光刻技术第1期 | 计算光刻技术介绍

当传统光刻逼近物理极限，计算光刻凭借光学仿真、图形校正等核心能力，成为突破芯片特征尺寸瓶颈、有效保障生产良率的关键支撑，广泛赋能消费电子、高端制造等核心领域。

武汉二元科技深谙光刻技术的核心作用，未来将深耕计算光刻领域，此文章为该系列第一篇，后续将持续更新计算光刻系列文章，推动计算光刻技术突破，助力光电产业发展。

01/简介

计算光刻技术作为分辨率增强技术的重要延伸，其核心定义是借助计算机辅助技术，提升光刻工艺中图形转移的保真度。这一技术的出现，与集成电路产业的发展需求密切相关——随着芯片特征尺寸持续缩小，传统光刻技术逐渐逼近物理极限，分辨率提升遭遇瓶颈，而计算光刻通过数值建模与工艺仿真优化的核心路径，成为突破这一瓶颈、提高光刻分辨率的关键解决方案。

该技术的核心体系涵盖光学成像物理仿真、光学邻近效应校正以及光源-掩膜协同优化等关键技术。其作用机制在于，通过专业软件对光刻系统的核心元素（包括光源、掩膜版、光学镜头等）进行精准模拟与参数优化，从技术层面助力光刻机突破硬件限制，更精准地刻蚀芯片的微小结构。最终，这一技术不仅实现了光刻分辨率的显著提升，还有效保障了芯片生产的良率，为集成电路向更小特征尺寸发展提供了核心支撑。

02/关键技术原理与方法

在计算光刻的核心技术体系中，光学邻近效应校正（OPC）与光源掩模联合优化（SMO）是两大关键技术，二者从不同维度提升图形转移精度与光刻分辨率，共同构筑起计算光刻的技术核心。

光学邻近效应校正（OPC）以修正光刻后图形缺陷和变形为核心目标，是保障图形复刻精度的基础技术。其核心原理遵循“误差比对-掩膜预补偿”的逻辑：首先将光刻后形成的实际图形与芯片设计的目标图形进行精准比对，定位由光学邻近效应（如线条边缘模糊、拐角圆化、线宽不均等）引发的图形误差；随后在掩膜版制作阶段，针对这些误差提前设计补偿结构，通过“预修正”抵消光刻过程中的畸变风险，确保最终光刻图形与设计图形高度吻合。

OPC技术历经“基于规则”到“基于模型”的迭代升级，精度与适配性持续提升。早期基于规则的OPC依赖预设的固定规则表对特定图形进行标准化修正，虽操作简便，但面对复杂图形或微小特征尺寸时校正精度不足。当前主流的基于模型的OPC通过构建全流程仿真体系实现突破：一方面建立涵盖光源、镜头、掩膜等要素的光学成像模型，另一方面融入光刻胶曝光、显影全过程的物理化学模型，通过仿真模拟精准预测误差并完成校正。现代基于模型的OPC工具已形成“建模-优化-验证”完整流程，其中光学模型常采用Hopkins的TCC模型以精准描述成像特性，光刻胶模型则可根据工艺需求选用阈值模型、可变阈值模型等经验模型。

光源掩模联合优化（SMO）作为另一项核心技术，聚焦于通过协同优化光源与掩模图形，降低工艺因子并突破单次曝光的分辨率极限。与传统“先确定光源再优化掩模”的顺向思路不同，SMO采用逆向计算逻辑：以芯片需要成型的目标图像为出发点，通过精确的成像模型反推计算，得出最佳的掩膜版图形与光源配置方案。其技术核心是通过优化光瞳填充参数（调控光源能量分布）和掩模版图修正量，扩大光刻工艺窗口（即保障图形质量的工艺参数范围），提升光刻过程的稳定性与容错性。随着技术演进，全芯片级的SMO解决方案已逐步落地，有效解决了量产场景下OPC校正结果与SMO优化结果的匹配问题，为技术规模化应用奠定基础。

从技术发展脉络来看，OPC技术已完成从“基于规则”到“基于模型”的迭代升级。早期基于规则的OPC技术，主要依赖工程师预设的固定规则表对特定图形进行标准化修正，这种方式虽操作简便，但面对复杂图形时校正精度有限，难以适配特征尺寸不断缩小的工艺需求。而当前主流的基于模型的OPC技术，通过构建完整的光刻系统仿真体系实现了精度突破——其不仅建立了涵盖光源、镜头、掩膜等核心要素的光学成像模型，还融入了光刻胶曝光、显影全过程的物理化学模型，通过软件仿真模拟光刻全流程，从而实现对图形误差的精准预测与校正。

该技术的核心体系涵盖光学成像物理仿真、光学邻近效应校正以及光源-掩膜协同优化等关键技术。其作用机制在于，通过专业软件对光刻系统的核心元素（包括光源、掩膜版、光学镜头等）进行精准模拟与参数优化，从技术层面助力光刻机突破硬件限制，更精准地刻蚀芯片的微小结构。最终，这一技术不仅实现了光刻分辨率的显著提升，还有效保障了芯片生产的良率，为集成电路向更小特征尺寸发展提供了核心支撑。上述两项关键技术与光学成像物理仿真等技术相互协同，形成“模拟-优化-校正”的完整技术链条。通过专业软件对光刻系统光源、掩膜版、光学镜头等核心元素进行全流程精准模拟与参数优化，从软件层面突破光刻机硬件性能限制，助力其更精准地刻蚀芯片微小结构，最终实现光刻分辨率与芯片生产良率的双重提升，为集成电路向更小特征尺寸迭代提供核心技术支撑。

03/先进技术与未来发展方向

反向光刻技术（ILT）是计算光刻的前沿发展方向，其核心逻辑是在既定工艺条件下，以光刻目标图形为已知量，反向求解适配的掩膜图形。与传统技术仅修正设计图形不同，ILT直接以晶圆需实现的图形为目标，通过复杂数学计算反演生成理想掩膜图形，可显著提升成像对比度。近年来，借助算法优化与硬件加速，全芯片级ILT已成功应用于量产产线。

人工智能（AI）与深度学习为计算光刻注入新动能。新一代卷积神经网络已深度应用于光刻工艺建模、掩模优化及SEM数据处理等关键环节：基于AI的OPC技术大幅提升校正速度，深度学习在光刻建模领域展现出卓越潜力，目前基于深度学习的建模工具已集成至部分良率综合优化系统，并完成产线验证。

算法复杂度提升推动算力基础设施持续升级。计算光刻的算力支撑从早期单机服务器，演进至数千乃至数万CPU核的超级计算集群，当前已进入CPU-GPU异构超算集群与云平台阶段。云计算的动态算力分配特性，为计算光刻提供了更高效、灵活的算力解决方案，适配复杂场景需求。

此外，计算光刻正迈向全流程协同优化新阶段，设计工艺协同优化、全景光刻等概念逐步落地。这类方法强调设计、制造、检测全链路协同：在设计阶段提前融入制造可行性考量，在制造过程中锚定芯片电学性能开展优化，最终实现芯片良率与生产效率的全方位提升。