从理想光源到部分相干：Abbe与Hopkins模型在计算光刻中的演进与选择

1. 计算光刻中的光源模型从理想走向现实在计算光刻领域光源模型的精确度直接影响着最终成像的仿真结果。我刚入行时发现很多论文都在讨论Abbe模型和Hopkins模型但很少有资料能说清楚两者的本质区别。直到自己动手推导公式才真正理解这两种模型背后的物理意义。Abbe模型基于一个看似简单却非常关键的假设理想点光源。这意味着所有光线都是完全相干的就像激光笔发出的光那样整齐划一。在实际推导中这个假设让数学处理变得异常简洁——我们只需要考虑单一光源对掩模的照射然后计算衍射光通过光学系统的传播过程。我记得第一次用Abbe模型做仿真时计算速度确实很快但结果总是和实验数据存在明显偏差。后来才明白问题出在光源假设上。现实中的光刻机使用的是部分相干光源就像把多个不同方向的激光笔同时打开光线之间既不是完全同步也不是完全混乱。这种特性对成像的影响非常大特别是在采用离轴照明技术时传统Abbe模型的误差会变得不可接受。2. Abbe成像模型理想光源下的简洁之美2.1 理论基础与关键假设Abbe模型的核心思想可以追溯到19世纪Ernst Abbe提出的显微镜成像理论。这个模型最吸引我的地方在于其数学上的优雅性。假设我们有一个完全相干的点光源照射到掩模上的光场可以表示为Ei。根据基尔霍夫近似这也是个理想化假设掩模出射的光场就是入射光场与掩模透射函数的乘积。这里有个很妙的处理通过引入理想透镜将衍射过程转化为夫琅禾费衍射。这样在频域分析时就方便多了。光瞳函数P(fx,fy)在这里扮演着关键角色它就像个筛子只允许特定空间频率的光通过。我第一次实现这个模型时光瞳函数的定义让我纠结了很久——它实际上就是光学系统的传递函数决定了系统的分辨率极限。2.2 数学推导与实际应用让我们看看具体的数学表达。掩模近场光场Enear-field经过傅里叶变换就得到入瞳处的光场分布Een-pupil。这个过程用代码实现其实很直观import numpy as np from scipy.fft import fft2 def abbe_model(mask, wavelength, NA): # 近场光场计算 near_field incident_light * mask.transmission # 夫琅禾费衍射计算 en_pupil fft2(near_field) # 光瞳函数应用 pupil_function create_pupil_function(NA, wavelength) ex_pupil en_pupil * pupil_function # 像面光场计算 image_field ifft2(ex_pupil) return np.abs(image_field)**2在实际项目中我发现Abbe模型特别适合快速验证基础设计。比如检查接触孔阵列的成像质量时用Abbe模型几分钟就能得到趋势性结果。但要注意这个模型会高估实际成像的对比度特别是在使用离轴照明时误差可能高达30%。3. Hopkins模型应对现实光源的复杂挑战3.1 部分相干光源的数学描述当我第一次看到Hopkins模型的完整公式时确实被它的复杂度吓到了。但理解其物理意义后就会发现它其实是对现实更诚实的描述。Hopkins模型引入了互强度函数来描述光源的空间相干性这个量直接反映了光源上不同点之间的相位关系。最关键的突破是将光源分解为多个独立点源的叠加。每个点源都会在频域产生一个位移这个发现让我豁然开朗——原来离轴照明就是在人为制造这种位移从而利用更高阶的衍射光。在数学上这表现为对光源函数J(fx,fy)的积分运算。3.2 TCC计算效率的关键Hopkins模型最精妙的部分是引入了传输交叉系数TCC。这个量包含了光学系统的所有特性却与具体掩模图案无关。这意味着我们可以预先计算并存储TCC然后在仿真不同掩模时直接调用大幅提升计算效率。我在项目中实测发现对于周期性结构使用TCC方法比直接Abbe积分要快50倍以上。不过要注意内存消耗——完整的四维TCC需要很大存储空间。实践中我们常用SVD分解来降维def compute_tcc(source, pupil, max_terms50): # 计算完整的TCC矩阵 full_tcc integrate_source_contributions(source, pupil) # SVD分解降维 U, S, Vh np.linalg.svd(full_tcc) truncated_U U[:, :max_terms] truncated_S np.diag(S[:max_terms]) return truncated_U truncated_S Vh[:max_terms, :]4. 模型选择精度与效率的平衡术4.1 应用场景对比经过多个项目的实践我总结出两个模型的适用场景。Abbe模型在以下情况表现优异快速原型验证阶段完全相干照明系统小面积简单图形的仿真而Hopkins模型更适合量产工艺开发部分相干和离轴照明条件复杂OPC和SMO算法有个经验很实用当特征尺寸接近分辨率极限时一定要用Hopkins模型。我曾用Abbe模型优化一个28nm节点的接触孔结果流片后发现尺寸偏差达到15%教训深刻。4.2 计算资源考量在模型选择时还需要考虑计算资源。Abbe模型对内存需求较低但需要大量重复计算Hopkins模型虽然前期准备复杂但适合批量处理。这里有个实用技巧对于中等复杂度的设计可以先用Abbe模型快速排查问题区域再针对关键区域用Hopkins模型精修。下表对比了两种模型的关键特性特性Abbe模型Hopkins模型光源假设理想点光源扩展部分相干光源计算复杂度O(N^2)O(N^3)前期O(N^2)后期内存需求低高需存储TCC离轴照明支持有限完整支持适用节点40nm28nm5. 前沿发展与实用建议随着光刻技术向更小节点推进模型也在持续演进。现在有些先进算法会混合使用两种模型比如在SMO光源掩模协同优化中先用Hopkins模型确定最佳照明条件再用Abbe模型进行局部优化。我在7nm项目中就采用这种混合策略成功将计算时间缩短了40%。对于刚入行的工程师我的建议是从Abbe模型入手理解基础物理用简单测试图形验证模型行为逐步引入Hopkins模型中的概念实际项目中优先使用经过验证的商用软件始终保持对模型假设的批判性思考记得第一次独立完成全芯片仿真时我过于依赖模型默认参数导致忽略了偏振效应的影响。现在每次开始新项目我都会先做一系列校准测试确认模型参数与实际设备的匹配度。这种严谨习惯帮助我避免了很多潜在问题。