TorchResist: Open-Source Differentiable Resist Simulator
作者: Zixiao Wang, Jieya Zhou, Su Zheng, Shuo Yin, Kaichao Liang, Shoubo Hu, Xiao Chen, Bei Yu
分类: cs.LG
发布日期: 2025-02-06
备注: SPIE Advanced Lithography + Patterning, 2025
💡 一句话要点
TorchResist：开源可微光刻胶仿真器，助力光刻技术优化
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 光刻仿真 光刻胶建模 可微编程 半导体制造 光学 lithography
📋 核心要点
- 光刻技术成本高昂，现有光刻仿真器在光刻胶建模能力方面存在不足，限制了光刻技术的进一步发展。
- TorchResist采用解析方法建模光刻胶过程，是一个参数可解释的白盒系统，并利用可微编程和GPU并行计算。
- 实验表明，TorchResist在精度和效率上优于现有方案，为光刻技术的优化提供了新的工具。
📝 摘要（中文）
近年来，人工智能取得了显著进展，对算力的需求呈爆炸式增长，摩尔定律面临挑战。光刻技术作为半导体制造的关键技术，面临着高成本等严峻挑战。为了应对这些挑战，人们开发了各种光刻仿真器。然而，许多仿真器在光刻胶建模能力方面存在不足。本文提出了TorchResist，一个开源的、可微的光刻胶仿真器。TorchResist采用解析方法对光刻胶过程进行建模，作为一个白盒系统，最多包含20个可解释的参数。通过利用现代可微编程技术和GPU上的并行计算，TorchResist能够与其他工具无缝协同优化多个相关任务。实验结果表明，与现有解决方案相比，TorchResist在精度和效率方面均表现出优越性。该源代码已公开。
🔬 方法详解
问题定义：论文旨在解决光刻仿真中光刻胶建模能力不足的问题。现有的光刻仿真器要么精度不够，无法准确反映真实的光刻过程；要么是黑盒模型，参数难以解释和优化，限制了其在实际应用中的效果。这些问题阻碍了光刻技术的进一步发展和优化。
核心思路：TorchResist的核心思路是采用解析方法对光刻胶过程进行建模，构建一个白盒系统。通过使用可解释的参数来描述光刻胶的物理化学过程，使得模型具有更好的可解释性和可控性。同时，利用现代可微编程技术，使得模型可以与其他工具进行端到端协同优化。
技术框架：TorchResist的整体框架包括以下几个主要模块：(1) 光照模型：用于模拟光在光刻胶中的传播和吸收；(2) 光刻胶反应模型：用于模拟光刻胶在光照下的化学反应过程；(3) 溶解模型：用于模拟光刻胶在显影液中的溶解过程。这些模块通过解析方程进行描述，形成一个完整的可微光刻胶仿真流程。
关键创新：TorchResist的关键创新在于其可微性和白盒特性。可微性使得模型可以利用梯度信息进行优化，从而提高仿真精度和效率。白盒特性使得模型的参数具有可解释性，方便用户理解和调整模型，从而更好地控制光刻过程。此外，开源特性也促进了该工具的广泛应用和进一步开发。
关键设计：TorchResist的关键设计包括：(1) 使用最多20个可解释的参数来描述光刻胶过程，简化了模型复杂度，提高了计算效率；(2) 利用GPU进行并行计算，加速仿真过程；(3) 采用可微编程技术，方便与其他工具进行协同优化；(4) 提供开源代码，方便用户使用和修改。
🖼️ 关键图片
📊 实验亮点
TorchResist通过实验验证了其在精度和效率方面的优越性。与现有解决方案相比，TorchResist能够更准确地预测光刻结果，并且具有更高的计算效率。具体性能数据未知，但论文强调了其在精度和效率上的提升，以及与其他工具无缝协同优化的能力。
🎯 应用场景
TorchResist可应用于光刻工艺的优化、掩模版设计、以及新型光刻胶材料的研发。通过仿真预测光刻结果，可以减少实验次数，降低研发成本，并提高光刻工艺的良率。此外，该工具还可以用于教育和科研领域，帮助研究人员更好地理解光刻过程。
📄 摘要（原文）
Recent decades have witnessed remarkable advancements in artificial intelligence (AI), including large language models (LLMs), image and video generative models, and embodied AI systems. These advancements have led to an explosive increase in the demand for computational power, challenging the limits of Moore's Law. Optical lithography, a critical technology in semiconductor manufacturing, faces significant challenges due to its high costs. To address this, various lithography simulators have been developed. However, many of these simulators are limited by their inadequate photoresist modeling capabilities. This paper presents TorchResist, an open-source, differentiable photoresist simulator.TorchResist employs an analytical approach to model the photoresist process, functioning as a white-box system with at most twenty interpretable parameters. Leveraging modern differentiable programming techniques and parallel computing on GPUs, TorchResist enables seamless co-optimization with other tools across multiple related tasks. Our experimental results demonstrate that TorchResist achieves superior accuracy and efficiency compared to existing solutions. The source code is publicly available.