Mapitio haya yanachunguza teknolojia ya litografia inayorudi nyuma (Inverse Lithography Technology, ILT), ambayo katika utengenezaji wa hali ya juu wa semikondakta huboresha maski kwa kuhesabu kutoka kwenye muundo lengwa wa chip kurudi nyuma badala ya kurekebisha maski kwa namna ya kawaida ya kwenda mbele. Utafiti unakusanya kwa utaratibu msingi wa kihisabati wa ILT, mbinu nne kuu za utekelezaji zinazotegemea level-set, pikseli, eneo la masafa lenye mikunjo na usaidizi wa ujifunzaji wa mashine, maendeleo yake ya kihistoria, matumizi ya full-chip, nafasi yake katika kipindi cha EUV na vikwazo vya uzalishaji. Kwa tathmini kuu ya waandishi, ubora wa msingi wa ILT dhidi ya optical proximity correction (OPC) ya kawaida ni uwezo wake wa kufanya kazi katika nafasi pana zaidi ya suluhisho la maski, kuzingatia kwa kina zaidi athari changamano za macho, na kupanua process window. Kwa upande mwingine, muda wa kukokotoa, uzalishikaji wa maski zenye mikunjo, usahihi wa modeli ya litografia na upatikanaji wa data za viwandani hubaki kuwa vikwazo muhimu.

Ujumbe muhimu zaidi wa utafiti ni kwamba ILT si tena mbinu ya kinadharia tu ya kuboresha maski. Mifano ya viwanda iliyonukuliwa katika mapitio inaonyesha kuwa ILT imeendelea hadi maeneo kama urekebishaji wa hotspot, kutengeneza sub-resolution assist feature (SRAF), baadhi ya matumizi ya full-chip na litografia ya EUV. Hata hivyo, makala hii haitoi jaribio jipya, uzalishaji mpya wa chip au uthibitishaji huru wa utendaji; ni mapitio yanayosanisi matokeo ya tafiti za sasa za kitaaluma na za viwandani. Kwa hiyo ongezeko la utendaji na mifano ya uzalishaji iliyotolewa haipaswi kutafsiriwa kama matokeo ya majaribio ya mapitio haya yenyewe.

Kwa mtazamo wa Uturuki, utafiti hautoi data za moja kwa moja za uzalishaji wa ndani. Wakati matumizi yanayowezekana ya ILT nchini Uturuki yanapotathminiwa, miundombinu iliyopo ya litografia, uwezo wa utengenezaji wa maski, mfumo wa EDA, miundombinu ya ukokotoaji na data za mchakato zinazopatikana zinapaswa kuchunguzwa kando. Tathmini za hali ya viwanda zilizotolewa katika mapitio kwa nchi na wazalishaji tofauti si matokeo yanayoweza kuhamishwa moja kwa moja kwa Uturuki.

Kwa nini ILT iliibuka?

Fotolitografia huwezesha muundo wa usanifu katika saketi jumuishi kuhamishwa kutoka kwenye maski kwenda kwenye uso wa semikondakta. Hata hivyo, kadiri mistari midogo zaidi katika usanifu inavyokaribia urefu wa wimbi la mwanga unaotumiwa au kushuka chini yake, inakuwa vigumu zaidi kwa jiometri iliyopo kwenye maski kujitokeza kwa umbo lilelile kwenye wafer kwa sababu ya diffraction na interference. Utafiti unaeleza upotoshaji huu kama athari ya ukaribu wa macho (Optical Proximity Effect, OPE).

Katika urekebishaji wa kawaida wa ukaribu wa macho, yaani OPC, kingo za maski au sehemu za mistari husogezwa ili kupunguza kosa linalotabiriwa na modeli ya litografia. Katika OPC inayotegemea modeli, mojawapo ya vipimo vya msingi ni edge placement error (EPE), yaani kosa la nafasi ya ukingo kati ya kontua ya wafer iliyokokotolewa na kontua lengwa.

ILT haibaki kwenye kusogeza tu kingo za jiometri ya awali kwa kiasi kidogo. Inaweza kushughulikia maski kama eneo la uboreshaji wa pikseli au eneo endelevu la mikunjo. Hivyo nafasi ya suluhisho hupanuka na algoriti inaweza kuunda jiometri za maski zenye mikunjo pamoja na vipengele saidizi ambavyo OPC ya kawaida isingeunda ili kupata muundo lengwa wa wafer.

