CN116034462A - 控制装置、控制装置的调整方法、光刻装置、以及物品制造方法 - Google Patents

控制装置、控制装置的调整方法、光刻装置、以及物品制造方法 Download PDF

Info

Publication number
CN116034462A
CN116034462A CN202180054976.5A CN202180054976A CN116034462A CN 116034462 A CN116034462 A CN 116034462A CN 202180054976 A CN202180054976 A CN 202180054976A CN 116034462 A CN116034462 A CN 116034462A
Authority
CN
China
Prior art keywords
control
signal
generate
corrector
deviation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202180054976.5A
Other languages
English (en)
Inventor
草柳博一
畑智康
猪股裕也
朝仓康伸
桥本拓海
森川宽
伊藤正裕
石井祐二
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Inc
Original Assignee
Canon Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Canon Inc filed Critical Canon Inc
Publication of CN116034462A publication Critical patent/CN116034462A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70691—Handling of masks or workpieces
    • G03F7/70716—Stages
    • G03F7/70725—Stages control
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
    • G03F7/70516—Calibration of components of the microlithographic apparatus, e.g. light sources, addressable masks or detectors
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
    • G03F7/70525—Controlling normal operating mode, e.g. matching different apparatus, remote control or prediction of failure
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F9/00—Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/68—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for positioning, orientation or alignment
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45028—Lithography

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Feedback Control In General (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
  • Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)

Abstract

生成用于对控制对象进行控制的控制信号的控制装置包括第一补偿器、校正器、第二补偿器、以及运算设备，所述第一补偿器被配置为基于所述控制对象的控制偏差生成第一信号，所述校正器被配置为通过根据运算表达式校正所述控制偏差来生成校正信号，所述运算表达式具有可调整的系数，所述第二补偿器被配置为基于所述校正信号由神经网络生成第二信号，所述运算设备被配置为基于所述第一信号和所述第二信号生成所述控制信号。

