La fotolitografia implica la manipolazione della luce per incidere con precisione le caratteristiche su una superficie ed è comunemente utilizzata per fabbricare chip di computer e dispositivi ottici come lenti. Ma piccole deviazioni durante il processo di produzione spesso fanno sì che questi dispositivi non siano all'altezza delle intenzioni dei progettisti.
Per contribuire a colmare questo divario tra progettazione e produzione, i ricercatori del MIT e dell’Università cinese di Hong Kong hanno utilizzato l’apprendimento automatico per costruire un simulatore digitale che imita uno specifico processo di produzione della fotolitografia. La loro tecnica utilizza dati reali raccolti dal sistema di fotolitografia, in modo da poter modellare in modo più accurato il modo in cui il sistema realizzerebbe un progetto.
I ricercatori integrano questo simulatore in un quadro di progettazione, insieme a un altro simulatore digitale che emula le prestazioni del dispositivo fabbricato in attività a valle, come la produzione di immagini con telecamere computazionali. Questi simulatori collegati consentono all'utente di produrre un dispositivo ottico che meglio si adatta al suo design e raggiunge le migliori prestazioni nel compito.
Questa tecnica potrebbe aiutare scienziati e ingegneri a creare dispositivi ottici più accurati ed efficienti per applicazioni come fotocamere mobili, realtà aumentata, imaging medico, intrattenimento e telecomunicazioni. E poiché il percorso di apprendimento del simulatore digitale utilizza dati del mondo reale, può essere applicato a un'ampia gamma di sistemi fotolitografici.
"Questa idea sembra semplice, ma il motivo per cui le persone non l'hanno mai provata prima è che i dati reali possono essere costosi e non ci sono precedenti su come coordinare in modo efficace il software e l'hardware per creare un set di dati ad alta fedeltà", afferma Cheng Zheng, uno studente laureato in ingegneria meccanica che è co-autore principale di un articolo ad accesso aperto che descrive il lavoro pubblicato su arXiv server di prestampa.
"Ci siamo presi dei rischi e abbiamo effettuato esplorazioni approfondite, ad esempio, sviluppando e provando strumenti di caratterizzazione e strategie di esplorazione dei dati, per determinare uno schema di lavoro. Il risultato è sorprendentemente buono, dimostrando che i dati reali funzionano in modo molto più efficiente e preciso dei dati generati da simulatori composti da equazioni analitiche. Anche se può essere costoso e all'inizio ci si può sentire incapaci, vale la pena farlo."
Zheng ha scritto l'articolo con il co-autore principale Guangyuan Zhao, uno studente laureato presso l'Università cinese di Hong Kong; e il suo consulente, Peter T. So, professore di ingegneria meccanica e ingegneria biologica al MIT. La ricerca sarà presentata alla SIGGRAPH Asia Conference.
La fotolitografia prevede la proiezione di uno schema di luce su una superficie, che provoca una reazione chimica che incide le caratteristiche del substrato. Tuttavia, il dispositivo fabbricato risulta con uno schema leggermente diverso a causa di minuscole deviazioni nella diffrazione della luce e piccole variazioni nella reazione chimica.
Poiché la fotolitografia è complessa e difficile da modellare, molti approcci di progettazione esistenti si basano su equazioni derivate dalla fisica. Queste equazioni generali danno un senso al processo di fabbricazione ma non possono catturare tutte le deviazioni specifiche di un sistema fotolitografico. Ciò può causare prestazioni inferiori ai dispositivi nel mondo reale.
Per la loro tecnica, che chiamano litografia neurale, i ricercatori del MIT costruiscono il loro simulatore di fotolitografia utilizzando equazioni basate sulla fisica come base, e quindi incorporano una rete neurale addestrata su dati sperimentali reali provenienti dal sistema di fotolitografia dell'utente. Questa rete neurale, un tipo di modello di apprendimento automatico vagamente basato sul cervello umano, impara a compensare molte delle deviazioni specifiche del sistema.
I ricercatori raccolgono dati per il loro metodo generando molti progetti che coprono un'ampia gamma di dimensioni e forme degli elementi, che fabbricano utilizzando il sistema di fotolitografia. Misurano le strutture finali e le confrontano con le specifiche di progettazione, accoppiando questi dati e utilizzandoli per addestrare una rete neurale per il loro simulatore digitale.
"Le prestazioni dei simulatori appresi dipendono dai dati immessi e i dati generati artificialmente dalle equazioni non possono coprire le deviazioni del mondo reale, motivo per cui è importante disporre di dati del mondo reale", afferma Zheng.
Il simulatore di litografia digitale è costituito da due componenti separati:un modello ottico che cattura il modo in cui la luce viene proiettata sulla superficie del dispositivo e un modello resistivo che mostra come avviene la reazione fotochimica per produrre caratteristiche sulla superficie.
In un'attività a valle, collegano questo simulatore di fotolitografia appreso a un simulatore basato sulla fisica che prevede come il dispositivo fabbricato si comporterà in questa attività, ad esempio il modo in cui una lente diffrattiva diffrangerà la luce che lo colpisce.
L'utente specifica i risultati che desidera che un dispositivo ottenga. Quindi questi due simulatori lavorano insieme all'interno di un quadro più ampio che mostra all'utente come realizzare un progetto che raggiunga tali obiettivi prestazionali.
"Con il nostro simulatore, l'oggetto fabbricato può ottenere le migliori prestazioni possibili in un compito a valle, come le telecamere computazionali, una tecnologia promettente per rendere le future telecamere miniaturizzate e più potenti. Dimostriamo che, anche se si utilizza la post-calibrazione per provare a ottenere un risultato migliore, non sarà comunque altrettanto efficace quanto avere il nostro modello fotolitografico in loop", aggiunge Zhao.
Hanno testato questa tecnica fabbricando un elemento olografico che genera l'immagine di una farfalla quando la luce lo colpisce. Rispetto ai dispositivi progettati utilizzando altre tecniche, il loro elemento olografico produceva una farfalla quasi perfetta che si adattava maggiormente al design. Hanno anche prodotto una lente di diffrazione multilivello, che aveva una qualità dell'immagine migliore rispetto ad altri dispositivi.
In futuro, i ricercatori vogliono migliorare i loro algoritmi per modellare dispositivi più complicati e anche testare il sistema utilizzando fotocamere consumer. Inoltre, vogliono espandere il loro approccio in modo che possa essere utilizzato con diversi tipi di sistemi fotolitografici, come i sistemi che utilizzano la luce ultravioletta profonda o estrema.
Ulteriori informazioni: Cheng Zheng e altri, Colmano il divario tra progettazione e produzione nell'ottica computazionale con un simulatore di litografia neurale a due fotoni appreso "Real2Sim", Documenti della conferenza SIGGRAPH Asia 2023 (2023). DOI:10.1145/3610548.3618251. Su arXiv :DOI:10.48550/arxiv.2309.17343
Informazioni sul giornale: arXiv
Fornito dal Massachusetts Institute of Technology
