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：深圳大学

摘要：本发明公开了一种基于压缩感知的反向光刻方法，获取目标光刻成像图像Qt；将其输入至训练好的反向光刻模型，得到与目标光刻成像图像对应的目标掩模图像；将所述目标掩模图像输入光刻模型，得到实际光刻成像图像Qreal；计算Qreal和Qt之间的均方误差L3=LmseQreal，Qt；判断L3是否小于预设阈值，若是，所述目标掩模图像即为优化后的掩模图像，若否，则对所述反向光刻模型重新进行训练。本申请可保证高分辨率与反向光刻模型复杂度之间的平衡。

主权项：1.一种基于压缩感知的反向光刻方法，其特征在于：获取目标光刻成像图像Qt；将其输入至训练好的反向光刻模型，得到与目标光刻成像图像对应的目标掩模图像；将所述目标掩模图像输入光刻模型，得到实际光刻成像图像Qreal；计算Qreal和Qt之间的均方误差L3=LmseQreal，Qt；判断L3是否小于预设阈值，若是，所述目标掩模图像即为优化后的掩模图像，若否，则对所述反向光刻模型重新进行训练；其中，所述反向光刻模型是基于压缩感知对预设训练数据集进行迭代训练后得到的，包括：S1.获取预设训练数据集，所述训练数据集包括成对的采样结果y和初始图像x；其中y=Φx，Φ表示测量矩阵；所述初始图像x为经选取的光刻成像效果满足要求的掩模，所述采样结果y为所述掩模经光刻模型后的光刻成像图像；S2.利用初始重构模块，对采样结果y进行重构得到初始重构图像x0，为后续的迭代提供起点；S3.对初始重构图像x0进行多次迭代重构，通过可学习固定点投影和双注意力视觉Transformer模型DaViT进行降噪来逐步改进图像质量；具体包括：S31.对于第i+1次迭代，根据当前第i次迭代的重构图像计算梯度，并更新图像估计，然后执行S32；其中：；其中，表示转换后与采样结果之间的欧氏距离的平方；表示梯度计算；用于调整梯度步长；S32.将图像估计输入到双注意力视觉Transformer模型中进行去噪处理，得到降噪后的图像，然后执行S33；其中： ；S33.利用可学习固定点投影模块，对去噪后的图像和图像估计进行计算，得到第i+1次重构图像；同时，计算损失函数；然后执行S34；其中： ，其中表示第i次迭代时的权重参数； ，表示与之间的平均绝对误差；S34.将输入前馈网络FFNs模块，得到最终重构图像；计算损失函数，其中表示初始图像x和重建图像之间的均方误差，表示的权重；根据损失函数判断是否达到终止条件，若是终止迭代，训练完成；否则对i进行递增，返回步骤S31。

全文数据：

权利要求：

百度查询： 深圳大学 一种基于压缩感知的反向光刻方法及装置