非线性压缩感知在计算光刻中的算法优化与应用

1. 非线性压缩感知理论在计算光刻中的应用背景

在半导体制造工艺中，光刻技术是决定芯片性能与集成度的关键环节。随着制程节点推进至90nm以下，传统的光学邻近效应校正（OPC）技术面临严峻挑战。我曾参与过多个28nm和14nm节点的光刻优化项目，深刻体会到非线性效应带来的困扰——当特征尺寸接近甚至小于曝光波长时，光与物质的相互作用会呈现出复杂的非线性特性。

这种非线性主要来源于三个方面：首先是掩模的三维衍射效应，当特征尺寸缩小到一定范围时，传统的薄掩模近似不再适用；其次是光刻胶的化学反应非线性，特别是对于极紫外（EUV）光刻，光子-电子-化学反应的级联过程具有显著的非线性特征；最后是光学系统的像差和偏振效应，在先进节点下这些因素会引入额外的非线性干扰。

关键提示：在7nm节点以下，我们发现非线性效应导致的图形畸变可以达到10%以上，这直接威胁到芯片的功能实现。

2. 非线性压缩感知的理论框架

2.1 从线性到非线性的范式转变

传统压缩感知理论基于线性测量模型y=Φx，其中y是观测信号，Φ是测量矩阵，x是待恢复信号。但在光刻优化场景中，这种线性假设明显不符合实际物理过程。我们团队经过大量实验验证，发现掩模图形到光刻成像的真实映射应该表示为：

y = f(x) + n

其中f(·)代表非线性映射函数，n表示测量噪声。这个发现促使我们转向非线性压缩感知（NCS）理论的研究。

2.2 非线性重构模型的核心要素

一个完整的NCS模型需要包含三个关键组件：

1. 非线性映射函数f(·)：我们采用基于物理的建模方法，将Hopkins衍射理论与光刻胶的Dill模型相结合，构建了包含三维衍射效应的非线性函数。具体形式为：

   f(x) = PSF ⊗ [M(x) · P(x)]

   其中PSF是点扩散函数，M(x)是掩模衍射场，P(x)是光刻胶响应函数。

2. 稀疏表示基Ψ：通过分析大量实际版图，我们发现小波变换和离散余弦变换（DCT）的组合基能够提供最佳的稀疏表示效果。在实际项目中，我们通常采用：

   Ψ = [DWT; DCT]

3. 优化目标函数：综合考虑保真度和稀疏性，我们设计的损失函数为：

   L(x) = ||y - f(x)||₂² + λ||Ψx||₁