Description

控制装置、控制装置的调整方法、光刻装置、以及物品制造方法
技术领域
本发明涉及控制装置、控制装置的调整方法、光刻装置、以及物品制造方法。
背景技术
最近，对改善控制精确度的要求正在变得更严格，因此在一些情况下仅通过使用传统的反馈控制无法实现所需的精确度。因此，正在努力与传统的控制器并行地使用神经网络控制器(PTL 1)。神经网络控制器的参数是通过机器学习来调整的，但是控制器具有涉及可靠性的问题。例如，通过机器学习生成的控制器可能在与学习期间给出的状况有很大不同的状况下(即，在控制对象的状态已改变时或者在干扰(disturbance)环境已改变时)执行异常输出。为了解决这个问题，已提出在神经网络控制器的输出级中安装用于限制输出的限制单元的技术(PTL 2)。
引文列表
专利文献
PTL 1：日本专利特许公开No.7-603563
PTL 2：日本专利特许公开No.2019-71505
发明内容
技术问题
当控制对象的状态已改变和/或干扰环境已改变时，使用神经网络的传统控制装置的预定的神经网络参数值可能不再是最优的，并且控制精确度变差。在这种情况下，可以通过利用重新学习重新确定神经网络参数值来改善控制精确度。然而，重新学习的执行需要相当长的时间。而且，在重新学习中执行预定的学习序列(sequence)，因此装置不能生产(produce)任何东西。因此，重新学习的执行会降低装置的生产率。
本发明的目的是要提供在改善对控制对象的状态改变和/或干扰环境的改变的容忍度上有利的技术。
问题的解决方案
本发明的一个方面涉及用于生成用于对控制对象进行控制的控制信号的控制装置，并且所述控制装置包括第一补偿器、校正器、第二补偿器、以及运算设备，所述第一补偿器被配置为基于所述控制对象的控制偏差生成第一信号，所述校正器被配置为通过根据运算表达式校正所述控制偏差来生成校正信号，所述运算表达式具有可调整的系数，所述第二补偿器被配置为基于所述校正信号由神经网络生成第二信号，所述运算设备被配置为基于所述第一信号和所述第二信号生成所述控制信号。
发明的有利效果
本发明提供了在改善对控制对象的状态改变和/或干扰环境的改变的容忍度上有利的技术。
附图说明
图1是示出第一实施例的系统的配置示例的图；
图2是示出第一实施例的系统的配置示例的图；
图3是示出第一实施例的系统中的控制器的配置示例的框图；
图4是示出第一实施例的系统中的控制器的配置示例的框图；
图5是示出第一实施例的系统的配置示例的图；
图6是示出在第二实施例的系统被应用到生产装置时的系统的操作示例的流程图；
图7A是示出调整(或重新调整)校正器的参数值的处理的示例的流程图；
图7B是示出调整(或重新调整)校正器的参数值的处理的示例的流程图；
图8是示出干扰抑制特性的示例的图；
图9是示出第二实施例的台架控制装置的配置的图；
图10是示出第二实施例的台架控制装置的控制器的配置示例的框图；
图11是示出第三实施例的曝光装置的配置示例的图；
图12是示出第三实施例的位置控制偏差的示例的图；以及
图13是示出第三实施例中的频率分析的结果的示例的图。
具体实施方式
在下文中，将参考附图详细描述实施例。注意，以下实施例不旨在限制要求保护的发明的范围。在实施例中描述了多个特征，但是不限于要求所有这样的特征的发明，并且可以适当地组合多个这样的特征。此外，在附图中，对类似或相似的配置给予相同的参考数字，并且省略其冗余描述。
图1示出了第一实施例的系统SS的配置。系统SS可以被应用到例如用于制造物品的制造装置。这个制造装置可以包括例如用于处理形成物品的部件或者形成物品的一部分的部件的材料或构件的处理装置。处理装置可以是例如用于将图案转印到材料或构件的光刻装置、用于在材料或构件上形成膜的膜形成装置、用于对材料或构件进行蚀刻的装置、以及用于对材料或构件进行加热的加热装置。
系统SS可以包括例如序列单元101、控制装置100和控制对象103。控制装置100可以包括控制器102。控制装置100或控制器102可以生成操纵量(操纵量(manipulatedvariable)信号)MV作为用于对控制对象103进行控制的控制信号。当系统SS被应用到生产系统时，可以对序列单元101提供生产序列。生产序列可以定义生产的过程。基于这个生产序列，序列单元101可以生成用于对控制对象103进行控制的目标值R，并且将目标值R提供给控制装置100或控制器102。
控制装置100或控制器102可以对控制对象103执行反馈控制。更具体地，基于作为从序列单元101提供的目标值R与从控制对象103提供的控制量(controlled variable)CV之间的差值的控制偏差，控制装置100或控制器102可以对控制对象103进行控制，使得控制对象103的控制量CV跟随目标值R。控制对象103可以具有用于检测控制量CV的传感器，并且由传感器检测的控制量CV可以被提供给控制器102。目标值R、操纵量MV和控制量CV中的每一个可以是根据时间的经过而改变它的值的时序数据。
如图2中所示，系统SS可以包括学习单元201。学习单元201可以被配置作为控制装置100的一部分，并且也可以被配置作为控制装置100的外部设备。当学习单元201被配置作为控制装置100的外部设备时，学习单元201可以在学习完成之后与控制装置100分离。学习单元201可以被配置为将准备的学习序列发送到序列单元101。序列单元101可以根据学习序列生成目标值R，并且将目标值R提供给控制器102。
