本发明涉及半导体，具体涉及一种sraf布局方法、光刻掩膜版制作方法、装置、系统、介质及设备。
背景技术：
1、在半导体领域中，为了提高曝光分辨率和可靠性，通常会在光刻掩膜版上设置亚分辨率辅助图形(sub-resolution assistant feature，sraf)。sraf位于光刻掩膜版的稀疏的曝光图形附近，且尺寸明显小于曝光图形，对入射光起到散射作用，使得曝光图形在光学的角度上看起来像密集图形，因此也被称为散射条(scattering bar，sb)。由于sraf添加在光刻掩膜版中原本没有图案的位置，它们在曝光后不能印出，否则会造成缺陷。
2、随着半导体技术不断发展，芯片设计变得越来越复杂。这要求sraf布局方法必须能够处理更细致、更复杂的图案，并且，sraf的有效布局对布局位置的精度有很高的要求。不精确的布局可能导致光刻缺陷，如图案畸变或维度不准确等。
3、然而，采用现有sraf布局方法对sraf布局的效率较低。
技术实现思路
1、本发明要解决的问题是：如何提高sraf布局的效率。
2、为解决上述问题，本发明实施例提供了一种sraf布局方法，所述方法包括：
3、获取已布局的曝光图形数据；
4、将所述已布局的曝光图形数据输入至预设残差网络模型；
5、利用所述预设残差网络模型对所述已布局的曝光图形数据进行处理，得到最终掩膜图形数据；
6、其中，所述最终掩膜图形数据，包括：所述曝光图形数据以及sraf数据。
7、在一种可能的实施例中，所述预设残差网络模型包括两个以上残差单元，每个残差单元包括若干个卷积层以及一个跳跃连接；所述跳跃连接用于将所述已布局的曝光图形数据与卷积层的输出相加。
8、在一种可能的实施例中，所述预设残差网络模型还包括：第一卷积层、第一激活函数层、第一批归一化层，所述第一批归一化层与首个残差单元连接；第二批归一化层、第一全连接层、第二激活函数层及第二全连接层，所述第二批归一化层与最后一个残差单元连接。
9、在一种可能的实施例中，所述预设残差网络模型是采用以下训练方法训练得到的：
10、采集图形数据，形成图形数据训练集，所述图形数据训练集包括若干已布局的曝光图形数据以及对应的sraf数据；
11、利用所述图形数据训练集，对初始残差网络模型进行训练；
12、对训练完成的残差网络模型进行评估，将评估通过的残差网络模型作为所述预设残差网络模型。
13、在一种可能的实施例中，所述对初始残差网络模型进行训练，包括：对初始残差网络模型中卷积层的参数、批归一化方法、激活函数的选择以及跳跃连接的位置中至少一个进行训练。
14、在一种可能的实施例中，所述方法还包括：利用所述最终掩膜图形数据的光刻结果，对所述预设残差网络模型进行修正。
15、本发明实施例还提供了一种光刻掩膜版制作方法，所述方法包括：
16、根据光刻需求布局曝光图形；
17、采用上述任一种所述的sraf布局方法，在所述曝光图形间隙处布局sraf。
18、本发明实施例还提供了一种sraf布局装置，所述装置包括：
19、获取单元，适于获取已布局的曝光图形数据；
20、输入单元，适于将所述已布局的曝光图形数据输入至预设残差网络模型；
21、处理单元，适于利用所述预设残差网络模型对所述已布局的曝光图形数据进行处理，得到最终掩膜图形数据；
22、其中，所述最终掩膜图形数据，包括：所述曝光图形数据以及sraf数据。
23、在一种可能的实施例中，所述装置还包括：模型训练单元，适于采用训练得到所述预设残差网络模型。
24、在一种可能的实施例中，所述训练单元包括：
25、采集子单元，适于采集图形数据训练集，所述图形数据训练集包括若干已布局的曝光图形数据以及对应的sraf数据；
26、训练子单元，适于利用所述图形数据训练集，对初始残差网络模型进行训练；
27、评估子单元，适于对训练完成的残差网络模型进行评估，将评估通过的残差网络模型作为所述预设残差网络模型。
28、本发明实施例还提供了一种光刻掩膜版制作系统，所述系统包括：
29、曝光图形布局装置，适于根据光刻需求布局曝光图形；
30、以及上述任一种的sraf布局装置，适于在所述曝光图形间隙处布局sraf。
31、本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行，以实现上述任一种所述方法的步骤。
32、本发明实施例还提供了一种电子设备，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述任一种所述方法的步骤。
33、与现有技术相比，本发明实施例的技术方案具有以下优点：
34、应用本发明的方案，利用预设残差网络模型对已布局的曝光图形数据进行处理，得到包含亚分辨率辅助图形数据的最终掩膜图形数据。与传统深度神经网络相比，残差网络通过其独特的残差单元实现输入到输出的直接“跳跃”，有效解决了训练深层网络时的梯度消失或爆炸问题，故利用残差网络，模型能够更有效地学习复杂的sraf生成规则，减少手动调整的需求，提高自动sraf布局效率。
1.一种sraf布局方法，其特征在于，包括：
2.如权利要求1所述的sraf布局方法，其特征在于，所述预设残差网络模型包括两个以上残差单元，每个残差单元包括若干个卷积层以及一个跳跃连接；所述跳跃连接用于将所述已布局的曝光图形数据与卷积层的输出相加。
3.如权利要求2所述的sraf布局方法，其特征在于，所述预设残差网络模型还包括：第一卷积层、第一激活函数层、第一批归一化层，所述第一批归一化层与首个残差单元连接；第二批归一化层、第一全连接层、第二激活函数层及第二全连接层，所述第二批归一化层与最后一个残差单元连接。
4.如权利要求1所述的sraf布局方法，其特征在于，所述预设残差网络模型是采用以下训练方法训练得到的：
5.如权利要求4所述的sraf布局方法，其特征在于，所述对初始残差网络模型进行训练，包括：对初始残差网络模型中卷积层的参数、批归一化方法、激活函数的选择以及跳跃连接的位置中至少一个进行训练。
6.如权利要求4所述的sraf布局方法，其特征在于，还包括：利用所述最终掩膜图形数据的光刻结果，对所述预设残差网络模型进行修正。
7.一种光刻掩膜版制作方法，其特征在于，包括：
8.一种sraf布局装置，其特征在于，包括：
9.如权利要求8所述的sraf布局装置，其特征在于，还包括：模型训练单元，适于采用训练得到所述预设残差网络模型。
10.如权利要求9所述的sraf布局装置，其特征在于，所述训练单元包括：采集子单元，适于采集图形数据训练集，所述图形数据训练集包括若干已布局的曝光图形数据以及对应的sraf数据；
11.一种光刻掩膜版制作系统，其特征在于，包括：
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行，以实现权利要求1至7任一项所述方法的步骤。
13.一种电子设备，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行权利要求1至7任一项所述方法的步骤。
