一种基于残差图神经网络的光学邻近效应校正方法与系统

本发明公开了基于残差图神经网络的光学邻近效应校正方法与系统，通过将掩模表示为图结构数据并采用与基于模型的OPC(model‑based OPC，简称MBOPC)迭代过程具有相似结构的ResGNN，构建了一种快速的MBOPC计算方法。作为数据驱动方法，与基于迭代的MBOPC方法相比，本发明提供的方法可以显著提高计算效率。同时，该ResGNN模型的结构使其既可以更好地体现MBOPC的迭代过程的物理特性，又可以应对图神经网络层数增加时出现的梯度消失问题，最终实现对训练数据更好的拟合。本发明可以提升MBOPC过程的计算效率，提升先进节点下光刻生产的生产效率。