控制器102可以基于作为由序列单元101根据学习序列生成并且从其提供的目标值R与从控制对象103提供的控制量CV之间的差值的控制偏差生成操纵量MV。控制器102具有神经网络并且可以通过使用神经网络来生成操纵量MV。由控制器102生成的操纵量MV可以被提供给控制对象103，并且控制对象103可以根据操纵量MV进行操作。作为这个操作的结果的控制量CV可以被提供给控制器102。控制器102可以向学习单元201提供指示基于目标值R的控制器102的操作的历史的操作日志。基于这个操作日志，学习单元201可以确定神经网络的参数值并且在控制器102的神经网络中设置参数值。参数值可以通过诸如强化学习的机器学习来确定。
图3示出了控制器102的配置示例。控制器102可以包括用于基于控制对象103的控制偏差E生成第一信号S1的第一补偿器301、以及用于通过根据具有可调整的系数的运算表达式校正控制偏差E来生成校正信号CS的校正器303。控制器102还可以包括用于基于校正信号CS由神经网络生成第二信号S2的第二补偿器302、以及用于基于第一信号S1和第二信号S2生成作为控制信号的操纵量MV的运算单元306。操纵量MV是第一和第二信号S1和S2之和，因此运算单元306可以由加法器配置。从另一个视角来看，操纵量MV是基于第一和第二信号S1和S2校正的信号。控制器102可以包括用于生成作为目标值R与控制量CV之间的差值的控制偏差E的减法器305。
控制器102可以进一步包括操作日志记录器304。学习单元201可以被配置为确定第二补偿器302的神经网络的参数值。对于学习单元201的这个学习，操作日志记录器304可以记录学习单元201的学习所需要的操作日志，并且将记录的操作日志提供给学习单元201。操作日志可以是作为第二补偿器302的输入数据的校正信号CS和作为第二补偿器302的输出数据的第二信号S2，但是也可以是其它数据。
下面将解释校正器303的一些配置示例。第一至第五配置示例提供了要被校正器303使用以基于控制偏差E生成校正信号CS的运算表达式的示例。运算表达式可以是单项式或多项式。
在第一配置示例中，校正器303具有由等式1的运算表达式表示的控制特性。在这个运算表达式中，x是校正器303的输入(E)，y是校正器303的输出(CS)，并且Kp是任意系数(常数)。
y＝Kpx   ...(1)
在第二配置示例中，校正器303具有由等式2的运算表达式表示的控制特性。在这个运算表达式中，x是校正器303的输入(E)，y是校正器303的输出(CS)，t是时间，并且Ki是任意系数(常数)。注意的是，可以多次执行积分。积分可以是给定时间区间内的定积分、或者不定积分。
y＝Ki∫x dt...(2)
在第三配置示例中，校正器303具有由等式3的运算表达式表示的控制特性。在这个运算表达式中，x是校正器303的输入(E)，y是校正器303的输出(CS)，t是时间，并且Kd是任意系数(常数)。注意的是，可以多次执行微分。
Figure BDA0004111335560000061
在第四配置示例中，校正器303具有由等式4的运算表达式表示的控制特性。在这个运算表达式中，x是校正器303的输入(E)，y是校正器303的输出(CS)，并且Kp、Ki和Kd是任意系数(常数)。注意的是，可以多次执行积分和微分。
Figure BDA0004111335560000062
在第五配置示例中，校正器303具有由等式5的运算表达式表示的控制特性。在这个运算表达式中，x是校正器303的输入(E)，y是校正器303的输出(CS)，n是多重积分的积分阶数，m是微分阶数，Kp是任意系数(常数)，Ki_n是n重积分的任意系数(常数)，并且Kd_m是m阶微分的任意系数(常数)。
Figure BDA0004111335560000063
第一至第五配置示例中的每一个可以被理解为以下的示例：在该示例中，要被校正器303使用以生成校正信号CS的运算表达式包含与控制偏差E成比例的项、对控制偏差E进行一次或更多次积分的项、以及对控制偏差E进行一次或更多次微分的项中的至少一个。
第一至第五配置示例中的运算表达式的系数(常数)Kp、Ki、Kd、Ki_n和Kd_m是校正器303可调整的参数的示例。当在系统SS正在操作时控制对象103的状态已改变和/或干扰环境已改变时，可以通过调整作为第一至第五配置示例进行例示的运算表达式(的系数)的值(参数值)来控制这个改变或这些改变。调整校正器303的运算表达式(的系数)的值所需的时间比神经网络的重新学习所需的时间短。因而，可以维持控制精确度，而不降低系统SS的生产率。即，可以通过使用校正器303来改善对控制对象的状态改变和/或干扰环境的改变的容忍度。
图4示出了控制器102的另一个配置示例。如图4中所示，控制器102可以具有多个(两个或更多个)神经网络302。由校正器303生成的校正信号CS可以被提供给多个神经网络302。替代地，由校正器303生成的校正信号CS可以被提供给多个神经网络302中的选择的神经网络302。可以基于控制对象103的操作模式由选择器401选择多个神经网络302中的一个，并且将由选择器401选择的神经网络302的输出作为第二信号S2提供给运算单元306。可以从序列单元101向选择器401提供指示要被选择器401使用以选择神经网络的操作模式的信息。
多个神经网络302的参数值可以根据控制对象103的操作模式确定。例如，当控制对象103包括台架并且台架的位置要被控制时，可以对台架被加速的加速区间中的操作模式和对其它操作模式使用不同的神经网络。也可以将两个系统SS并入到曝光装置中，由一个系统SS控制板台架(基板台架)，并且由另一个系统SS控制掩模台架(原件台架)。在这种情况下，可以对板台架和掩模台架被同步驱动的同步区间中的操作模式和对其它操作模式在系统SS中使用不同的神经网络。
