерлерин системалуу түрдө бириктирет. Авторлордун негизги баалоосуна ылайык, ILTнин классикалык оптикалык жакындыкты оңдоого (OPC) салыштырмалуу негизги артыкчылыгы — масканын кеңирээк чечим мейкиндигинде иштей алышы, татаал оптикалык таасирлерди кененирээк эске алышы жана процесс терезесин кеңейте алышы. Мунун ордуна эсептөө убактысы, ийри сызыктуу маскалардын өндүрүлө алышы, литография моделинин тактыгы жана өнөр жай маалыматтарына жетүү маанилүү чектөөлөр бойдон калууда.

Изилдөөнүн эң маанилүү билдирүүсү — ILT эми жалаң теориялык маска оптималдаштыруу ыкмасы эмес. Серепте берилген өнөр жай мисалдары ILTнин hotspot оңдоо, sub-resolution assist feature (SRAF) түзүү, белгилүү толук чип колдонмолору жана EUV литографиясы сыяктуу тармактарга чейин өнүккөнүн көрсөтөт. Бирок бул макала жаңы эксперимент, жаңы чип өндүрүшү же көз карандысыз аткарым текшерүүсүн сунуштабайт; ал учурдагы академиялык жана өнөр жай изилдөөлөрүнүн жыйынтыктарын синтездеген сереп болуп саналат. Ошондуктан берилген аткарым өсүштөрү жана өндүрүш мисалдары бул серептин өзүнүн эксперименттик табылгалары катары чечмеленбеши керек.

Түркия жагынан изилдөө түздөн-түз жергиликтүү өндүрүш маалыматтарын сунуштабайт. ILTнин Түркияда мүмкүн болгон колдонулушу бааланганда учурдагы литография инфраструктурасы, маска өндүрүү мүмкүнчүлүгү, EDA экосистемасы, эсептөө инфраструктурасы жана жеткиликтүү процесс маалыматтары өзүнчө изилдениши керек. Серепте ар башка өлкөлөр жана өндүрүүчүлөр үчүн берилген өнөр жай абалынын баалоолору Түркияга түз өткөрүлө турган жыйынтыктар эмес.

ILT эмне үчүн пайда болду?

Фотолитография интегралдык схемалардагы дизайн үлгүсүн маскадан жарым өткөргүч бетине өткөрүүнү камсыз кылат. Бирок дизайндагы эң майда сызыктар колдонулган жарыктын толкун узундугуна жакындаган сайын же андан төмөн түшкөн сайын, дифракция жана интерференция себептүү маскадагы геометриянын wafer үстүндө ошол эле формада түзүлүшү барган сайын кыйындайт. Изилдөө бул бузулууну оптикалык жакындык таасири (Optical Proximity Effect, OPE) катары түшүндүрөт.

Салттуу оптикалык жакындыкты оңдоодо, башкача айтканда OPCде, масканын четтери же сызык сегменттери литография модели алдын ала көрсөткөн катаны азайта тургандай жылдырылат. Моделге негизделген OPCде негизги өлчөмдөрдүн бири edge placement error (EPE), башкача айтканда эсептелген wafer контуру менен максат контурдун ортосундагы чет жайгашуу катасы болуп саналат.

ILT болсо баштапкы геометриянын четтерин аз өлчөмдө гана жылдыруу менен чектелбейт. Масканы пиксел же үзгүлтүксүз ийри сызыктуу оптималдаштыруу мейкиндиги катары карай алат. Ошентип чечим мейкиндиги кеңейет жана алгоритм максат wafer үлгүсүн алуу үчүн классикалык OPC түзбөй турган ийри маска геометрияларын жана жардамчы өзгөчөлүктөрдү жарата алат.

OPCден ILTге өтүү эмнени билдирет?

Изилдөөнүн экинчи бетиндеги тарыхый схема маска оңдоонун болжол менен төрт этапта татаалдашканын көрсөтөт: эрежеге негизделген OPC, моделге негизделген OPC, эрежеге/моделге негизделген SRAF кошуу жана акырында ILTдеги пиксел деңгээлиндеги модел башкарган оптималдаштыруу. Визуалда ыкмалар өнүккөн сайын маска баштапкы геометриядан көбүрөөк алыстай алары жана эсептөө жүгү көбөйөрү баса белгиленет.