Mpito kutoka OPC kwenda ILT unamaanisha nini?

Skimu ya kihistoria kwenye ukurasa wa pili wa utafiti inaonyesha kuwa urekebishaji wa maski umekuwa changamano takribani katika hatua nne: OPC inayotegemea kanuni, OPC inayotegemea modeli, kuongeza SRAF kwa msingi wa kanuni/modeli, na hatimaye uboreshaji unaoongozwa na modeli katika kiwango cha pikseli ndani ya ILT. Katika mchoro huo inasisitizwa kuwa kadiri mbinu zinavyoendelea, maski inaweza kujitenga zaidi na jiometri ya awali na mzigo wa ukokotoaji huongezeka.

Mabadiliko ya msingi hapa ni kutoka kwenye swali “usanifu unapaswa kurekebishwaje kwenye maski?” kwenda kwenye swali “ikipewa muundo lengwa wa wafer, ni maski gani itazalisha matokeo haya?” Kwa hiyo ILT ni mbinu ya tatizo la kinyume.

Mzunguko mkuu wa ukokotoaji wa ILT hufanya kazi vipi?

Tatizo la kinyume hufafanuliwaje kihisabati?

Mapitio kwanza yanaonyesha mchakato wa litografia ya kwenda mbele kwa uhusiano huu uliorahisishwa:

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

Hapa Litho() huwakilisha fomula ya ukokotoaji wa litografia ya kwenda mbele inayochukua maski kama ingizo, mask huwakilisha muundo wa maski, na Contour huwakilisha kontua inayotabiriwa na modeli juu ya wafer.

Tatizo la kinyume linaelezwa katika chanzo kama ifuatavyo:

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

\(z\) ni usanifu asili au layout lengwa inayotakiwa kufikiwa; \(\mathrm{mask}^{*}\) ni suluhisho la maski litakalozalisha kontua hiyo lengwa. Katika vitendo, badala ya kupata fomula ya kinyume moja kwa moja katika umbo funge, kosa hupunguzwa kwa kusasisha maski mara kwa mara.

Fomula ya gharama hupima nini?

Mojawapo ya dhana kuu za ILT ni kueleza kwa kiasi tofauti kati ya picha ya wafer iliyokokotolewa na jiometri lengwa. Chanzo kinatoa fomula ya msingi ya gharama kama ifuatavyo:

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

Hapa Actual ni muundo unaozalishwa na simuleringi, goal ni muundo lengwa, na \(w_p\) ni uzito unaoruhusu sifa muhimu kupewa umuhimu tofauti. Fomula ya gharama inaweza pia kupanuliwa ili ijumuisha masharti kadhaa ya process window:

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

Katika chanzo, \(pw\) huwakilisha masharti tofauti ya process window. Hivyo uboreshaji unaweza kujengwa kwa namna inayozingatia si tu sharti moja bora la exposure, bali pia hali tofauti za vigezo vya mchakato kama focus au dose.

Umbo lililorahisishwa la usasishaji unaotegemea gradient ni hili:

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

\(G_m(x,y)\) huwakilisha gradient ya uboreshaji iliyokokotolewa kwa kurejea maski kutoka kwenye fomula ya gharama; \(\delta\) huwakilisha mgawo wa hatua/upunguzaji unaoathiri ukubwa wa usasishaji na uthabiti. Mapitio yanabainisha hasa kuwa milinganyo hii ni muhtasari uliorahisishwa wa hisabati ya kina ya ILT.

Mbinu nne kuu za ILT zinatofautianaje?

Mapitio yanakusanya mbinu za ILT zilizotekelezwa au kujitokeza viwandani katika makundi manne makuu.

Ulinganisho huu unatokana na maudhui ya Jedwali 1 la mapitio. Jedwali linaonyesha kuwa hakuna “mbinu bora ya ILT” moja ya ulimwengu wote; muda wa ukokotoaji, uchangamano wa maski, upatikanaji wa data na aina ya muundo lengwa hubadilisha uchaguzi wa mbinu.

Kwa nini mbinu ya level-set ni muhimu?

