来源论文: https://arxiv.org/abs/2606.25541v1 生成时间: Jun 26, 2026 18:39

执行摘要

随着半导体制造进入纳米尺度，极紫外（EUV）光刻技术已成为核心驱动力。然而，其高精度需求对电磁场仿真提出了严峻挑战：既要准确捕捉复杂的三维矢量衍射效应，又要满足工业应用所需的高通量计算效率。本文深入剖析了一项旨在解决这一核心矛盾的创新研究，该研究提出了一种结合伪谱频域（PSFD）方法、背景场分解以及Green’s函数预处理的综合框架。通过将复杂的多层介质散射问题转化为均匀背景下的自由空间散射，并利用Green’s函数作为高效预处理器加速迭代求解，该方法在保持高精度的同时，实现了数量级的计算加速，为EUV掩模的设计与优化带来了革命性的突破。

1. 核心科学问题、理论基础、技术难点及方法细节

1.1 核心科学问题

极紫外（EUV）光刻技术采用13.5纳米的极短波长和斜入射照明，使得传统光刻模拟中常用的标量和准轴近似失效。在EUV波段，光与掩模结构的相互作用呈现出显著的三维矢量衍射效应，这要求电磁仿真能够精确捕捉复杂的场分布。与此同时，半导体行业对计算效率有着极高的要求，特别是在逆光刻技术（ILT）和迭代工艺优化等场景中，需要对大量掩模图案进行快速且高精度的仿真。因此，核心科学问题在于：如何在保证EUV光刻电磁散射仿真高精度的前提下，显著提升其计算效率，以满足先进制造工艺的需求？ 传统的全波电磁求解器如有限差分时域（FDTD）或严格耦合波分析（RCWA）虽然精度高，但计算成本过高，无法满足工业吞吐量要求。

1.2 理论基础

这项工作建立在坚实的电磁学和数值分析理论基础之上：

  1. 时谐Maxwell方程与矢量Helmholtz方程： 在时谐（单频）假设下，Maxwell方程组可以简化为电场（或磁场）的矢量Helmholtz方程。对于非磁性介质（$\mu = \mu_0$），散射电场 $E_s(r)$ 满足：

    $$ \nabla \times \nabla \times E_s(r) - \omega^2 \epsilon(r) \mu_0 E_s(r) = \omega^2 \Delta \epsilon(r) \mu_0 E_{inc}(r) $$

    其中，$E_{inc}$ 是入射场，$\epsilon(r)$ 是总介电常数，$\epsilon_{bg}$ 是背景介电常数，$\Delta \epsilon(r) = \epsilon(r) - \epsilon_{bg}$ 是散射势。该方程辅以Silver-Müller辐射条件，描述了波在无穷远处的行为。

  2. 背景场分解法： 这是处理分层介质散射问题的核心策略。总散射场 $E_s$ 被分解为两部分：$E_{layer}$ 和 $E_{mask}$。$E_{layer}$ 代表仅有分层介质（无掩模图案）时，对入射场 $E_{inc}$ 的响应；$E_{mask}$ 则是由于掩模结构的存在而引起的额外散射场。这种分解允许我们将问题重构为在一个均匀背景中求解 $E_{mask}$ 的散射问题，分层介质的贡献通过一个广义反射算子 $R$ 解析地计算并体现在源项中，从而将复杂的全域问题简化为在局部计算域内的散射问题。

  3. Lippmann-Schwinger方程： 将散射问题从微分方程形式转化为积分方程形式是预处理器的关键。对于在均匀背景介质中的散射问题，矢量Helmholtz方程可以重写为Lippmann-Schwinger方程：

    $$ E_{mask}(r) - \omega^2 \int_{V_{mask}} G_0(r, r') \cdot \Delta \epsilon_{mask}(r') E_{mask}(r') dr' = E_{inc}^{tot}(r) $$

    其中，$G_0(r, r')$ 是自由空间dyadic Green’s函数，积分区域 $V_{mask}$ 仅限于掩模结构所在的散射势区域。这种积分方程的优点在于其核算子（由Green’s函数构成）具有良好的谱特性，使得迭代求解器更容易收敛。

  4. 伪谱频域（PSFD）方法： 这是一种高阶数值方法，通过在傅里叶基下展开未知场，将微分算子转化为频域中的代数乘法。空间导数可以通过快速傅里叶变换（FFT）高效计算，从而实现“谱精度”（截断误差呈指数衰减）。这相比于传统的有限差分（代数衰减）方法在相同精度下所需的网格点更少。