Бул жердеги негизги өзгөрүү “дизайн маскада кантип оңдолушу керек?” деген суроодон “максат wafer үлгүсү берилгенде кайсы маска бул натыйжаны чыгарат?” деген суроого өтүүдө турат. Ошондуктан ILT тескери маселе ыкмасы болуп саналат.

ILTнин негизги эсептөө цикли кантип иштейт?

Тескери маселе математикалык жактан кантип аныкталат?

Сереп алга литография процессин адегенде төмөнкү жөнөкөйлөштүрүлгөн байланыш менен көрсөтөт:

\[ \mathrm{Contour}=\mathrm{Litho}(\mathrm{mask}) \]

Бул жерде Litho() масканы киргизүү катары алган алга литография эсептөө функциясын, mask маска үлгүсүн жана Contour моделдин wafer үстүндө болжолдогон контурун билдирет.

Тескери маселе болсо булакта төмөнкүчө берилет:

\[ \mathrm{mask}^{*}=\mathrm{Litho}^{-1}(z) \]

\(z\), жетүүнү көздөгөн түпкү дизайн же максат layout; \(\mathrm{mask}^{*}\) болсо ушул максат контурду чыгара турган маска чечими болуп саналат. Практикада тескери функцияны түздөн-түз жабык формада алуу ордуна, маска кайра-кайра жаңыртылып, ката азайтылат.

Чыгым функциясы эмнени өлчөйт?

ILTнин борбордук түшүнүктөрүнүн бири эсептелген wafer сүрөтү менен максат геометриянын ортосундагы айырманы сандык түрдө берүү болуп саналат. Булак негизги чыгым функциясын төмөнкү формада берет:

\[ CF[\mathrm{mask}] = \iint w_p\,(\mathrm{Actual}-\mathrm{goal})^2\,dx\,dy \]

Бул жердеги Actual симуляция чыгарган үлгү, goal максат үлгү жана \(w_p\) критикалык өзгөчөлүктөргө ар башка маанилүүлүк берүүнү камсыз кылган салмак болуп саналат. Чыгым функциясы бир нече процесс терезеси шартын камтый тургандай кеңейтилиши да мүмкүн:

\[ CF[\mathrm{mask}] = \sum_{pw} \iint w_p\,(\mathrm{Actual}-\mathrm{goal})^2\,dx\,dy \]

Булакта \(pw\), ар башка процесс терезеси шарттарын билдирет. Ошентип оптималдаштыруу идеалдуу бир гана экспозиция шартын эмес, фокус же доза сыяктуу процесс өзгөрмөлөрүнүн ар башка абалдарын да эске ала тургандай курулушу мүмкүн.

Градиентке негизделген жаңыртуунун жөнөкөйлөштүрүлгөн формасы болсо төмөнкүчө:

\[ \mathrm{Mask}_{M+1} = \mathrm{Mask}_{M} - G_m(x,y)\delta \]

\(G_m(x,y)\), чыгым функциясынын маскага карата эсептелген оптималдаштыруу градиентин; \(\delta\) болсо жаңыртуу өлчөмүнө жана туруктуулукка таасир эткен кадам/басаңдатуу коэффициентин билдирет. Сереп бул теңдемелер ILTнин деталдуу математикасынын жөнөкөйлөштүрүлгөн жыйынтыгы экенин өзгөчө белгилейт.

Төрт негизги ILT ыкмасы кантип айырмаланат?

Сереп өнөр жайда колдонулган же алдыга чыккан ILT ыкмаларын төрт негизги топко бөлөт.

Бул салыштыруу серептин 1-таблицасынын мазмунуна негизделет. Таблица бир гана универсалдуу “эң жакшы ILT ыкмасы” жок экенин; эсептөө убактысы, маска татаалдыгы, маалыматка жетүү жана максат үлгүнүн түрү ыкма тандоосун өзгөртөрүн көрсөтөт.

Level-set ыкмасы эмне үчүн маанилүү?

