基于Sigmoid函数的离轴照明光源全参数解析模型
Sigmoid 函数
Sigmoid 函数,即f(x)=1/(1+e-x)。
神经元的非线性作用函数。
人工神经网络的学习算法-BP 算法神经网络的学习是基于一组样本进行的,它包括输入和输出(这里用期望输出表示),输入和输出有多少个分量就有多少个输入和输出神经元与之对应。
最初神经网络的权值(Weight)和阈值(Threshold)是任意给定的,学习就是逐渐调整权值和阈值使得网络的实际输出和期望输出一致。
我们假设样本有P 个,输入层有N 个神经元,隐含层有K 个神经元,输出层有M 个神经元。
Xj 为输入层神经元j 的输入,Hj 为隐含层神经元j 的输出,Fj 为输出层神经元j 的实际输出,Rj 为输出层神经元j 的期望输出,前一层的输出即为后一层的输入。
Whji 是输入层神经元i 与隐含层神经元j 之间的连接权值,Thj 是隐含神经元j 的阈值,Woji 是隐含层神经元i 与输出层神经元j 之间的连接权值,Toj 是输出神经元j 的阈值。
神经元的非线性作用函数是Sigmoid 函数,即f(x)=1/(1+e-x)。
神经元与神经元模型的s 特性函数假如人的记忆思维认知情感等特性最终只是大量神经元的整体行为,那么了解单个神经元的特性就是理解大脑活动必须的一个过程。
本帖试图从神经元以及其链结入手,梳理系统一下这一段时间看到的有关神经网络方面的常识性知识。
神经元我们知道,尽管不同神经元的形态差异很大,但其结构却基本一致,大体上可分为胞体,树突和轴突。
其中树突负责接受输入信号;轴突负责输出信号;而胞体负责加工处理信号。
树突和轴突在形态和功能上有很大的差异:1,树突一般较短,而轴突较长。
2,树突常有多个,而每一个都是胞体的直接延伸,然后再分叉;而轴突只有一个,尽管轴突末端也有分叉结构。
3,无论是轴突还是树突,它们传递信息的方式都是峰值电脉冲。
不过树突只能由树突末梢传向胞体,而轴突只能由胞体传向轴突末梢。
也就是说,它们都是单向传递。
4,由于树突的结构形态,不同的树突传递的电脉冲峰值可以不同。
基于Sigmoid函数局部视觉适应模型的真实影像再现
光学学报3基于Sigmoid函数的局部视觉适应算法3.1算法理论图1是人类视觉系统的阈值一强度(TVI)曲线,显示了视锥、视杆响应阈值随输入光强的变化,即在给定亮度适应水平下人眼恰可察觉亮度差值不同。
在一幅图像中,其亮度适应水平也是变化的,即所谓的局部适应现象口“。
影像再现算法旨在对一幅图像不同的局部亮度适应水平建立合适的响应模型:在低亮度适应水平区域,模型的响应阈值小,视敏感度高,能分辨较多纹理、细节信息;在高亮度适应水平区域,图像纹理信息得以保证,模型进入TVI线性区域,对色彩的要求变得突出。
图1阈值~强度(TVI)曲线Fig.1ThresholdVS.Intensitycurve普遍观点认为,视觉适应具有S形状的非线性特点。
Naka和Rushton[123较早地提出了一种视锥、视杆的适应模型,后被进一步总结为亮度感受模型[13|,如(3)式所示丁”R(工)一万£I百,(3)L』U,式中R为细胞响应,工为输入亮度,仃为半饱和参数(即当响应达到系统一半时的参数),而咒为敏感度常数。
仃的不同代表了不同的适应水平。
其后有关视觉适应模型的研究,很多是围绕如何确定局部适应水平的深入讨论。
文献[9]利用Michaelson—Menton饱和函数解析了视感光色素漂白作用与视神经回路尤其是水平细胞反馈作用,这是两种主要的亮适应机制。
文献[10]则通过对比度和亮度控制参数,对不同图像选取合适的适应曲线。
文献[14]进一步加强了亮度不均匀图像中适应水平的自适应选择。
实际运用常出现的问题是,同时存在亮区与暗区的图像,很容易实现暗区有效增强,但往往亮区增益过大而导致纹理、细节信息丢失;图像色彩丰富程度与图像清晰度之间,也存在一定的折中取舍问题。
本文根据视觉适应的S形特点,采用了在神经网络分析中常用的Sigmoid函数加以模拟,其形式为f(z)一(4)其特点可概括为:在平衡位置附近的一个适当邻域内,函数与自变量的关系是基本线性的;而在这一领域以外,函数与自变量为非线性的,并趋向于一个极限;参数∈、r/可对函数实施一定的伸缩和平移,以适应于不同具体问题的需要。
第12讲 光照明模型
电子与信息工程学院 计算机科学与技术系
环境光
环境光(ambient light):是邻近各物体所产生 的光的多次反射最终达到平衡时的一种光,环境 光是指光源间接对物体的影响。 例如,透过厚厚云层的阳光就可以称为环境光, 室内环境光即为墙壁、天花板、地板及室内各物 体之间光的多次反射结果。 可近似地认为其光强分布是均匀的,抽象为单一 的强度值,它在任何一个方向上的分布都相同, 统一地影响场景中所有物体的所有表面。
电子与信息工程学院 计算机科学与技术系
漫反射
漫反射光强为:
I d I p K d cos( ),
(0, / 2)
Ip为入射光强
物体表面上点P的法向为N
从点P指向光源的向量为L Kd与物体有光的漫反射系数
电子与信息工程学院 计算机科学与技术系
漫反射
I d I p K d cos( ),
电子与信息工程学院 计算机科学与技术系
增量式光照明模型
增量式光照明模型评价
(1)双线性光强插值能有效的显示漫反 射曲面,计算量小。 (2)双线性法向插值可以产生正确的高 光区域,但是计算量要大的多。 (3)增量式光照明模型的不足: 物体边缘轮廓是折线段而非光滑曲线。 等间距扫描线会产生不均匀效果。 插值结果决定于插值方向。
电子与信息工程学院 计算机科学与技术系
Phong模型示例
+
+
理想漫反射
环境光
境面反射
=
电子与信息工程学院 计算机科学与技术系
Phong光照明模型
Phong光照明模型是真实感图形学中提出的 第一个有影响的光照明模型 经验模型,Phong模型存在不足:
基于相频空间稀疏性快速估计LED灯点参数
F s r me e t a e f rL a tPa a t rEs i t o ED itBa e n t e Sp r i f m Po n s d o h a st o y
Frqu n y Ofs t h s ly Sp c e e c f e -p a e Dea a e