如上所述，当使用多个神经网络302时，校正器303的使用可以改善对控制对象的状态改变和/或干扰环境的改变的容忍度。
如图5中所示，控制装置100可以包括用于设置校正器303的参数值的设置单元202。设置单元202可以执行调整校正器303的参数值的调整处理，并且通过这个调整处理来确定校正器303的参数值，并且也可以基于来自用户的命令确定校正器303的参数值。在前一种情况下，设置单元202可以向序列单元101发送用于检查控制器102的操作的检查序列，并且基于这个检查序列使序列单元101生成目标值R。然后，设置单元202可以从基于目标值R操作的控制器102获取操作日志(例如，控制偏差)，并且基于操作日志确定校正器303的参数值。具有上述功能的设置单元202可以被理解为用于调整校正器303的参数值的调整单元。
在序列单元101基于生产序列生成目标值R的生产期间，设置单元202可以从控制器102获取操作日志(例如，控制偏差)，并且基于这个操作日志确定是否要调整校正器303的参数值。也可以与设置单元202分开地安装用于确定在序列单元101基于生产序列生成目标值R的生产期间是否要通过使用设置单元202来调整校正器303的参数值的确定单元。
图6示出了在系统SS被应用到生产装置时的第一实施例的系统SS的操作示例。在步骤S501中，序列单元101可以基于给定的生产序列生成目标值R，并且将目标值R提供给控制装置100或控制器102。控制装置100或控制器102可以基于目标值R对控制对象103进行控制。在步骤S502中，设置单元202可以获取步骤S501中的控制器102的操作日志(例如，控制偏差)。在步骤S503中，设置单元202可以基于在步骤S502中获取的操作日志确定是否要执行校正器303的参数值的调整(或重新调整)。例如，当操作日志满足预定的条件时，设置单元202可以确定执行校正器303的参数值的调整(或重新调整)。预定的条件是用于使生产停止的条件，例如，作为操作日志获取的控制偏差超过规定值的条件。如果确定由设置单元202执行校正器303的参数值的调整(或重新调整)，那么处理前进到步骤S504；否则，处理前进到步骤S505。在步骤S504中，设置单元202执行校正器303的参数值的调整(或重新调整)。这个调整是在第二补偿器302的参数值维持在先前状态的状态下执行的，并且校正器303的参数值(系数)通过调整被重新设置。
在步骤S505中，序列单元101确定是否要按照生产序列终止生产。如果在步骤S505中为“否”，那么处理返回到步骤S501。如果在步骤S501中为“是”，那么终止生产。在以上处理中，即使在生产要被停止的状态下，也可以立即调整校正器303的参数值并且在最小化生产的中断的同时重启生产。
在步骤S504中，设置单元202可以向序列单元101发送检查序列，使序列单元101执行检查序列，并且从控制器102获取检查序列中的操作日志(例如，控制偏差)。然后，设置单元202可以对操作日志执行频率分析，基于分析结果确定要改善的频率，并且确定校正器303的参数值，使得该频率处的控制偏差不超过规定值。步骤S504的更实际的示例将在第二实施例中解释。
图8示出了干扰抑制特性的测量结果的示例。干扰抑制特性是在给出正弦波作为操纵量MV时控制偏差E的频率响应。在图8中，横坐标表示频率，并且纵坐标表示干扰抑制特性的增益。干扰抑制特性表示在对操纵量添加干扰时控制偏差E的频率响应，因此大的增益指示抑制干扰的效果低。另一方面，小的增益指示抑制干扰的效果高。在图8中，断线示出调整之前的干扰抑制特性。
当通过确定图8中的长短交替的虚线指示的频率是要改善干扰抑制特性的频率来执行步骤S504时，可以获得例如由实线指示的干扰抑制特性。干扰抑制特性的增益在要改善的频率处降低，这示出干扰抑制特性已改善。
下面将解释第二实施例。第二实施例中未提及的事项遵从第一实施例。图9示出了第一实施例的控制系统SS或控制装置100被应用到台架控制装置800的示例。台架控制装置800被配置为控制台架804。台架控制装置800可以包括例如控制基板801、电流驱动器802、马达803、台架804和传感器805。控制基板801与第一实施例的系统SS中的控制装置100或控制器102对应。电流驱动器802、马达803、台架804和传感器805与第一实施例的系统SS中的控制对象103对应。然而，电流驱动器802也可以并入到控制基板801中。尽管在图9中未示出，但是台架控制装置800可以包括序列单元101、学习单元201和设置单元202。
作为目标值可以从序列单元101向控制基板801供给位置目标值。基于从序列单元101供给的这个位置目标值和从传感器805供给的位置信息，控制基板801可以生成作为控制信号或作为操纵量(操纵量命令)的电流命令，并且将这个电流命令供给到电流驱动器802。而且，控制基板801可以向序列单元101供给操作日志。
电流驱动器802可以向马达803供给遵从电流命令的电流。马达803可以是将从电流驱动器802供给的电流转换成驱动力并且利用这个驱动力驱动台架804的致动器。台架804可以保持诸如板或掩模的物体。传感器805可以检测台架804的位置并且将获得的位置信息供给到控制基板801。
图10将控制基板801的配置示例作为框图示出。控制基板801可以包括用于基于作为控制对象的台架804的位置控制偏差E生成第一信号S1的第一补偿器301、以及用于通过根据具有可调整的系数的运算表达式校正控制偏差E来生成校正信号CS的校正器303。控制基板801还可以包括用于基于校正信号CS由神经网络生成第二信号S2的第二补偿器302、以及用于基于第一信号S1和第二信号S2生成作为控制信号或作为操纵量信号的电流命令的运算单元306。控制基板801可以进一步包括用于生成作为位置目标值PR与位置信息之间的差值的控制偏差E的减法器305。