Katika mbinu ya level-set, mpaka wa pande mbili wa maski huwakilishwa kama sehemu ya kiwango sifuri ya uso wenye vipimo vya juu zaidi. Kielelezo 4 cha chanzo kinaeleza kwa kuona jinsi kontua ya pande mbili iliyofungwa inavyobadilishwa kuwa uso wa pande tatu wa aina ya signed-distance.

Faida kuu ya mbinu hii ni kwamba mabadiliko ya topolojia yanaweza kufanyika kwa njia ya asili. Katika Kielelezo 5 cha chanzo, SRAF mbili hujitokeza kadiri uboreshaji unavyoendelea kuzunguka muundo mmoja mkuu wa contact-hole. Kwa mtazamo wa kontua ya pande mbili, mpito kutoka kwenye mkunjo mmoja uliofungwa kwenda kwenye mikunjo mitatu tofauti iliyofungwa huonekana kuwa na kukatika, lakini uso wa pande tatu wa level-set hubaki endelevu. Kwa njia hii, ujitokezaji wa miundo saidizi unaweza kudhibitiwa bila kutegemea mantiki ya kawaida ya sehemu ya ukingo iliyo thabiti.

ILT inayotegemea pikseli hufanya kazi vipi?

Mbinu ya pili kuu inayoshughulikiwa na mapitio ni mbinu ya ILT ya Intel inayotegemea pikseli. Mbinu hii hubadilisha maski kuwa gridi thabiti ya pikseli na kuwezesha kila pikseli kushiriki katika uboreshaji. Katika Kielelezo 6 cha chanzo, mchakato unaonyeshwa kama layout ya awali, upakaji rangi wa phase, pixelation, uboreshaji wa pikseli na udhibiti wa ukaribiano.

Chanzo kinasisitiza kuwa mbinu hii inaweza kutoa uaminifu mkubwa wa muundo, lakini kwa sababu idadi ya vigezo ni kubwa inahitaji miundombinu yenye nguvu ya ukokotoaji. Pia, kwa kuwa uwakilishi wa pikseli unaweza kuunda jiometri zisizo za kawaida au zenye meno, urekebishaji wa ziada unaweza kuhitajika kwa ajili ya uzalishikaji.

ILT yenye mikunjo katika eneo la masafa hubadilisha nini?

Mbinu ya Gauda/D2S huhamisha sehemu muhimu za uboreshaji wa ILT kutoka eneo la anga kwenda eneo la masafa. Uwezo wa kubadilisha shughuli za convolution kuwa kuzidisha kupitia Fourier transform hutoa faida muhimu kwa ukokotoaji sambamba.

Kielelezo 7 cha mapitio kinalinganisha process windows katika masharti tofauti ya dose na defocus kwa OPC ya kawaida na TrueMask ILT, pamoja na picha za SEM zinazolingana nazo. Chanzo kinaeleza kuwa mbinu hii ni imara hasa katika uboreshaji wa miundo ya kawaida na periodic, na inaweza kuunganishwa na hatua za mask-rule checking (MRC) zinazozingatia uzalishikaji wa maski.

Ujifunzaji wa mashine hutumika kwa nini katika ILT?

Lengo kuu la ujifunzaji wa mashine ni kuharakisha suluhisho iterativu la ILT ya kawaida, ambalo linaweza kuchukua muda mrefu sana. Kwa mujibu wa mapitio, mitandao ya neva bandia inaweza kuzalisha suluhisho la awali kuhusu muundo unaofaa wa maski kutoka kwenye muundo lengwa wa wafer, kutabiri uwekaji wa SRAF au, katika baadhi ya hali, kutumika katika modeli zinazolenga kuboresha maski moja kwa moja.

Utafiti unatoa mifano ya mbinu kama CNN, GAN, VAE, model-driven convolutional neural network na reinforcement learning. Hasa mbinu za model-driven zinazoingiza modeli ya litografia inayotegemea fizikia ndani ya usanifu wa mtandao wa neva zinalenga kuongeza uthabiti wa kifizikia ikilinganishwa na modeli za black-box zinazotegemea data pekee.

Hata hivyo, mapitio pia yanasisitiza kuwa kuna tatizo kubwa la data kwa ILT inayosaidiwa na ujifunzaji wa mashine. Kwa kuwa layout na vigezo vya mchakato vya wazalishaji ni nyeti kibiashara, ushiriki wa data za mafunzo za kisasa na zenye ubora wa juu ni mdogo. Utafiti unaona kuwa kutegemea bado data za benchmark za ICCAD za mwaka 2013 kwa mbinu nyingi za kitaaluma ni tatizo kwa uwezo wa kujumlisha kwenda kwenye nodi za sasa za hali ya juu.

