买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖南大学

摘要：本发明是一种基于遗传算法的电子束光刻能量沉积分布拟合方法，其实现过程包括：步骤S1，通过蒙特卡洛模拟，计算电子束曝光点周围的能量沉积的离散值；步骤S2，计算初始种群，确认最优解搜索范围以及搜索值个数；步骤S3，计算种群适应度；步骤S4，遗传选择、交叉、变异操作；步骤S5，当迭代次数达到规定的最大迭代次数，或适应度函数值最小的个体与适应度期望值的差满足最小偏差，计算终止，否则继续执行迭代步骤S3、S4，得到最终的电子束光刻能量分布函数拟合结果。本发明针对电子束光刻能量沉积分布离散值，实现了数值相差10亿的电子束光刻点扩散函数拟合，在确保计算效率的前提下，具有高计算精度精准的特点。

主权项：1.一种基于遗传算法的电子束光刻能量沉积分布拟合方法，其特征在于，包括以下步骤：步骤S1，计算电子束光刻的能量沉积离散值；步骤S2，计算初始种群，确认最优解搜索范围以及搜索值个数；步骤S3，计算种群适应度；步骤S4，遗传选择、交叉、变异操作；步骤S5，遗传计算终止，当迭代次数达到规定的最大迭代次数，或适应度函数值最小的个体与适应度期望值的差满足最小偏差，计算终止；于步骤S1中，通过蒙特卡洛模拟，计算电子束曝光点周围的能量沉积的离散值，记为Eii＝1,2,…,N，N表示离散的能量沉积密度分布个数；确定三种待拟合的点扩散函数形式为： 式中，物理参数α是前散射范围，β是后散射范围，η是前散射与后散射能量比，r是距离曝光点的距离，exp·是指数操作； 式中，物理参数α是前散射范围，β是后散射范围，η是前散射与后散射能量比，γ是中程散射范围，η'是前散射与中程散射能量比； 式中，物理参数α是前散射范围，β是后散射范围，η是前散射与后散射能量比，γ是中程散射范围，η'是前散射与中程散射能量比，γ2是指数项范围，η”是前散射与指数项能量比；于步骤S2中，分别确认每个拟合公式1、2、3的搜索解个数n和所有物理参数搜索范围，每个公式的物理参数依次记为ps，s为对应公式的物理参数的个数，搜索范围为[psmin，psmax]，psmin是物理参数ps的最小值，psmax是物理参数ps的最大值；每个公式1、2、3的物理参数的搜索集合xk，k＝1,2,…,n，即： 于步骤S3中，对每个公式1、2、3确定适应度函数Er，即： 式中，Ei是电子束曝光点周围的能量沉积的离散值，Fi是将与样本点相同的自变量代入对应PSF公式1、2、3后得到的值，N表示能量沉积密度分布离散点的个数，log·是对数操作；于步骤S4中，遗传选择、交叉、变异操作，即：1遗传选择操作：首先将所有搜索值都代入适应度函数中进行计算并按照结果从小到大进行排序，再通过选择算法进行选择，算法会保证适应度高的个体被选中的概率大，以使新群体中所有个体的适应度函数值不断接近最优解；最佳保留选择方法，将适应度高的部分个体完整的复制到新的群体中，优点是算法终止时，得到的结果一定是历代群体中适应度函数值最接近期望值的个体，即：xkt+1＝xkt6式中，xkt为按照适应度函数值从小到大排序后的旧群体，k＝1，2，…，n1,n1是选择直接加入新群体的个体数量，xkt+1是更新后的新群体；2遗传交叉操作：每个拟合公式1、2、3的交叉运算，即：xkt+1＝xkt+xlt-xmtW7式中，W是大于0且小于1的范围内均匀分布的随机数，xlt、xmt分别是从旧群体中适应度函数值低的多个个体中随机抽取的两个个体，l、m＝1，2，…，n1，n1是选择直接加入新群体的个体数量，k＝n1,n1+1，…，n1+n2，n2是交叉操作后加入新群体的个体数量；3遗传变异操作：在初始的搜索范围中，随机选择部分个体加入新的群体，每个拟合公式1、2、3的物理参数pskt+1变异运算，即：pskt+1＝psmin+psmax-psminW8式中，k＝n1+n2，…，n1+n2+n3，n3是变异操作后加入新群体的个体数量；于步骤S5中，当迭代次数达到规定的最大迭代次数，或适应度函数值最小的个体与适应度期望值的差满足最小偏差δ，计算终止，即：|Ermin-Ert|≤δ9式中，Ert是适应度期望值，Ermin是群体中的最小适应度函数值；若当前计算偏差未满足式9，重新执行步骤S4，循环迭代计算遗传选择、交叉、变异操作。

全文数据：

权利要求：

百度查询： 湖南大学 一种基于遗传算法的电子束光刻能量沉积分布拟合方法