技术摘要：
本发明涉及一种掩模辅助图形的优化方法，该方法包括以下步骤，步骤S1：提供一张原始设计版图，并在原始设计版图中选取至少一个小区域版图；步骤S2：对选取的小区域版图做基于光刻模型的辅助图形优化，得到对应小区域版图的掩模形貌图；步骤S3：建立BP人工神经网络模型  全部
背景技术：
】 光刻工艺是现代极大规模集成电路制造过程中最重要的制程工序，是通过光刻机 将掩模上集成电路的设计图形转移到硅片上。掩模上集成电路设计图形通过光刻机在硅片 上投影成像时，随着技术节点的不断演进，掩模上图形特征尺寸的不断变小，光的衍射现象 会变的日益显著。 当某些高阶衍射光因投影物镜光学系统孔径限制而无法参与成像时，在硅片上的 成像将产生变形和图形无法分辨的现象。这一现象被称为光学临近效应(OPE，Optical  Proximity  Effect)。为提高成像分辨率和成像质量，人们可以通过对掩模上图形进行优化 实现对上述光学临近效应的校正即OPC(Optical  Proximity  Correction)。在OPC的实践 中，通常会在掩模的主体图形(Main  Feature)之外，再增加一些辅助图形(Sub-Resolution  Assistant  Feature)，辅助图形通常尺寸较主体图形小很多，并且不会印在硅片上，只是起 到增强主体图形成像的效果。 最早的辅助图形的放置是基于规则，现在主流的放置方式是基于光刻模型。基于 光刻模型得到初始的辅助图形，不同主图形几何边对应的初始辅助图形会存在大量的重合 交叠，因此需要花费大量的时间和工作对主图形和辅助图形之间重合交叠的图形进行清 理，并基于几何形貌的可制造规则对掩模形貌图进行图形的化简和防印出检查处理，进一 步优化辅助图形，可见，现有方案的效率和准确度均较低。 【
技术实现要素：
】 为克服现有技术存在的问题，本发明提供一种掩模辅助图形的优化方法、计算机 可读介质及系统。 本发明解决技术问题的方案是提供一种掩模辅助图形的优化方法，该方法包括以 下步骤，步骤S1：提供一张原始设计版图，并在原始设计版图中选取至少一个小区域版图； 步骤S2：对选取的小区域版图做基于光刻模型的辅助图形优化，得到对应小区域版图的掩 模形貌图；步骤S3：建立BP人工神经网络模型，并根据小区域版图的掩模形貌图和其对应的 小区域版图训练BP人工神经网络模型；步骤S4：将训练好的BP人工神经网络模型应用在原 始设计版图上，获得原始设计版图的掩模设计形貌图；及步骤S5：从掩模设计形貌图提取出 掩模辅助图形。 优选地，步骤S2包括，步骤S21：输入一个或多个小区域版图，并将其格点化形成设 计图案；步骤S22：构造初始的辅助图形指导图像，以产生目标函数；步骤S23：通过多次迭代 优化，以产生优化的目标函数，从而获得优化的指导图像；步骤S24：对优化的指导图像进行 二值化处理和多边形图形提取，得出带辅助图形的掩模形貌图；及步骤S25：对掩模形貌图 4 CN 111611759 A 说　明　书 2/8 页 进行优化。 优选地，步骤S25包括，步骤S251：对掩模形貌图进行清理优化；步骤S252：基于几 何形貌的可制造规则对掩模形貌图进行图形的化简；及步骤S253：对掩模形貌图做防印出 检查和处理；步骤S252及步骤S253之间的顺序可互换或者可同时进行。 优选地，步骤S3包括，步骤S31：建立BP人工神经网络模型，并设定模型的结构；步 骤S32：将掩模形貌图和其对应的小区域版图分别输入至BP人工神经网络模型的对应结构； 及步骤S33：训练BP人工神经网络模型，以得到掩模形貌图的优化模型。 优选地，步骤S4包括，步骤S41：将原始设计版图输入至掩模形貌图的优化模型；及 步骤S42：进行运算以获得原始设计版图的掩模设计形貌图。 