Maendeleo ya kihistoria ya utafiti wa ILT yanaonyesha nini?

Mapitio yanafuatilia mizizi ya ILT hadi kazi ya Saleh na Sayegh ya mwaka 1981 kuhusu uboreshaji wa maski unaotegemea pikseli. Katika miaka ya 2000, kuenea kwa OPC inayotegemea modeli kuliharakisha tafiti za ILT; mbinu ya level-set, uboreshaji unaotegemea pikseli, ukokotoaji wa GPU na ujifunzaji wa mashine ziliongezwa kadiri muda ulivyopita.

Katika sehemu ya miaka ya 2010, vikwazo viwili vikubwa vya kiufundi vilivyozuia maendeleo ya ILT vilijitokeza: mzigo mkubwa wa ukokotoaji na waandishi wa kawaida wa maski wa variable-shaped beam (VSB) ambao hawakuweza kuandika kwa ufanisi maumbo ya maski yenye mikunjo. Mapitio yanaonyesha kukomaa kwa uharakishaji wa GPU na waandishi wa maski wa multi-beam kama sababu kuu za kuibuka tena kwa ILT.

Ukinzani muhimu ndani ya chanzo: Maandishi yanasema kuwa idadi ya machapisho ya ILT kwa mwaka ilifikia kilele mwaka 2010 kwa takribani 28. Hata hivyo, katika Kielelezo 9 cha mapitio, thamani 28 inalingana na mwaka 2009, huku mwaka 2010 ukilingana na thamani 12. Verianla haijabadilisha kimya kimya utofauti huu kuwa mwaka mmoja. Kuna kutolingana kwa mwaka kati ya kielelezo na maelezo.

Kwa nini waandishi wa maski wa multi-beam ni muhimu?

Matokeo ya asili ya ILT mara nyingi ni maumbo ya maski yenye mikunjo, yaliyo mbali na jiometri ya Manhattan. Katika mifumo ya kawaida ya VSB, mikunjo hii lazima ikadirishwe kwa idadi kubwa ya mipigo midogo ya mstatili. Mchakato huu unaweza kuongeza muda wa kuandika na kiasi cha data.

Kielelezo 13 cha mapitio kinaonyesha kanuni ya msingi ya usanifu wa uandishi wa maski wa multi-beam: boriti inayotoka kwenye chanzo cha elektroni hupitia condenser optics na aperture plate system na kugawanywa kuwa mamia ya maelfu ya boriti ndogo zinazoweza kupangwa; kupitia projection optics na mfumo wa deflectors, huelekezwa juu ya maski. Utafiti unaiona uwezo wa muundo huu kuandika jiometri zenye mikunjo bila kutegemea uchangamano wa muundo kwa kiwango sawa na VSB ya kawaida kuwa maendeleo muhimu kwa utekelezekaji wa viwanda wa ILT.

Kwa nini uharakishaji wa GPU umekuwa mojawapo ya vipengele vya msingi vya ILT?

Simuleringi za litografia ya kwenda mbele na kurudi nyuma katika ILT zinahitaji kiasi kikubwa cha hesabu za matrix na uboreshaji unaojirudia. Kwa kuwa sehemu muhimu ya hesabu hizi inaweza kusambazwa sambamba, usanifu wa GPU ni kiharakishi cha asili kwa ILT.

Mapitio yanaeleza kuwa mbinu zinazotegemea GPU zinaweza kupunguza kwa kiasi kikubwa muda wa ukokotoaji wa ILT, na yanajadili kupitia tafiti za chanzo mifano ya uharakishaji zaidi ya mara 10 pamoja na taarifa ya kuharakisha hadi mara 40 kwa NVIDIA cuLitho. Thamani hizi si matokeo ya benchmark huru yaliyofanywa na mapitio haya; ni taarifa za utendaji katika vyanzo vilivyonukuliwa na mapitio.

Nafasi ya ILT katika kipindi cha EUV na High-NA ni ipi?

