近期微電子所EDA中心計算光刻團隊與騰訊量子實驗室，圍繞光刻膠模型校準的合作研究取得了重要進展。

針對當前光刻膠模型校準難題，團隊通過深入的理論和實驗研究，結合具體工藝條件，開發了基于機器學習的光刻膠模型校準貝葉斯優化方法。該方法能夠有效利用歷史數據對高斯代理模型的訓練，同時結合其它全局優化策略，穩定提升光刻膠模型的精確性并提高模型校準效率。實驗數據表明，新方法校準的光刻膠模型誤差比傳統方法降低了21.6%，耗時降低了80%以上。

本成果發表在期刊OPTICS EXPRESS上（DOI: 10.1364/OE.518770）。微電子所馬樂為第一作者，董立松副研究員和韋亞一研究員為共同通訊作者。騰訊量子實驗室的馬星宇、郝少剛為共同作者。

本次合作研究旨在研究人工智能、機器學習在計算光刻領域的應用，提高光刻膠模型準確性和效率，進而提高良率、推動半導體制造技術的發展。雙方將繼續緊密合作，致力于推進計算光刻仿真的研究。將繼續探索新的方法和技術，為計算光刻在半導體制造行業的應用創造更多的可能性。

騰訊量子實驗室于2018年初創建于深圳，著眼于計算科學研究布局，探索先進計算科技的發展，關注未來技術的商業應用實踐，為提升企業運營效率及效益提供技術助力。

文章鏈接：https://doi.org/10.1364/OE.518770

圖（a）光刻曝光條件和測試圖形；（b）在兩次實驗中各方法的耗時；（c）在訓練集和測試集的誤差分布