跳轉到

第 7 章　物理極限危機：深亞微米下的光學鄰近效應修正（OPC）#

7.3 計算微影（Computational Lithography）：EDA 工具如何深入晶圓廠的光刻機內部？#

7.3.1 定義：把「光刻」變成軟體問題#

計算微影（Computational Lithography）是一個 2010 年代正式定型的框架：

以計算方法（光學建模、最優化、機器學習）設計並最佳化整條曝光鏈——從光源形狀（source mask optimization, SMO）、光罩圖形（OPC/ILT）、到 resist 與 etch 的行為建模——以求在物理極限下達到可量產的解析度。

它的尺度足以嚇人：一次全晶片的 model-based OPC／ILT，要對數千億像素等級的晶圓成像面進行數萬次模擬，峰值要求數千台 CPU/GPU連夜運算。業界甚至流行一句話：

「EDA 公司其實是家超級電腦公司。」

7.3.2 技術版圖：EDA 與設備商共用一套光學聖經#

計算微影是 EDA 與光刻設備生態互相滲透的交界：

三件關鍵技術值得分點說明：

  1. SMO（Source Mask Optimization）：不只改光罩，也改光源的形狀（illumination pupil），使特定關鍵圖形族群的成像對比度極大化；
  2. Sub-Resolution Assist Features（SRAF）：在光罩上加入比解析度更細的小副特徵，其「像的存在」幫扶主要圖形；
  3. ILT（Inverse Lithography Technology）：像素級的全自由優化，需要 GPU 加速（2010 年代起以 GPU 實現百倍加速）。

7.3.3 多重曝光（Double/Quadruple Patterning）的噩夢與 EDA 的自動化#

當 193nm 光無法單次印出所需 pitch，晶圓廠採用多重曝光（DPT：Double Patterning Technology，SPA：SPacer Assigned，SADP／SAQP）：

  • 簡言之：把一張找不到解的光罩拆成兩張／四張，分次曝光；
  • 而「一個 layout 怎麼拆」本身又是組合優化問題（圖著色 graph coloring 的近似）；
  • DRC 不再只是「檢查是否合法」，而是「檢查是否可拆成一組可行的曝光圖案」——這又反過來要求 EDA 改寫物理驗證引擎。

7.3.4 EDA 的資本與制度重構#

計算微影的出現重寫了 EDA 產業的資本結構：

  1. 重資本研發：演算法能跑的前提是與晶圓廠共建一套校準資料（測試晶圓量測、模型庫），支出規模以千萬美元計；
  2. 與 fab 的合約綁定加深：光罩資料準備與 OPC 直接影響良率，EDA 與晶圓廠簽署的「開發夥伴條款」成為先進節點的准入門票；
  3. 人才重塑：光學、物理、數值優化、機器學習的跨域博士變成 EDA 公司的核心團隊——EDA 的研發人員畫像由「軟體工程師」轉向「工程科學家」。

7.3.5 前因後果#

  • 前因：OPE 的物理現實、OPC 演算法的成功、多重曝光的出現。
  • 事件：計算微影框架成熟，EDA 工具深入光刻機的建模與優化內部。
  • 後果：這種「與製程共生」的深度綁定，是第 8 章地緣政治封鎖能夠生效的技術根源——因為不能只是抄一個軟體介面，還須整套模型與資料；同時也為第 9 章（3D-IC 與多物理場）與第 10 章（AI for EDA）的資本密集化時代搭好布景。

下一章：第 8 章　EDA 專利枷鎖與地緣政治戰場