光刻技术最新进展特刊社论

《Micromachines》：Editorial for the Special Issue on Recent Advances in Lithography

　　

集成电路（ICs）构成了现代信息技术系统的基础硬件平台，支撑着人工智能、智能手机、计算系统、机器人、航空航天技术以及物联网等关键应用。ICs的进步与半导体制造的持续发展紧密相关，后者不断提升集成密度和器件性能。几十年来，摩尔定律——预测晶体管密度约每18至24个月翻一番——持续推动器件特征尺寸向更小维度不断微缩，由此对图形保真度和工艺控制提出了日益严苛的要求。在这一框架下，光刻作为实现微纳尺度图形转移的核心技术，在决定关键尺寸、器件性能和制造良率方面发挥着决定性作用，同时也是跨微米至纳米尺度制造的关键使能技术。

尽管技术持续进步，先进工艺节点中仍存在若干关键挑战。在套刻计量中，精度、吞吐量和鲁棒性之间存在显著权衡；传统基于成像的方法难以同时实现最佳聚焦、对准和信号质量，而化学机械平坦化（CMP）引起的变形和刻蚀不均匀性会引入系统误差。在计算光刻与掩模优化中，成像保真度与可制造性之间存在持续冲突：逆向光刻技术（ILT）精度高，但往往产生高度复杂的掩模图形；基于规则的方法更利于制造，但优化灵活性较低。光学像差和掩模三维效应进一步使优化过程复杂化。在工艺集成和材料层面，多步曝光与刻蚀步骤的非线性耦合降低了模型可预测性；光源波动和热效应放大成像误差；新兴材料与自组装技术面临机理复杂、缺陷控制困难等挑战。

因此，先进光刻技术正在演变为一个融合光学工程、计算科学、人工智能和半导体工艺的高度交叉学科。本特刊聚焦先进光刻中的关键科学问题和工程挑战，汇集了涵盖套刻计量、计算光刻、工艺控制、光刻材料以及人工智能在这些技术领域应用的最新研究成果。根据研究内容和方法特征，这些贡献被归为五个主题：光刻设备与技术重点研究光刻工具的系统级稳定性与控制，涵盖从热管理、光源稳定性到投影成像缺陷机理等关键技术的综述与优化，从而为提高最终设备精度提供理论与工程支持；计算光刻关注精度与效率的平衡，探索逆向光刻技术的演化，并提出兼顾掩模可制造性与成像保真度的先进优化算法，有效扩大先进节点的工艺窗口；计量通过集成聚焦控制与图像采集、工艺感知对准诊断以及基于高阶衍射信号的误差校正，应对先进半导体工艺中套刻计量的挑战，满足测量速度、精度和对工艺引起畸变的鲁棒性的耦合需求；材料汇集了配体依赖型抗蚀剂化学的机理研究和影响定向自组装（DSA）集成与微缩的材料、界面及工艺条件的系统综述；光刻中的人工智能应用展示了人工智能在整个光刻流程中的深度融合，利用数据驱动和深度学习方法有效解决计量、建模、优化和检测中的计算瓶颈与精度挑战。这些贡献共同形成了涵盖计量、优化和制造的一体化技术链。

总体而言，这些研究推进了复杂光刻过程的机理理解，也提升了高精度制造能力。展望未来，人工智能有望提高计量与对准效率；数据驱动与基于物理的模型相融合将进一步优化掩模设计；材料、工艺与设备的协同优化将实现端到端工艺控制，持续推动半导体制造向更高集成度、更低功耗和更强性能的方向发展。