S G Xii, I iy , E iZ NG Xi e g ON -a LU We- a CH N We, HE - n j f
( a g h nCe a lcrnc e h oo yCo, t .Ch n c u i 0 3 , ia Ch n c u d r e t i T c n lg .Ld, a g h nJl 1 0 3 Chn ) E o s i 3 n
o rvo s s a s o e . x e i e t l e ut n ia e t a h t o r s n e n t i fp e iu p re m d 1 E p r m na s l idc t h tt e me h d p e e t d i hs r s
宋 喜 佳等 : 于 相 频 空 间 稀 疏 性 快 速 估 计 L D灯 点参 数 基 E
文章编号 :0 6 66 (0 2 0 — 3 5 0 10 — 2 8 2 1 )9 0 2 — 6
基于相频空间稀疏性快速估计 L E D 灯点参数
宋喜佳 , 维 亚 。 伟 。 刘 陈 郑喜 凤
步, 以及 “ 色 照 明 ” 念 的 日益深 入人 心 , E 绿 概 L D在 照
sigfit文档
Sigfit文档美国Sigmadyne公司在光机热耦合仿真分析领域有几十年的经验,向客户提供光机热集成分析方案和专家级咨询服务。
Sigfit软件由Sigmadyne公司开发,它是一款光机热耦合分析工具。
Sigfit能够直接将有限元分析工具(MSC Nastran、Ansys和Abaqus)与光学分析工具(CodeV、Zemax和OSLO)集成,并可以通过有限元分析工具和热分析工具的接口能力将Radtherm、MSC Sinda和Thermica等辐射与热分析工具集成到一起,从而实现热、机、光的完美耦合;可以将有限元分析得到的光学面形等结果文件通过泽尼克多项式拟合或者插值转化为光学工具的输入文件,并可实现主动控制的促动器布局优化、动态响应分析、光程差分析及应力双折射效应、设计优化等。
该工具在光学系统设计、光存储、激光打印、激光通信和灯具设计等领域得到广泛应用。
1、基本功能模块高性能的光学系统必须通过集成的光机热耦合分析预测其性能,这就需要把有限元分析的结果精确地传递给光学分析工具。
常用有限元工具(如Abaqus、Nastran、Ansys)的分析结果(温度、变形和应力)往往直接与节点关联,其结果文件不能直接用于光学分析,而需要经过一系列变换:单位转换、定义顶点坐标系、光学面形的多项式拟合、将有限元网格插值为点阵图等。
为此,Sigfit提供了满足高性能光学系统分析要求的光-机-热耦合分析方案,如图一所示。
图一•多项式拟合:可以将多种输入格式的数据拟合为多项式格式。
可选的多项式类型包括标准和边缘Zernike多项式、非球面多项式、X-Y多项式、最佳曲率半径拟合等。
拟合的同时计算出P-V值、RMS值等。
•多种输入格式:光学面形可以用单元结果、节点文件、干涉向量或多项式系数等格式输入,也支持Nastran、Ansys、Abaqus和Cosmos等有限元软件的文件格式输入。
•多种输出格式:面形、应力和温度场数据可以输出为列表的形式供查看或打印,也可输出为节点文件供绘制二维图,还可以输出为光学分析工具CodeV、Zemax和Oslo可识别的文件格式。
基于正切 Sigmoid 函数的跟踪微分器
基于正切 Sigmoid 函数的跟踪微分器T AN Shili;LEI Humin;WA NG Pengfei【摘要】通过引入神经网络中的正切Sigmoid激励函数和终端吸引子函数,构造了一种非线性跟踪微分器.采用完备的稳定性理论证明了所设计跟踪微分器的渐近收敛性,并通过扫频测试分析其频域特性,总结出参数整定规则.和之前的文献相比,进一步优化了跟踪微分器的结构,整合了功能重叠的参数使得更易调参.同时,加入了终端吸引子函数降低高频信号引起的颤振使得噪声抑制能力更强.仿真结果表明,所设计的跟踪微分器具备对包含一定噪声干扰的正弦信号的滤波和求导能力,且响应速度快、精度高,具备对方波信号的快速稳定跟踪和广义导数逼近的能力,且具有更强的噪声抑制能力.%A nonlinear tracking differentiator is constructed by introducing the tangent Sigmoid function in the neural netw ork and the terminal attractor function .T he asymptotic convergence of the designed tracking differ‐entiator is proved by the compl ete stability theory .Also ,the characteristics of the frequency domain are analyzed by the frequency sw eep test and the parameter tuning rules are summarized .Compared w ith the previous litera‐ture ,the structure of the tracking differentiator is furthe r optimized ,and the parameters of overlapping func‐tions are integrated to make it easier to adjust .A t the same time ,the terminal attractor function is added to re‐duce the flutter caused by the high‐frequency signal ,so that the noise suppression capability is stronger .The simulation results show that the designed tracking differentiator is capable of filtering and deriving the sinusoidal signals that contain noise interference ,and has the advantages of fast response speed and highprecision .Simul‐t aneously ,the designed tracking differentiator achieves fast tracking and generalized derivative’s approximating of the square w ave signal with stronger capabilities of noise suppression .