Fotolithografie omvat het manipuleren van licht om kenmerken nauwkeurig op een oppervlak te etsen, en wordt vaak gebruikt om computerchips en optische apparaten zoals lenzen te vervaardigen. Maar kleine afwijkingen tijdens het productieproces zorgen er vaak voor dat deze apparaten niet voldoen aan de bedoelingen van hun ontwerpers.

Om deze kloof tussen ontwerp en productie te helpen dichten, hebben onderzoekers van MIT en de Chinese Universiteit van Hong Kong machine learning gebruikt om een ​​digitale simulator te bouwen die een specifiek productieproces voor fotolithografie nabootst. Hun techniek maakt gebruik van echte gegevens verzameld uit het fotolithografiesysteem, zodat het nauwkeuriger kan modelleren hoe het systeem een ​​ontwerp zou fabriceren.

De onderzoekers integreren deze simulator in een ontwerpframework, samen met een andere digitale simulator die de prestaties van het gefabriceerde apparaat emuleert bij stroomafwaartse taken, zoals het produceren van afbeeldingen met computercamera's. Met deze verbonden simulatoren kan een gebruiker een optisch apparaat produceren dat beter bij het ontwerp past en de beste taakprestaties levert.

Deze techniek zou wetenschappers en ingenieurs kunnen helpen nauwkeurigere en efficiëntere optische apparaten te maken voor toepassingen zoals mobiele camera's, augmented reality, medische beeldvorming, entertainment en telecommunicatie. En omdat de pijplijn voor het leren van de digitale simulator gebruik maakt van gegevens uit de echte wereld, kan deze worden toegepast op een breed scala aan fotolithografische systemen.

"Dit idee klinkt eenvoudig, maar de redenen waarom mensen dit nog niet eerder hebben geprobeerd, zijn dat echte data duur kunnen zijn en dat er geen precedenten zijn voor de manier waarop de software en hardware effectief kunnen worden gecoördineerd om een ​​high-fidelity dataset te bouwen", zegt Cheng Zheng. een afgestudeerde student werktuigbouwkunde die mede-hoofdauteur is van een open access paper waarin het werk wordt beschreven dat op de arXiv is geplaatst preprint-server.

"We hebben risico's genomen en uitgebreide verkenningen gedaan, bijvoorbeeld door karakteriseringsinstrumenten en data-exploratiestrategieën te ontwikkelen en uit te proberen, om een ​​werkschema te bepalen. Het resultaat is verrassend goed en laat zien dat echte data veel efficiënter en nauwkeuriger werken dan data gegenereerd door simulatoren die uit analytische vergelijkingen bestaan, ook al kan het duur zijn en kun je er in het begin geen idee van hebben, het is de moeite waard om te doen."

Zheng schreef het artikel samen met co-hoofdauteur Guangyuan Zhao, een afgestudeerde student aan de Chinese Universiteit van Hong Kong; en haar adviseur, Peter T. So, hoogleraar werktuigbouwkunde en biologische techniek aan het MIT. Het onderzoek zal worden gepresenteerd op de SIGGRAPH Asia Conference.

Afdrukken met licht

Fotolithografie omvat het projecteren van een lichtpatroon op een oppervlak, wat een chemische reactie veroorzaakt die kenmerken in het substraat etst. Het gefabriceerde apparaat krijgt echter een iets ander patroon vanwege minuscule afwijkingen in de diffractie van het licht en kleine variaties in de chemische reactie.

Omdat fotolithografie complex en moeilijk te modelleren is, vertrouwen veel bestaande ontwerpbenaderingen op vergelijkingen die zijn afgeleid van de natuurkunde. Deze algemene vergelijkingen geven een idee van het fabricageproces, maar kunnen niet alle afwijkingen weergeven die specifiek zijn voor een fotolithografiesysteem. Dit kan ertoe leiden dat apparaten in de echte wereld ondermaats presteren.