优选地，在上述步骤S1中，所述选取的小区域版图包括典型图形区域、关键图形区 域或已知的缺陷版图设计的区域中的任一种或任意组合的两种、三种。 优选地，上述步骤S5从掩模设计形貌图提取出掩模辅助图形进一步包括：对掩模 设计形貌图进行二值化处理和多边形图形提取，得出掩模辅助图形。 优选地，步骤S5之后还包括步骤S6：对掩模辅助图形进行优化。 本发明还提供一种计算机可读介质，所述计算机可读介质中存储有计算机程序， 其中，所述计算机程序被设置为运行时执行上述的掩模辅助图形的优化方法。 本发明还提供一种掩模辅助图形的优化系统，所述优化系统包括选取模块，用于 在原始设计版图中选取一个或多个小区域版图；光刻优化模块，用于对选取的小区域版图 做基于光刻模型的辅助图形优化，得到对应小区域版图的掩模形貌图；网络训练模块，用于 根据小区域版图的掩模形貌图和其对应的小区域版图训练BP人工神经网络模型；网络应用 模块，用于将训练好的BP人工神经网络模型应用在原始设计版图上，获得原始设计版图的 掩模设计形貌图；提取模块，用于从掩模设计形貌图提取出掩模辅助图形。 与现有技术相比，本发明的掩模辅助图形的优化方法具有以下优点： 1.基于光刻模型的掩模辅助优化方法中，需要花费大量的时间和工作量对原始设 计版图优化后的掩模辅助图形进行优化，即对重合交叠的部分进行清理；而本发明的掩模 辅助图形的优化方法中，先选取原始设计版图中的一个或多个小区域版图进行一次基于光 刻模型的掩模辅助图形优化，然后将优化的掩模形貌图和其对应的小区域版图输入至BP人 工神经网络模型中训练，得出其优化方法，进而将原始设计版图输入至掩模形貌图的优化 模型，最后得到掩模辅助图形。即只需要对小区域版图得到的掩模形貌图进行优化，相对于 整个原始设计版图优化，可节省大量的时间和工作量。 2.通过对小区域版图得到的掩模形貌图进行优化时，也对其基于几何形貌的可制 造规则对掩模形貌图进行了图形的化简，以及防印出检查和处理，因此得到的辅助图形的 几何形貌和最终的结果时很接近的，相对于整个原始设计版图进行图形的化简和防印出检 查处理，化简需要的工作量和所需要的时间会更少。 3.通过指导图像产生目标函数，并对目标函数进行优化，从而获得优化的指导图 像，从优化的指导图像中提取的掩模形貌图，有利于减少对优化掩模形貌图的工作量。 【附图说明】 图1是本发明第一实施例掩模辅助图形的优化方法的流程示意图。 5 CN 111611759 A 说　明　书 3/8 页 图2是本发明第一实施例掩模辅助图形的优化方法图1中步骤S2的流程示意图。 图3是本发明第一实施例掩模辅助图形的优化方法图2中步骤S25的流程示意图。 图4是本发明第一实施例掩模辅助图形的优化方法图1中步骤S3的流程示意图。 图5是本发明第一实施例掩模辅助图形的优化方法建立的BP人工神经网络模型的 示意图。 图6是本发明第一实施例掩模辅助图形的优化方法图1中步骤S4的流程示意图。 图7是本发明第一实施例掩模辅助图形的优化方法得到的掩模设计形貌图。 图8A是本发明第一实施例掩模辅助图形的优化方法从图7中提取的掩模辅助图 形。 图8B是基于光刻模型得到的掩模辅助图形。 图9A是本发明第一实施例掩模辅助图形的优化方法获得的掩模设计形貌图的PV- BAND分布图。 图9B是基于光刻模型得到的掩模辅助图的PV-BAND分布图。 图10是本发明第三实施例掩模辅助图形的优化系统的模块示意图。 图11是本发明第三实施例掩模辅助图形的优化系统中光刻优化模型的模块示意 图。 附图标记说明：1、优化系统；11、选取模块；12、光刻优化模块；13、网络训练模块； 14、网络应用模块；15、提取模块；121、格点单元；122、构造单元；123、迭代单元；124、提取单 元；125、优化单元。 【