Kwa mujibu wa mapitio, kanuni ya msingi ya usanifu wa kinyume ya ILT ni ileile katika mifumo ya DUV na EUV: kwa kuanzia kwenye kontua lengwa ya wafer, hukokotolewa maski itakayofidia athari za macho na mchakato. Hata hivyo, vipengele vidogo zaidi na athari za kifizikia zilizo changamano zaidi huhitaji gridi finer za ukokotoaji na modeli sahihi zaidi za maski kwa EUV.

Utafiti pia unasema kuwa umuhimu wa ILT unaendelea kwa sababu ya muundo wa macho unaoakisi wa EUV, athari za pande tatu za maski na mzigo wa ukokotoaji unaoongezeka katika nodi zilizoendelea zaidi. High-NA EUV na matumizi yaliyopanuliwa ya DUV yanaonyeshwa katika mapitio kama maeneo muhimu ya matumizi ya ILT siku zijazo.

Vikwazo vinne vikuu mbele ya ILT ni vipi?

Mapitio yanakusanya vikwazo vya sasa katika makundi manne ya msingi:

• Uchangamano wa ukokotoaji: Katika uboreshaji wa full-chip, nafasi ya suluhisho ni kubwa sana na simuleringi iterativu zinaweza kuchukua muda mrefu.
• Uzalishikaji wa maski: Jiometri za ILT zenye mikunjo, nyembamba na changamano ni ngumu kwa mifumo ya kawaida ya kuandika maski.
• Usahihi wa modeli: Ni vigumu kumodeli kwa usahihi wa kutosha athari zote za macho, photoresist, joto na 3B za maski.
• Ekosistemi ya viwanda na upatikanaji wa data: Kuepuka hatari kwa wazalishaji na kutoshirikiwa kwa data nyeti za mchakato/layout hasa huzuia ILT inayotegemea ujifunzaji wa mashine.

Ni mielekeo gani ya kiufundi inayojitokeza kwa siku zijazo?

Badala ya kutabiri siku zijazo kwa kutegemea teknolojia moja, mapitio yanaangazia muunganiko wa teknolojia nyingi. Miongoni mwa hizo, mbele kabisa kuna mikakati mseto ya ILT + OPC + source-mask optimization (SMO). Katika mbinu hii, badala ya kutumia ILT kwa msongamano uleule wa ukokotoaji katika kila sehemu ya chip nzima, ILT yenye usahihi wa juu inaweza kutumiwa katika maeneo muhimu na OPC ya kawaida katika maeneo yaliyo rahisi zaidi.

Mwelekeo wa pili muhimu ni kumodeli kwa usahihi zaidi athari nyingi za kifizikia kama athari za 3B za maski na tabia ya photoresist. Mwelekeo wa tatu ni usanifu wa kinyume unaosaidiwa na AI/ML. Mwelekeo wa nne ni miundombinu ya ukokotoaji inayolenga GPU. Mwelekeo wa tano ni kukomaa kwa waandishi wa maski wa multi-beam. Mwisho, seti wazi za data na digital twins zinachukuliwa kama zana zinazowezekana hasa kwa timu za utafiti zisizoweza kufikia data halisi za uzalishaji ili kuendeleza modeli zao za ILT.

Matokeo yanayoungwa mkono na utafiti

• ILT ni mbinu ya usanifu wa kinyume inayoboresha maski katika nafasi pana zaidi ya suluhisho la kijiometri ikilinganishwa na OPC ya kawaida inayotegemea kusogeza kingo.
• Mbinu za ILT za level-set, pikseli, eneo la masafa lenye mikunjo na zinazosaidiwa na ujifunzaji wa mashine zina sifa tofauti za ukokotoaji na uzalishikaji.
• Uharakishaji wa GPU na maendeleo ya teknolojia ya kuandika maski ya multi-beam yamekuwa na nafasi muhimu katika kuongeza utekelezekaji wa ILT viwandani.
• Fasihi iliyochunguzwa katika mapitio inaonyesha kuwa ILT imekuwa ikitathminiwa zaidi ya urekebishaji wa hotspot, katika miktadha ya SRAF, full-chip na EUV.
• Gharama ya ukokotoaji, uzalishikaji wa maski, calibration ya modeli na upatikanaji wa data ni matatizo muhimu ambayo hayajatatuliwa.