【期刊名称】《系统工程与电子技术》【年(卷),期】2019(041)007【总页数】7页(P1590-1596)【关键词】跟踪微分器;正切sigmoid函数;终端吸引子函数;参数整定【作者】T AN Shili;LEI Humin;WA NG Pengfei【作者单位】A ir and M issile De f ense College ,A ir Force Engineering University ,X i’an 710051 ,China;A ir and M issile De f ense College ,A ir Force Engineering University ,X i’an 710051 ,C hina;A ir and M issile De f ense College ,A ir Force Engineering University ,X i’an 710051 ,China 【正文语种】中文【中图分类】T P 2730 引言我国的韩京清等于1994年首次提出跟踪微分器(tracking differentiator, TD)的概念[1],并由此创建了自抗扰控制技术[2],为我国控制理论与应用的发展作出了重要贡献。
极紫外光刻离轴照明技术
(通 信 联 系 人 )
1211003-1
光 学 学 报
1 引 言
极紫外光刻技术被认为是最具潜力的下一代光 刻技术之一。近年 来,在 超 大 规 模 集 成 电 路 制 造 需 求的强烈驱动下,人 们 对 光 刻 曝 光 系 统 分 辨 率 的 要 求 不 断 提 高 ,使 得 各 种 分 辨 率 增 强 技 术 ,如 离 轴 照 明 技术(OAI)、相移掩 模 技 术 (PSM)以 及 光 学 邻 近 效 应 校 正 技 术 (OPC)等 成 为 研 究 热 点 。
目 前,国 内 外 对 离 轴 照 明 参 数 优 化 进 行 了 大 量 研究[2~5]。国外 多 采 用 四 种 离 轴 照 明 表 征 方 法 , [5] 结合分辨率及生产率等因素对照明参数进行优化, 确定了典型离轴照 明 参 数 的 选 择 范 围,获 得 了 适 于 各种图案曝光的最优照明参数 。 [6] 国内则主要 对 离 轴照明提高分辨 率,增 大 焦 深 原 理 及 [1,7,8] 实 现 不 同 离轴照明方法进行报 道 。 [9,10] 以 上 报 道 主 要 针 对 紫 外及深紫外光刻进 行 研 究,曝 光 线 宽 一 般 在 数 百 纳 米 ,对 照 明 参 数 进 行 优 化 时 ,均 将 掩 模 作 为 理 想 的 薄 掩模处理。但随着 曝 光 线 宽 及 工 作 波 长 的 减 小,投 影系统 NA 的进一步 增 大,掩 模 吸 收 层 厚 度 在 离 轴 照明条件下所带来的阴影效应不可忽略。在极紫外 光刻中使用dNA=0.32,5倍微缩投影系统实现16nm 线 宽 图 案 曝 光 时,在 部 分 相 干 因 子 较 大 的 光 源 曝 光 下,掩模的有 效 曝 光 区 域 至 多 可 减 小 40%[11],因 此, 在极紫外光刻技术中照明参数优化设计必须考虑掩 模 阴 影 效 应 ,以 尽 可 能 准 确 地 反 映 真 实 曝 光 过 程 。 但 是目前还未见有关考虑掩模阴影效应的 OAI优化方 法的报道。本文提 出 一 种 新 的 OAI空 间 成 像 模 型, 通过对掩模和投影系统透射率函数的调制实现了在 考虑掩模阴影效应的情况下系列离焦面上的空间成 像 。 结 合 光 刻 胶 工 艺 特 性 及 曝 光 系 统 焦 深 要 求 ,获 得 了采用dNA=0.32投影系统实现16nm 线宽线条 曝 光的最优离轴照明参数。该参数的获得为实现16nm 线宽图案照明系统的构建提供了理论基础,将极大地 节约研究成本和时间。
周志华机器学习西瓜书全书16章pptChap05神经网络课件
冰 河期
1985左右 -1995左右 ~繁荣期 : Hopfield (1983), BP (1986), …
1995年左右:SVM 及 统计学习 兴起
沉 寂期
2010左右 -至今 ~繁荣期 :深度学习
交替模式 : 热十(年) 冷十五(年)
启示
科学的发展总是“螺旋式上升” 三十年河东、三十年河西 坚持才能有结果!
训练: • 网络接收输入样本后,将会确定输出层的“获胜”神经元(“胜者通吃”) • 获胜神经元的权向量将向当前输入样本移动
级联相关网络
CC: Cascade-Correlation (级联相关)
构造性神经网络: 将网络的结构也当做学习的目标之一, 希望 在训练过程中找到适合数据的网络结构
训练: • 开始时只有输入层和输出层 • 级联 - 新的隐层结点逐渐加入,从而创建起层级结构 • 相关 - 最大化新结点的输出与网络误差之间的相关性
SOM 神经网络
SOM: Self-Organizing feature Map (自组织特征映射 )
• 竞争型的无监督神经网络 • 将高维数据映射到低维空间(通常为 2
维) , 高维空间中相似的样本点映射到 网络输出层中邻近神经元 • 每个神经元拥有一个权向量 • 目标:为每个输出层神经元找到合适的 权向量以保持拓扑结构
• 每次针对单个训练样例更 新权值与阈值
• 参数更新频繁 , 不同样例 可能抵消 , 需要多次迭代
• 其优化目标是最小化整个 训练集上的累计误差
• 读取整个训练集一遍才对 参数进行更新 , 参数更新 频率较低
在很多任务中 , 累计误差下降到一定程度后 , 进一步下降会非常缓慢, 这时 标准 BP算法往往会获得较好的解, 尤其当训练集非常大时效果更明显.
