【儀表網(wǎng) 研發(fā)快訊】近日，中國科學(xué)院上海光學(xué)精密機械研究所高端光電裝備部李思坤研究員團隊在聚合物自洽場(SCFT)仿真與逆向?qū)蜃越M裝(DSA)圖形化技術(shù)領(lǐng)域取得突破。相關(guān)研究成果以“Accelerating polymer self-consistent field simulation and inverse DSA-lithography with deep neural networks”為題發(fā)表于The Journal of Chemical Physics。
自洽場模型(SCFT)是研究嵌段共聚物(BCP)自組裝的核心工具，但其仿真過程需數(shù)百甚至上千次迭代，耗時較長。尤其在逆向DSA設(shè)計等需反復(fù)調(diào)用仿真模型的應(yīng)用中，計算效率瓶頸限制了設(shè)計精度與規(guī)模。現(xiàn)有簡化模型雖然能提高速，但難以完整捕捉復(fù)雜物理信息，且多為二維模型，無法反映三維結(jié)構(gòu)中的隱藏缺陷。
圖1 提出方法框架。(a)基于深度學(xué)習(xí)加速SCFT仿真框架；(b)基于CMA-ES算法的DSA逆向設(shè)計框架。
研究團隊提出了一種深度學(xué)習(xí)方法，以SCFT前期非平衡結(jié)果作為輸入，利用U-Net架構(gòu)結(jié)合周期性邊界條件，實現(xiàn)從無序狀態(tài)到平衡態(tài)的直接預(yù)測，如圖1(a)所示。該方法可以在保證精度的同時實現(xiàn)對SCFT的顯著加速。研究團隊還基于協(xié)方差矩陣適應(yīng)進化策略(CMA-ES)開發(fā)了DSA圖形化逆向設(shè)計算法，如圖1(b)所示，其中用深度神經(jīng)網(wǎng)絡(luò)替代傳統(tǒng)仿真實現(xiàn)了引導(dǎo)模板形狀的高效優(yōu)化。
圖2(a)(b)展示了在三維和二維large-cell的bulk體系中基于神經(jīng)網(wǎng)絡(luò)的加速仿真結(jié)果和SCFT仿真結(jié)果，仿真預(yù)測精度(AUC)可達0.87-0.97，加速5-10倍。圖2(c)展示了深度學(xué)習(xí)賦能的DSA逆向優(yōu)化結(jié)果，能夠成功消除孔圖形的不對稱、埋藏缺陷和橋連缺陷，同時仿真效率相比基于SCFT的優(yōu)化流程提升100倍。本研究在傳統(tǒng)的基于嚴格物理模型的仿真和深度學(xué)習(xí)方法之間架起了一座橋梁，提供了高效精確的圖形化仿真和逆向設(shè)計算法的新思路，有望應(yīng)用在導(dǎo)向自組裝圖形化工藝優(yōu)化和嵌段共聚物的理論研究中。
圖2 提出的基于深度學(xué)習(xí)加速方法的仿真結(jié)果。(a) 三維bulk體系深度學(xué)習(xí)與SCFT仿真結(jié)果對比；(b)二維bulk體系深度學(xué)習(xí)與SCFT仿真結(jié)果對比；(c)基于深度學(xué)習(xí)的DSA逆向優(yōu)化結(jié)果。
相關(guān)研究得到國家自然科學(xué)基金項目支持。
所有評論僅代表網(wǎng)友意見，與本站立場無關(guān)。