第二实施例的台架控制装置100可以包括学习单元201，并且学习单元201可以被配置为执行用于确定第二补偿器302的神经网络的参数值的学习。对于学习单元201的这个学习，操作日志记录器304可以记录学习单元201的学习所需的操作日志，并且将记录的操作日志提供给学习单元201。操作日志可以是例如作为第二补偿器302的输入数据的校正信号CS和作为第二补偿器302的输出数据的第二信号S2，但是也可以是其它数据。
第二实施例的台架控制装置100可以包括设置单元202。设置单元202可以执行调整校正器303的参数值的调整处理，通过这个调整处理确定校正器303的参数值，并且设置确定的参数值，并且也可以基于来自用户的命令设置校正器303的参数值。
将再次参考图6解释在台架控制装置800被应用到生产装置时第二实施例的台架控制装置800的操作的示例。在步骤S501中，序列单元101可以基于给定的生产序列生成位置目标值PR，并且将位置目标值PR提供给台架控制装置800。台架控制装置800可以基于位置目标值PR控制台架804的位置。在步骤S502中，设置单元202可以获取步骤S501中的控制基板801的操作日志(例如，控制偏差)。在步骤S503中，设置单元202可以基于在步骤S502中获取的操作日志确定是否要由设置单元202执行校正器303的参数值的调整(或重新调整)。例如，如果操作日志满足预定的条件，那么设置单元202可以确定执行校正器303的参数值的调整(或重新调整)。预定的条件是用于使生产停止的条件，例如，在台架804被以恒定的速度驱动时位置控制偏差的最大值超过预定的规定值的条件。如果确定由设置单元202执行校正器303的参数值的调整(或重新调整)，那么处理前进到步骤S504；否则，处理前进到步骤S505。在步骤504中，设置单元202可以执行校正器303的参数值的调整(或重新调整)。在步骤S505中，序列单元101确定是否要按照生产序列终止生产。如果在步骤S505中为“否”，那么处理返回到步骤S501。如果在步骤S505中为“是”，那么终止生产。
图7A和7B图示了在步骤S504中调整(或重新调整)校正器303的参数值的处理的实际示例。在步骤S601中，设置单元202可以向序列单元101发送用于检查台架控制装置800的操作的检查序列，并且基于这个检查序列使序列单元101生成位置目标值PR。在步骤S602中，设置单元202可以从基于位置目标值PR操作的控制器102获取作为操作日志的位置控制偏差E。图12示出了位置控制偏差的示例。在图12中，横坐标指示时间，并且纵坐标指示位置控制偏差E。由点线指示的曲线是校正器303的参数值被调整之前的位置控制偏差E，并且示出位置控制精确度已变差。
在步骤S603中，设置单元202可以对在步骤S602中获取的位置控制偏差E执行频率分析。图13示出了步骤S603中的频率分析的结果的示例。在图13中，横坐标表示频率，并且纵坐标表示功率谱。点线指示调整之前示出最大频谱的频率。在步骤S604中，设置单元202可以确定功率谱中示出最大频谱的频率是要被改善的频率。
步骤S605至S610指示调整校正器303的参数值的调整处理的实际示例。这个示例将通过使用最陡下降法作为参数值调整方法来解释，但是也可以使用另一种方法。在步骤S605中，设置单元202将n初始化为1。例如，当校正器303的运算表达式由三项(即，一阶积分项、比例项和一阶微分项)进行配置时，具有要被调整的值的参数是三个参数Ki、Kp和Kd。下面的等式6示出了第n次调整中的参数值pn。
Figure BDA0004111335560000121
在步骤S606中，设置单元202可以对参数值pn的第一次调整中的参数值p1设置任意的初始值。在第n次调整中，可以设置要由等式8(稍后要描述)指示的参数值pn。
用于调整参数值pn的目标函数J(pn)可以是例如在步骤S604中确定的频率处的干扰抑制特性的增益。在步骤S607中，设置单元202可以测量目标函数J(pn)的梯度向量gradJ(pn)。梯度向量grad J(pn)可以由等式7给出。梯度向量grad J(pn)可以通过将配置参数值pn的元素Ki-n、Kp-n和Kd-n改变非常小的量来测量。
Figure BDA0004111335560000131
在步骤S608中，设置单元202作为最陡下降法的收敛确定可以确定梯度向量gradJ(pn)的每个元素的值是否等于或小于规定值。如果梯度向量grad J(pn)的每个元素的值等于或小于规定值，那么设置单元202可以终止校正器303的参数值的调整。另一方面，梯度向量grad J(pn)的每个元素的值超过规定值，设置单元202可以在步骤S609中计算参数值pn+1。在这个步骤中，参数值pn+1可以通过使用例如大于0的任意常数α根据等式8来计算。在步骤S610中，设置单元202对n的值加1并且返回到步骤S606。
pn+1＝pn-αgrad J(pn)...(8)
在步骤S611中，设置单元202可以向序列单元101发送用于检查台架控制装置800的操作的检查序列，并且基于检查序列使序列单元101生成位置目标值PR。在步骤S612中，设置单元202可以从基于位置目标值PR操作的控制器102获取作为操作日志的位置控制偏差E。