Level-set ыкмасында эки өлчөмдүү маска чеги жогорураак өлчөмдүү беттин нөл деңгээл кесилиши катары көрсөтүлөт. Булактын 4-сүрөтү жабык эки өлчөмдүү контурдун signed-distance түрүндөгү үч өлчөмдүү бетке айландырылышын визуалдык түрдө түшүндүрөт.

Бул ыкманын негизги артыкчылыгы топологиялык өзгөрүүлөрдүн табигый түрдө ишке ашырылышы болуп саналат. Булактын 5-сүрөтүндө бир негизги contact-hole үлгүсүнүн айланасында оптималдаштыруу жүргөндө эки SRAF пайда болот. Эки өлчөмдүү контур жагынан бир жабык ийриден үч өзүнчө жабык ийриге өтүү үзүлмөлүү көрүнсө, үч өлчөмдүү level-set бети үзгүлтүксүз бойдон калат. Ушунун аркасында жардамчы түзүлүштөрдүн пайда болушу классикалык туруктуу чет сегменти логикасына байланып калбай башкарылат.

Пикселге негизделген ILT кантип иштейт?

Сереп караган экинчи негизги ыкма Intelдин пикселге негизделген ILT ыкмасы. Бул ыкма масканы туруктуу пиксел торуна айландырып, ар бир пикселдин оптималдаштырууга катышышын камсыз кылат. Булактын 6-сүрөтүндө процесс баштапкы layout, фаза боёо, пикселдөө, пиксел оптималдаштыруу жана жакындашуу текшерүүсү түрүндө көрсөтүлөт.

Булак бул ыкма жогорку үлгү тактыгын бере аларын, бирок өзгөрмөлөрдүн саны чоң болгондуктан күчтүү эсептөө инфраструктурасын талап кыларын баса белгилейт. Мындан тышкары, пикселдик көрсөтүү иретсиз же тиштүү геометрияларды жарата алгандыктан, өндүрүлө алуу үчүн кошумча түзөтүү талап кылынышы мүмкүн.

Жыштык мейкиндигиндеги ийри сызыктуу ILT эмнени өзгөртөт?

Gauda/D2S ыкмасы ILT оптималдаштыруунун маанилүү бөлүктөрүн мейкиндик доменинен жыштык доменине өткөрөт. Конволюция операцияларынын Fourier өзгөртүүсү аркылуу көбөйтүүгө айландырылышы параллелдүү эсептөө жагынан маанилүү артыкчылык берет.

Серептин 7-сүрөтү классикалык OPC менен TrueMask ILT үчүн ар башка доза жана defocus шарттарындагы процесс терезелерин жана аларга тиешелүү SEM сүрөттөрүн салыштырат. Булак бул ыкма өзгөчө иреттүү, периоддук түзүлүштөрдү оптималдаштырууда күчтүү экенин жана маска өндүрүлө алышын эске алган mask-rule checking (MRC) кадамдары менен бириктириле аларын түшүндүрөт.

Машиналык үйрөнүү ILTде эмне үчүн колдонулат?

Машиналык үйрөнүүнүн негизги максаты классикалык ILTнин өтө узакка созулушу мүмкүн болгон итеративдүү чечимин ылдамдатуу болуп саналат. Серепке ылайык, жасалма нейрон тармактары максат wafer үлгүсүнөн ылайыктуу маска түзүмүнө байланыштуу баштапкы чечим чыгара алат, SRAF жайгашуусун болжолдой алат же айрым учурларда масканы түз оптималдаштырууга багытталган моделдерде колдонулушу мүмкүн.

Изилдөө CNN, GAN, VAE, моделге негизделген convolutional neural network жана reinforcement learning сыяктуу ыкмаларды мисал кылат. Өзгөчө физикага негизделген литография моделин нейрон тармагынын архитектурасына киргизген моделге негизделген ыкмалар жалаң маалыматка таянган кара куту моделдерине салыштырмалуу физикалык ырааттуулукту арттырууну көздөйт.

