En ny metode til at fremstille optiske enheder, der i højere grad matcher deres designspecifikationer

Fotolitografi involverer manipulation af lys for præcist at ætse træk på en overflade og bruges almindeligvis til at fremstille computerchips og optiske enheder som linser. Men små afvigelser under fremstillingsprocessen får ofte disse enheder til ikke at leve op til deres designeres intentioner.

For at hjælpe med at lukke dette hul mellem design og produktion brugte forskere fra MIT og det kinesiske universitet i Hong Kong maskinlæring til at bygge en digital simulator, der efterligner en specifik fotolitografi-fremstillingsproces. Deres teknik bruger reelle data indsamlet fra fotolitografisystemet, så det kan mere præcist modellere, hvordan systemet ville fremstille et design.

Forskerne integrerer denne simulator i en designramme sammen med en anden digital simulator, der emulerer ydeevnen af ​​den fremstillede enhed i downstream-opgaver, såsom at producere billeder med beregningskameraer. Disse forbundne simulatorer gør det muligt for en bruger at producere en optisk enhed, der bedre matcher dens design og opnår den bedste opgaveydelse.

Denne teknik kan hjælpe videnskabsmænd og ingeniører med at skabe mere nøjagtige og effektive optiske enheder til applikationer som mobilkameraer, augmented reality, medicinsk billedbehandling, underholdning og telekommunikation. Og fordi pipelinen til at lære den digitale simulator bruger data fra den virkelige verden, kan den anvendes på en lang række fotolitografisystemer.

"Denne idé lyder simpel, men grundene til, at folk ikke har prøvet dette før, er, at rigtige data kan være dyre, og der er ingen præcedenser for, hvordan man effektivt koordinerer softwaren og hardwaren for at bygge et datasæt med høj kvalitet," siger Cheng Zheng, en kandidatstuderende i maskinteknik, der er medforfatter af et oplæg med åben adgang, der beskriver det arbejde, der er lagt ud på arXiv preprint server.

"Vi har taget risici og lavet en omfattende udforskning, for eksempel ved at udvikle og prøve karakteriseringsværktøjer og dataudforskningsstrategier for at bestemme et arbejdsskema. Resultatet er overraskende godt og viser, at rigtige data fungerer meget mere effektivt og præcist end data genereret af simulatorer sammensat af analytiske ligninger Selvom det kan være dyrt, og man kan føle sig uvidende i begyndelsen, er det værd at gøre."

Zheng skrev papiret med co-lead forfatter Guangyuan Zhao, en kandidatstuderende ved det kinesiske universitet i Hong Kong; og hendes rådgiver, Peter T. So, professor i maskinteknik og biologisk teknik ved MIT. Forskningen vil blive præsenteret på SIGGRAPH Asia Conference.

Udskrivning med lys

Fotolitografi involverer projicering af et lysmønster på en overflade, hvilket forårsager en kemisk reaktion, der ætser træk ind i underlaget. Den fremstillede enhed ender dog med et lidt anderledes mønster på grund af minimale afvigelser i lysets diffraktion og små variationer i den kemiske reaktion.

Fordi fotolitografi er kompleks og svær at modellere, er mange eksisterende designtilgange afhængige af ligninger afledt af fysik. Disse generelle ligninger giver en vis fornemmelse af fremstillingsprocessen, men kan ikke fange alle afvigelser, der er specifikke for et fotolitografisystem. Dette kan få enheder til at underperforme i den virkelige verden.

Til deres teknik, som de kalder neural litografi, bygger MIT-forskerne deres fotolitografisimulator ved hjælp af fysikbaserede ligninger som base, og inkorporerer derefter et neuralt netværk trænet på rigtige, eksperimentelle data fra en brugers fotolitografisystem. Dette neurale netværk, en type maskinlæringsmodel, der er løst baseret på den menneskelige hjerne, lærer at kompensere for mange af systemets specifikke afvigelser.

Forskerne indsamler data til deres metode ved at generere mange designs, der dækker en bred vifte af funktionsstørrelser og -former, som de fremstiller ved hjælp af fotolitografisystemet. De måler de endelige strukturer og sammenligner dem med designspecifikationer, parrer disse data og bruger dem til at træne et neuralt netværk til deres digitale simulator.

"Ydeevnen af ​​indlærte simulatorer afhænger af de data, der fødes ind, og data, der er kunstigt genereret fra ligninger, kan ikke dække afvigelser fra den virkelige verden, og derfor er det vigtigt at have data fra den virkelige verden," siger Zheng.

Dobbelt simulatorer

Den digitale litografisimulator består af to separate komponenter:en optikmodel, der fanger, hvordan lys projiceres på enhedens overflade, og en resistmodel, der viser, hvordan den fotokemiske reaktion opstår for at producere træk på overfladen.

I en nedstrømsopgave forbinder de denne indlærte fotolitografisimulator til en fysikbaseret simulator, der forudsiger, hvordan den fremstillede enhed vil udføre denne opgave, såsom hvordan en diffraktiv linse vil diffraktere lyset, der rammer den.

Brugeren angiver de resultater, de ønsker, at en enhed skal opnå. Så arbejder disse to simulatorer sammen inden for en større ramme, der viser brugeren, hvordan man laver et design, der vil nå disse præstationsmål.

"Med vores simulator kan det fremstillede objekt få den bedst mulige ydeevne på en downstream-opgave, som f.eks. beregningskameraerne, en lovende teknologi til at gøre fremtidige kameraer miniaturiserede og mere kraftfulde. Vi viser det, selvom du bruger post-kalibrering til at prøve og få et bedre resultat, vil det stadig ikke være så godt som at have vores fotolitografimodel i løkken," tilføjer Zhao.

De testede denne teknik ved at fremstille et holografisk element, der genererer et sommerfuglbillede, når lyset skinner på det. Sammenlignet med enheder designet ved hjælp af andre teknikker, producerede deres holografiske element en næsten perfekt sommerfugl, der passede bedre til designet. De producerede også en diffraktionslinse med flere niveauer, som havde bedre billedkvalitet end andre enheder.

I fremtiden ønsker forskerne at forbedre deres algoritmer til at modellere mere komplicerede enheder og også teste systemet ved hjælp af forbrugerkameraer. Derudover ønsker de at udvide deres tilgang, så den kan bruges med forskellige typer fotolitografisystemer, såsom systemer, der bruger dybt eller ekstremt ultraviolet lys.

Flere oplysninger: Cheng Zheng et al., Luk design-til-fremstillingskløften i beregningsoptik med en 'Real2Sim' indlært to-foton neural litografisimulator, SIGGRAPH Asia 2023 Conference Papers (2023). DOI:10.1145/3610548.3618251. På arXiv :DOI:10.48550/arxiv.2309.17343

Journaloplysninger: arXiv

Leveret af Massachusetts Institute of Technology