嵌段共聚物（block copolymers，BCPs）的定向自组装（directed self-assembly，DSA）为sub-10 nm 技术节点下接触孔或垂直互连通孔（vertical interconnected access, VIA）的制备提供了一种极具前景的方法。为了实现尺寸和位置精确可控的圆柱纳米孔，嵌段共聚物的自组装过程需要由合理设计的模板加以引导。然而，如何对模板形状进行有效参数化以实现高效优化，仍然是一个关键且具有挑战性的问题。此外，优化后的模板还必须具备优异的可制造性，才能满足实际光刻工艺的需求。

此工作提出了一种高斯描述符（Gaussian descriptor），充分利用纳米孔的位置参数，仅引入两个参数即可对模板形状进行降维表示。对于孔间距较大的目标图案，低曲率分布的模版虽然更利于光刻工艺的制造，但其在两孔之间形成低曲率分布的远端，不利于单组份AB嵌段共聚物体系形成精确的圆柱结构。因此，此工作提出采用AB/AB二元共混体系，而非单组份AB嵌段共聚物体系，以增强嵌段共聚物体系对模板形状的适应性。在此基础之上，还采用贝叶斯优化（Bayesian optimization，BO）方法对二元共混体系与模板形状进行协同优化。

研究结果表明，基于高斯描述符的贝叶斯优化方法能够高效地为多种复杂多孔图案生成最优模板，并获得高度匹配的自组装形貌。此外，在优化过程前只需对高斯描述符进行约束，即可限制模板的曲率变化，以此确保每一种优化模板都具备优良的可制造性。值得注意的是，在要求较高精度的前提下，共混体系中的各个关键参数均表现出相对宽泛的可调节窗口。

本研究为推动 DSA 技术的发展提供了有价值的见解，并有望进一步促进其在实际应用中的落地。该工作以“Fully Automated Inverse Co-Optimization of Templates and Block Copolymer Blending Recipes for Directed Self-Assembly Lithography”为题发表于《ACS Applied Materials & Interfaces》上。复旦大学为第一完成单位，高分子科学系硕士生周宇豪为第一作者，高分子科学系董庆树青年副研究员、李剑锋教授、李卫华教授为通讯作者。作者特别感谢国家自然科学基金、中华人民共和国科学技术部国家重点研发计划的大力支持。