sigmoid函数介绍
sigmoid函数介绍1.sigmoid函数介绍其实logistic函数也就是经常说的sigmoid函数,它的⼏何形状也就是⼀条sigmoid曲线(S型曲线)。
A logistic function or logistic curve is a common “S” shape (sigmoid curve). 也就是说,sigmoid把⼀个值映射到0-1之间。
该函数具有如下的特性:当x趋近于负⽆穷时,y趋近于0;当x趋近于正⽆穷时,y趋近于1;当x= 0时,y=0.5.优点:1.Sigmoid函数的输出映射在(0,1)之间,单调连续,输出范围有限,优化稳定,可以⽤作输出层。
2.求导容易,处处可导,导数为:f′(x)=f(x)(1−f(x))缺点:1.由于其软饱和性,容易产⽣梯度消失,导致训练出现问题。
2.其输出并不是以0为中⼼的。
应⽤:logistic函数在统计学和机器学习领域应⽤最为⼴泛或者最为⼈熟知的肯定是逻辑回归模型了。
逻辑回归(Logistic Regression,简称LR)作为⼀种对数线性模型(log-linear model)被⼴泛地应⽤于分类和回归场景中。
此外,logistic函数也是神经⽹络最为常⽤的激活函数,即sigmoid函数。
机器学习中⼀个重要的预测模型逻辑回归(LR)就是基于Sigmoid函数实现的。
LR模型的主要任务是给定⼀些历史的{X,Y}其中X是样本n个特征值,Y的取值是{0,1}代表正例与负例通过对这些历史样本的学习,从⽽得到⼀个数学模型,给定⼀个新的X,能够预测出Y。
LR模型是⼀个⼆分类模型,即对于⼀个X,预测其发⽣或不发⽣。
但事实上,对于⼀个事件发⽣的情况,往往不能得到100%的预测,因此LR可以得到⼀个事件发⽣的可能性,超过50%则认为事件发⽣,低于50%则认为事件不发⽣从LR的⽬的上来看,在选择函数时,有两个条件是必须要满⾜的:取值范围在0~1之间。
对于⼀个事件发⽣情况,50%是其结果的分⽔岭,选择函数应该在0.5中⼼对称。
第五章-光学模型及其算法实现..
第五章光学模型及其算法实现一、复习要求1.简单光反射模型2.增量式光反射模型3.局部光反射模型4.光源模型5.简单光透射模型6.光线跟踪显示技术二、内容提要1.简单光反射模型(1)基本光学原理①照度定律普通物理学中的照度定律(Lambert余弦定律):πI=K f I L cosθ, θ∈ [0,2式中,反射常数K f与物体表面性质有关,也描述物体的颜色。
注意:按一般规定,入射光L是从表面上一点指向光源的矢量。
②材质分配事实上,一个物体的颜色就是它所反射出的光的颜色,取决于光源的颜色和该物体对光的反射性。
例如,将一个阳光下的红球放到只有黄灯照明的室内,它就变成黑的了,因为那里没有任何红色光可被反射,而所有黄色光都被吸收了。
在使用光照时,原有的“绘图颜色”概念已不能适用,而采用“材质”一词。
定义:材质(material)被定义为一个物体对环境光、漫反射光、镜面反射光的反射性。
它111 / 14们分别以一个对应的RGB 值表示,称为材质的Ambient, Diffuse, Specular 分量(即光学定律中的反射系数K a , K d , K s )。
材质还可以包括另一种辐射性,用于描述自身发光的物体,例如汽车尾灯或夜光表。
通常,灯具的表面也被看成是一个自发光体。
③ 折射和透射Snell 正弦定律(或称折射定律)属于几何光学原理,用于确定两个物体间的入射角与折射角的关系:1221ηηθθ=sin sin 式中,θ1表示在物体1表面处的入射角,而θ2表示在物体2内部的折射角;η1和η2分别是这两个物体的折射率。
如图5-1所示,除了从同侧光源射过来的反射光外,观察者还将会看到从另一侧光源穿过物体后射出的透射光:图5-1 光的折射和透射(2) 简单光反射模型(Phong 模型)的导出图5-2 光的反射简单光反射模型只模拟物体表面对光的反射作用,并不考虑物体表面的透射和散射作用。
在简单光反射模型中一个点光源照射到物体表面一点,再反射出来的光,可分为三部分:环境光(泛光)、漫反射光镜面反射光。
基于轻型自限制注意力的结构光相位及深度估计混合网络
文章编号 2097-1842(2024)01-0118-10基于轻型自限制注意力的结构光相位及深度估计混合网络朱新军*,赵浩淼,王红一,宋丽梅,孙瑞群(天津工业大学 人工智能学院, 天津 300387)摘要:相位提取与深度估计是结构光三维测量中的重点环节,目前传统方法在结构光相位提取与深度估计方面存在效率不高、结果不够鲁棒等问题。
为了提高深度学习结构光的重建效果,本文提出了一种基于轻型自限制注意力(Light Self-Limited-Attention ,LSLA )的结构光相位及深度估计混合网络,即构建一种CNN-Transformer 的混合模块,并将构建的混合模块放入U 型架构中,实现CNN 与Transformer 的优势互补。
将所提出的网络在结构光相位估计和结构光深度估计两个任务上进行实验,并和其他网络进行对比。
实验结果表明:相比其他网络,本文所提出的网络在相位估计和深度估计的细节处理上更加精细,在结构光相位估计实验中,精度最高提升31%;在结构光深度估计实验中,精度最高提升26%。
该方法提高了深度神经网络在结构光相位估计及深度估计的准确性。
关 键 词:结构光;深度学习;自限制注意力;相位估计;深度估计中图分类号:TP394.1;TH691.9 文献标志码:A doi :10.37188/CO.2023-0066A hybrid network based on light self-limited attention for structuredlight phase and depth estimationZHU Xin-jun *,ZHAO Hao-miao ,WANG Hong-yi ,SONG Li-mei ,SUN Rui-qun (School of Artificial Intelligence , Tiangong University , Tianjin 300387, China )* Corresponding author ,E-mail : **********************.cnAbstract : Phase retrieval and depth estimation are vital to three-dimensional measurement using structured light. Currently, conventional methods for structured light phase retrieval and depth estimation have limited efficiency and are lack of robustness in their results and so on. To improve the