Matokeo ambayo utafiti hauungi mkono au hauyathibitishi

• Mapitio haya hayajazalisha nodi mpya ya mchakato wa semikondakta wala hayajafanya jaribio jipya la full-chip ILT.
• Viwango vya uharakishaji na maboresho ya process window vilivyonukuliwa katika mapitio si dhamana ya utendaji wa jumla kwa mbinu zote za ILT.
• Haijathibitishwa kuwa ILT inayosaidiwa na ujifunzaji wa mashine ni bora kuliko ILT ya kawaida inayotegemea fizikia katika nodi zote za hali ya juu.
• Haijaonyeshwa kuwa maski za Curvilinear ILT zinaweza kutumiwa katika vituo vyote vya uzalishaji kwa gharama na ufanisi uleule.
• Tathmini za matumizi ya viwanda katika mapitio si hesabu huru ya uzalishaji wa kimataifa; ni usanisi unaotegemea fasihi na mtazamo wa sekta wa waandishi.
• Katika utafiti hakuna data maalumu ya matumizi au utendaji kuhusu miundombinu ya uzalishaji wa semikondakta nchini Uturuki.

Mbinu na Matokeo ya Utafiti

Muundo wa utafiti

Makala hii si utafiti wa majaribio, bali ni mapitio ya kiufundi ya kina ya aina ya narratif/kimfumo. Waandishi wanasanisi kanuni za kihisabati za ILT, maendeleo yake ya kihistoria, matumizi yake makuu ya kialgoriti, mifano ya viwanda na mielekeo ya utafiti wa siku zijazo kupitia fasihi na vyanzo vya sekta.

Makala haitoi jaribio jipya la wafer, utengenezaji mpya wa maski, seti mpya ya data au uchambuzi mpya wa takwimu. Kama ilivyoelezwa wazi katika sehemu ya Data Availability Statement ya waandishi, hakuna data mpya iliyoundwa au kuchambuliwa ndani ya utafiti huu.

Mihimili mikuu ya kiufundi iliyochunguzwa

Mifano ya nambari iliyosisitizwa katika mapitio

Chanzo kinanukuu matokeo mbalimbali ya kiasi kutoka tafiti za awali. Haya si vipimo vipya vya mapitio ya sasa:

• Katika muktadha wa wavefront-error-aware SMO wa nyanja nyingi, inaripotiwa kuboreshwa kwa uniformity ya picha hadi %31,1 kwa algoriti ya Hybrid Dynamic Priority.
• Katika matumizi ya DRAM full-chip ILT yaliyoripotiwa mwaka 2017, inaelezwa ongezeko la takribani %20 kwa depth of focus na kushikiliwa kwa makosa ya CD chini ya 5 nm.
• Katika mfano wa D2S wa mwaka 2019, inanukuliwa takribani 48 saa za ukokotoaji na takribani 12 saa za kuandika maski kwa full-chip ILT.
• Kwa ML-assisted ILT, mapitio yanasema baadhi ya matumizi ya inference yanaweza kuwa haraka mara 10–100 kuliko mbinu za kawaida; kauli hii hutegemea mbinu na utafiti uliotumiwa.
• Kwa ILT inayotegemea GPU, mapitio yanatoa mifano ya uharakishaji wa zaidi ya mara 10 na uharakishaji wa hadi mara 40 katika muktadha wa NVIDIA cuLitho.
• Kwa IMS MBMW-101, inaelezwa kuwa hutumia 262.000 miale ya wakati mmoja; nishati ya mwisho ya elektroni ni 50 keV na upunguzaji wa projeksheni ni 200×.

Thamani hizi hazipaswi kulinganishwa moja kwa moja kama benchmark kati yao; zinahusu tafiti tofauti, nodi tofauti, maunzi tofauti, maski tofauti na masharti tofauti ya majaribio.

Ujumbe wa kisayansi wa Kielelezo 7

Kielelezo 7 kinalinganisha process windows katika masharti ya dose–defocus kwa OPC ya kawaida na TrueMask ILT. Sehemu ya juu ya picha inaonyesha mipaka ya vipimo muhimu vinavyokubalika kwa mbinu hizo mbili, na sehemu ya chini inaonyesha picha za SEM chini ya masharti husika. Lengo la mapitio ni kuonyesha kuwa ILT inaweza kutoa eneo pana zaidi la suluhisho linaloweza kutumika si tu kwenye focus ya nominal, bali pia chini ya masharti ya mchakato yanayobadilika. Hata hivyo, matokeo yaliyotolewa hapa yanahusu utafiti maalumu wa chanzo na hayawezi kujumlishwa kwa matumizi yote ya ILT.

