遵循摩尔定律的轨迹,集成电路的发展进入纳米级时代。光刻是集成电路制造的核心步骤,但是由于光源技术发展的滞后,193纳米波长光刻仍然是纳米级集成电路制造的主要选择。当集成电路发展到90纳米以及以下工艺节点时,使用193纳米光刻制造设计版图会存在严重的光学邻近效应。为了弥补光学邻近效应,业界提出了大量的分辨率增强技术来改善光刻中的版图失真现象,如光学邻近校正技术,离轴照明技术以及浸没式光刻技术等。但是随着集成电路工艺节点的进一步发展,现有的分辨率增强技术需要得到进一步的改进与创新。另一方面,随着集成电路复杂度的不断增加,即使应用了大量的分辨率增强技术,版图设计中仍然存在许多难以制造的热点图形。在设计阶段找到热点图形以指导版图设计修改的过程被称为热点检测技术,它是集成电路可制造性设计技术研究的热门领域之一。本文主要内容及创新点集中在纳米级电路分辨率增强技术以及热点检测技术两个方面：基于支持向量机的反向光刻版图重定向算法。反向光刻技术又被称为基于点的光学邻近校正技术,由于其对版图的修改拥有更大的灵活性,因而可以获得更好的校正结果。针对反向光刻技术优化过程收敛缓慢、计算耗时等缺点,本文提出了一种基于支持向量机的版图重定向算法。通过对已有优化结果的学习得到支持向量机模型,再使用模型对版图上的每个点进行优化,该算法可以产生十分接近最终优化版图的重定向版图。使用该重定向版图作为反向光刻的初始输入版图,可以减少优化的迭代次数,降低优化时间。用于光学邻近校正的区别化层次管理方法。为了使光学邻近校正过程并行进行,减少全版图校正需要的时间,需要采取一定的层次化管理方法将原版图切分为子版图并分别进行校正。为了利用版图已有的层次化信息,本文提出了一种区别化层次管理方法。在通过相似区域识别方法将版图的不同区域划分为相似区域和非相似区域之后,对非相似区域采取“扁平化”层次管理,对相似区域则采取基于单元的环境识别,找出环境一致的相同单元,并对这些单元进行一次校正,结果多次复用的层次化管理。本文提出的区别化层次管理方法在保持校正精度的情况下,减少了校正面积,加快了全版图的校正速度。多目标的自对准双重图形分解算法。双重图形技术是集成电路亚32纳米工艺节点制造的主要解决方案之一,自对准双重图形技术由于在避免重叠误差影响上的天然优势引起了研究者的广泛关注。图形分解是将自对准双重图形技术用于二维版图制造的关键步骤,本文提出了一种多目标的自对准双重图形分解算法。该算法通过对原有的基于可满足性问题的算法增加更多的约束得到了优化的分解结果,包括以下几个方面：通过基于图论的版图预分解改善了核心掩模版图的密度分布；通过限制特定边的成像方式减少了成像图形边界受到重叠误差影响的比例,并完全禁止了剪切掩模边界和侧墙外边界的同向重叠,避免了在重叠误差的情况下出现原始版图中没有图形的错误；通过限制边的最小长度降低了分解结果版图的复杂度。改进的基于机器学习的热点检测算法。基于机器学习的热点检测方法由于较高的检测速度和检测未知热点的能力成为热点检测研究的热门方向。为了进一步增加基于机器学习的热点检测方法的检测速度和准确度,本文对原有的方法进行了改进,提出了稀疏矩阵特征提取方法和改进的层次化热点检测方法。稀疏矩阵特征提取方法在保证不同图形产生不同转换结果的同时减少了图形向量中非零元素的数量,从而加快了核函数的计算过程,提高了热点检测速度。改进的层次化热点检测方法增加了第三级分类器,降低了传统方法在减少非热点误报率的情况下对热点漏报率的影响,提高了热点检测的准确度。