Ошол эле учурда сереп машиналык үйрөнүү колдогон ILT үчүн олуттуу маалымат көйгөйү бар экенин да баса белгилейт. Өндүрүүчүлөрдүн layout жана процесс параметрлери коммерциялык жактан сезимтал болгондуктан, жогорку сапаттагы заманбап окутуу маалыматтарын бөлүшүү чектелген. Изилдөө көптөгөн академиялык ыкмалардын дагы эле 2013-жылкы ICCAD benchmark маалыматтарына таянышын азыркы алдыңкы түйүндөргө жалпылоо жагынан көйгөй катары баалайт.

ILT изилдөөсүнүн тарыхый өнүгүшү эмнени көрсөтөт?

Сереп ILTнин келип чыгышын 1981-жылы Saleh жана Sayeghдин пикселге негизделген маска оптималдаштыруу ишине чейин алып барат. 2000-жылдары моделге негизделген OPC кеңири жайылышы менен ILT изилдөөлөрү ылдамдаган; level-set ыкмасы, пикселге негизделген оптималдаштыруу, GPU эсептөө жана машиналык үйрөнүү сыяктуу ыкмалар убакыт өтүшү менен кошулган.

2010-жылдардын бир бөлүгүндө ILTнин өнүгүшүн чектеген эки чоң техникалык тоскоолдук алдыга чыккан: жогорку эсептөө жүгү жана ийри сызыктуу маска формаларын натыйжалуу жаза албаган классикалык variable-shaped beam (VSB) маска жазгычтары. Сереп GPU ылдамдатуунун жана көп нурлуу маска жазгычтардын жетилишинин ILTнин кайра көтөрүлүшүндөгү негизги себептердин арасында экенин көрсөтөт.

Булак ичиндеги маанилүү карама-каршылык: Текст жылдык ILT жарыяларынын саны 2010-жылы болжол менен 28 менен чокуга жеткенин билдирет. Бирок серептин 9-сүрөтүндө 28 мааниси 2009-жылга, ал эми 2010-жыл 12 маанисине туура келет. Verianla бул дал келбестикти унчукпай бир жылга айландырган эмес. Сүрөт менен баяндын ортосунда жыл дал келбестиги бар.

Көп нурлуу маска жазгычтар эмне үчүн критикалык?

ILTнин табигый натыйжасы көбүнчө Manhattan геометриясынан алыс, ийри сызыктуу маска формалары болуп саналат. Салттуу VSB системаларында бул ийрилерди көп сандагы кичинекей тик бурчтуу тартуулар менен жакындатуу керек. Бул процесс жазуу убактысын да, маалымат көлөмүн да көбөйтө алат.

Серептин 13-сүрөтүндө көп нурлуу маска жазуу архитектурасынын негизги принциби көрсөтүлөт: электрон булагынан чыккан нур condenser optics жана aperture plate system аркылуу өтүп, жүз миңдеген программалана турган микро нурларга бөлүнөт; projection optics жана дефлектор системасы аркылуу маска үстүнө багытталат. Изилдөө бул түзүлүштүн ийри сызыктуу геометрияларды үлгү татаалдыгына классикалык VSB сыяктуу көз каранды болбостон жаза алышын ILTнин өнөр жайда колдонулушу жагынан маанилүү өнүгүү катары баалайт.

GPU ылдамдатуу эмне үчүн ILTнин негизги компоненттеринин бирине айланды?

ILTдеги алга жана артка литография симуляциялары чоң көлөмдөгү матрица эсептөөлөрүн жана кайталанган оптималдаштырууну талап кылат. Бул эсептөөлөрдүн маанилүү бөлүгү параллелдештириле алгандыктан, GPU архитектуралары ILT үчүн табигый ылдамдаткыч болуп саналат.

Сереп GPUга негизделген ыкмалар ILT эсептөө убактысын кыйла азайта аларын маалымдайт жана булак иштер аркылуу 10 эседен ашык ылдамдатуу мисалдары менен NVIDIA cuLitho үчүн 40 эсеге чейин ылдамдоо билдирүүсүн талкуулайт. Бул маанилер азыркы сереп жүргүзгөн көз карандысыз benchmark натыйжалары эмес; сереп шилтеме кылган булактардагы аткарым билдирүүлөрү болуп саналат.

ILTнин EUV жана High-NA доорундагы ролу кандай?

