光刻技术通过操纵光来精确地将特征蚀刻到表面上，通常用于制造计算机芯片和透镜等光学设备。但制造过程中的微小偏差往往会导致这些设备达不到设计者的意图。

为了帮助缩小这种从设计到制造的差距，麻省理工学院和香港中文大学的研究人员利用机器学习建立了一个模拟特定光刻制造过程的数字模拟器。他们的技术利用从光刻系统收集的真实数据，因此可以更准确地模拟系统如何制造设计。

研究人员将这个模拟器集成到一个设计框架中，同时还有另一个数字模拟器，用来模拟制造设备在下游任务中的性能，比如用计算相机生成图像。这些连接的模拟器使用户能够生产出更好地匹配其设计并达到最佳任务性能的光学设备。

这项技术可以帮助科学家和工程师为移动相机、增强现实、医疗成像、娱乐和电信等应用创造更精确、更高效的光学设备。由于学习数字模拟器的管道利用了真实世界的数据，它可以应用于广泛的光刻系统。

“这个想法听起来很简单，但人们之前没有尝试过的原因是，真实的数据可能很昂贵，而且没有先例表明如何有效地协调软件和硬件来建立一个高保真的数据集，”Cheng Zheng说，他是一篇开放获取论文的共同主要作者，描述了这项工作。“我们已经承担了风险并进行了广泛的探索，例如，开发和尝试表征工具和数据探索策略，以确定工作方案。结果令人惊讶地好，表明实际数据比由解析方程组成的模拟器生成的数据更有效和精确。尽管这可能很贵，而且一开始你可能会觉得毫无头绪，但这是值得的。”

郑与香港中文大学研究生赵光远共同撰写了这篇论文;以及她的导师，麻省理工学院机械工程和生物工程教授Peter T. So。这项研究将在SIGGRAPH亚洲会议上发表。

光印刷

光刻技术包括将光的图案投射到表面上，从而引起化学反应，将特征蚀刻到衬底上。然而，由于光衍射的微小偏差和化学反应的微小变化，制造的装置最终会产生略有不同的图案。

由于光刻技术复杂且难以建模，许多现有的设计方法依赖于物理推导的方程。这些一般方程给出了制造过程的一些感觉，但不能捕捉到光刻系统特有的所有偏差。这可能导致设备在现实世界中表现不佳。

对于他们的技术，他们称之为神经光刻，麻省理工学院的研究人员建立了他们的光刻模拟器，使用基于物理的方程作为基础，然后结合一个神经网络，训练来自用户光刻系统的真实实验数据。这种神经网络是一种松散地基于人脑的机器学习模型，它学会了补偿系统的许多特定偏差。

研究人员通过生成许多设计来为他们的方法收集数据，这些设计涵盖了广泛的特征尺寸和形状，他们使用光刻系统进行制造。他们测量最终的结构，并将其与设计规格进行比较，将这些数据配对，并用它们来训练数字模拟器的神经网络。

“学习模拟器的性能取决于输入的数据，而从方程中人工生成的数据无法覆盖现实世界的偏差，这就是为什么拥有现实世界数据很重要，”郑说。

双重模拟器

数字光刻模拟器由两个独立的组件组成:一个光学模型，捕捉光如何投射到设备表面上，一个抗蚀剂模型，显示光化学反应如何发生，在表面上产生特征。

在后续任务中，他们将这个学习的光刻模拟器连接到一个基于物理的模拟器，该模拟器预测制造的设备将如何执行该任务，例如衍射透镜将如何衍射照射到它的光。

用户指定他们希望设备实现的结果。然后，这两个模拟器在一个更大的框架内一起工作，向用户展示如何进行将达到这些性能目标的设计。

“通过我们的模拟器，制造的物体可以在下游任务中获得最佳性能，比如计算相机，这是一项有前途的技术，可以使未来的相机小型化和更强大。我们表明，即使你使用后校准来尝试获得更好的结果，它仍然不如我们的光刻模型在循环中那么好，”赵补充道。

他们通过制造一个全息元件来测试这项技术，当光线照射时，它会产生蝴蝶图像。与使用其他技术设计的设备相比，他们的全息元件产生了一个近乎完美的蝴蝶，更符合设计。他们还生产了一种多层衍射透镜，比其他设备具有更好的图像质量。

在未来，研究人员希望增强他们的算法来模拟更复杂的设备，并使用消费者相机测试该系统。此外，他们希望扩展他们的方法，使其可以与不同类型的光刻系统一起使用，例如使用深紫外光或极紫外光的系统。

这项研究得到了美国国立卫生研究院、藤仓有限公司和香港创新科技基金的部分支持。

作者：Adam Zewe | MIT新闻

链接：https://news.mit.edu/2023/closing-design-manufacturing-gap-optical-devices-1213

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

声明：海森大数据刊发或者转载此文只是出于传递、分享更多信息之目的，并不意味认同其观点或证实其描述。若有来源标注错误或侵犯了您的合法权益，请作者与本网联系，我们将及时更正、删除，谢谢。电话：15264513609，邮箱：1027830374@qq.com