(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211395502.X (22)申请日 2022.11.09 (71)申请人 华芯程 （杭州） 科技有限公司 地址 311113 浙江省杭州市余杭区良渚街 道金昌路20 08、 2010号2幢431 1室 (72)发明人 不公告发明人 　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 吴娟 (51)Int.Cl. G03F 1/36(2012.01) G03F 7/20(2006.01) G06N 3/04(2006.01) G06N 3/06(2006.01) G06N 3/08(2006.01)G06V 10/764(2022.01) (54)发明名称 光学邻近校正模 型的训练方法、 装置及光学 邻近校正方法 (57)摘要 本发明涉及光学邻近校正领域， 特别是公开 了一种光学邻近校正模型的训练方法、 装置及光 学邻近校正方法， 通过确定目标版图， 并获取所 述目标版图中的扫描单元对应的图案特征信息 及透光信号； 将所述图案特征信息与所述透光信 号输入脉冲神经网络与深度强化学习的复合模 型， 得到光线 ‑图案模型； 所述光线 ‑图案模型的 输入为所述透光信号， 输出为所述透光信号对应 的图案特征信息； 获取掩膜板训练集； 对所述掩 膜板训练集进行光刻， 得到掩膜板透光信号； 利 用所述掩膜板透光信号， 通过所述光线 ‑图案模 型， 获得光学邻近校正模型。 本发明大大缩短了 模型训练素材的准备时间， 提高了模 型的训练效 率， 同时降低了模型训练硬件成本， 提高了模型 的校正准确度。 权利要求书2页 说明书10页 附图4页 CN 115509082 A 2022.12.23 CN 115509082 A 1.一种光学邻近校正模型的训练方法， 其特 征在于， 包括： 确定目标 版图， 并获取 所述目标 版图中的扫描单 元对应的图案特 征信息及透光信号； 将所述图案特征信 息与所述透光信号输入脉冲神经网络与深度强化学习的复合模型， 得到光线 ‑图案模型； 所述光线 ‑图案模型的输入为所述透光信号， 输出为所述透光信号对 应的图案特 征信息； 获取掩膜板训练集； 对所述掩膜板训练集进行光刻， 得到掩膜板 透光信号； 利用所述掩膜板 透光信号， 通过 所述光线‑图案模型， 获得光学邻近校正模型。 2.如权利要求1所述的光学邻 近校正模型的训练方法， 其特征在于， 所述将所述图案特 征信息与所述透光信号输入脉冲神经网络与深度强化学习的复合模型， 得到光线 ‑图案模 型包括： 根据所述扫描单元的透光信号及对应的图案特征信息， 通过所述脉冲神经网络， 得到 神经元状态分类模型； 根据所述扫描单元的透光信号、 对应的图案特征信息， 及对应的脉冲神经网络参数， 通 过深度强化学习算法， 得到网络参数辅助辨识图案模型； 根据所述神经元状态分类模型及所述网络参数辅助辨识图案模型， 确定所述光线 ‑图 案模型； 所述光线 ‑图案模型的输入为所述透光信号， 输出为所述透光信号对应的图案特征 信息。 3.如权利要求2所述的光学邻 近校正模型的训练方法， 其特征在于， 所述脉冲神经网络 参数包括活动神经 元信息、 活动突触信息、 电路环境信息及权 重信息中的至少一种。 4.如权利要求1所述的光学邻 近校正模型的训练方法， 其特征在于， 所述对所述掩膜板 训练集进行光刻， 得到掩膜板 透光信号包括： 获取实际光刻参数； 根据所述实际光刻参数， 对所述掩膜板训练集进行光刻， 得到掩膜板 透光信号。 5.如权利要求1所述的光学邻 近校正模型的训练方法， 其特征在于， 所述透光信号的获 取方式包括： 使用光学 频率梳照射所述目标 版图， 得到与所述扫描单 元对应的所述透光信号。 6.如权利要求1所述的光学邻 近校正模型的训练方法， 其特征在于， 所述将所述图案特 征信息与所述透光信号输入脉冲神经网络与深度强化学习的复合模型， 得到光线 ‑图案模 型包括： 将所述图案特征信 息输入脉冲神经网络与深度强化学习的复合模型， 并将所述透光信 号利用波分复用技术输入所述脉冲神经网络与深度强化学习的复合模型， 得到光线 ‑图案 模型。 7.一种光学邻近校正方法， 其特 征在于， 包括： 获取目标线路版图数据； 将所述目标线路版图数据输入光学邻 近校正模型中， 得到目标掩膜板图数据； 其中， 所 述光学邻近校正模型为通过如权利要求1至6任一项所述的光学邻近校正模型 的训练方法 得到的光学邻近校正模型； 根据所述目标掩膜板图数据， 制造对应的掩膜层。权　利　要　求　书 1/2 页 2 CN 115509082 A 28.一种光学邻近校正模型的训练装置， 其特 征在于， 包括： 目标确定模块， 用于确定目标版图， 并获取所述目标版图中的扫描单元对应的图案特 征信息及透光信号； 复合模型模块， 用于将所述图案特征信 息与所述透光信号输入脉冲神经网络与深度强 化学习的复合模 型， 得到光线 ‑图案模型； 所述光线 ‑图案模型的输入为所述透光信号， 输出 为所述透光信号对应的图案特 征信息； 训练集获取模块， 用于获取掩膜板训练集； 光刻透光模块， 用于对所述掩膜板训练集进行光刻， 得到掩膜板 透光信号； OPC模块， 用于利用所述掩膜板透光信号， 通过所述光线 ‑图案模型， 获得光学邻近校正 模型。 9.一种光学邻近校正模型的训练设备， 其特 征在于， 包括： 存储器， 用于存 储计算机程序； 处理器， 用于执行所述计算机程序时实现如权利要求1至6任一项所述的光学邻 近校正 模型的训练方法及权利要求7 所述的光学邻近校正方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器执行时实现如权利要求 1至6任一项 所述的光学邻近校正模 型的训练方法及权利要求7 所述的光学邻近校正方法的步骤。权　利　要　求　书 2/2 页 3 CN 115509082 A 3