最近，卑尔根大学(挪威)的研究人员发表了一篇题为“通过机器学习生成物质波光刻的逼真掩模”的技术论文。
文摘:
“快速生产具有纳米分辨率的大面积图案对于现有的半导体行业以及实现下一代量子器件的工业规模生产至关重要。带有二元全息掩模的亚稳态原子光刻被认为是目前最先进的极紫外(EUV)光刻技术的更高分辨率/低成本的替代品。然而，最近的研究表明，亚稳态原子与掩模材料(SiN)的相互作用会导致波前的强烈扰动，这并不包括在现有的基于经典标量波的掩模产生理论中。这意味着逆问题(根据所需的模式创建掩码)即使在1D中也不能解析解决。在这里，我们提出了一种针对亚稳态原子的掩模生成的机器学习方法。我们的算法使用遗传优化和深度学习相结合的方法来获得面具。一种新的深层神经结构被训练来产生面具的初始近似。然后使用这种近似来生成遗传优化算法的初始种群，该算法可以收敛到任意精度。我们演示了在夫琅和费近似极限内系统尺寸的任意1D模式的生成。”
找到这里是技术文件．2022年7月出版。
作者:Johannes Fiedler, Adrià Salvador Palau, Eivind Kristen Osestad, Pekka Parviainen, Bodil Holst
arXiv: 2207.08723 v1。
留下回复