Voor hun techniek, die zij neurale lithografie noemen, bouwen de MIT-onderzoekers hun fotolithografiesimulator met behulp van op fysica gebaseerde vergelijkingen als basis, en integreren vervolgens een neuraal netwerk dat is getraind op echte, experimentele gegevens van het fotolithografiesysteem van een gebruiker. Dit neurale netwerk, een soort machinaal leermodel dat losjes gebaseerd is op het menselijk brein, leert veel van de specifieke afwijkingen van het systeem te compenseren.

De onderzoekers verzamelen gegevens voor hun methode door veel ontwerpen te genereren die een breed scala aan objectgroottes en -vormen bestrijken, die ze vervaardigen met behulp van het fotolithografiesysteem. Ze meten de uiteindelijke structuren en vergelijken deze met ontwerpspecificaties, koppelen die gegevens en gebruiken deze om een ​​neuraal netwerk te trainen voor hun digitale simulator.

"De prestaties van aangeleerde simulatoren zijn afhankelijk van de ingevoerde gegevens, en gegevens die kunstmatig zijn gegenereerd op basis van vergelijkingen kunnen afwijkingen in de echte wereld niet dekken. Daarom is het belangrijk om over gegevens uit de echte wereld te beschikken", zegt Zheng.

Dubbele simulatoren

De digitale lithografiesimulator bestaat uit twee afzonderlijke componenten:een optisch model dat vastlegt hoe licht op het oppervlak van het apparaat wordt geprojecteerd, en een resistmodel dat laat zien hoe de fotochemische reactie plaatsvindt om kenmerken op het oppervlak te produceren.

In een vervolgtaak verbinden ze deze aangeleerde fotolithografiesimulator met een op fysica gebaseerde simulator die voorspelt hoe het gefabriceerde apparaat bij deze taak zal presteren, zoals hoe een diffractieve lens het licht dat erop valt, zal afbuigen.

De gebruiker specificeert de resultaten die hij met een apparaat wil bereiken. Vervolgens werken deze twee simulatoren samen binnen een groter raamwerk dat de gebruiker laat zien hoe hij een ontwerp kan maken dat deze prestatiedoelstellingen zal bereiken.

"Met onze simulator kan het gefabriceerde object de best mogelijke prestaties leveren bij een stroomafwaartse taak, zoals de computationele camera's, een veelbelovende technologie om toekomstige camera's geminiaturiseerd en krachtiger te maken. We laten zien dat, zelfs als je post-kalibratie gebruikt om te proberen om een ​​beter resultaat te krijgen, zal het nog steeds niet zo goed zijn als het gebruik van ons fotolithografiemodel", voegt Zhao toe.

Ze testten deze techniek door een holografisch element te fabriceren dat een vlinderbeeld genereert als er licht op schijnt. Vergeleken met apparaten die met andere technieken zijn ontworpen, produceerde hun holografische element een bijna perfecte vlinder die beter bij het ontwerp paste. Ze produceerden ook een diffractielens met meerdere niveaus, die een betere beeldkwaliteit had dan andere apparaten.

In de toekomst willen de onderzoekers hun algoritmen verbeteren om ingewikkeldere apparaten te modelleren, en het systeem ook testen met consumentencamera's. Daarnaast willen ze hun aanpak uitbreiden, zodat deze gebruikt kan worden met verschillende soorten fotolithografiesystemen, zoals systemen die gebruik maken van diep of extreem ultraviolet licht.

Meer informatie: Cheng Zheng et al., Sluit de kloof tussen ontwerp en productie in computationele optica met een 'Real2Sim' geleerde neurale lithografiesimulator met twee fotonen, SIGGRAPH Asia 2023 Conference Papers (2023). DOI:10.1145/3610548.3618251. Op arXiv :DOI:10.48550/arxiv.2309.17343

Journaalinformatie: arXiv

Aangeboden door Massachusetts Institute of Technology