reconstruction effect of struc-tured light by deep learning, we propose a hybrid network for structured light phase and depth estimation based on Light Self-Limited Attention (LSLA). Specifically, a CNN-Transformer hybrid module is construc-ted and integrated into a U-shaped structure to realize the advantages complementary of CNN and Trans-former. The proposed network is experimentally compared with other networks in structured light phase es-timation and structured light depth estimation. The experimental results indicate that the proposed network achieves finer detail processing in phase and depth estimation compared to other networks. Specifically, for structured light phase and depth estimation, its accuracy improves by 31% and 26%, respectively. Therefore,收稿日期:2023-04-14;修订日期:2023-05-15基金项目:国家自然科学基金 (No. 61905178);天津市教委科研计划项目 (No. 2019KJ021)Supported by National Natural Science Foundation of China (No. 61905178); Science & Technology Develop-ment Fund of Tianjin Education Commission for Higher Education (No. 2019KJ021)第 17 卷 第 1 期中国光学(中英文)Vol. 17 No. 12024年1月Chinese OpticsJan. 2024the proposed network improves the accuracy of deep neural networks in the structured light phase and depth estimation areas.Key words: structured light;deep learning;self-limited attention;phase estimation;depth estimation1 引 言光学三维测量是光学计量和信息光学中最重要的研究领域和研究方向之一[1]。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
基于Sigmoid 函数的离轴照明光源全参数解析模型∗刘 巍1) 刘世元1)2)† 吴小飞1) 张传维1)1)(华中科技大学武汉光电国家实验室,武汉 430074)2)(华中科技大学数字制造装备与技术国家重点实验室,武汉 430074)(2010年12月9日收到;2010年12月29日收到修改稿) 本文提出一种全面描述光刻机离轴照明光源物理分布特性的全参数解析模型,该模型采用Sigmoid 函数作为构造各种主流离轴光源解析模型的核函数.提出通过加入光源全参数修正项来表征真实光源的各种物理畸变和偏差,全参数修正项可展开为傅里叶级数形式,相应级次的傅里叶系数具有特殊的物理意义,可分别代表偏心、倾斜、椭偏等形式的光源畸变,为光刻分辨率增强技术及其相关领域提供了仿真条件与理论依据,具有重要的应用价值.关键词:光学光刻,光源模型,Sigmoid 函数,离轴照明PACS :42.72.-g,42.30.-d ,42.82.Cr,85.40.Hp∗国家自然科学基金(批准号:91023032,51005091,50775090),中国博士后科学基金(批准号:20100470052),中央高校基本科研业务费专项资金(批准号:2010ZD004)资助的课题.†通讯联系人.E⁃mail:shyliu@1.引言照明光源是光刻机成像系统最基本的构成单元,随着集成电路制造工艺的关键尺寸发展到90nm 及以下节点时,工业界提出了离轴照明(off⁃axisillumination,OAI)技术以抑制光学邻近效应并进一步提高制造成品率[1—3].广泛应用的离轴照明光源可分为传统圆形光源(conventional circular source)、环形光源(annular source)、二极光源(dipole source)及四极光源(quadrupole source).根据光刻机系统的部分相干成像原理,各种照明光源的特殊光强分布形式通常用定义在成像光瞳坐标的光源函数(pupil illumination function)来表征[4—6].目前,在光刻分辨率增强技术及其相关领域,例如光刻机投影物镜波像差检测、光刻系统交叉传递函数(transmission cross⁃coefficient,TCC)快速计算及光刻掩模图案优化设计等[7—10],都采用了理想的简化光源模型作为仿真输入.理想光源模型将真实光源的复杂且连续的光强分布形式表达为极为简单的“0-1”二元分布,或称之为“高帽”分布[11].然而,由于照明光源产生的激光束在空间以连续衰减的形式传播,照明光源的硬件系统在调试与使用过程中会不可避免的产生偏心、倾斜、椭偏等形式的光强畸变[12—14],并且真实光源的光强分布非常复杂,往往很大程度的偏离简单的二元分布[11].因此,为了满足集成电路在线生产及光刻物理仿真中日益增长的精度需求,很有必要深入研究各种主流光源的光强分布特性,从而建立精确表征真实光源分布的物理模型,甚至物理解析模型.近年来,国外多家科研机构相继对光刻机照明光源的建模方法开展了研究.Mentor Graphics 公司报道了一种基于像素表征的光源模型[15],Nikon 公司提出可通过光学传递函数(optical transfer function,OTF)来表征光源对光学临近效应的影响[16].这两种光源模型无法直接解析表征光源在光瞳面分布的物理特性,实际应用具有一定的局限性.光刻机厂商ASML 公司联合国际镜头专门企业Carl⁃Zeiss 公司共同从事光刻机的照明光源建模研究,提出一种解析表征真实光强分布的光瞳拟合模型(pupil fit model,PFM),用于精确描述并拟合真实照明光源在光瞳面上的物理分布[17].