第 7 章 物理極限危機：深亞微米下的光學鄰近效應修正（OPC）#
7.2 光學鄰近效應修正（OPC）演算法：用超級電腦預先「反向扭曲」光罩圖形以獲得精準蝕刻#
7.2.1 核心思想：製作一個「會補償的鏡頭」#
OPC（Optical Proximity Correction，光學鄰近效應修正）的本質一句話就講完：
既然光學系統會扭曲圖形，那就在光罩上預先做一個「反方向扭曲」，讓扭曲＋反扭曲＝正確。
數學上，把晶圓成像過程視為一個映射 \(\mathcal{L}\)（Lithography operator）：
\[ \text{wafer} = \mathcal{L}(\text{mask}) \quad \Longrightarrow \quad \text{mask} = \mathcal{L}^{-1}(\text{target}) \]
但 \(\mathcal{L}\) 是非線性、非凸、且與局部圖形環境相關的，因此 \(\mathcal{L}^{-1}\) 不存在解析解——只能用迭代數值優化求一族「夠好」的反向解。這正是 EDA 的看家本領：大規模非凸優化（與第 5 章的 P&R 同屬一個數學譜系）。
7.2.2 演算法的演化四代#
| 世代 | 時期 | 方法 | 限制 |
|---|---|---|---|
| 1 規則式（rule-based OPC） | 1990s 中 | 用實驗測定的「鄰近表」按規則加分／加粗／斜移 | 忘了長距離交互作用 |
| 2 模型式（model-based OPC） | 1990s 末–2000s | 以部分相干光學模型預測成像，反覆迭代修正 | 需要大量校準資料 |
| 3 模型＋多重目標 | 2010s | 加上阻積玻璃上對比與 etch 修正（ETC） 同時調整 | 計算量驚人 |
| 4 ILT（Inverse Lithography Technology） | 2010s– | 完全自由的像素級光罩優化，以梯度法急速收斂 | 結果過於複雜，光罩寫作成本高 |
7.2.3 真正的商業玩家#
OPC 市場在 2000 年代被三家經典產品分食：
- Synopsys Proteus（Synopsys 的 Proteus 光罩資料準備與 OPC 平台（透過其於 1990 年代末至 2000 年代初的技術整併而來））；
- Mentor Calibre（其功能套件 Calibre 的 OPC/RET 套件（長年成為多家晶圓廠簽核主流））——Mentor 抓住 DRC 的地位延伸到 OPC，把 Calibre 打成光罩資料準備（Mask Data Prep）一條龍；
- **Cadence（以 litho modelling 與光罩資料準備工具切入，並與 ASML 等設備生態合作）。。
而光的模型本身來自晶圓廠與設備商（ASML、Nikon）的共享測試晶圓校準資料——一家 EDA 公司如果無法與晶圓廠緊密同步，是否能站上演算法賽場都是問題。這孕育出 EDA 史上一個全新的合作模式：聯合開發聯盟（EDA + foundry + equipment）。
7.2.4 有趣的科技經濟學：OPC 讓「光罩」變成軟體#
OPC 帶來一個深刻的商業轉變：光罩不再是「設計圖的翻拍」，而是資料密集的計算產物：
- 2000 年代末，一張 65nm 光罩的資料量已達數十 GB；至 7nm（多重曝光後）的一個 layer 的 OPC 資料超過 1TB；
- 一次先進節點投片的光罩套組成本動輒上千萬美元（簡稱 mask set cost）；
- 每一套光罩都包含 EDA 公司演算法的指紋——錯了一塊 OPC，整批晶圓的良率機制也一樣崩。
7.2.5 前因後果#
- 前因：7.1 的 OPE 噩夢；EDA 已有的非凸優化工具箱。
- 事件：rule-based → model-based → ILT 的演算法演化；EDA/晶圓廠/設備商聯合開發模式制度化。
- 後果：計算微影成為半導體工程的核心能力（7.3）；「光罩＝決定良率的軟體」，因此為下一十年中的「DFM」（Design for Manufacturing）開闢了戰場；而執行 OPC 所需的超級計算集群，也成為三巨頭併購戰的後勤版圖。