在步骤S613中，设置单元202确定在步骤S612中获取的位置控制偏差E是否等于或小于规定值。如果位置控制偏差E已超过规定值，那么设置单元202可以返回到步骤S601并且再次执行调整。如果位置控制偏差E等于或小于规定值，那么设置单元202可以终止调整。
在第二实施例中，当包括台架804的控制对象的状态已改变和/或干扰已改变时，这个改变可以通过调整校正器303的参数值来控制。在图12中所示的示例中，由点线指示的位置控制偏差减小到由实线指示的位置控制偏差，因此控制精确度改善。
在由等式6指示的示例中，校正器303的参数的数量仅为3个，即，远小于一般神经网络的参数的数量。例如，当使用深度神经网络时，如果输入层的阶数为5、隐藏层的阶数为32×2、并且输出层的阶数为8，那么参数的数量为1545。调整校正器303的参数值所需的时间比通过重新学习来确定1545个参数值所需的时间短。这使得可以维持控制精确度，而不牺牲台架控制装置800的生产率。
图11示意性地示出了第三实施例的曝光装置EXP的配置示例。曝光装置EXP可以被配置为扫描曝光装置。曝光装置EXP可以包括例如照明光源1000、照明光学系统1001、掩模台架1003、投影光学系统1004和板台架1006。照明光源1000可以包括汞灯、准分子激光源或EUV光源，但是不限于这些。来自照明光源1000的曝光光1010被照明光学系统1001整形为具有均匀照度的投影光学系统1004的照射区域的形状。在一个示例中，曝光光1010可以被整形为在作为与Y轴和Z轴形成的平面垂直的轴的X方向上伸长的矩形。曝光光1010可以根据投影光学系统1004的类型被整形为圆弧形状。经整形的曝光光1010被发射到掩模(原件)1002的图案，并且已经过掩模1002的图案的曝光光1010经由投影光学系统1004在板(基板)1005的表面上形成掩模1002的图案的图像。
掩模1002由掩模台架1003通过例如真空吸附来保持。板1005由板台架1006的卡盘1007通过例如真空吸附来保持。掩模台架1003和板台架1006的位置可以由包括诸如激光干涉仪或激光标尺的位置传感器1030、诸如线性马达的驱动系统1031、以及控制器1032的多轴位置控制装置来控制。从位置传感器1030输出的位置测量值可以被提供给控制器1032。控制器1032基于作为位置目标值与位置测量值之间的差值的位置控制偏差生成控制信号(操纵量信号)，并且将控制信号提供给驱动系统1031，从而驱动掩模台架1003和板台架1006。通过在Y方向上同步驱动掩模台架1003和板台架1006的同时对板1005执行扫描曝光，掩模1002的图案被转印到板1005(上的感光材料)。
下面将解释第二实施例被应用到板台架1006的控制的情况。参考图9，控制基板801与控制器1032对应，电流驱动器802和马达803与驱动系统1031对应，台架804与板台架1006对应，并且传感器805与位置传感器1030对应。通过将具有神经网络的控制器应用到板台架1006的控制，可以减小板台架1006的位置控制偏差。因此，可以改善重叠精确度等。神经网络的参数值可以通过预定的学习序列来确定。然而，如果从学习时起控制对象的状态已改变和/或干扰环境已改变，那么板台架1006的控制精确度降低。即使在比如这样的情况下，也可以在比重新学习神经网络所需的时间段短的时间段内调整校正器的参数值。因此，可以维持控制精确度，而不牺牲曝光装置的生产率。
下面将解释第二实施例被应用到掩模台架1003的控制的情况。参考图9，控制基板801与控制器1032对应，电流驱动器802和马达803与驱动系统1031对应，台架804与掩模台架1003对应，并且传感器805与位置传感器1030对应。
即使当第二实施例被应用到掩模台架1003时，也可以减小掩模台架1003的位置控制偏差。因此，可以改善重叠精确度等。神经网络的参数值可以通过预定的学习序列来确定。神经网络的参数值可以通过预定的学习序列来确定。然而，如果从学习时起控制对象的状态已改变和/或干扰环境已改变，那么掩模台架1003的控制精确度降低。即使在比如这样的情况下，也可以在比重新学习神经网络所需的时间段短的时间段内调整校正器的参数值。因此，可以维持控制精确度，而不牺牲曝光装置的生产率。
第二实施例不仅可应用到曝光装置的台架的控制，而且还可应用到诸如压印装置和电子束光刻装置的其它光刻装置中的台架的控制。而且，第一或第二实施例可以被应用到用于传送物品的传送器机构的诸如用于保持物品的手的移动部分的控制。
如上所述的光刻装置可以被用于执行用于制造各种物品(例如，半导体IC设备、液晶显示设备和MEMS)的物品制造方法。物品制造方法包括通过使用以上提到的光刻装置来将原件的图案转印到基板的转印步骤、以及对已经历转印步骤的基板进行处理的处理步骤，并且从已经历处理步骤的基板获得物品。当光刻装置是曝光装置时，转印步骤可以包括通过原件对基板进行曝光的曝光步骤、以及对已经历曝光步骤的基板进行显影的显影步骤。
本发明可以通过将用于实现上述实施例的一个或多个功能的程序经由网络或存储介质供给到系统或装置、以及使系统或装置的计算机中的一个或多个处理器读出并且执行程序的处理来实现。本发明也可以通过用于实现一个或多个功能的电路(例如，ASIC)来实现。
本发明不限于以上的实施例，并且可以在本发明的精神和范围内进行各种改变和修改。因此，为了向公众告知本发明的范围，提出随附的权利要求。
本申请要求2020年9月10日提交的日本专利申请No.2020-152293的优先权，该日本专利申请No.2020-152293特此通过引用并入本文。
参考符号列表
100：控制装置，102：控制器，103：控制对象，301：第一补偿器，302：第二补偿器，303：校正器，305：减法器，306：运算设备。