虽然PFM 引入了全参数变量来描述各种因素对环形光源分布造成的影响,但由于PFM 的解析表达式包含多个非线性函数的积分,且为分段函数形式,因此,PFM 的仿真计算及真实光源的拟合过程非常复杂,不能满足快速、精确的在线设计和检测需求.为此,本文提出一种描述光源物理分布特性的全参数解析模型,该模型采用Sigmoid 函数作为构造各种主流离轴光源解析模型的核函数;提出通过加入光源全参数修正项来表征真实光源的各种物理畸变和偏差.全参数修正项可展开为傅里叶级数形式,相应级次的傅里叶系数具有特殊的物理意义,分别代表偏心、倾斜、椭偏等形式的光源畸变.大量的仿真及实验分析表明,该解析模型具备表达形式简洁、仿真计算速度快、实验拟合精度高等诸多优点,能满足真实光源的在线拟合及分析需求,为光刻分辨率增强技术及其相关领域提供了仿真条件与理论依据.2.光源全参数解析物理建模理论2.1.基于Sigmoid 函数的连续光强建模由于照明光源产生的激光束在空间以连续衰减的形式传播,光瞳面上的有效光源函数往往很大程度上偏离理想的二元分布形式.考虑到光强空间分布的物理连续性,本文引入Sigmoid 函数作为构造各种主流离轴光源解析模型的核函数,该函数为无穷次连续可微的连续函数,能实现类似阈值函数的功能.Sigmoid 函数的定义如下:f s (r 0)=11+exp -r 0s ⎛⎝⎜⎞⎠⎟,(1)其中,r 0代表光瞳面极坐标系的径向距离,s 为表征光源核函数的陡度值.图1给出了当s =0,0.2,0.4,0.6,0.8,1的核函数分布对比.观察图1可知,核函数平滑程度随s 值的增大而增大:当s =0时,光源核函数退化为具备明显跃变的阈值函数,而当s =1时,核函数的平滑度显著增大.因此,通过对Sigmoid 函数中陡度值的不断调整,可以表征不同陡度的连续光强.充分利用光源核函数的分布特性,可分别构造包括传统圆形光源、环形光源、二极光源及四极光源的连续光强物理模型.图1 不同陡度值的光源核函数 由于传统光源的“高帽”模型呈圆形分布、圆形半径大小仅由部分相干因子σ决定,因此传统光源的连续光强分布模型可通过Sigmoid 函数构造I C (r )=f s (σ-r ),(2)其中,I C (r )代表传统圆形光源的连续光强;s 表征传统圆形光源连续光强分布的陡度值;光瞳面直角坐标系(x ,y )对应极坐标为(r ,θ),r 为极坐标系径向位置(本文中r 均为归一化坐标,即0≤r ≤1无量纲),θ为极坐标系方位角,满足0≤θ≤2π.考虑到环形光源相对圆形光源不仅需要定义外圆半径,还需要给出内圆半径大小,因此描述环形光源的部分相干因子有σo 与σi 两个参数,环形光源的连续光强I A (r )可由两个光源核函数构造:I A (r )=f s o (σo -r )·f s i (r -σi ),(3)其中,s o 与s i 分别表征两个光源核函数的陡度值.观察(2)式及(3)式可知:圆形光源及环形光源的连续光强仅沿着沿半径r 方向变化,与方位角θ无关.考虑到二极与四极光源可以看作在环形光源的基础上沿方位角θ“剪切”获得,在数学上可将“剪切”过程表达为关于θ的函数,因此二极与四极光源的连续光强模型可写为I D (r ,θ)=I A (r )K D (θ),(4)I Q (r ,θ)=I A (r )K Q (θ),(5)其中,I D (r ,θ)代表二极光源的连续光强、I Q (r ,θ)代表四极光源的连续光强;K D (θ)与K Q (θ)均由光源核函数构成,并分别代表二极光源与四极光源沿方位角θ的分布特性K D (θ)=f s θ(θ0-θ)+f s θ(θ0-π-θ),(6)K Q (θ)=f s θθ0-π4-θ()+f s θθ0-3π4-θ()+f s θθ0-5π4-θ()+f s θθ-7π4-θ(),(7)其中,θ0为二极或四极光源的半张角;s θ为相应光源核函数的陡度值.图2 环形及四极光源的光强连续分布与“高帽”分布对比 设置环形光源(σo /σi =0.8/0.45)、四极光源(σo /σi /θ0=0.8/0.45/22.5°),且设s ,s o ,s i ,s θ均等于0.05,根据(3)式与(5)式即可获得环形及四极光源的连续光强分布.图2给出了连续光强计算结果与理想“高帽”分布的对比,其中,图2(a)和(b)分别代表环形及四极光源的连续光强分布;图2(c)和(d)分别代表环形及四极光源的“高帽”分布.观察图2可知,该模型可取代理想光源的“高帽”分布,用于描述光强连续分布的各种离轴照明.2.2.基于全参数修正项的光源物理建模照明光源的硬件系统在调试与使用过程中会不可避免的产生各种形式的光强畸变.为了描述真实光源的偏心、倾斜及椭偏等多种畸变形式,本文提出采用全参数修正项进一步完善基于Sigmoid 函数的连续光强模型,建立精确描述真实光源特性的全参数物理解析模型.根据(2)式与(3)式,加入全参数修正项后的圆形及环形光源的连续光强分别为I C (x ,y )=[1+α(θ∗)]f s [σ-r ∗+γ(θ∗)],(8)I A (x ,y )=[1+α(θ∗)]·f s o [σo -r ∗+γ(θ∗)]·f s i [r ∗-σi +β(θ∗)],(9)其中,r ∗,θ∗分别为修正后的半径及方位角,设(x 0,y 0)为光源中心在光瞳面的坐标(或称为光源的“偏心”位置),则r ∗,θ∗满足r ∗cos(θ∗)=x -x 0,r ∗sin(θ∗)=y -y 0,(10)I C (x ,y ),I A (x ,y )分别对应修正后的圆形及环形光源的连续光强;全参数修正项α(θ∗),β(θ∗),γ(θ∗)分别为傅里叶级数加和形式α(θ∗)=∑∞n=1aαn cos(nθ∗)+bαn sin(nθ∗),(11)β(θ∗)=∑∞n=1aβn cos(nθ∗)+bβn sin(nθ∗),(12)γ(θ∗)=∑∞n=1aγn cos(nθ∗)+bγn sin(nθ∗),(13)这里,α(θ∗),β(θ∗),γ(θ∗)为全参数修正项;n为傅里叶多项式级次;aαn,aβn,aγn分别代表修正项α(θ∗),β(θ∗),γ(θ∗)中傅里叶级数的余弦系数;bαn, bβn,bγn为相应修正项中傅里叶级数的正弦系数.注意到修正后得到的传统及环形光强最大值不等于1,需将I C(x,y),I A(x,y)归一化J C(x,y)=I C(x,y)/max[I C(x,y)],(14)J A(x,y)=I A(x,y)/max[I A(x,y)].(15)由(4),(5)式可得归一化的二极与四极光源的全参数模型J D(x,y)=I C(x,y)/max[I C(x,y)],(16)J Q(x,y)=I Q(x,y)/max[I Q(x,y)].(17) 3.仿真分析及实验验证3.1.光源全参数修正项仿真分析(8)式至(17)式给出了各种主流离轴照明光源的全参数物理解析模型.根据(8)式可知,圆形光源全参数模型只包含修正项α(θ∗)和γ(θ∗).