Серепке ылайык, ILTнин негизги тескери дизайн принциби DUV жана EUV системаларында бирдей: максат wafer контурунан чыгып, оптикалык жана процесс таасирлерин компенсациялай турган маска эсептелет. Ошол эле учурда майдараак өзгөчөлүктөр жана татаалыраак физикалык таасирлер EUV үчүн майда эсептөө торлорун жана такыраак маска моделдерин талап кылат.

Изилдөө ошондой эле EUVнин чагылдыруучу оптикалык түзүлүшү, масканын үч өлчөмдүү таасирлери жана өнүккөн түйүндөрдө өсүп жаткан эсептөө жүгү себептүү ILTнин мааниси уланып жатканын жактайт. High-NA EUV жана узартылган DUV колдонмолору серепте ILTнин келечектеги маанилүү колдонуу тармактарынын арасында көрсөтүлөт.

ILTнин алдындагы төрт негизги тар жер эмне?

Сереп учурдагы тоскоолдуктарды төрт негизги топко бөлөт:

• Эсептөө татаалдыгы: Толук чип оптималдаштырууда чечим мейкиндиги өтө чоң жана итеративдүү симуляциялар узакка созулушу мүмкүн.
• Масканын өндүрүлө алышы: Ийри сызыктуу, майда жана татаал ILT геометриялары классикалык маска жазуу системалары үчүн кыйын.
• Модель тактыгы: Оптикалык, фоторезист, термалдык жана маска 3B таасирлеринин баарын жетиштүү тактыкта моделдөө кыйын.
• Өнөр жай экосистемасы жана маалыматка жетүү: Өндүрүүчүлөрдүн тобокелден качуусу жана сезимтал процесс/layout маалыматтарынын бөлүшүлбөшү өзгөчө машиналык үйрөнүүгө негизделген ILTни чектейт.

Келечек үчүн кайсы техникалык багыттар алдыга чыгат?

Сереп бир гана технологияга негизделген келечек божомолун берүүнүн ордуна көп технологиянын биригишин алдыга чыгарат. Булардын башында ILT + OPC + source-mask optimization (SMO) гибрид стратегиялары турат. Бул ыкмада бүт чиптин ар бир аймагына бирдей эсептөө тыгыздыгында ILT колдонуу ордуна критикалык аймактарда жогорку тактыктагы ILT, жеңилирээк аймактарда салттуу OPC колдонулушу мүмкүн.

Экинчи маанилүү багыт — маска 3B таасирлери жана фоторезист жүрүм-туруму сыяктуу көп физикалык таасирлердин такыраак моделдениши. Үчүнчү багыт AI/ML колдогон тескери дизайн. Төртүнчү багыт GPU борборлуу эсептөө инфраструктурасы. Бешинчи багыт көп нурлуу маска жазгычтардын жетилиши. Акырында ачык маалымат топтомдору жана санарип эгиздер, өзгөчө реалдуу өндүрүш маалыматына жетпеген изилдөө топторунун ILT моделдерин өнүктүрө алышы үчүн потенциалдуу куралдар катары каралат.

Изилдөө колдогон жыйынтыктар

• ILT классикалык чет кыймылына негизделген OPCге салыштырмалуу масканы кеңирээк геометриялык чечим мейкиндигинде оптималдаштырган тескери дизайн ыкмасы.
• Level-set, пикселге негизделген, жыштык мейкиндигиндеги ийри сызыктуу жана машиналык үйрөнүү колдогон ILT ыкмалары ар башка эсептөө жана өндүрүлө алуу өзгөчөлүктөрүнө ээ.
• GPU ылдамдатуу менен көп нурлуу маска жазуу технологиясынын өнүгүшү ILTнин өнөр жайда колдонулушунун өсүшүндө маанилүү рол ойногон.
• Серепте изилденген адабият ILTнин hotspot оңдоодон тышкары SRAF, толук чип жана EUV контексттеринде бааланганын көрсөтөт.
• Эсептөө баасы, масканын өндүрүлө алышы, модель калибрлөөсү жана маалыматка жетүү чечилбеген маанилүү көйгөйлөр.