Claims (17)

1.一种用于生成用于对控制对象进行控制的控制信号的控制装置，包括：
第一补偿器，所述第一补偿器被配置为基于所述控制对象的控制偏差生成第一信号；
校正器，所述校正器被配置为通过根据运算表达式校正所述控制偏差来生成校正信号，所述运算表达式具有可调整的系数；
第二补偿器，所述第二补偿器被配置为基于所述校正信号由神经网络生成第二信号；以及
运算设备，所述运算设备被配置为基于所述第一信号和所述第二信号生成所述控制信号。
2.根据权利要求1所述的控制装置，其中，所述运算表达式包含与所述控制偏差成比例的项。
3.根据权利要求1或2所述的控制装置，其中，所述运算表达式包含对所述控制偏差进行不少于一次积分的项。
4.根据权利要求1至3中的任一项所述的控制装置，其中，所述运算表达式包含对所述控制偏差进行不少于一次微分的项。
5.根据权利要求1所述的控制装置，其中，所述运算表达式包含以下中的至少一个：与所述控制偏差成比例的项、对所述控制偏差进行不少于一次积分的项、以及对所述控制偏差进行不少于一次微分的项。
6.根据权利要求1至5中的任一项所述的控制装置，还包括设置单元，所述设置单元被配置为对所述运算表达式进行设置。
7.根据权利要求6所述的控制装置，其中，所述设置单元在预定的条件被满足的情况下对所述运算表达式的所述系数进行重新设置。
8.根据权利要求7所述的控制装置，其中，所述预定的条件包括所述控制偏差超过规定值的条件。
9.根据权利要求6所述的控制装置，其中，在所述预定的条件被满足的情况下，所述设置单元在所述神经网络的参数值维持在先前状态的状态下对所述运算表达式的所述系数进行重新设置。
10.根据权利要求9所述的控制装置，其中，所述预定的条件包括所述控制偏差超过规定值的条件。
11.根据权利要求6至10中的任一项所述的控制装置，其中，所述设置单元基于干扰抑制特性对所述运算表达式进行重新设置。
12.根据权利要求1至11中的任一项所述的控制装置，还包括学习单元，所述学习单元被配置为通过机器学习来确定所述神经网络的参数值。
13.一种用于生成用于对控制对象进行控制的控制信号的控制装置，包括：
第一补偿器，所述第一补偿器被配置为基于所述控制对象的控制偏差生成第一信号；
校正器，所述校正器被配置为通过根据运算表达式校正所述控制偏差来生成校正信号；
第二补偿器，所述第二补偿器被配置为基于所述校正信号由神经网络生成第二信号；以及
运算设备，所述运算设备被配置为基于所述第一信号和所述第二信号生成所述控制信号。
14.根据权利要求13所述的控制装置，其中，所述运算表达式包含以下中的至少一个：与所述控制偏差成比例的项、对所述控制偏差进行不少于一次积分的项、以及对所述控制偏差进行不少于一次微分的项。
15.一种用于将原件的图案转印到基板的光刻装置，包括在权利要求1至14中的任一项中限定并且被配置为控制所述基板或所述原件的位置的控制装置。
16.一种物品制造方法，包括：
通过使用在权利要求15中限定的光刻装置来将原件的图案转印到基板的转印步骤；以及
对已经历所述转印步骤的基板进行处理的处理步骤，
其中，物品从已经历所述处理步骤的基板获得。
17.一种调整控制装置的调整方法，所述控制装置包括第一补偿器、校正器、第二补偿器、以及运算设备，所述第一补偿器被配置为基于控制对象的控制偏差生成第一信号，所述校正器被配置为通过校正所述控制偏差来生成校正信号，所述第二补偿器被配置为基于所述校正信号由神经网络生成第二信号，所述运算设备被配置为基于所述第一信号和所述第二信号生成控制信号，所述方法包括：
在所述神经网络的参数维持在先前状态的状态下调整所述校正器的特性的调整步骤。
CN202180054976.5A 2020-09-10 2021-09-03 控制装置、控制装置的调整方法、光刻装置、以及物品制造方法 Pending CN116034462A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2020152293A JP7520656B2 (ja) 2020-09-10 2020-09-10 制御装置およびその調整方法、リソグラフィー装置、ならびに、物品製造方法
JP2020-152293 2020-09-10
PCT/JP2021/032513 WO2022054724A1 (ja) 2020-09-10 2021-09-03 制御装置およびその調整方法、リソグラフィー装置、ならびに、物品製造方法