根据(9)式可知,环形全参数模型囊括了所有的修正项α(θ∗),β(θ∗)和γ(θ∗),且二极、四极光源的全参数物理模型均可由相应的环形光源模型“剪切”获得,见(4)式和(5)式.因此,环形光源全参数物理模型不仅应用广泛,且最具代表性和典型性,是开展仿真分析和实验拟合的重点.在真实光源的表征及拟合过程中,一般只需将修正项的傅里叶级数展开至二阶(取n=2,更高阶代表更精细的物理畸变).图3,图4分别显示了环形光源全参数物理模型中修正项α(θ∗)及β(θ∗),γ(θ∗)的物理仿真等高线分布.表1、表2分别为图3、图4的修正项输入参数,并设置x0=0,y0=0,σo/σi=0.85/0.6,s o=s i =0.02.观察图3、图4,根据不同的修正效果,全参数修正项α(θ∗),β(θ∗),γ(θ∗)可分为两类:一类为光源光强修正项,包括α(θ∗);另一类为光源形状修正项,包括内半径修正项β(θ∗)及外半径修正项γ(θ∗).表3总结了光源全参数解析模型展开至二阶时,傅里叶系数(aαn,bαn),(aβn,bβn),(aγn,bγn)对应的物理内涵.表1 环形光源全参数物理模型仿真输入修正项参数1光源光强修正项α(θ∗)光源形状修正项β(θ∗),γ(θ∗)修正参数数值修正参数数值aα1图3(a):0.5aβ1,aγ10,0aα2图3(b):0.5aβ2,aγ20,0bα1图3(c):0.5bβ1,bγ10,0bα2图3(d):0.5bβ2,bγ20,0表2 环形光源全参数物理模型仿真输入修正项参数2光源光强修正项α(θ∗)光源形状修正项β(θ∗),γ(θ∗)修正参数数值修正参数数值aα1aβ1,aγ1图4(a):0.1,0.1aα20aβ2,aγ2图4(b):-0.05,0.05bα10bβ1,bγ1图4(c):0.1,0.1bα20bβ2,bγ2图4(d):-0.05,0.05表3 光源物理模型中全参数修正项的物理内涵光源光强修正项α(θ∗)光源形状修正项β(θ∗),γ(θ∗)修正参数物理内涵修正参数物理内涵aα1水平光强倾斜aβ1,aγ1水平形状偏移aα2水平光强椭偏aβ2,aγ2水平形状椭偏bα1垂向光强倾斜bβ1,bγ1垂向形状偏移bα2对角光强椭偏bβ2,bγ2对角形状椭偏3.2.基于环形光源全参数解析模型的实验数据拟合 将环形光源全参数解析模型中的傅里叶级数展开至二阶,则该解析模型包含了12个独立的修正参数.考虑到模型中还含有其它参数,例如x0,y0,σo,σi,s o,s i,决定环形光源解析模型的独立参数总共有18个.因此,环形光源的实验数据拟合需要通过实际环形光源检测数据逆求这18个独立的模型参数,从而得到环形光源的模型拟合分布并进一步评价模型拟合误差.在一台100nm分辨力步进扫描投影光刻机上进行了实验研究,该光刻机装有193nm波长ArF深紫外准分子激光器,通过调整照明系统可以设置并生成不同的环形光源,通过使用透过像传感器(transmission image sensor,TIS)可以对这些不同的图3 环形光源修正项α(θ∗)对应的仿真光强的等高线分布 (a)水平光强倾斜;(b)水平光强椭偏;(c)垂向光强倾斜;(d)对角光强椭偏图4 环形光源修正项β(θ∗),γ(θ∗)对应的仿真光强等高线分布 (a)水平形状偏移;(b)水平形状椭偏;(c)垂向形状偏移;(d)对角形状椭偏环形光源进行实验检测[18].图5给出了环形光源的3组实验检测数据,分别对应照明参数σo /σi =0.95/0.60,0.90/0.65,0.97/0.70.由于使用过程中对光刻机照明系统的频繁调试,照明光源会产生不同程度的“偏心”畸变.如图5所示,实测数据1与实验数据3对应的环形光源产生了轻微的“偏心”,实测数据能表征完整的光源光强分布;而实测数据2对应的环形光源则产生了严重的“偏心”,这就导致实测数据只能代表残缺的光源光强分布,从而丢失了大量的光源光强信息.图5 光刻机照明光源的3组实验检测数据 根据(9)及(15)式,环形光源全参数模型本质上是一个非线性解析模型.为了拟合获得解析模型中的18个参数,可采用广泛应用的非线性最小二乘拟合算法.为了验证光源全参数解析模型的正确性与有效性,对3组光刻机照明光源实测数据进行了拟合,见图6至图8.图6为完整环形光源检测数据(光源实测数据1)的拟合结果;图7为残缺的环形光源检测数据(光源实测数据2)的拟合结果;图8为光源全参数模型与高帽模型对实测数据3的拟合精度对比.图6 基于全参数解析模型的环形光源完整检测数据(光源实测数据1)拟合结果 观察图6可以发现,提出的全参数光源模型可以精确拟合真实光源检测数据,拟合结果的绝对误差在10-2数量级(最大光强已归一化,无量纲),能够很好的表征偏心、倾斜、椭偏等形式的光强分布特性.此外,拟合误差在光瞳面内呈随机分布,这是因为实际光源系统的检测过程会引入传感器检测噪声等随机误差,不可避免的给检测及拟合结果造成影响.观察图7,对于严重残缺的环形光源检测数据,全参数解析模型也能够较好的拟合其光强分布,拟合绝对误差小于0.13,大于完整环形光源检测数据的拟合最大误差(见图6).这是由于提出的全参数光源模型是用于解析描述完整的光源光强图7 基于全参数解析模型的环形光源残缺检测数据(光源实测数据2)拟合结果图8 光源全参数模型与高帽模型对实测数据3的拟合精度对比物理分布,当拟合的光源检测数据严重残缺时,已不具备完整且连续的空间分布特性,从而导致拟合结果存在误差.目前工业界应用的光刻系统模型中,光源的建模考虑得比较简单,即光源部分的光强分布主要是“高帽”式的二元分布.图8给出了光源全参数模型与高帽模型对实测数据3的拟合精度比较.观察图8,高帽模型的光强拟合误差较大(最大误差高达0.78),说明采用高帽模型对真实光源建模会影响光刻系统中从掩模到光强分布图像的TCC 传输函数的准确性,并导致光刻成像的仿真结果严重失真.相反,基于Sigmoid 函数的全参数解析模型能精确的拟合并描述真实光源的各种物理畸变和偏差,拟合误差远小于高帽模型.因此,采用基于Sigmoid 函数的全参数解析模型能够促进对硅片上成像的预测,而这种精确的预测是基于模型的光学临近校正或其他分辨率增强技术的先决条件.此外,通过基于Sigmoid 函数的全参数解析模型对真实光源进行在线拟合与分析,可以快速获知照明光源的物理状态,并根据拟合模型中的参数值对光刻机的照明光源进行实时校正与监测.通过对环形光源在不同照明设置和视场条件下的大量检测数据进行拟合分析,发现提出的全参数解析模型能够精确并快速的拟合实际光源的完整物理分布,拟合精度可达10-2数量级,单次拟合时间小于0.086s(运行在酷睿i5-2.53GHZ CPU,4G内存,Win764位操作系统计算机平台上). 4.结 论照明光源是光刻机成像系统最基本的构成单元,为了满足日益增长的集成电路在线生产及光刻物理仿真精度需求,本文提出一种全面描述光源物理分布特性的全参数解析新模型,该模型采用Sigmoid函数作为构造各种主流离轴光源解析模型的核函数,通过加入光源全参数修正项来表征真实光源的各种物理畸变和误差.