1.3 技术难点

  1. 复杂多层介质响应： EUV掩模通常包含几十对甚至上百对Mo/Si双层构成的布拉格反射器，其电磁响应极其复杂。如果使用全域数值方法直接模拟整个多层堆栈，计算成本将随着层数的增加而急剧上升，且薄层结构要求极细的网格分辨率，导致内存和计算量的爆炸式增长。

  2. 开边界条件的处理： PSFD方法固有地强制周期性边界条件。然而，实际的电磁散射问题是开放的，波需要自由传播出计算域而不产生虚假反射。这需要引入完美匹配层（PML）来有效吸收出射波。

  3. Green’s函数的奇性： 自由空间dyadic Green’s函数 $G_0(r, r')$ 在源点 $r = r'$ 处存在奇性（或在波数 $k = k_{bg}$ 处存在共振奇性），这在数值离散化时会引入不稳定性和精度问题。直接在频域对角化 $G_0$ 的傅里叶变换时，其在 $k=k_{bg}$ 处的奇点给数值实现带来了挑战。

  4. 迭代求解器的收敛性： 即使是PSFD方法，在处理复杂的电磁散射问题时，所形成的线性系统可能仍然是大规模且病态的，导致迭代求解器（如GMRES）收敛缓慢，甚至不收敛。有效的预处理策略至关重要。

1.4 方法细节

该研究通过以下巧妙的结合来克服上述难点：

  1. 背景场分解与反射算子：

    • 将总散射场 $E_s(r)$ 明确分解为 $E_{layer}(r)$ 和 $E_{mask}(r)$。
    • $E_{layer}(r)$ 是在没有掩模结构时，入射场 $E_{inc}(r)$ 在分层介质中的响应。这一部分可以通过传输矩阵方法或广义反射系数（针对分层介质的解析解）高效精确地计算。
    • 掩模散射场 $E_{mask}(r)$ 的控制方程重新表述为： $$ \nabla \times \nabla \times E_{mask}(r) - \omega^2 (\epsilon_{bg} + \Delta \epsilon_{mask}(r)) E_{mask}(r) = \omega^2 \Delta \epsilon_{mask}(r) (E_{inc}(r) + R[E_{inc}(r) + E_{mask}(r)]) $$ 其中，$R$ 是广义反射算子，它递归地将来自掩模区域的场和入射场反射回计算域。这一关键步骤将计算域限制在掩模结构周围的有限区域，其计算成本与底层分层介质的层数和复杂性解耦。这极大地降低了计算复杂度。

  2. 伪谱频域（PSFD）方法的应用：

    • 在局部计算域内，利用傅里叶基函数和均匀网格进行离散化。场 $u(x)$ 近似为 $u(x) \approx \sum \hat{u}_n e^{ik_n x}$。
    • 线性算子 $L$ 的作用变为 $Lu(x) = \sum \hat{u}_n (L e^{ik_n x})$。通过FFT，空间导数可以高效地在频域计算：$\partial_\alpha \rightarrow FFT^{-1}(i k_\alpha FFT_\alpha [\cdot])$。
    • 为了实现开边界条件，通过复坐标拉伸引入完美匹配层（PMLs），将标准的微分算子修改为：$\partial_\alpha \rightarrow \frac{1}{1 + i \sigma_\alpha (\alpha)} FFT^{-1}(i k_\alpha FFT_\alpha [\cdot])$，其中 $\sigma_\alpha$ 是PML电导率。

