腾讯科技（深圳）有限公司日前提交了名为“掩膜生成模型训练方法、掩膜生成方法及装置和存储介质”的发明专利申请，申请号CN202311005424.2，公开号CN116720479A。
根据专利文本介绍，随着超大规模集成电路的特征尺寸持续缩短且已低于光刻工艺使用的光源波长，使得干涉现象和衍射现象十分明显，导致通过掩膜曝光在晶圆上的图案与所需的图案相去甚远，极大影响芯片的性能、产能和良率。为了解决这一问题，深度学习技术目前已经被应用到芯片设计和制造的各个领域中，为保证掩膜版的较高质量，需要保证生成的掩膜的复杂度较低。该申请实施例提供一种掩膜生成模型训练方法、掩膜生成方法及装置和存储介质，可以降低掩膜的复杂度。
该专利所描述的专利方法包括：获取训练样本集，一训练样本包括芯片样本的目标版图和目标版图的掩膜，针对至少一训练样本，以芯片样本的目标版图作为掩膜生成模型的输入，得到目标版图的预测掩膜，将目标版图的预测掩膜输入光刻物理模型，得到该预测掩膜对应的晶圆图案，其中核函数通过对光刻系统(例如193纳米的环形光源)的交叉传递系数进行奇异值分解得到。根据芯片样本的目标版图包括的多个图形的周长之和与目标版图的预测掩膜的周长，确定目标版图的预测掩膜的复杂度，根据芯片样本的目标版图、目标版图的预测掩膜对应的晶圆图案、目标版图的掩膜、目标版图的预测掩膜和目标版图的预测掩膜的复杂度，对掩膜生成模型的参数进行调整，直到满足停止训练条件，得到已训练的掩膜生成模型。
