光刻技術涉及操縱光線將特征精確蝕刻到表面上，通常用于制造計算機芯片和透鏡等光學器件。但是制造過程中的微小偏差往往導致這些器件達不到設計者的預期。

為了縮小設計與制造的差距，麻省理工學院和香港中文大學的研究人員使用機器學習構建了一個模擬特定光刻制造過程的數字模擬器。他們的技術利用從光刻系統收集的真實數據，因此可以更準確地模擬系統如何制造設計。

研究人員將該模擬器與另一個數字模擬器集成到一個設計框架中，該數字模擬器模擬制造的設備在下游任務中的性能，例如用計算相機生成圖像。這些連接的模擬器使用戶能夠生產出更符合其設計的光學設備，并達到最佳的任務性能。

這項技術可以幫助科學家和工程師為移動相機、增強現實、醫學成像、娛樂和電信等應用創建更準確和高效的光學設備。由于學習數字模擬器的途徑利用了現實經驗數據，因此它可以應用于各種光刻系統。

機械工程研究生Cheng Zheng說：“這個想法聽起來很簡單，但人們以前沒有嘗試過的原因是真實數據可能很昂貴，而且沒有先例可以有效地協調軟件和硬件來構建高保真數據集“我們冒了風險，進行了廣泛的探索，例如開發和嘗試特征化工具和數據探索策略，以確定一個可行的方案。結果出奇的好，證明真實數據比由分析方程組成的模擬器生成的數據更有效、更精確。盡管它可能很昂貴，而且一開始可能會讓人感到無助，但這是值得的。”

Cheng Zheng與香港中文大學研究生Guangyuan Zhao共同撰寫了這篇論文，她的導師是麻省理工學院的機械工程和生物工程教授彼得·T·蘇。該研究將在SIGGRAPH亞洲會議上公布。

用光來打印

光刻技術涉及將光圖案投影到表面上，這會引起化學反應，將特征蝕刻到基材中。然而，由于光的衍射的微小偏差和化學反應的微小變化，最終制造的器件的圖案略有不同。

由于光刻復雜且難以建模，許多現有的設計方法依賴于從物理學中導出的方程。這些通用的方程可以給出制造過程的一些意義，但不能捕捉到光刻系統特有的所有偏差。這可能會導致設備在現實世界中表現不佳。

麻省理工學院的研究人員將他們稱之為神經光刻的技術，以基于物理的方程為基礎，構建了光刻模擬器，然后結合了神經網絡，該神經網絡基于用戶的實際光刻系統實驗數據進行了訓練。這種神經網絡是一種基于人類大腦的機器學習模型，可以學習補償系統的許多特定偏差。

研究人員通過生成許多設計來收集他們的方法的數據，這些設計涵蓋了各種特征尺寸和形狀，他們使用光刻系統來制造這些設計。他們測量最終的結構，并將其與設計規范進行比較，將這些數據配對并使用它們來訓練他們的數字模擬器的神經網絡。

Cheng Zheng說：“學習模擬器的性能取決于輸入的數據，從方程式中人工生成的數據無法覆蓋現實世界的偏差，這就是為什么擁有現實經驗數據的重要性。”

雙模擬器

數字光刻模擬器由兩個獨立的組件組成：一個光學模型，用于捕捉光如何投射到器件表面，以及一個抗蝕劑模型，用于顯示光化學反應如何發生以在表面上產生特征。

在下游任務中，他們將這個學習過的光刻模擬器連接到基于物理的模擬器上，該模擬器可以預測所制造的設備將如何執行該任務，例如衍射透鏡將如何衍射照射它的光線。

用戶指定他們希望設備實現的結果。然后，這兩個模擬器在更大的框架內協同工作，向用戶展示如何進行設計以達到這些性能目標。

Cheng Zheng補充道：“有了我們的模擬器，制造的物體可以在下游任務中獲得盡可能好的性能，比如計算相機，這是一種很有前途的技術，可以使未來的相機小型化和更強大。我們表明，即使你使用后校準來嘗試獲得更好的結果，它仍然不如我們的光刻模型處于循環中。”

他們通過制造一個全息元件來測試這種技術，當光線照射到該元件上時，該元件會產生蝴蝶圖像。與使用其他技術設計的設備相比，他們的全息元件產生了一個近乎完美的蝴蝶，與設計更接近。他們還制作了一個多級衍射透鏡，其圖像質量優于其他設備。

未來，研究人員希望改進他們的算法，以模擬更復雜的設備，并使用消費級相機測試該系統。此外，他們希望擴展他們的方法，使其可以與不同類型的光刻系統一起使用，例如使用深紫外光或極紫外光的系統。

審核編輯：湯梓紅