Изилдөө колдобогон же далилдебеген жыйынтыктар

• Бул сереп жаңы жарым өткөргүч процесс түйүнүн өндүргөн эмес же жаңы толук чип ILT экспериментин жүргүзгөн эмес.
• Серепте берилген ылдамдоо катыштары жана процесс терезеси жакшыртуулары бардык ILT ыкмалары үчүн универсалдуу аткарым кепилдиги эмес.
• Машиналык үйрөнүү колдогон ILTнин бардык өнүккөн түйүндөрдө классикалык физикага негизделген ILTден жогору экени далилденген эмес.
• Curvilinear ILT маскалары бардык өндүрүш объекттеринде бирдей чыгым жана натыйжалуулук менен колдонулары көрсөтүлгөн эмес.
• Серептин өнөр жай колдонуу баалоолору көз карандысыз глобалдык өндүрүш санагы эмес; авторлордун адабият жана тармактык көз карашка негизделген синтези.
• Изилдөөдө Түркиянын жарым өткөргүч өндүрүш инфраструктурасына байланыштуу атайын колдонуу же аткарым маалыматы жок.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Изилдөө дизайны

Бул макала эксперименттик иш эмес, нарративдик/системалуу кеңири техникалык сереп мүнөзүндө. Авторлор ILTнин математикалык принциптерин, тарыхый өнүгүшүн, негизги алгоритмдик колдонмолорун, өнөр жай мисалдарын жана келечектеги изилдөө багыттарын адабият жана сектордук булактар аркылуу синтездешет.

Макала жаңы wafer эксперименти, жаңы маска өндүрүү, жаңы маалымат топтому же жаңы статистикалык анализ сунуштабайт. Авторлордун Data Availability Statement бөлүмүндө ачык айтылгандай, бул изилдөөнүн алкагында жаңы маалымат түзүлгөн же анализделген эмес.

Изилденген негизги техникалык октор

Серепте алдыга чыгарылган сандык мисалдар

Булак мурдагы иштерден ар түрдүү сандык жыйынтыктарды берет. Булар азыркы серептин жаңы өлчөөлөрү эмес:

• Көп талаалуу wavefront-error-aware SMO контекстиндеги Hybrid Dynamic Priority алгоритми үчүн сүрөт бирдейлигинде %31,1ге чейин жакшыртуу берилет.
• 2017-жылы билдирилген DRAM толук чип ILT колдонмосунда depth of focus үчүн болжол менен %20 өсүш жана CD каталарынын 5 nmден төмөн кармалганы билдирилет.
• D2Sнин 2019-жылкы мисалында толук чип ILT үчүн болжол менен 48 саат эсептөө жана болжол менен 12 саат маска жазуу убактысы берилет.
• ML-assisted ILT үчүн сереп айрым инференция колдонмолору классикалык ыкмаларга салыштырмалуу 10–100 эсе тезирээк болушу мүмкүн экенин билдирет; бул билдирүү ыкмага жана колдонулган ишке байланыштуу.
• GPU негизделген ILT үчүн серепте 10 эседен ашык ылдамдатуу мисалдары жана NVIDIA cuLitho контекстинде 40 эсеге чейин ылдамдоо берилет.
• IMS MBMW-101 үчүн 262.000 бир убактагы нур колдонулганы; электрондордун акыркы энергиясы 50 keV жана проекция кичирейтүүсү 200× экени түшүндүрүлөт.

Бул маанилер бири-бири менен түз benchmark салыштырылбашы керек; ар башка изилдөөлөр, түйүндөр, аппараттар, маскалар жана тест шарттары сөз болуп жатат.

7-сүрөттүн илимий билдирүүсү

7-сүрөт классикалык OPC жана TrueMask ILT үчүн доза–defocus шарттарындагы процесс терезелерин салыштырат. Визуалдын жогорку бөлүгүндө эки ыкманын кабыл алынуучу критикалык өлчөм аралыктары, төмөнкү бөлүгүндө тиешелүү шарттардагы SEM сүрөттөрү жайгашкан. Серептин максаты ILT жалаң номиналдык фокуста эмес, өзгөргөн процесс шарттарында да колдонууга боло турган кеңирээк чечим аймагын бере аларын көрсөтүү. Бирок бул жерде берилген натыйжа белгилүү бир булак ишине тиешелүү жана бардык ILT колдонмолоруна жалпыланбайт.

