La fotolitografía consiste en manipular la luz para grabar con precisión elementos en una superficie y se utiliza habitualmente para fabricar chips informáticos y dispositivos ópticos como lentes. Pero las pequeñas desviaciones que se producen durante el proceso de fabricación a menudo hacen que estos dispositivos no cumplan las intenciones de sus diseñadores.

Para ayudar a cerrar esta brecha entre diseño y fabricación, investigadores del MIT y de la Universidad China de Hong Kong utilizaron el aprendizaje automático para construir un simulador digital que imita un proceso específico de fabricación fotolitográfica. Su técnica utiliza datos reales recogidos del sistema fotolitográfico, de modo que puede modelar con mayor precisión cómo fabricaría el sistema un diseño.

Los investigadores integran este simulador en un marco de diseño, junto con otro simulador digital que emula el rendimiento del dispositivo fabricado en tareas posteriores, como la producción de imágenes con cámaras computacionales. Estos simuladores conectados permiten al usuario fabricar un dispositivo óptico que se ajuste mejor a su diseño y alcance el mejor rendimiento en la tarea.

Esta técnica podría ayudar a científicos e ingenieros a crear dispositivos ópticos más precisos y eficientes para aplicaciones como cámaras móviles, realidad aumentada, imágenes médicas, entretenimiento y telecomunicaciones. Y como el proceso de aprendizaje del simulador digital utiliza datos del mundo real, puede aplicarse a una amplia gama de sistemas fotolitográficos.

"Esta idea parece sencilla, pero las razones por las que no se ha intentado antes son que los datos reales pueden ser caros y que no hay precedentes de cómo coordinar eficazmente el software y el hardware para construir un conjunto de datos de alta fidelidad", explica Cheng Zheng, estudiante de posgrado de ingeniería mecánica y coautor principal de un artículo de acceso abierto en el que se describe el trabajo. "Hemos asumido riesgos y realizado una amplia exploración, por ejemplo, desarrollando y probando herramientas de caracterización y estrategias de exploración de datos, para determinar un esquema que funcione. El resultado es sorprendentemente bueno, pues demuestra que los datos reales funcionan con mucha más eficacia y precisión que los generados por simuladores compuestos de ecuaciones analíticas. Aunque puede resultar caro y uno puede sentirse despistado al principio, merece la pena hacerlo".

Zheng escribió el artículo junto con Guangyuan Zhao, coautora principal y estudiante de posgrado en la Universidad China de Hong Kong, y su asesor, Peter T. So, profesor de ingeniería mecánica e ingeniería biológica en el MIT. La investigación se presentará en la Conferencia SIGGRAPH Asia.

Imprimir con luz

La fotolitografía consiste en proyectar un patrón de luz sobre una superficie, lo que provoca una reacción química que graba las características en el sustrato. Sin embargo, el dispositivo fabricado termina con un patrón ligeramente diferente debido a minúsculas desviaciones en la difracción de la luz y pequeñas variaciones en la reacción química.

Dado que la fotolitografía es compleja y difícil de modelar, muchos de los enfoques de diseño existentes se basan en ecuaciones derivadas de la física. Estas ecuaciones generales dan cierta idea del proceso de fabricación, pero no pueden captar todas las desviaciones específicas de un sistema fotolitográfico. Esto puede hacer que los dispositivos no rindan lo suficiente en el mundo real.

Para su técnica, que denominan litografía neuronal, los investigadores del MIT construyen su simulador fotolitográfico utilizando ecuaciones basadas en la física como base, y luego incorporan una red neuronal entrenada con datos experimentales reales del sistema fotolitográfico de un usuario. Esta red neuronal, un tipo de modelo de aprendizaje automático basado vagamente en el cerebro humano, aprende a compensar muchas de las desviaciones específicas del sistema.

Los investigadores recopilan datos para su método generando muchos diseños que cubren una amplia gama de tamaños y formas de características, que fabrican utilizando el sistema de fotolitografía. Miden las estructuras finales y las comparan con las especificaciones del diseño, emparejando esos datos y utilizándolos para entrenar una red neuronal para su simulador digital.

"El rendimiento de los simuladores aprendidos depende de los datos introducidos, y los datos generados artificialmente a partir de ecuaciones no pueden cubrir las desviaciones del mundo real, por eso es importante contar con datos del mundo real", afirma Zheng.

Simuladores duales

El simulador de litografía digital consta de dos componentes separados: un modelo óptico que capta cómo se proyecta la luz sobre la superficie del dispositivo, y un modelo de resistencia que muestra cómo se produce la reacción fotoquímica para producir características en la superficie.

En una tarea posterior, conectan este simulador de fotolitografía aprendido a un simulador basado en la física que predice cómo se comportará el dispositivo fabricado en esta tarea, por ejemplo, cómo difractará una lente difractiva la luz que incide sobre ella.
El usuario especifica los resultados que desea que obtenga el dispositivo. A continuación, estos dos simuladores trabajan juntos en un marco más amplio que muestra al usuario cómo realizar un diseño que alcance esos objetivos de rendimiento.

"Con nuestro simulador, el objeto fabricado puede obtener el mejor rendimiento posible en una tarea posterior, como las cámaras computacionales, una tecnología prometedora para hacer futuras cámaras miniaturizadas y más potentes. Demostramos que, aunque se utilice la poscalibración para intentar obtener un resultado mejor, seguirá sin ser tan bueno como tener nuestro modelo fotolitográfico en el bucle", añade Zhao.

Probaron esta técnica fabricando un elemento holográfico que genera una imagen de mariposa cuando la luz incide sobre él. Al compararlo con dispositivos diseñados con otras técnicas, su elemento holográfico produjo una mariposa casi perfecta que se ajustaba mejor al diseño. También fabricaron una lente de difracción multinivel con mejor calidad de imagen que otros dispositivos.

En el futuro, los investigadores quieren mejorar sus algoritmos para modelar dispositivos más complicados y probar el sistema con cámaras de consumo. Además, quieren ampliar su enfoque para que pueda utilizarse con distintos tipos de sistemas fotolitográficos, como los que emplean luz ultravioleta profunda o extrema.

Esta investigación está financiada, en parte, por los Institutos Nacionales de Salud de EE.UU., Fujikura Limited y el Fondo de Innovación y Tecnología de Hong Kong.

Más información 

###