  3. Green’s函数预处理器构建：

    • 将背景场分解后的散射问题（形式上等同于均匀背景下的散射）转化为Lippmann-Schwinger积分方程： $$ E_{mask}(r) - \omega^2 \int_{V_{mask}} G_0(r, r') \cdot \Delta \epsilon_{mask}(r') E_{mask}(r') dr' = E_{inc}^{tot}(r) $$ 其中 $E_{inc}^{tot}(r)$ 包含了来自分层基板的解析反射。
    • 为解决自由空间Green’s函数 $G_0(r, r')$ 的奇性问题并提高数值稳定性，引入窗函数（truncated）dyadic Green’s函数 $G_R(r)$。该函数在空间域具有紧凑支持（$|r| < R$），其傅里叶变换 $F[G_R](k)$ 可以解析推导，避免了奇性。
    • $G_R(r)$ 的解析推导利用了dyadic Green’s函数与标量Green’s函数 $g(r) = e^{ik_{bg}r}/(4\pi r)$ 的关系，并对其傅里叶变换 $F[G_R](k)$ 进行了详细的分解，包括其系数 $A(k)$ 和 $B(k)$ 的精确表达式。
    • 离散化与卷积实现： Lippmann-Schwinger方程中的体卷积项 $\int G_R(r, r') \cdot J(r') dr'$ 在PSFD框架下通过傅里叶变换实现为谱域中的逐元素乘法：$FFT_{xyz}^{-1}(F[G_R] \odot FFT_{xyz}[V_{mask}x])$。为确保FFT实现的周期性卷积准确模拟非周期性卷积，需要对计算域进行零填充。
    • 预处理后的线性系统为 $(I - A_{bg}^{-1} V_{mask})x = A_{bg}^{-1} b$，其中 $A_{bg}^{-1}$ 对应于Green’s函数作用。这个预处理算子将原始算子的特征值聚集在1附近，显著加速了迭代求解器（如GMRES）的收敛速度。

2. 关键 benchmark 体系、计算所得数据与性能数据

为了验证所提出框架的准确性和效率，研究人员设计了多个基准测试，并与现有方法进行了详尽比较。

2.1 基准测试1：PSFD方法与传统FDFD方法的比较

  • 体系描述： 模拟一个典型的EUV掩模堆栈。该堆栈包含一个50纳米厚的钽（Ta）吸收体立方体，放置在由20对钼/硅（Mo/Si）双层构成的布拉格反射器之上，每对双层周期为7纳米。入射光为TE偏振平面波，波长13.5纳米，入射角为6°。为处理开放边界条件，计算域的六个面均部署了30纳米厚的完美匹配层（PML）。
  • 计算所得数据：
    • 电场强度分布： 图5展示了在 $y=0$ 平面散射电场 $|E_y|^2$ 的强度分布。图5a是PSFD方法的计算结果，图5b是FDFD方法的计算结果，图5c是两者之间的绝对差异。结果显示，两种方法计算的场分布高度吻合，绝对差异很小，证明了PSFD方法的准确性。
    • 收敛曲线： 图6a和6b分别展示了GMRES迭代次数和总计算时间与残差之间的关系。
  • 性能数据：
    • 迭代次数： PSFD方法（1793次迭代）相比FDFD方法（3155次迭代）所需的迭代次数显著减少（图6a）。
    • 计算时间： PSFD方法在达到相同收敛精度（相对残差容差10⁻⁸）时，总计算时间明显更短（图6b，相对时间为1.00，而FDFD为2.28），约快2倍。
    • 收敛特性： 图6b的对数收敛曲线清晰地展示了PSFD方案的指数级（谱）收敛特性，远优于传统有限差分方法的代数收敛速度，尤其是在需要高精度时，优势更为明显。

2.2 基准测试2：背景场分解方法与全域PSFD方法的比较（针对不同层数的多层堆栈）

  • 体系描述： 沿用了基准测试1中的EUV掩模结构，但系统地改变了底层Mo/Si双层堆栈的层数（从10对双层到40对双层），以评估背景场分解方法在处理不同复杂程度分层介质时的性能。
  • 计算所得数据：
    • 电场强度分布： 图7展示了在 $y=0$ 平面散射电场 $|E_y|^2$ 的强度分布，比较了全域PSFD（图7a）和背景场方法（图7b）的结果。图7c显示了两者的绝对差异，论文指出差异主要来源于全域PSFD直接在空间网格上解析多层堆栈时固有的离散化和相位色散误差，而背景场方法通过解析反射更新避免了这些问题。
  • 性能数据：
    • 相对计算时间： 图8a展示了总计算执行时间随双层重复次数的变化。结果表明，背景场分解方法的计算时间几乎不受多层堆栈层数增加的影响，保持平稳。相反，传统的全域PSFD方法随着层数增加，计算时间呈明显上升趋势，表现出显著的运行时惩罚。
    • 相对迭代次数： 图8b显示了达到收敛所需的总迭代次数。尽管背景场方法由于其固定点外迭代循环需要更多的总迭代次数，但由于其激活计算网格尺寸保持严格限制，每个求解器步骤的绝对计算运行时间是均匀且独立于底层基板层数的。