**光刻技术最新进展特刊论文解读**

**研究背景与目的**

集成电路（IC）是现代信息技术的物理基础，支撑着人工智能、智能手机、高性能计算、机器人、航空航天及物联网等关键应用。半个多世纪以来，摩尔定律持续驱动晶体管密度以约18至24个月翻一番的速度增长，器件特征尺寸不断缩小，对图形转移的保真度和工艺控制提出了极其严苛的要求。光刻作为将版图图形转移至晶圆的核心技术，直接决定关键尺寸、器件性能和制造良率。然而，在先进工艺节点中仍存在诸多瓶颈：套刻计量在精度、速度与鲁棒性之间难以兼顾，CMP引起的图形变形和刻蚀不均匀会引入系统误差；计算光刻与掩模优化面临成像保真度和可制造性的根本矛盾，ILT精度虽高但掩模复杂度过大；多步曝光-刻蚀工艺的非线性耦合、光源波动和热效应使模型预测困难；新兴材料与自组装技术的机理复杂且缺陷难以控制。因此，光刻技术已演变为融合光学、计算科学、人工智能和半导体工艺的高度交叉领域。本特刊旨在聚焦先进光刻中的关键科学与工程问题，汇集来自套刻计量、计算光刻、工艺控制、光刻材料及AI应用等方面的最新成果，以形成覆盖计量、优化与制造的一体化技术链。

**研究内容、结论与意义**

特刊共收录20篇论文，按研究内容和方法特征分为五个主题。这些研究在系统综述和实验验证的基础上，通过物理建模、算法创新和深度学习等手段，解决了光刻设备热控、调焦调平精度、高NA成像缺陷容忍、光源稳定性、ILT优化效率、套刻误差校正、抗蚀剂配方以及AI辅助计量与检测等关键问题。研究的意义在于：一方面深化了对光刻成像机理、误差来源和缺陷响应机制的科学理解；另一方面为先进节点的高精度制造提供了可落地的算法框架和工程方案，支撑半导体制造向更高集成度、更低功耗的方向发展。论文发表在《Micromachines》。

**主要关键技术方法**

本特刊采用的主要技术方法包括：系统综述法（涵盖DUV/EUV热控制、ILT、DMD无掩模光刻、DSA材料及AI光学计量）；物理建模与数值仿真（如高NA EUV成像模型、浸没式DUV光源稳定性模型）；严格耦合波分析（RCWA）与光路仿真；图像修复算法（Criminisi算法）；源掩模联合优化（SMO）；深度学习架构（U-Net、VGG-16、YOLOv5及改进的注意力模型、EAAUnet-ILT）；迁移学习与数据增强。验证中采用了7 nm DRAM晶圆上的200个套刻标记、约300 nm SiN层覆盖的埋层标记等实际样本，以及仿真数据集。

**研究结果**

**光刻设备与技术**。Cao等系统综述了DUV和EUV投影光刻设备的热控制系统，从硬件结构和控制算法两个维度归纳了热误差抑制策略，指出跨模块协调和混合建模是未来方向。Li等针对工艺图形对调焦调平传感器测量精度的干扰，引入Criminisi图像修复算法，使平均修复误差控制在亚纳米量级。He等构建了高数值孔径EUV光刻仿真模型，揭示了相位缺陷信号随缺陷位置和尺寸的变化规律，并证明高NA有助于提升缺陷容限。Zhu等建立浸没式DUV光源成像模型，量化了激光参数波动对成像误差的主导贡献，为先进节点光源稳定性控制提供了理论依据。Li等综述了基于数字微镜器件（DMD）的无掩模光刻系统，阐明其点阵成像本质，评估了分辨率、套刻精度和产率，总结了从IC制造到微细加工的应用成果。

**计算光刻**。Meng等全面综述了逆光刻技术（ILT）在先进芯片制造中的发展历程与主流算法，指出高计算复杂度与掩模制造困难是工业应用的主要障碍，并提出了AI驱动设计和GPU加速的未来方向。Liu等针对曲线亚分辨率辅助特征（SRAF）生成中效率与精度的矛盾，提出基于U-Net的神经学习优化器，通过离线训练与在线推理，在显著降低计算成本的同时提高了最终优化精度。Wang等建立源掩模优化（SMO）框架，通过自由照明光源与掩模图形的联合优化有效补偿EUV像差，改善了关键尺寸均匀性（CDU）和曝光宽容度（EL）。Zhou等提出面向保真度分层优化与可制造性感知掩模合成的双阶段优化框架，在仿真中兼顾了成像质量与掩模可制造性。