Mwelekeo wa machapisho katika Vielelezo 9 na 10

Kielelezo 9 kinaonyesha mgawanyo wa idadi ya machapisho ya kila mwaka uliokusanywa na waandishi kupitia utafutaji wa mada “inverse lithography technology” kwenye Web of Science. Grafu inaonyesha ongezeko dhahiri katikati ya miaka ya 2000, mabadiliko yaliyofuata, na kupanda tena kwa nguvu baada ya 2020. Kielelezo 10 kinatumia mgawanyo wa vyanzo vya mapitio ya ILT ya mwaka 2021 kwa miaka ili kulinganisha kwa njia isiyo ya moja kwa moja mkusanyiko wa kihistoria wa utafiti.

Onyo la uhariri: Kuna kutolingana kwa mwaka kati ya Kielelezo 9 na maandishi yanayokieleza. Grafu inaonyesha machapisho 28 kwa mwaka 2009, ilhali maandishi yanaeleza kilele hicho kuwa mwaka 2010. Kwa hiyo Verianla haihitimishi kwa uhakika mwaka mmoja maalumu kama kilele cha idadi ya machapisho.

Usanifu wa MBMW katika Kielelezo 13

Kielelezo 13 kinaonyesha kwa skimu mnyororo wa kuandika maski wa multi-beam unaojumuisha chanzo cha elektroni, condenser optics, data link, aperture plate system, projection optics, stopping plate, deflectors, 6-inch mask na scanning stage. Ujumbe mkuu wa kihandisi ni kwamba boriti moja ya elektroni hugawanywa kuwa mpangilio mkubwa wa boriti ndogo zinazoweza kupangwa, na mpangilio wote huelekezwa kwa usahihi juu ya maski.

Matokeo ya GPU katika Kielelezo 15 yatafsiriwe vipi?

Kielelezo 15 kimechukuliwa kutoka kwenye wasilisho la viwandani la chanzo linalolinganisha kasi za CPU na GPU kwa vipengele tofauti vya ukokotoaji katika simuleringi ya ILT/litografia. Picha inaonyesha faida ya utendaji wa juu wa sambamba wa GPU katika vipengele mbalimbali, hasa katika hesabu za wafer na resist. Grafu hii inategemea wasilisho la chanzo la mwaka 2020; si benchmark iliyodhibitiwa iliyofanywa na mapitio ya sasa.

Kutolingana kwa nambari za vielelezo ndani ya chanzo

Katika sehemu ya shukrani ya makala, Johannes Leitner na IMS Nanofabrication wanashukuriwa kwa ruhusa ya kutumia tena picha za “Electron optical concept of MBMW” na “MBMW product portfolio including target nodes”, na picha hizo zinaitwa “Figure 1” na “Figure 3”. Hata hivyo, katika mwili mkuu wa PDF ya sasa, maudhui haya yapo mtawalia kama Kielelezo 13 na Kielelezo 16. Hii ni hitilafu ya uorodheshaji ambayo haibadilishi matokeo ya makala, lakini inapaswa kutajwa kwa ajili ya ufuatiliaji wa kibibliografia/kimuonekano.

Matatizo matatu makuu ya wazi ya utafiti katika mapitio

Kisanduku cha outlook katika sehemu ya hitimisho kinaangazia hasa matatizo matatu makuu ya wazi:

1. Uharakishaji wa ukokotoaji: Hitaji la algoriti za haraka zaidi na ukokotoaji unaolenga GPU kwa full-chip ILT.
2. Uzalishikaji wa maski: Uwezo wa kuandika jiometri za ILT zenye mikunjo kwa tija kubwa na kwa gharama inayokubalika.
3. Umodelishaji sahihi wa fizikia nyingi: Umodelishaji bora wa athari halisi za mchakato kama EUV, athari za pande tatu za maski, resist na mwingiliano wa lithography–etch.

Hitimisho la jumla la mapitio ni kwamba mustakabali wa ILT hautegemei algoriti bora zaidi ya uboreshaji pekee; unategemea maendeleo ya pamoja ya modeli ya fizikia, programu ya EDA, akili bandia, maunzi ya GPU, teknolojia ya kuandika maski na data za uzalishaji.