大量的仿真及实验分析表明,该解析模型具备表达形式简洁、仿真计算速度快、实验拟合精度高等诸多优点,为光刻分辨率增强技术及其相关领域提供了仿真条件与理论依据,具有重要的应用价值.[1]Schellenberg F M2005Opt.Rev.1283[2]Cao P F,Cheng L,Zhang X P2008Acta.Phys.Sin.576946(in Chinese)[曹鹏飞、程 琳、张晓萍2008物理学报576946][3]Li H H,Chen J,Wang Q K2010Chin.Phys.B19114203[4]Perçin G,Sezginer A,Zach F X2006J.Microlith.Microfab.Microsyst.5023006[5]Zhang S L,Zheng Q1985Acta.Phys.Sin.34439(inChinese)[庄松林、郑 权1985物理学报34439] [6]Zhang S L,Chen X Z1979Acta.Phys.Sin.28657(inChinese)[庄松林、陈祥祯1979物理学报28657] [7]Liu W,Liu S Y,Zhou T T,Wang L J2009Opt.Express1719278[8]Liu W,Liu S Y,Shi T L,Tang Z R2010Opt.Express1820096[9]Yamazoe K2010Appl.Opt.493909[10]Ma X,Arce G R2008Opt.Express1620126[11]Bodendorf C,Schlief R E,Ziebold R2004Proc.SPIE53771130[12]Barrett T C2000Proc.SPIE4000804[13]Phillips M C,Slonaker S D,Treadway C,Darby Greg2005Proc.SPIE57541562[14]Guo L P,Wang X Z,Hang H J2006Chin.Opt.Lett.4237[15]Granik Y2004Proc.SPIE5524217[16]Renwick S P,Nishinaga H,Kita N2006Proc.SPIE615461540O[17]Flagello D G,Geh B,Socha R,Liu P,Cao Y,Stas R,Natt O,Zimmermann J2008Proc.SPIE692469241U [18]Laan H van der,Dierichs M,Greevenbroek H van,McCoo E,Stoffels F,Pongers R,Willekers R2001Proc.SPIE4346394Parametric analytical model for off⁃axis illuminationsources based on Sigmoid function∗Liu Wei1) Liu Shi⁃Yuan1)2)† Wu Xiao⁃Fei1) Zhang Chuan⁃Wei1)1)(Wuhan National Laboratory for Optoelectronics,Huazhong University of Science and Technology,Wuhan 430074,China)2)(State Key Laboratory of Digital Manufacturing Equipment and Technology,Huazhong Universityof Science and Technology,Wuhan 430074,China)(Received9December2010;revised manuscript received29December2010)AbstractThis paper proposes a parametric analytical source model for overall representation of the physical distribution property of off⁃axis illumination sources in lithographic tools.A Sigmoid function is adopted as a kernel function to construct the analytical model for the multiple mainstream off⁃axis sources.Corrected parametrical terms are subsequently presented for characterization of different physical distortions and deviations of real illumination sources.The corrected parametrical terms can be decomposed into Fourier series which have the special physical meaning of respectively indicating different distortion types including shift of the center,tilt,ellipticity,etc.The proposed analytical model provides both simulation condition and theoretical basis for the resolution enhancement technique and the related research fields,thus has important applications.Keywords:optical lithography,source model,Sigmoid function,off⁃axis illuminationPACS:42.72.-g,42.30.-d,42.82.Cr,85.40.Hp∗Project supported by the National Natural Science Foundation of China(Grant Nos.91023032,51005091,50775090),the Postdoctoral Science Foundation of China(Grant No.20100470052),and the Fundamental Research Funds for the Central Universities of China(Grant No.2010ZD004).†Corresponding author.E⁃mail:shyliu@.。