**计量**。Lan等采用同步双波长、双相机系统耦合多任务模型，同时实现对准标记和焦面测量。在7 nm DRAM晶圆的200个标记上，对准与聚焦时间从50±3 ms缩短至12±1 ms，焦面重复性由23±2 nm提升至11±1 nm，且对比度和信噪比提高。Jiang等研究了三维SiO₂/SiN多层结构中晶圆质量（WQ）和对准位置偏差（APD）的互补作用，利用分段标记、多波长多偏振探测及RCWA分析，将晶圆边缘标记的方向性行为与刻蚀轮廓和侧壁不对称性关联起来，支持WQ用于标记开发、APD用于套刻优化。Liu等结合单一波长下第一阶和第三阶衍射信号，通过光强差曲线校正非线性套刻误差；细分光栅使第三阶衍射效率提升六倍以上。在设计的10 nm偏移下，最大误差从近0.5 nm降至0.02 nm，在考察的非对称情形下保持在约0.09 nm以内。

**材料**。Liu等通过对比含活性C=C键的Bn2Sn(MAA)2与不含该键的Bn2Sn(i-BA)2两种有机锡羧酸盐，研究了配体官能团对抗蚀剂性能的影响。在266 nm曝光下，不含C=C键的化合物所需剂量为160 mJ·cm^?2，而含C=C键者为262 mJ·cm^?2，两者对比度均约为3。光谱分析支持配体损失、Sn–O键形成和锡氧缩合，并提出了MAA体系中存在的烯烃交联竞争路径。两种抗蚀剂均可分辨90 nm半节距图形，线边缘粗糙度低于5 nm；MAA抗蚀剂能够在硅中实现约100 nm深度的图形转移。Cheng等系统综述了定向自组装（DSA）领域的材料、导向界面、退火、图形转移、建模、缺陷控制及应用，围绕图外延和化学外延组织领域，强调高χ嵌段共聚物对实现更小微域的作用，并指出分子量分布、界面能、有序动力学和刻蚀选择性是相互耦合的设计要素。

**光刻与计量中的人工智能应用**。Xu等综述了AI驱动的光学计量技术，总结了前向代理模型、逆预测和物理信息神经网络等范式，分析了模拟与实测数据分布偏移、跨设备匹配等关键挑战。Gong等面向多重图形技术中光刻-刻蚀双循环的非线性耦合，提出一种AI辅助复合刻蚀模型，将神经网络作为传统模型的补充项，降低了最终刻蚀轮廓预测的均方根误差。Lin等开发了用于SRAF几何参数预测的两阶段Unet框架，通过逐步预测质心坐标和尺寸，直接输出满足制造要求的矩形图形，显著减小图形误差和边缘放置误差。Wang和Ren提出轻量级EAAUnet-ILT框架，集成混合自适应注意力模块并引入SRAF约束算法，在保证成像质量的同时降低了掩模制造的曝光点数。Mohammad等利用迁移学习微调VGG-16模型，仅依靠小样本数据实现了EUV多层膜缺陷轮廓参数的高精度重建。Lin等通过嵌入空间注意力机制和基于版图翻转的数据增强策略改进了YOLOv5模型，有效克服了热斑检测中的样本不平衡问题，实现了零漏检和高精度。

**讨论与结论**

讨论部分指出，特刊各研究将材料评价从分子设计延伸至完整图形化工艺链，未来应提高抗蚀剂灵敏度而不牺牲薄膜及转移性能，并扩大配体依赖反应路径的系统研究；DSA领域需重点关注缺陷控制、计量通量和结构-工艺-性能预测关系。计量方面，优先开展EUV兼容及原位聚焦控制、高阶策略的实际目标验证、跨平台基准测试、可溯源不确定度分析、自适应目标设计和闭环工艺反馈。总体而言，这些研究深化了对光刻机理的理解，并显著提升了高精度制造能力。未来，人工智能有望进一步提高计量与对准效率；数据驱动与物理模型融合将优化掩模设计；材料、工艺与设备协同将实现端到端工艺控制。研究结论翻译如下：本特刊汇集了光刻领域的最新研究进展，通过综述、算法创新和实验验证，形成了覆盖设备、计算、计量、材料及AI应用的技术链，为先进半导体制造提供了重要的理论与工程支撑。最后，研究人员诚挚感谢所有作者和审稿人对本特刊成功出版所做的贡献。