9 жана 10-сүрөттөрдөгү жарыя тенденциясы

9-сүрөт Web of Science үстүндө “inverse lithography technology” темалык издөөсү менен алынган жылдык жарыя сандарынын авторлор тарабынан түзүлгөн бөлүштүрүлүшүн көрсөтөт. Графикте 2000-жылдардын ортосунда айкын өсүү, кийинки термелүү жана 2020-жылдан кийин кайра күчтүү көтөрүлүү көрүнөт. 10-сүрөт болсо 2021-жылкы бир ILT серебинин булактарынын жылдар боюнча бөлүштүрүлүшүн колдонуп, тарыхый изилдөө тыгыздыгын кыйыр түрдө салыштырат.

Редакциялык эскертүү: 9-сүрөт менен аны түшүндүргөн тексттин ортосунда жыл дал келбестиги бар. График 28 жарыяны 2009 үчүн көрсөтсө, текст бул чокуну 2010 катары сүрөттөйт. Ошондуктан Verianla жарыя санынын чокусун бир гана жыл үчүн так аныктабайт.

13-сүрөттөгү MBMW архитектурасы

13-сүрөт электрон булагы, condenser optics, data link, aperture plate system, projection optics, stopping plate, deflectors, 6-inch mask жана scanning stage компоненттерин камтыган көп нурлуу маска жазуу чынжырын схемалык түрдө көрсөтөт. Негизги инженердик билдирүү — бир электрон нурунун программалана турган чоң микро-нур массивине бөлүнүшү жана бүт массивдин маска үстүндө так багытталышы.

15-сүрөттөгү GPU натыйжасы кантип чечмелениши керек?

15-сүрөт ILT/литография симуляциясындагы ар башка эсептөө компоненттери үчүн CPU жана GPU ылдамдыктарын салыштырган булак өнөр жай презентациясынан алынган. Визуал wafer жана resist эсептери башта болуп, ар түрдүү компоненттерде GPUнун жогорку параллелдүү аткарым артыкчылыгын көрсөтөт. Бул график 2020-жылкы булак презентациясына негизделет; азыркы сереп жүргүзгөн көзөмөлдүү benchmark эмес.

Булак ичиндеги сүрөт номеринин дал келбестиги

Макаланын ыраазычылык бөлүмүндө Johannes Leitner жана IMS Nanofabricationга “Electron optical concept of MBMW” жана “MBMW product portfolio including target nodes” визуалдарын кайра колдонууга уруксат үчүн ыраазычылык айтылып, булар “Figure 1” жана “Figure 3” деп аталат. Бирок азыркы PDF негизги бөлүгүндө бул мазмундар тиешелүүлүгүнө жараша 13-сүрөт жана 16-сүрөт болуп жайгашкан. Бул жагдай макаланын жыйынтыктарын өзгөртпөгөн, бирок библиографиялык/визуалдык байкоо мүмкүнчүлүгү жагынан белгилениши керек болгон номерлөө дал келбестиги болуп саналат.

Серептин үч негизги ачык изилдөө көйгөйү

Жыйынтык бөлүмүндөгү outlook кутусу үч негизги ачык көйгөйдү өзгөчө алдыга чыгарат:

1. Эсептөөнү ылдамдатуу: Толук чип ILT үчүн тезирээк алгоритмдер жана GPU-борборлуу эсептөө муктаждыгы.
2. Масканын өндүрүлө алышы: Ийри сызыктуу ILT геометрияларын жогорку натыйжалуулук менен жана кабыл алынуучу чыгымда жаза алуу.
3. Так көп-физикалык моделдөө: EUV, масканын үч өлчөмдүү таасирлери, resist жана литография–etch өз ара аракеттери сыяктуу реалдуу процесс таасирлерин жакшыраак моделдөө.

Серептин жалпы жыйынтыгы — ILTнин келечеги жалгыз жакшыраак оптималдаштыруу алгоритмине эмес; физика модели, EDA программасы, жасалма интеллект, GPU жабдыгы, маска жазуу технологиясы жана өндүрүш маалыматынын бирге өнүгүшүнө байланыштуу.

