从傅里叶光学到芯片制造：手把手推导光刻成像中的Abbe与Hopkins模型
在半导体制造的光刻工艺中，光学成像模型的精确性直接决定了芯片图案的保真度。Abbe模型和Hopkins模型作为计算光刻的两大核心理论框架，分别从理想光源和部分相干光源的角度，为光刻成像提供了数学描述。本文将带您从傅里叶光学的基础出发，逐步推导这两个模型的完整公式，揭示它们如何将物理光学转化为可计算的数学模型。
1. 傅里叶光学基础与光刻系统组成
1.1 夫琅和费衍射与透镜的傅里叶变换特性
任何光刻成像过程都始于光与掩模的相互作用。当平面波照射掩模时，根据惠更斯-菲涅尔原理，掩模上的每个点都可视为次级球面波的源。在远场条件下（即满足夫琅和费衍射条件），衍射光场可表示为：
# 夫琅和费衍射的Python示例计算 import numpy as np def fraunhofer_diffraction(mask, wavelength, z): """ mask: 二维数组表示的掩模透射函数 wavelength: 光波长 z: 观测面到掩模的距离 """ N = mask.shape[0] k = 2*np.pi/wavelength fx = np.fft.fftfreq(N) * N * wavelength * z fy = np.fft.fftfreq(N) * N * wavelength * z return np.fft.fft2(mask) * np.exp(1j*k*z)/(1j*wavelength*z)透镜的神奇之处在于它能将远场衍射图样"拉近"到后焦面，实现傅里叶变换。这一特性使得光学系统可以在空域和频域之间自由转换，为后续的成像分析奠定了基础。
1.2 光刻系统的关键组件与作用
典型的光刻系统包含以下核心组件：
| 组件 | 数学表示 | 物理作用 |
|---|---|---|
| 光源 | J(fₓ,fᵧ) | 提供照明，决定相干性 |
| 掩模 | T(x,y) | 承载电路图案，调制光场 |
| 投影透镜 | P(fₓ,fᵧ) | 滤波和成像，限制空间频率 |
| 像面 | I(x,y) | 最终形成的光强分布 |
注意：实际系统中还需考虑偏振效应、像差等非理想因素，但基础模型通常先忽略这些高阶影响。
2. Abbe成像模型：理想光源下的推导
2.1 从掩模到像面的光场传播
假设使用完全相干的平面波照明（即点光源），光场传播可分为三个阶段：
- 掩模透射：Eₙ(x,y) = Eᵢ·T(x,y)
- 入瞳处的衍射：Eₑₙ(fₓ,fᵧ) = ℱ{Eₙ(x,y)}
- 光瞳滤波与像面成像：Eᵢₘ(x,y) = ℱ⁻¹{Eₑₙ(fₓ,fᵧ)·P(fₓ,fᵧ)}
整合后得到像面光场的完整表达式：
E_image(x,y) = C ∬ [∬ T(x',y')e^(-i2π(fₓx'+fᵧy'))dx'dy'] · P(fₓ,fᵧ) · e^(i2π(fₓx+fᵧy)) dfₓdfᵧ2.2 光瞳函数的物理意义与数值孔径
光瞳函数P(fₓ,fᵧ)本质上是一个低通滤波器，其截止频率由系统的数值孔径(NA)决定：
def pupil_function(fx, fy, NA, wavelength): """ 理想圆形光瞳函数 """ freq = np.sqrt(fx**2 + fy**2) return np.where(freq <= NA/wavelength, 1+0j, 0+0j)这个简单的二进制滤波操作，实际上决定了光刻系统能够分辨的最小特征尺寸——这正是著名的瑞利判据的来源。
3. 从Abbe到Hopkins：部分相干光源的演进
3.1 扩展光源与部分相干性
实际光刻机使用扩展光源以提高产能，这引入了部分相干性。此时需要将光源视为多个独立点光源的集合，每个点光源产生一个独立的像，最终像面强度是这些部分相干像的非相干叠加：
I(x,y) = ∫∫ J(fₓ',fᵧ') |E_image(x,y;fₓ',fᵧ')|² dfₓ'dfᵧ'其中J(fₓ',fᵧ')描述光源的强度分布，称为有效光源。
3.2 离轴照明的频移效应
离轴照明会导致频谱面的平移，这是理解分辨率增强技术(如SMO)的关键。对于光源面上的一个点(fₓ',fᵧ')，其对应的入瞳光场为：
E_eff(fₓ,fᵧ) = E_en(fₓ - fₓ', fᵧ - fᵧ') · P(fₓ,fᵧ)这种频移效应使得一些高频成分能够通过光瞳，从而突破传统分辨极限。
4. Hopkins模型与TCC分解
4.1 传输交叉系数(TCC)的引入
将部分相干成像公式展开，可以发现系统响应可以分离为与掩模无关的部分——这就是传输交叉系数(TCC)：
TCC(fₓ,fᵧ; fₓ",fᵧ") = ∫∫ J(fₓ',fᵧ') P(fₓ+fₓ',fᵧ+fᵧ') P*(fₓ"+fₓ',fᵧ"+fᵧ') dfₓ'dfᵧ'最终像面强度可表示为：
I(x,y) = ∬∬ T(fₓ,fᵧ) T*(fₓ",fᵧ") TCC(fₓ,fᵧ; fₓ",fᵧ") e^(i2π[(fₓ-fₓ")x+(fᵧ-fᵧ")y]) dfₓdfᵧdfₓ"dfᵧ"4.2 计算加速与模型简化
Hopkins模型的优势在于TCC可以预先计算并存储，对不同掩模图案只需做矩阵乘法，这比Abbe模型的全重新计算效率高得多。实际应用中常对TCC进行奇异值分解(SVD)：
def compute_TCC(J, P, sampling): """ 计算TCC矩阵的简化示例 """ from scipy.signal import convolve2d TCC = np.zeros((2*sampling, 2*sampling)) for fx in range(-sampling, sampling): for fy in range(-sampling, sampling): shifted_P = np.roll(P, (fx,fy), axis=(0,1)) TCC[fx+sampling, fy+sampling] = np.sum(J * shifted_P * P) return TCC5. 工程实践中的模型应用与优化
5.1 两种模型的适用场景对比
| 特性 | Abbe模型 | Hopkins模型 |
|---|---|---|
| 光源类型 | 点光源 | 扩展光源 |
| 计算复杂度 | O(N²) | O(N log N) |
| 内存需求 | 低 | 高 |
| 适用场景 | 小区域精确仿真 | 全芯片验证 |
5.2 现代计算光刻中的混合方法
在实际EDA工具中，工程师们常采用混合策略：
- 使用Hopkins模型进行全芯片快速验证
- 对关键层或热点区域切换至Abbe模型进行精细仿真
- 结合SVD压缩和GPU加速处理大规模计算
提示：在28nm以下节点，还需要考虑矢量衍射模型和光刻胶的三维效应，这时基础模型需要进一步扩展。