Maelezo ya Chanzo na Mbinu

Jina kamili la kazi asili: Inverse Lithography Technology (ILT) Under Chip Manufacture Context

Waandishi: Xiaodong Meng; Cai Chen; Jie Ni.

Mpangilio wa waandishi: Xiaodong Meng ni mwandishi wa kwanza, Cai Chen ni mwandishi wa pili, Jie Ni ni mwandishi wa tatu.

Mchango sawa / mwandishi wa kwanza sawa: Hakuna tamko la mwandishi wa kwanza sawa au mchango sawa katika chanzo.

Mwandishi anayewajibika: Xiaodong Meng.

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

Jarida: Micromachines.

Juzuu / toleo / nambari ya makala: 17(1), 117.

DOI:10.3390/mi17010117

Mchapishaji: MDPI, Basel, Switzerland.

Aina ya chanzo: Review / makala ya mapitio.

Hali ya mapitio ya wenzao: Ni makala ya mapitio iliyopitia tathmini ya wenzao na kuchapishwa.

Mchakato wa uchapishaji: Ilipokelewa tarehe 17 Desemba 2025, ikarekebishwa tarehe 26 Desemba 2025, ikakubaliwa tarehe 28 Desemba 2025 na kuchapishwa tarehe 16 Januari 2026.

Toleo maalumu: Recent Advances in Lithography.

Kiungo rasmi cha uchapishaji:ukurasa rasmi wa makala wa MDPI

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

Ufadhili: Waandishi wanaripoti kuwa utafiti haukupata ufadhili wa nje.

Upatikanaji wa data: Hakuna data mpya iliyoundwa au kuchambuliwa ndani ya mapitio haya; kwa hiyo ushiriki wa seti mpya ya data ya utafiti hautumiki.

Mgongano wa maslahi: Waandishi wote watatu wanafanya kazi ndani ya Advanced Manufacturing EDA Co., Ltd. Waandishi wanatangaza kuwa utafiti ulifanywa bila mahusiano ya kibiashara au kifedha yanayoweza kuonekana kama mgongano unaowezekana wa maslahi.

Michango ya waandishi: Xiaodong Meng — Conceptualization na investigation; Cai Chen — methodology, investigation na validation; Jie Ni — supervision. Imeelezwa kuwa waandishi wote walisoma na kuidhinisha toleo lililochapishwa.

Mpaka wa maudhui ya kisayansi: Kazi hii ni mapitio ambayo hayazalishi data mpya ya majaribio. Kanuni za ILT, uainishaji wa mbinu, misemo ya kihisabati, simulizi la kihistoria, mifano ya utendaji na tathmini za viwanda katika makala ya Verianla zinategemea maudhui ya mapitio yaliyopakiwa. Hakuna matokeo mapya ya majaribio ya ILT yaliyoongezwa kutoka vyanzo vya nje. Nambari za utendaji zilizonukuliwa katika mapitio kutoka tafiti nyingine hazijawasilishwa kama matokeo ya majaribio ya makala ya sasa yenyewe.

Maelezo ya kutolingana ndani ya chanzo 1: Maandishi yanasema kuwa machapisho ya ILT kwa mwaka yalifikia kilele mwaka 2010 kwa takribani 28, ilhali katika Kielelezo 9 machapisho 28 yanalingana na 2009 na 2010 inalingana na machapisho 12. Kutolingana huku kiko katika chanzo na hakujarekebishwa kimya kimya.

Maelezo ya kutolingana ndani ya chanzo 2: Katika sehemu ya shukrani picha za MBMW zinatajwa kama “Figure 1” na “Figure 3”, ilhali katika mwili mkuu wa PDF picha husika zimepewa nambari Kielelezo 13 na Kielelezo 16.

Maelezo ya matumizi ya picha: Ingawa makala ya chanzo ina leseni ya CC BY, baadhi ya picha zimetolewa tena kwa ruhusa kutoka vyanzo vingine. Katika maudhui haya ya Verianla, picha asili za chanzo hazikunakiliwa moja kwa moja; mtiririko wa mbinu umeelezwa tu kwa jedwali la HTML linaloonekana na onyesho la mchakato la Verianla Live linalotegemea maudhui ya chanzo.