2.3 基准测试3：Lippmann-Schwinger（LS）求解器与Green’s函数预处理器的鲁棒性评估

  • 体系描述： 为了在更实际的场景中验证Green’s函数预处理器的鲁棒性，研究人员使用了来自LithoBench数据集的100个随机抽样的掩模布局。几何结构包括一个50纳米厚的Ta吸收体层，沉积在由40对Mo/Si双层构成的布拉格反射器之上（如图9所示）。入射光为TE偏振平面波，波长13.5纳米，入射角6°。
  • 计算所得数据：
    • 电场强度分布： 图10展示了在吸收体顶部的总场强度分布 $|E_{mask} + E_{bg}|^2$。图10a是未预处理的背景场方法结果，图10b是LS求解器（带Green’s函数预处理）的结果，图10c是两者间的绝对差异。结果显示，LS求解器与原始背景场方法结果吻合良好。
    • 收敛行为统计： 图11统计了100个随机掩模布局下，不同预处理器（无预处理、光谱阻尼预处理、Green’s函数预处理）的迭代求解器收敛行为（迭代次数和相对计算时间）。
  • 性能数据：
    • 与标准各向同性谱阻尼预处理器（$D(k) = \min(1, k_{bg}/k^2)$）相比，LS公式实现了：
      • 迭代次数平均减少23倍： 从平均2166次迭代（无预处理）降至876次（光谱阻尼）再降至38次（Green’s函数预处理）。
      • 总计算执行时间平均提高4倍： 从相对时间1.0（无预处理）降至0.43（光谱阻尼）再降至0.11（Green’s函数预处理）。
    • 这些数据强有力地证明了全dyadic Green’s函数作为迭代求解器预处理器的卓越有效性，其性能远超传统的谱阻尼技术，对于复杂的工业级掩模布局具有显著的加速效果。

3.1 核心代码实现思想

尽管论文未提供具体的代码库链接，但从其方法论中可以推断出实现的关键模块和技术栈。

  1. PSFD核心：傅里叶变换与空间导数：

    • PSFD的核心优势在于利用傅里叶变换实现空间导数的计算。对于任意函数 $u(x)$，其 $n$ 阶导数在傅里叶域可以表示为 $(ik)^n \hat{u}(k)$。因此，在数值实现中，导数运算通常通过以下步骤完成：
      1. 将场从空间域通过FFT变换到频域。
      2. 在频域中与对应的波数因子 $ik$（或其更高次幂）相乘。
      3. 通过逆FFT将结果变换回空间域。
    • 这种方法效率极高，且能达到谱精度。在三维情况下，需要进行三维FFT/IFFT。

  2. PML实现：复坐标拉伸：

    • 完美匹配层（PML）用于吸收出射波，避免边界反射。在PSFD框架中，PML通常通过复坐标拉伸（Complex Coordinate Stretching）来实现。这意味着空间导数算子 $\partial_\alpha$ 被修改为 $\frac{1}{1 + i \sigma_\alpha (\alpha)} \partial_\alpha$。在频域实现时，这会影响波数因子 $k_\alpha$，使其成为复数，从而引入衰减。
    • 具体的PML电导率 $\sigma_\alpha (\alpha)$ 通常是沿PML区域坐标的平滑递增函数，例如抛物线或指数函数，确保从内部区域到PML区域的阻抗匹配。

  3. 背景场分解：传输矩阵法：

    • 分层介质的电磁响应（反射算子 $R$）是通过解析的传输矩阵方法（Transfer-Matrix Method, TMM）实现的。TMM可以高效地计算多层膜堆栈对入射平面波的反射和透射系数。这部分计算是独立的，不需要在PSFD网格上进行离散化，从而显著降低了计算成本。
    • 在每一轮外迭代中，根据当前 $E_{mask}$ 更新入射到分层介质上的总场，然后利用TMM计算反射场作为 $R[E_{inc} + E_{mask}]$ 的贡献。

  4. Lippmann-Schwinger方程的离散化与卷积：

    • 核心挑战是高效计算Green’s函数与散射势的卷积。在PSFD中，这通过傅里叶变换域的乘法实现：$F^{-1}[F[G_R] \odot F[V_{mask} x]]$。
    • 窗函数Green’s函数 $F[G_R](k)$： 论文提供了其解析表达式，这是数值实现的关键。需要精确编码这些复杂的数学公式，以确保其在频域的正确性和稳定性。
    • 零填充（Zero-padding）： 为了使周期性FFT能够准确模拟非周期性卷积，计算域必须进行零填充。这意味着原始的物理计算区域被嵌入到一个更大的零值填充区域中。这个操作会增加FFT的输入尺寸，从而增加计算和内存开销，但对于保证卷积的正确性至关重要。