Publications (1)

Publication Number Publication Date
CN116034462A true CN116034462A (zh) 2023-04-28

Family

ID=80631824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180054976.5A Pending CN116034462A (zh) 2020-09-10 2021-09-03 控制装置、控制装置的调整方法、光刻装置、以及物品制造方法

Country Status (6)

Country Link
US (1) US20230176548A1 (zh)
EP (1) EP4212963A4 (zh)
JP (1) JP7520656B2 (zh)
KR (1) KR20230058456A (zh)
CN (1) CN116034462A (zh)
WO (1) WO2022054724A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2024062786A (ja) * 2022-10-25 2024-05-10 キヤノン株式会社 制御方法、制御装置、リソグラフィ装置、および物品製造方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05134710A (ja) * 1991-07-18 1993-06-01 Toshiba Corp ニユーラルネツト・フイードフオワード制御器
US5396415A (en) * 1992-01-31 1995-03-07 Honeywell Inc. Neruo-pid controller
JPH0760356A (ja) 1993-08-27 1995-03-07 Nkk Corp Ｈ形鋼の矯正方法
JPH0816208A (ja) * 1994-06-29 1996-01-19 Nippon Telegr & Teleph Corp <Ntt> ニューラルネットワークを用いたコントローラの学習方法
JP2019071505A (ja) 2016-03-02 2019-05-09 シャープ株式会社 制御局装置、通信方法および通信システム
JP7229686B2 (ja) 2017-10-06 2023-02-28 キヤノン株式会社 制御装置、リソグラフィ装置、測定装置、加工装置、平坦化装置及び物品製造方法
US10915073B2 (en) * 2017-12-15 2021-02-09 Exxonmobil Research And Engineering Company Adaptive PID controller tuning via deep reinforcement learning
JP7194056B2 (ja) 2019-03-22 2022-12-21 Ｋｙｂ株式会社 サスペンション装置

Also Published As

Publication number Publication date
WO2022054724A1 (ja) 2022-03-17
TW202210956A (zh) 2022-03-16
JP7520656B2 (ja) 2024-07-23
US20230176548A1 (en) 2023-06-08
EP4212963A4 (en) 2024-10-09
JP2022046317A (ja) 2022-03-23
EP4212963A1 (en) 2023-07-19
KR20230058456A (ko) 2023-05-03

Similar Documents

Publication Publication Date Title
JP4338694B2 (ja) 運動システム用自己適応フィードフォワード制御調整、およびそのような運動システムを備えるリソグラフィ装置
JP5002317B2 (ja) リソグラフィ装置
KR100869308B1 (ko) 리소그래피 장치 및 디바이스 제조 방법
JP4663663B2 (ja) リソグラフィ装置およびデバイス製造方法
US6903806B2 (en) Stage control apparatus, exposure apparatus, and device manufacturing method
JP2007294958A (ja) 改善されたフィードフォワードデータを取得する方法、その方法を実行するリソグラフィ装置およびデバイス製造方法
JP2004342082A (ja) 特にリソグラフ装置における質量の位置の制御
US20090002659A1 (en) Stage apparatus, exposure apparatus, and method of manufacturing device
CN116034462A (zh) 控制装置、控制装置的调整方法、光刻装置、以及物品制造方法
JP5473575B2 (ja) 露光装置及びデバイス製造方法
JP7536626B2 (ja) 制御装置、調整方法、リソグラフィ装置、及び物品の製造方法
JP2005303196A (ja) 位置決め装置、露光装置、半導体デバイスの製造方法
JP2018527599A (ja) 制御システム、位置決めシステム、リソグラフィ装置及びデバイス製造方法
TWI855266B (zh) 控制裝置及其調整方法、光刻裝置以及物品製造方法
JP2011086892A (ja) 位置制御装置、露光装置およびデバイス製造方法
JP2004030616A (ja) 移動体機構およびその制御方法
JP2005322720A (ja) ステージ制御装置及び方法、露光装置及び方法、並びにデバイス製造方法
CN115616869A (zh) 处理装置和物品制造方法
WO2022030334A1 (ja) 制御装置、リソグラフィー装置および物品製造方法
US20240290650A1 (en) Stage apparatus, lithography apparatus, and article manufacturing method
JP7508325B2 (ja) フィードバック制御装置、リソグラフィ装置、測定装置、加工装置、平坦化装置、物品の製造方法、コンピュータプログラム、およびフィードバック制御方法
WO2023188603A1 (ja) 情報処理装置、露光装置、及び物品の製造方法
WO2023247139A1 (en) Control method and control system for controlling a position of an object with an electromagnetic actuator
JP4841008B2 (ja) 移動体機構
CN115685692A (zh) 控制设备、光刻装置和物品制造方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination