ARTICLE · 1261249

AI教你画光刻掩模:用机器学习突破芯片微缩的物理极限

发布时间：2026-10-27 18:26:51 最近访问：2026-10-27 18:26:51

文章来源：半导体与物理

原文作者：jjfly686

本文主要讲述机器学习突破微缩物理极限。

在芯片光刻中，有一个极其头疼的物理现象：衍射。光穿过掩模版时会发生弯折和散开，导致印在晶圆上的图案变得模糊。为了让图案精准，工程师必须提前在掩模版上画出“预畸变”的复杂图形来补偿衍射。然而，随着制程逼近物理极限，单纯靠人工经验去修正掩模已经彻底行不通了。现在，半导体界正在用AI和强化学习来重塑这道工序。

从物理方程到神经网络

要搞清楚光是怎么衍射的，底层原理是麦克斯韦方程组。过去，工程师要用严格的数值方法（如时域有限差分FDTD或严格耦合波分析RCWA）来求解三维掩模的电磁场。这种计算极其耗时。无论是暗场掩模还是明场掩模，光穿过后的近场振幅和相位分布都需要海量算力。

如今，解法变了：用神经网络来替代繁琐的物理求解。把三维掩模布局输入进训练好的神经网络，瞬间就能预测出光穿过后的近场分布，速度呈指数级提升。

AI反向“算”掩模

有了快速预测近场的能力，就可以构建一套基于机器学习的掩模综合（Mask Synthesis）平台。它的流程非常直观：先拿一个初始掩模布局，用神经网络算出近场；接着通过投影光学系统（比如13.5nm波长、数值孔径NA=0.33的EUV光刻机）生成空间像；然后叠加光刻胶模型，得到最终印出的图形轮廓。最后，把印出的轮廓和理想的目标轮廓做对比，计算出误差（损失函数），反向去修正掩模。