  5. 迭代求解器与预处理器集成：

    • 广义最小残差（GMRES）算法是求解大型非对称线性系统的标准迭代方法。该方法需要一个“矩阵-向量乘法”例程，即每次迭代时计算 $Ax$。在这里，$A$ 是PSFD离散化后的Helmholtz算子。
    • Green’s函数预处理器通过修改GMRES的“矩阵-向量乘法”例程或作为左预处理器 $M^{-1}$ 来实现。预处理后的系统是 $M^{-1} A x = M^{-1} b$。在这里，$M^{-1}$ 的作用等价于Green’s函数积分算子，其实现如上所述，涉及FFT、与 $F[G_R]$ 的点乘和逆FFT。

3.2 所用软件包（推断）

尽管论文未明确提及，但实现此类方法通常会依赖以下类型的数值计算库：

  • 高性能FFT库： 如FFTW (Fastest Fourier Transform in the West) 或针对GPU优化的cuFFT，它们是PSFD方法效率的基石。
  • 线性代数库： 用于实现GMRES等迭代求解器，如LAPACK、BLAS，或更高层次的库如SciPy (Python)、Eigen (C++)。
  • 数值计算框架： 如果使用Python，NumPy是进行数组操作和数学计算的基础。如果使用C++或Fortran，可能需要更底层的矩阵库。
  • 并行计算库： 对于大规模问题，可能需要MPI (Message Passing Interface) 或OpenMP实现并行化。

3.3 复现指南（概念性）

由于缺乏开源代码，以下是基于论文内容推断的复现步骤：

  1. 准备环境： 配置一个支持Python (NumPy, SciPy)、C++或Fortran的数值计算环境，并安装高性能FFT库。
  2. 定义几何与材料：
    • 获取EUV掩模的几何参数：吸收体层厚度、宽度、高度，多层膜堆栈的层数、周期、材料（Mo, Si）等。
    • 收集EUV波长（13.5 nm）下各材料的复介电常数 $\epsilon(r)$。
    • 设置入射平面波的参数：TE/TM偏振、波长、入射角。
  3. 实现传输矩阵方法（TMM）： 编码用于计算多层膜堆栈对平面波反射系数的TMM算法。这将用于背景场分解中的反射算子 $R$。
  4. 构建PSFD算子：
    • 离散化网格： 定义三维均匀计算网格的尺寸（$N_x, N_y, N_z$）和网格间距。
    • 波数数组： 生成每个方向上的离散波数数组 $k_x, k_y, k_z$。
    • PML实现： 编写PML电导率分布 $\sigma_x, \sigma_y, \sigma_z$ 的函数，并实现复坐标拉伸对频域波数的修改。
    • PSFD微分算子： 实现利用FFT和波数乘法计算 $\nabla \times \nabla \times$ 算子的函数。这是核心的“矩阵-向量乘法”例程。
  5. 实现窗函数Green’s函数 $F[G_R](k)$：
    • 解析表达式： 根据论文公式（15）至（17），精确编码 $A(k)$ 和 $B(k)$ 的函数，从而构建 $F[G_R](k) = A(k)I + B(k)k \otimes k$。
    • 零填充： 确定适当的零填充尺寸，确保计算域足够大以包含散射势和Green’s函数的支持范围，并对场向量进行零填充。
  6. 集成GMRES求解器：
    • 使用数值线性代数库中的GMRES实现。
    • 将PSFD算子（带有PML）作为“矩阵-向量乘法”例程传递给GMRES。
    • 预处理器集成： 实现Green’s函数预处理器的“向量-向量乘法”例程 $P^{-1}v$，即通过FFT、与 $F[G_R]$ 的点乘和逆FFT实现卷积。将其作为GMRES的左预处理器。
  7. 迭代与收敛：
    • 设置GMRES的相对残差收敛容差（例如 $10^{-8}$）。
    • 运行GMRES求解线性系统。
  8. 结果后处理：
    • 将求解出的 $E_{mask}$ 场从频域逆FFT到空间域。
    • 计算总电场 $E = E_{inc} + E_{layer} + E_{mask}$ 或其他物理量，如强度 $|E|^2$。