Булак жана Ыкма Жөнүндө Эскертүү

Толук түпнуска иштин аталышы: Inverse Lithography Technology (ILT) Under Chip Manufacture Context

Авторлор: Xiaodong Meng; Cai Chen; Jie Ni.

Авторлордун тартиби: Xiaodong Meng биринчи автор, Cai Chen экинчи автор, Jie Ni үчүнчү автор.

Тең салым / тең биринчи автор: Булакта тең биринчи автор же тең салым билдирүүсү жок.

Жооптуу автор: Xiaodong Meng.

Мекемелер: School of Integrated Circuits, Tsinghua University, Beijing, China; Advanced Manufacturing EDA Co., Ltd., Shanghai, China.

Журнал: Micromachines.

Том / сан / макала номери: 17(1), 117.

DOI:10.3390/mi17010117

Басмакана: MDPI, Basel, Switzerland.

Булак түрү: Review / сереп макала.

Рецензия абалы: Рецензиядан өтүп, жарыяланган сереп макала.

Жарыялоо процесси: 17 Декабрь 2025те алынган, 26 Декабрь 2025те кайра каралган, 28 Декабрь 2025те кабыл алынган жана 16 Январь 2026да жарыяланган.

Атайын сан: Recent Advances in Lithography.

Расмий жарыя шилтемеси:MDPI расмий макала барагы

Лицензия: Creative Commons Attribution 4.0 International (CC BY 4.0).

Каржылоо: Авторлор изилдөө тышкы каржылоо албаганын билдиришет.

Маалымат жеткиликтүүлүгү: Бул сереп алкагында жаңы маалымат түзүлгөн же анализделген эмес; ошондуктан жаңы изилдөө маалымат топтомун бөлүшүү колдонулбайт.

Кызыкчылыктар кагылышы: Үч автор тең Advanced Manufacturing EDA Co., Ltd. курамында иштейт. Авторлор изилдөө потенциалдуу кызыкчылыктар кагылышы катары бааланышы мүмкүн болгон коммерциялык же финансылык мамилелерсиз жүргүзүлгөнүн билдиришет.

Автордук салымдар: Xiaodong Meng — Conceptualization жана investigation; Cai Chen — methodology, investigation жана validation; Jie Ni — supervision. Бардык авторлор жарыяланган версияны окуп, жактырганы билдирилген.

Илимий мазмун чеги: Бул иш жаңы эксперименттик маалымат түзбөгөн сереп болуп саналат. Verianla макаласындагы ILT принциптери, ыкма классификациялары, математикалык туюнтмалар, тарыхый баяндоо, аткарым мисалдары жана өнөр жай баалоолору жүктөлгөн серептин мазмунуна негизделет. Тышкы булактардан жаңы эксперименттик ILT натыйжасы кошулган эмес. Серепте башка изилдөөлөрдөн берилген аткарым сандары азыркы макаланын өзүнүн эксперименттик табылгалары катары сунушталган эмес.

Булак ичиндеги дал келбестик эскертүүсү 1: Текст жылдык ILT жарыялары 2010-жылы болжол менен 28 менен чокуга жеткенин билдирсе, 9-сүрөттө 28 жарыя 2009-жылга, ал эми 2010 12 жарыяга туура келет. Бул дал келбестик булакта бар жана унчукпай оңдолгон эмес.

Булак ичиндеги дал келбестик эскертүүсү 2: Ыраазычылык бөлүмүндө MBMW визуалдары “Figure 1” жана “Figure 3” катары аталса, PDF негизги бөлүгүндө тиешелүү визуалдар 13-сүрөт жана 16-сүрөт катары номерленген.

Визуал колдонуу эскертүүсү: Булак макала CC BY лицензиялуу болсо да, айрым визуалдар башка булактардан уруксат менен кайра чыгарылган. Бул Verianla мазмунунда түпнуска булак визуалдары бирден-бир көчүрүлгөн эмес; ыкма агымы жалаң булак мазмунуна негизделген көрүнүүчү HTML таблица жана Verianla Live процесс көрсөтүүсү менен түшүндүрүлгөн.