论文中未提供任何开源代码库链接。 对于希望复现或进一步开发此方法的学者和工程师，这无疑是一个遗憾。未来的研究工作若能提供经过验证的开源实现，将极大地促进该领域的进步和应用推广。

4. 关键引用文献与局限性评论

4.1 关键引用文献

该研究的严谨性体现在其对现有文献的广泛引用和在此基础上的创新。以下是一些关键引用及其对本文工作的支撑：

  1. EUV光刻背景与挑战 ([4, 5, 6]): 这些文献强调了EUV光刻中三维掩模效应的重要性，以及传统方法（如Kirchhoff衍射）在EUV波段的局限性。它们为本文研究的必要性提供了强有力的背景支持。
  2. 传统电磁求解器 ([7, 8, 9, 10]): FDTD和RCWA等方法的引用，说明了本文对现有“精确”方法的认识，并以此为基准来强调其计算成本高的局限性，从而引出新方法的需求。
  3. 伪谱方法 ([11, 21, 22, 23, 24, 25]): PSFD方法的理论和应用基础。特别是Q.H. Liu的[11]首次提出了PSTD算法（伪谱时域），虽然本文关注频域，但其谱精度和FFT加速的思想是共通的。Boyd和Fornberg的经典著作[21, 22]为伪谱方法的理论提供了坚实基础。
  4. 背景场方法 ([12, 13, 18, 19]): 这些文献是背景场分解策略的理论来源。Abbott的[12]介绍了背景场方法的基本概念，而Chew的[13, 18]则深入探讨了分层介质中源的响应。Mackay和Lakhtakia的[19]则详细阐述了传输矩阵方法，这是处理分层介质响应的关键工具。
  5. Green’s函数与Lippmann-Schwinger方程 ([14, 15, 34, 35, 36, 37]): Colton和Kress的[15]是Lippmann-Schwinger方程及其在散射理论中应用的权威著作。Vainikko的[34]以及Vico等人的[35]和Pham等人的[36]则提供了处理自由空间Green’s函数奇性并进行快速卷积的实用技术，这对于本文Green’s函数预处理器的实现至关重要。
  6. 迭代求解器与预处理 ([28, 29, 30, 31, 32, 33]): Saad的[28, 29]是GMRES算法和迭代求解器的经典参考。这些文献为本文选择GMRES作为迭代求解器以及预处理策略的理论基础提供了支持，特别是在解释预处理如何影响特征值分布以加速收敛方面。
  7. 完美匹配层（PML） ([26]): Berenger的[26]是PML的开创性工作，为本文在PSFD框架中实现开放边界条件提供了方法。

4.2 局限性评论

尽管本文提出的方法在EUV光刻电磁散射模拟方面取得了显著进展，但仍存在一些局限性，也是未来研究的重要方向：

  1. 空间分离假设的限制：

    • 现状： 当前方法的核心优势在于掩模结构（散射势）与底层分层介质（多层膜堆栈）在空间上是分离的，即掩模位于分层介质的“上方”。这一假设使得可以利用传输矩阵方法解析地处理分层介质的响应。
    • 局限： 实际的EUV光刻配置可能更为复杂。例如，掩模结构可能部分或完全嵌入在吸收层内部，或者在缺陷分析场景中，缺陷（如颗粒或气泡）可能重叠于掩模结构和多层堆栈之间，甚至存在于多层堆栈内部。在这些情况下，当前的背景场分解方法将不再适用，因为散射势不再完全独立于分层介质。解决此问题需要引入更通用的分层介质Green’s函数（stratified-medium Green’s function），这在计算和实现上更为复杂，通常涉及对W.C. Chew等人在分层介质中Green’s函数工作的扩展 ([41, 42, 43])。

  2. 零填充带来的内存效率挑战：

    • 现状： Lippmann-Schwinger（LS）预处理器通过Green’s函数与散射势的卷积来实现，而这种卷积在PSFD框架中是通过FFT进行的。为了确保FFT模拟的周期性卷积能够准确代表非周期性卷积，必须对计算域进行大量的零填充。
    • 局限： 大量的零填充意味着实际的计算域被嵌入到一个大得多的虚拟网格中，这导致显著的内存开销，并可能降低计算效率。对于大规模、高分辨率的EUV掩模模拟，内存需求可能变得难以承受。论文中也明确指出，这种填充开销可能会使得该方法在大规模应用中内存效率低下。
    • 潜在解决方案： 论文提及快速多极子方法（FMM）([43, 44, 45, 46, 47]) 可以用来高效计算长程相互作用，有望解决零填充问题，实现 $O(N)$ 或 $O(N \log N)$ 的计算复杂度而无需大规模零填充。

  3. 大规模横向尺寸模拟的挑战：

    • 现状： 即使有了当前的优化，对横向尺寸达到数微米（这对现代EUV掩模来说是常态）的EUV掩模进行电磁散射模拟，仍然是巨大的计算挑战。
    • 局限： 全局谱展开（如PSFD）在处理超大计算域时可能会遇到限制，特别是在需要施加复杂边界条件的情况下。单纯增加网格点会导致计算量和内存量快速增长。
    • 潜在解决方案： 论文提出结合域分解方法（Domain Decomposition Methods）和PSFD求解器，或者采用谱元方法（Spectral Element Method）([21])。谱元方法在局部区域使用谱展开，同时在区域边界处理复杂接口条件，可能提供更好的可扩展性。

  4. 代码可复现性与透明度：

    • 局限： 论文详细介绍了方法论和数值结果，但未提供任何开源代码库或具体实现细节（如使用的编程语言、特定数值库的版本等）。这限制了其他研究人员和工程师对该方法进行验证、复现、扩展和实际应用的能力。对于一项高性能计算方法，提供可验证的代码对于其影响力和接受度至关重要。

  5. PML对背景算子特性的影响：

    • 局限： PML通过引入位置依赖的复电导率，破坏了背景算子 $A_{bg}$ 的空间平移不变性。这意味着 $A_{bg}$ 在傅里叶域不再是简单的对角矩阵（或标量乘法），而是一个密集的模式耦合系统。这种特性使得直接的频域反演变得不可行，增加了Green’s函数预处理器设计和实现的复杂性。

5. 其他必要补充

5.1 对EUV光刻和半导体制造的深远影响

这项工作对极紫外（EUV）光刻技术及其背后的半导体制造具有显著而深远的意义。随着摩尔定律的持续推进，芯片特征尺寸不断缩小，EUV光刻已成为实现下一代技术节点的关键。本文提出的加速仿真框架解决了EUV光刻面临的一个核心瓶颈：

  • 加速掩模设计与优化： EUV掩模是EUV光刻工艺中最复杂、成本最高的组件之一。精确且高效的电磁仿真能力是掩模设计（包括吸收体图案、多层反射膜堆栈等）和优化（如减小光学邻近效应、提高成像对比度）的基础。本方法提供的数量级加速意味着设计人员可以在更短的时间内迭代更多设计方案，从而显著缩短研发周期。
  • 支持反演光刻技术（ILT）： ILT是用于生成复杂掩模图案以补偿光学效应的关键技术。ILT本质上是一个大规模的优化问题，需要海量的电磁仿真来评估和迭代图案。本文方法提供的“高通量”仿真能力，使得之前计算成本过高的ILT方案变得可行，从而能实现更精细的图案化。
  • 促进缺陷分析与控制： EUV掩模上的微小缺陷（如粒子、空洞）会对最终的晶圆图案产生严重影响。缺陷的电磁响应仿真对于理解其影响、开发检测算法和制定缺陷容忍度标准至关重要。本文方法能够快速准确地模拟复杂缺陷的散射行为，为缺陷分析提供了强大的工具。
  • 降低计算资源与成本： 显著的计算加速直接转化为更低的计算资源需求和更低的运行成本。这使得更多实验室和设计团队能够负担得起高精度EUV掩模仿真，推动EUV技术更广泛的应用。

5.2 方法学的通用性与可扩展性

尽管本文聚焦于EUV光刻，但其方法学创新具有更广泛的通用性和可扩展性，值得量子化学等其他计算科学领域借鉴：

  • 伪谱频域（PSFD）方法的优势： PSFD通过傅里叶变换在频域处理微分算子，实现谱精度和FFT加速，这是一种处理微分方程的强大技术。这种思想不仅限于电磁学，也可用于声学、量子力学（如薛定谔方程）或其他波动方程的求解，尤其是在介质具有层状结构时。
  • 背景场分解的范式： 将复杂异质介质中的散射问题分解为在简化背景（如均匀背景）中的散射加上背景介质的解析响应，是一种通用的问题简化策略。在量子化学中，类似的思想可以用于处理分子在溶剂环境中的行为，将溶剂的平均场效应与分子本身的量子行为分离。
  • Green’s函数预处理的普适性： 利用Green’s函数将微分方程转化为积分方程（Lippmann-Schwinger形式）并作为迭代求解器的预处理器，是加速收敛的通用手段。在量子化学中，Green’s函数广泛应用于多体理论和电子结构计算中，其加速迭代求解器的潜力在其他计算挑战中也可能被挖掘。
  • 与FMM等技术的集成潜力： 论文提及FMM可以解决零填充的内存效率问题，这预示着该框架可以与更多高级算法结合，处理更大规模和更复杂的系统，从而扩展其应用范围。

5.3 与现有方法的比较优势总结

本研究通过巧妙结合多种先进技术，显著超越了传统及部分现代的电磁仿真方法：

  • 相较于FDTD/FEM等全域网格方法：
    • 效率： PSFD方法的谱精度允许使用更少的网格点达到相同精度，且FFT加速使其单步计算更快。FDTD/FEM在处理包含多层薄膜的复杂介质时，需要非常细的网格来捕捉薄层内部的场变化，导致计算成本随层数呈指数级增长。
    • 背景场分解： 本文的背景场分解方法通过解析处理分层介质的响应，避免了在计算域中显式包含整个多层堆栈，从而使计算成本与层数解耦。这是传统全域方法无法比拟的巨大优势。
  • 相较于RCWA等半解析方法：
    • 通用性： RCWA主要适用于周期性结构。本文方法基于全波方程，适用于任意非周期性掩模图案，更具通用性。
    • 复杂性处理： RCWA在处理高数值孔径（NA）、强三维衍射效应和各向异性材料时可能面临收敛性问题或计算复杂性。本文的矢量Helmholtz方程框架能更好地处理这些复杂性。
  • 相较于未预处理或简单预处理方法：
    • 收敛速度： Green’s函数预处理器将系统转化为Lippmann-Schwinger方程，显著改善了迭代求解器的谱特性，使特征值高度聚集，从而实现了23倍的迭代次数减少和4倍的运行时间加速，这是其他简单预处理器难以达到的。

5.4 计算性能的深远含义

23倍的迭代次数减少和4倍的运行时间加速对于EUV光刻这一前沿领域而言，具有变革性的意义。在科研和工业生产中，这意味着：

  • “更多-更快-更好”的循环： 能够在单位时间内完成更多的模拟任务，探索更广阔的设计空间；或者在相同的时限内，执行分辨率更高、精度更强的模拟，为更精细的工艺优化提供支持。
  • 实时决策成为可能： 在某些需要快速反馈的场景中（如工艺在线监控），这种加速使得仿真结果能够更快地支持决策。
  • 解锁新应用： 以前因计算成本过高而无法开展的复杂模拟（如大规模掩模缺陷库的建立、多参数设计空间的全面探索），现在变得可行。

5.5 未来研究方向的展望

论文也为未来的研究指明了几个关键方向：

  • 突破空间分离假设： 开发基于分层介质Green’s函数的广义散射框架，以处理掩模结构嵌入、缺陷重叠等更复杂的几何配置。这需要克服分层介质Green’s函数在数值计算上的复杂性。
  • FMM与PSFD的融合： 将快速多极子方法（FMM）集成到PSFD框架中，以解决零填充导致的内存效率问题，同时保持计算效率，从而实现真正的大规模计算。
  • 域分解与谱元法： 针对横向尺寸达到微米级别的超大掩模，探索结合域分解方法或谱元方法，以在保持谱精度的同时，进一步扩展计算域，提高可扩展性。
  • 高性能计算优化： 进一步利用GPU加速、分布式计算等现代高性能计算技术，最大化算法的并行性，以应对未来更大规模和更复杂的问题。

5.6 学术贡献

这项研究的学术贡献在于其在复杂电磁散射问题求解方法上的多方面创新性集成。它不仅证明了现有先进数值方法（PSFD、背景场分解、Green’s函数预处理）结合的强大潜力，还通过严格的基准测试，量化了其在实际工业级问题上的卓越性能。这为计算电磁学、特别是光刻模拟领域，提供了一个高效、精确且具有广泛前景的解决方案。