JP2022035214A

JP2022035214A - 情報処理装置、検査装置、成形装置、検査方法、物品の製造方法、プログラム、および学習モデル作成方法。

Info

Publication number: JP2022035214A
Application number: JP2020139367A
Authority: JP
Inventors: 慎一郎古賀; Shinichiro Koga
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 2020-08-20
Filing date: 2020-08-20
Publication date: 2022-03-04

Abstract

【課題】基板上の成形された組成物の不良の有無を検査するのに有利な情報処理装置を提供する。【解決手段】型を用いて基板上の成形領域において組成物を成形する成形処理が行われた基板について、成形された組成物の不良の有無を検査する情報処理装置であって、成形処理によって組成物が成形された成形領域を含む画像である、複数の学習用画像を用いて作成され、成形処理における成形処理装置のデータに対応する学習モデルを少なくとも一以上含む学習モデル群を取得する第１取得部と、組成物が成形された所定の成形領域を含む画像である検査用画像を取得する第２取得部と、所定の成形領域において組成物を成形した際の成形処理装置のデータに関する情報を取得する第３取得部と、情報に基づいて、学習モデル群から少なくとも１つの学習モデルを選択する選択部と、選択された少なくとも１つの学習モデルに基づき、検査用画像から不良の有無を検査する検査部と、を備える。【選択図】図１１

Description

本発明は、情報処理装置、検査装置、成形装置、検査方法、物品の製造方法、プログラム、および学習モデル作成方法に関する。

基板上に微細なパターンを形成する技術として、原版のパターンを投影光学系を介して基板に転写する露光装置を用いたリソグラフィ技術が知られている。また、近年では、基板上のインプリント材（組成物）を型（モールド）で成形して、型に形成された微細なパターンを基板上に形成するインプリント技術も注目されている（特許文献１参照）。

インプリント技術では、インプリント材の硬化法の１つとして光硬化法がある。光硬化法は、基板上の成形領域に供給されたインプリント材と型とを接触させた状態で光を照射してインプリント材を硬化させ、硬化したインプリント材から型を引き離すことでインプリント材を基板上に成形する。例えば、半導体デバイス等の量産向け装置を前提とした場合、ステップアンドフラッシュ式インプリントリソグラフィを応用したインプリント装置が有効である。

特開２０１９－８００４７号公報

上述したインプリント技術を用いて基板上にインプリント材を成形する際には、インプリント材が多いと、かかるインプリント材が成形領域外にはみ出してしまうことがある（以下、「浸み出し」と称する）。一方、基板上に供給されるインプリント材の量が少ないと、成形領域上に部分的にインプリント材が成形されていない箇所が発生してしまうことがある（以下、「未充填」と称する）。浸み出しが発生すると、インプリント材がはみ出した箇所が不良となるとともに、インプリント材がはみ出した先の成形領域にインプリント材を成形する際に、はみ出したインプリント材と型とが接触して型のパターンが破損してしまう可能性がある。また、未充填が発生すると、成形領域上に部分的にインプリント材が成形されていないため、半導体デバイスとして不良となる可能性がある。

インプリント処理の後に浸み出しや未充填の有無を観察（確認）し、基板上に供給するインプリント材の量や位置を調整して、浸み出しや未充填の発生を抑える必要がある。但し、浸み出しや未充填が発生している箇所は微小な領域であるため、観察範囲が狭く、高倍率の顕微鏡で得られた膨大な数の観察画像を確認する必要があるが、このような膨大な数の観察画像を人が確認することは現実的ではない。従って、人手を介さずに、観察画像から浸み出しや未充填を検査して、浸み出しや未充填に起因する、成形されたインプリント材の不良（以下、「不良」と称する）を判定する技術が要求されている。

また、基板を観察するための画像は、基板表面の反射率や、基板上に形成されたインプリント材の層（インプリント材の膜）での薄膜干渉に応じて、その明るさが変動する。このため、基板上に形成されたインプリント材の層の厚さ（膜厚）のばらつきにより画像の見え方が変化する。さらに、浸み出しや未充填が発生した箇所の膜厚も一定とは限らず、浸み出しや未充填が発生した箇所が必ずしも周囲と異なる明るさになる（十分なコントラストが得られる）とは限らない。この事から、上記変動等に対応できる不良の検査が必要となる。

そこで、本発明は、基板上の成形された組成物の不良の有無を検査するのに有利な情報処理装置を提供することを例示的目的とする。

上記目的を達成するために、本発明の一側面としての情報処理装置は、型を用いて基板上の成形領域において組成物を成形する成形処理が行われた基板について、成形された前記組成物の不良の有無を検査する情報処理装置であって、前記成形処理によって前記組成物が成形された成形領域を含む画像である、複数の学習用画像を用いて作成され、前記成形処理における成形処理装置のデータに対応する学習モデルを少なくとも一以上含む学習モデル群を取得する第１取得部と、前記組成物が成形された所定の成形領域を含む画像である検査用画像を取得する第２取得部と、前記所定の成形領域において前記組成物を成形した際の前記成形処理装置のデータに関する情報を取得する第３取得部と、前記情報に基づいて、前記学習モデル群から少なくとも１つの前記学習モデルを選択する選択部と、選択された少なくとも１つの前記学習モデルに基づき、前記検査用画像から前記不良の有無を検査する検査部と、を備えることを特徴とする。

本発明によれば、例えば、基板上の成形された組成物の不良の有無を検査するのに有利な情報処理装置を提供することができる。

第１実施形態に係る成形装置としてのインプリント装置の構成例を示す概略図である。リソグラフィシステムの構成を示す概略図である。インプリント装置の動作を説明するフローチャートである。基板上のインプリント材と型とが接触している状態を示す側面図である。図３に示す工程Ｓ１０８で取得される画像の一例を示す図である。オートエンコーダの概要を説明する図である。本実施形態における検査処理を模式的に示す図である。不良検査装置１００７のシステム構成を示す概略図である。学習モデル群を作成する際の処理を説明するためのフローチャートである。クラスタリングによる分類結果の一例を示すプロット図である。不良検査処理を説明するためのフローチャートである。第２実施形態における平坦化装置による処理を説明する図である。物品の製造方法を説明するための図である。

以下、添付図面を参照して実施形態を詳しく説明する。なお、以下の実施形態は特許請求の範囲に係る発明を限定するものではない。実施形態には複数の特徴が記載されているが、これらの複数の特徴の全てが発明に必須のものとは限らず、また、複数の特徴は任意に組み合わせられてもよい。更に、添付図面においては、同一もしくは同様の構成に同一の参照番号を付し、重複した説明は省略する。

＜第１実施形態＞
図１は、第１実施形態に係る成形装置としてのインプリント装置１００の構成例を示す概略図である。図１（Ａ）は、インプリント装置１００の構成例を示す概略図である。インプリント装置１００は、型（原版、テンプレート）を用いて基板上にインプリント材（組成物）のパターンを形成（成形）するインプリント処理を行うリソグラフィ装置である。インプリント装置１００は、基板上に供給された未硬化のインプリント材ＩＭと型Ｍとを接触させ、インプリント材ＩＭに硬化用のエネルギーを与えることにより、インプリント材ＩＭを硬化させる。そして、インプリント材ＩＭの硬化物と型Ｍとを分離する（離型）。この一連の処理をインプリント処理という。インプリント処理によって、基板Ｓの上にパターンが形成される。なお、本明細書において、成形処理という場合、インプリント処理、及び平坦化処理のうち少なくとも一方を含むものとする。ここで、平坦化処理とは、凹凸パターンがない平面部を有するモールドを用いて基板上に平坦化層を形成する処理である。

インプリント材としては、硬化用のエネルギーが与えられることにより硬化する硬化性組成物（未硬化状態の樹脂と呼ぶこともある）が用いられる。硬化用のエネルギーとしては、電磁波、熱等が用いられうる。電磁波は、例えば、その波長が１０ｎｍ以上１ｍｍ以下の範囲から選択される光、例えば、赤外線、可視光線、紫外線などでありうる。硬化性組成物は、光の照射により、あるいは、加熱により硬化する組成物でありうる。これらのうち、光の照射により硬化する光硬化性組成物は、少なくとも重合性化合物と光重合開始剤とを含有し、必要に応じて非重合性化合物または溶剤を更に含有してもよい。非重合性化合物は、増感剤、水素供与体、内添型離型剤、界面活性剤、酸化防止剤、ポリマー成分などの群から選択される少なくとも一種である。インプリント材は、液滴状、或いは複数の液滴が繋がってできた島状又は膜状となって基板上に配置されうる。インプリント材の粘度（２５℃における粘度）は、例えば、１ｍＰａ・ｓ以上１００ｍＰａ・ｓ以下でありうる。

基板の材料としては、例えば、ガラス、セラミックス、金属、半導体、樹脂等が用いられうる。必要に応じて、基板の表面に、基板とは別の材料からなる部材が設けられてもよい。基板は、例えば、シリコンウエハ、化合物半導体ウエハ、石英ガラスである。

本明細書および添付図面では、基板Ｓを保持する基板保持部１０２の基板保持面に沿う方向をＸＹ平面とするＸＹＺ座標系において方向を示す。ＸＹＺ座標系におけるＸ軸、Ｙ軸、Ｚ軸にそれぞれ平行な方向をＸ方向、Ｙ方向、Ｚ方向とし、Ｘ軸周りの回転、Ｙ軸周りの回転、Ｚ軸周りの回転をそれぞれθＸ、θＹ、θＺとする。Ｘ軸、Ｙ軸、Ｚ軸に関する制御または駆動は、それぞれＸ軸に平行な方向、Ｙ軸に平行な方向、Ｚ軸に平行な方向に関する制御または駆動を意味する。また、θＸ軸、θＹ軸、θＺ軸に関する制御または駆動は、それぞれＸ軸に平行な軸の周りの回転、Ｙ軸に平行な軸の周りの回転、Ｚ軸に平行な軸の周りの回転に関する制御または駆動を意味する。また、位置は、Ｘ軸、Ｙ軸、Ｚ軸の座標に基づいて特定されうる情報であり、姿勢は、θＸ軸、θＹ軸、θＺ軸の値で特定されうる情報である。位置決めは、位置および／または姿勢を制御することを意味する。位置合わせは、基板および型の少なくとも一方の位置および／または姿勢の制御を含みうる。

インプリント装置１００は、基板Ｓを保持する基板保持部１０２、基板保持部１０２を駆動することによって基板Ｓを駆動する基板駆動機構１０５、基板保持部１０２を支持するベース１０４、基板保持部１０２の位置を計測する位置計測部１０３を備えうる。基板駆動機構１０５は、例えば、リニアモータ等のモータを含みうる。

インプリント装置１００は、アライメント時に基板駆動機構１０５が基板Ｓ（基板保持部１０２）を駆動するために要する基板駆動力（アライメント負荷）を検出するセンサ１５１を備えうる。基板Ｓ上のインプリント材ＩＭと型Ｍのパターン領域ＭＰとが接触した状態でなされるアライメントにおける基板駆動力は、例えば、基板Ｓと型Ｍとの間に作用するせん断力に相当する。せん断力は、主に、基板Ｓおよび型Ｍの平面方向に働く力であり、成形処理時に基板Ｓと型Ｍの相対移動により生じる。アライメント時における基板駆動力は、例えば、アライメント時における基板駆動機構１０５のモータに供給される電流の大きさに相関を有し、センサ１５１は、該電流の大きさに基づいて基板駆動力を検出することができる。センサ１５１は、パターンの形成において基板Ｓや型Ｍが受ける影響（せん断力）を計測するセンサの一例である。せん断力は、後述する検査で用いる装置データ（成形処理装置のデータ）の一例である。

インプリント装置１００は、型Ｍを保持する型保持部１２１、型保持部１２１を駆動することによって型Ｍを駆動する型駆動機構１２２、型駆動機構１２２を支持する支持構造体１３０を含みうる。型駆動機構１２２は、例えば、ボイスコイルモータ等のモータを含みうる。インプリント装置１００は、離型力（分離負荷）および／または接触力を検出するセンサ１５２を備えうる。離型力は、基板Ｓの上のインプリント材ＩＭの硬化物と型Ｍとを分離する（引き離す）ために要する力である。接触力は、基板Ｓの上のインプリント材ＩＭに型Ｍを接触させることにより生じる力である。型Ｍが下降することにより、基板Ｓ上のインプリント材と接触して基板Ｓ上にインプリント材のパターンが形成される場合、接触力は、基板Ｓの上のインプリント材ＩＭに型Ｍを接触させるために型Ｍが押圧される力（押圧力）であるとも言える。離型力および接触力は、主に、Ｚ軸に沿う方向に作用する力である。離型力および接触力は、例えば、型駆動機構１２２のモータに供給される電流の大きさに相関を有し、センサ１５２は、該電流の大きさに基づいて離型力および接触力を検出することができる。センサ１５２は、パターンの形成において離型力および接触力のうち少なくとも一方を計測するセンサの一例である。離型力と接触力は、後述する不良検査で用いる装置データの一例である。

基板駆動機構１０５および型駆動機構１２２は、基板Ｓと型Ｍとの相対位置および相対姿勢を調整する駆動機構を構成する。該駆動機構による基板Ｓと型Ｍとの相対位置の調整は、基板Ｓの上のインプリント材に対する型の接触、および、硬化したインプリント材（硬化物のパターン）からの型の分離のための駆動を含む。基板駆動機構１０５は、基板Ｓを複数の軸（例えば、Ｘ軸、Ｙ軸、θＺ軸の３軸、好ましくは、Ｘ軸、Ｙ軸、Ｚ軸、θＸ軸、θＹ軸、θＺ軸の６軸）について駆動するように構成されうる。型駆動機構１２２は、型Ｍを複数の軸（例えば、Ｚ軸、θＸ軸、θＹ軸の３軸、好ましくは、Ｘ軸、Ｙ軸、Ｚ軸、θＸ軸、θＹ軸、θＺ軸の６軸）について駆動するように構成されうる。

インプリント装置１００は、型Ｍを搬送する型搬送機構１４０および型クリーナ１５０を備えうる。型搬送機構１４０は、例えば、型Ｍを型保持部１２１に搬送したり、型Ｍを型保持部１２１からストッカ（不図示）または型クリーナ１５０等に搬送したりするように構成されうる。型クリーナ１５０は、紫外線や薬液等を用いて型Ｍをクリーニング（洗浄）する。

型保持部１２１は、型Ｍの裏面（基板Ｓに転写すべきパターンが形成されたパターン領域ＭＰとは反対側の面）の側に圧力制御空間ＣＳを形成する窓部材１２５を含みうる。図１（Ｂ）は、圧力制御空間ＣＳを含む型Ｍの周辺の構成を示す概略図である。インプリント装置１００は、圧力制御空間ＣＳ（キャビティ空間）内の圧力（以下、キャビティ圧と呼ぶ）を制御することによって、図１（Ｂ）に模式的に示されるように、型Ｍのパターン領域ＭＰを基板Ｓに向かって凸形状に変形させる変形機構１２３を備えうる。変形機構１２３はキャビティ圧の圧力計測器も有しており、キャビティ圧の圧力計測値（以下、キャビティ圧計測値と称する）は後述する不良検査で用いる装置データの一例である。

また、インプリント装置１００は、アライメント計測部１０６、広角アライメント計測部１０９、硬化部１０７、撮像部１１２、光学部材１１１を備えうる。アライメント計測部１０６は、基板Ｓのアライメントマークと型Ｍのアライメントマークを照明するとともにその像を撮像する事によりマーク間の相対位置を計測する。アライメント計測部１０６は、観察すべきアライメントマークの位置に応じて不図示の駆動機構によって位置決めされうる。

広角アライメント計測部１０９は、アライメント計測部１０６より広い視野を有する計測器であり、基板Ｓのアライメントマークを照明するとともにその像を撮像（検出）する事により、基板Ｓの位置を計測する。広角アライメント計測部で基板Ｓの位置を計測する事により、アライメント計測部１０６の視野内に基板Ｓのアライメントマークを移動する事ができる。

硬化部１０７は、インプリント材ＩＭを硬化させるためのエネルギー（例えば、紫外光等の光）を、光学部材１１１を介してインプリント材ＩＭに照射し、これによりインプリント材ＩＭを硬化させる。

撮像部１１２は、光学部材１１１および窓部材１２５を介して基板Ｓ、型Ｍおよびインプリント材ＩＭを撮像する。

撮像部１１２が撮像する画像（静止画、及び動画のうち少なくとも一方を含む）を、ここではスプレッド画像と呼ぶ。アライメント計測部１０６は撮像手段を有しており、アライメント計測部１０６の撮像手段で基板の像を撮像した画像（静止画、及び動画のうち少なくとも一方を含む）を、ここではアライメント画像と呼ぶ。更に、広角アライメント計測部１０９も撮像手段を有しており、広角アライメント計測部１０９の撮像手段で基板の像を撮像した画像（静止画、及び動画のうち少なくとも一方を含む）を、ここでは広角アライメント画像と呼ぶ。アライメント計測部１０６と広角アライメント計測部１０９は、照明手段も有しており、照明光の光量、照明光の波長を変更可能であるとともに、明視野観察および暗視野観察を切り替え可能である。スプレッド画像、アライメント画像、広角アライメント画像は、後述する不良検査に用いる画像の一例である。また、後述する不良検査で用いる装置データの一例でもある。

さらに、広角アライメント計測部１０９は、斜入射光照明および斜入射光受光センサも有しており基板表面またはインプリント材表面のＺ方向位置（高さ）の計測も可能である。また、インプリント装置１００は、基板上のパーティクル（ゴミ等）を検出する不図示のパーティクル検出器を有しても良い。パーティクル検出器は基板表面への斜入射光照明系および基板表面からの斜出射光受光センサ、散乱光受光センサを有しており、基板上のパーティクルを検出する。それとともに、パーティクル検出器は基板表面またはインプリント材表面の基板のＺ方向位置（高さ）の計測も可能である。また、インプリント装置１００は、基板表面またはインプリント材表面のＺ方向位置（高さ）の計測する為の不図示の高さ計測器を有しても良い。高さ計測器は、基板表面への斜入射光照明系と基板表面からの斜出射光受光センサを別部材として構成したものであり、高精度に高さを計測可能である。これらの、広角アライメント計測部１０９、パーティクル検出器、高さ計測器はから得られる基板表面またはインプリント樹脂表面のＺ方向位置（高さ）の計測値（以下、高さ計測値と称する）は、後述する不良検査で用いる装置データの一例である。

インプリント装置１００は、基板Ｓの上にインプリント材ＩＭを配置するディスペンサ１０８を備えうる。ディスペンサ１０８は、例えば、インプリント材ＩＭの配置を示すドロップレシピに従ってインプリント材ＩＭが基板Ｓの上に配置されるようにインプリント材ＩＭを吐出する。

インプリント装置１００は、基板駆動機構１０５、型駆動機構１２２、変形機構１２３、型搬送機構１４０、型クリーナ１５０、アライメント計測部１０６、硬化部１０７、撮像部１１２、ディスペンサ１０８等を制御する制御部１１０を備えうる。制御部１１０は、情報処理装置である計算機構１１３を含む、例えば、ＦＰＧＡ（ＦｉｅｌｄＰｒｏｇｒａｍｍａｂｌｅＧａｔｅＡｒｒａｙの略。）などのＰＬＤ（ＰｒｏｇｒａｍｍａｂｌｅＬｏｇｉｃＤｅｖｉｃｅの略。）、又は、ＡＳＩＣ（ＡｐｐｌｉｃａｔｉｏｎＳｐｅｃｉｆｉｃＩｎｔｅｇｒａｔｅｄＣｉｒｃｕｉｔの略。）、又は、プログラムが組み込まれた汎用コンピュータ、又は、これらの全部または一部の組み合わせによって構成されうる。

図２は、半導体デバイスなどの物品を製造するためのリソグラフィシステム１００１の構成を示す概略図である。リソグラフィシステム１００１は、１つ又は複数のインプリント装置１００と、１つ又は複数の検査装置１００５と、１つ又は複数の処理装置１００６と、１つ又は複数の不良検査装置１００７と、制御装置１００３とを有する。なお、リソグラフィシステム１００１は、１つ又は複数の露光装置を更に有していてもよい。

検査装置１００５は、例えば、重ね合わせ検査装置、ＣＤ（ＣｒｉｔｉｃａｌＤｉｍｅｎｓｉｏｎ）検査装置、欠陥検査装置、電気特性検査装置などを含む。処理装置１００６は、例えば、エッチング装置や成膜装置などを含む。インプリント装置１００と、検査装置１００５と、処理装置１００６と、不良検査装置１００７と、制御装置１００３とは、ネットワーク１００２を介して、互いに接続されている。リソグラフィシステム１００１において、インプリント装置１００、検査装置１００５、処理装置１００６及び不良検査装置１００７は、インプリント装置１００とは異なる外部装置である制御装置１００３によって制御される。

不良検査装置１００７は、汎用又は専用の情報処理装置（コンピュータ）に、不良検査に関するプログラムを組み込むことによって構成される。なお、不良検査装置１００７は、例えば、ＦＰＧＡなどのＰＬＤによって構成されてもよいし、ＡＳＩＣによって構成されてもよい。また、不良検査装置１００７は、インプリント装置１００の計算機構１１３や制御装置１００３を用いて（併用して）実現してもよい。即ち、不良検査装置は、インプリント装置に含まれる場合もある。

不良検査装置１００７は、成形処理が行われた基板Ｓについて、パターンの形成不良や平坦化の不良等の成形されたインプリント材の不良の有無を検査する機能、および、該検査精度を取得して、検査機能調整の要否を判定する機能を有する。不良検査装置１００７の詳細な構成については後述する。

図３を参照して、インプリント装置１００やインプリント装置１００を含むリソグラフィシステム１００１の動作について説明する。本実施形態では、インプリント処理を行った後に、インプリント処理を行った成形領域（本実施形態では、パターンを形成すべき領域）の周辺部の画像を取得する。そして、取得した画像を用いて浸み出し及び未充填（に起因するパターンの形成不良や平坦化の不良などの成形されたインプリント材の不良（単に「不良」と称する））を検査（検出）する。本実施形態では、浸み出し及び未充填を検査する際には、機械学習を用いる。なお、本明細書において、浸み出し及び未充填の検査を不良検査と称する。また、学習や検査に用いる画像とともにインプリント処理時の装置データを収集し、装置データに基づいて不良検査で用いる学習モデル（後述）を選択する。

図３は、インプリント装置１００の動作を説明するフローチャートである。本図に示される動作は、図２に示すリソグラフィシステムにも適用されうる。図３に示される動作は、制御部１１０または制御装置１００３のうちの少なくとも一方によって制御されうる。本フロー中の工程Ｓ１０１～Ｓ１０６では、後述する不良検査のための学習モデルを作成する際、および不良検査時に学習モデルを選択する際に利用する装置データが蓄積されうる。

工程Ｓ１０１では、インプリント装置１００に基板Ｓを搬入する。具体的には、基板搬送機構（不図示）を用いて、基板Ｓを搬送元（前処理装置との中継部）から基板保持部１０２に搬送して、基板Ｓを基板保持部１０２に保持させる。搬送時に、不図示のパーティクル検出器により、基板上のパーティクル検査を行っても構わない。この際の、基板の高さ計測値は装置データとして蓄積されうる。搬送された基板Ｓの基板保持部１０２上での位置を、広角アライメント計測部１０９で基板Ｓ上のマークを観察する事により計測する。ここで計測した位置に基づいて、基板Ｓを位置決めする。広角アライメント計測部１０９で撮像された広角アライメント画像は装置データとして蓄積される。尚、広角アライメント計測部１０９は、照明光量、照明波長、明視野または暗視野の観察方法等の変更が可能であり、後述する不良検査に用いる検査用画像の撮像時とは条件が異なっても構わない。更に、広角アライメント計測部１０９で同時に計測する、基板の表面の高さ計測値も装置データとして蓄積されうる。

工程Ｓ１０２～Ｓ１０６は、基板Ｓの複数の成形領域のうちインプリント対象の成形領域に対するインプリント処理（パターンの形成処理）の各工程を示している。

まず、工程Ｓ１０２では、基板Ｓの複数の成形領域のうちインプリント対象の成形領域の上にディスペンサ１０８によってインプリント材ＩＭを配置（供給）する。具体的には、基板駆動機構１０５によって基板Ｓを移動させながら、ディスペンサ１０８からインプリント材ＩＭを吐出することで、インプリント対象の成形領域にインプリント材ＩＭを配置する。

工程Ｓ１０３では、インプリント対象の成形領域上のインプリント材ＩＭと型Ｍ（のパターン領域ＭＰ）とを接触させる。具体的には、基板駆動機構１０５及び型駆動機構１２２の少なくとも一方によって基板Ｓと型Ｍとを相対的に移動させることで、インプリント対象の成形領域上のインプリント材ＩＭと型Ｍとを接触させる。例えば、インプリント対象の成形領域上のインプリント材ＩＭに型Ｍが接触するように、型駆動機構１２２によって型Ｍを移動させる。この際の接触力として、センサ１５２の値が装置データとして蓄積されうる。なお、インプリント対象の成形領域上のインプリント材ＩＭと型Ｍとを接触させる際には、変形機構１２３によって型Ｍのパターン領域ＭＰが基板Ｓに向かって凸形状に変形されうる。この際、キャビティ圧が制御され、キャビティ圧計測値が装置データとして蓄積される。また、インプリント材ＩＭに型Ｍのパターン領域ＭＰを接触させる処理（接触時）において撮像部１１２による撮像が実行され、撮像された画像（スプレッド画像）が装置データとして蓄積される。この際に、不図示の高さ計測器を用いて基板表面の高さの計測を行っても構わない。高さ計測器の計測値は装置データとして蓄積される。

工程Ｓ１０４では、基板Ｓと型Ｍとのアライメント（位置合わせ）、具体的には、インプリント対象の成形領域と型Ｍのパターン領域ＭＰとのアライメントを行う。具体的には、アライメント計測部１０６によってインプリント対象の成形領域のアライメントマークと型Ｍのアライメントマークとの相対位置を計測しながら、かかる相対位置が目標相対位置の許容範囲に収まるように、アライメントを行う。例えば、基板駆動機構１０５及び型駆動機構１２２の少なくとも一方によって基板Ｓと型Ｍとを相対的に移動させることで、それらの相対位置を目標相対位置の許容範囲に収める。目標装置位置は、例えば、重ね合わせ検査装置で得られた過去の結果などから決められた補正値に応じて設定される。工程Ｓ１０４で行ったアライメント計測部１０６によって撮像したアライメント画像は装置データとして蓄積される。同時に、基板Ｓと型Ｍとの間に作用するせん断力として、センサ１５１の計測値も装置データとして蓄積される。

工程Ｓ１０５では、インプリント対象の成形領域上のインプリント材ＩＭと型Ｍとを接触させた状態において、インプリント材ＩＭを硬化させる。具体的には、インプリント材ＩＭを硬化させるためのエネルギーを、硬化部１０７から基板Ｓと型Ｍのパターン領域ＭＰとの間のインプリント材ＩＭに照射する。これにより、インプリント材ＩＭが硬化し、インプリント対象の成形領域にインプリント材ＩＭの硬化物（パターン）が形成される。

工程Ｓ１０６では、インプリント対象の成形領域上の硬化したインプリント材ＩＭから型Ｍを引き離す（離型）。具体的には、インプリント材ＩＭの硬化物と型Ｍのパターン領域ＭＰとが分離されるように、基板駆動機構１０５及び型駆動機構１２２の少なくとも一方によって基板Ｓと型Ｍとを相対的に移動させる。例えば、インプリント対象の成形領域上のインプリント材ＩＭの硬化物から型Ｍが分離するように、型駆動機構１２２によって型Ｍを移動させる。この際の離形力として、センサ１５２の値が装置データとして蓄積されうる。なお、インプリント対象の成形領域上の硬化したインプリント材ＩＭから型Ｍを引き離す際にも、型Ｍのパターン領域ＭＰが基板Ｓに向かって凸形状に変形されうる。この際、キャビティ圧も制御され、その値も装置データとして蓄積される。また、撮像部１１２による撮像が実行され、撮像された画像（スプレッド画像）に基づいてインプリント材ＩＭと型Ｍとの分離の状態が観察される。スプレッド画像も装置データとして蓄積される。

工程Ｓ１０７では、制御部１１０は、基板Ｓの全ての成形領域に対して工程Ｓ１０２～Ｓ１０６のインプリント処理を実行したかどうかを判断する。そして、制御部１１０は、基板Ｓの全ての成形領域に対して工程Ｓ１０２～Ｓ１０６のインプリト処理を実行した場合には工程Ｓ１０８に進み、未処理の成形領域が存在する場合には工程Ｓ１０２に戻る。この場合、未処理の成形領域のうち選択された成形領域に対して工程Ｓ１０２～Ｓ１０６のインプリント処理を実行する。

工程Ｓ１０８では、不良検査に用いるために、インプリント処理が行われた基板Ｓの成形領域（及び周辺部）を撮像して、かかる成形領域に形成されたパターンを含む画像を取得する。基板上の各成形領域の撮像には、例えば、広角アライメント計測部１０９を用いればよい。成形領域に対して、広角アライメント計測部１０９の視野が狭い場合には、基板駆動機構１０５によって基板Ｓの位置を変更しながら複数回の撮像を行うことで所望の領域（成形領域）の画像を取得すればよい。

工程Ｓ１０８で取得された画像は、後述するように、基板Ｓにおける不良の有無を検査（判定）する処理に関して、学習用の画像（学習用画像）として用いる場合もあるし、検査用の画像（検査用画像）として用いる場合もある。本実施形態では、広角アライメント計測部１０９を用いて画像を取得する場合を例に説明するが、これに限定されるものではない。例えば、アライメント計測部１０６や撮像部１１２などを用いて同様の画像を取得してもよい。

また、本実施形態では、基板上の全ての成形領域に対してインプリント処理を行った後に各成形領域を撮像して画像を取得しているが、これに限定されるものではない。例えば、基板上の１つの成形領域に対してインプリント処理を行った後（Ｓ１０６の後）に、かかる成形領域を撮像して画像を取得してもよい。また、インプリント装置１００から基板Ｓを搬出した後に、外部装置で基板上の各成形領域を撮像して画像を取得してもよい。

なお、図３に示すフローは、不良検査装置を含むインプリント装置を用いた場合の例について説明したものである。インプリント装置とは別体の不良検査装置で不良検査を行う場合には、インプリント装置では工程Ｓ１０８を行わず、工程Ｓ１０８と同様の工程を不良検査装置で行う。また、インプリント装置とは別体の不良検査装置で不良検査を行う場合でも、インプリント装置において工程Ｓ１０８を行い、インプリント装置で撮像した画像を用いて別体の不良検査装置において不良検査を行っても良い。

工程Ｓ１０９では、インプリント装置１００から基板Ｓを搬出する。具体的には、基板搬送機構（不図示）を用いて、基板Ｓを基板保持部１０２から搬送先（例えば、後処理装置との中継部）に搬送する。

なお、複数の基板で構成されるロットを処理する場合には、複数の基板のそれぞれに対して、図３に示す各工程が行われる。

次に、本実施形態において、インプリント処理の後に行われる、基板Ｓにおける不良の有無を検査する検査処理（不良の有無を判定する判定方法）について説明する。成形処理後の基板における不良は、上述したように、浸み出しや未充填に起因して発生する。

図４は、基板上のインプリント材ＩＭと型Ｍとが接触している状態を示す側面図である。本図は、例えば、上述の工程Ｓ１０５における状態である。図４（Ａ）は、浸み出しを説明する図である。浸み出しとは、図４（Ａ）に示すように、基板上の成形領域（型Ｍ）からインプリント材ＩＭがはみ出していること（パターンを形成すべき領域外へのインプリント材ＩＭのはみ出し）を意味する。図４（Ｂ）は、未充填を説明する図である。未充填とは、図４（Ｂ）に示すように、型Ｍと基板Ｓとの間にインプリント材ＩＭが充填されていない箇所が発生していることを意味する。

図５は、図３に示す工程Ｓ１０８で取得される画像の一例を示す図である。図５（Ａ）は、浸み出しおよび未充填が発生していない場合を示す図である。通常、即ち、浸み出しや未充填が発生していない場合には、図５（Ａ）に示すように、成形領域の境界１６１まで、インプリント材ＩＭが充填されてパターンが形成される。なお、図５（Ａ）乃至図５（Ｃ）では、画像上部の成形領域にパターンを形成した例を示している。一方、未充填が発生した場合には、図５（Ｂ）に示すように、インプリント材ＩＭが成形領域の境界１６１まで充填されてない箇所が白く（又は黒く）撮像される。また、浸み出しが発生した場合には、図５（Ｃ）に示すように、成形領域の境界１６１からはみ出したインプリント材ＩＭが黒く（又は白く）撮像される。

次に、本実施形態での不良検査方法について述べる。ここで述べる検査方法は、インプリント時の装置データに基づき学習モデルを選択する事を特徴とする検査方法の一例である。本実施形態では、成形不良検査方法として機械学習の一手法であるオートエンコーダ（ＡｕｔｏＥｎｃｏｄｅｒ）を用いる。図６は、オートエンコーダの概要を説明する図である。オートエンコーダは、図６（Ａ）に示すように、入力データおよび教師データの両方に同一のデータ（例えば、画像）を入力し、学習モデル（ニューラルネットワーク等）を作成するものである。本実施形態においては、入力データおよび教師データとして、不良がない正常なデータ（不良を含まない画像）で学習した学習モデルに、異常なデータ（正常なデータとは異なる部分を含むデータ、不良を含む画像）を入力すると、図６（Ｂ）に示すように、異常な部分が除去されたデータが出力（推定）される。

ここで、ニューラルネットワークとは、入力層、中間層、出力層といった多層のネットワーク構造を有するモデルである。入力データに対する正しい出力データを示す教師データを用いて、誤差逆伝播法等のアルゴリズムでニューラルネットワーク内部の結合重み付け係数等が最適化されることにより、学習モデルが作成される。誤差逆伝播法は、入力データに対する出力データと教師データとの誤差が小さくなるように、各ニューラルネットワークのノード間の結合重み付け係数等を調整する手法である。

上述したように、本実施形態では、正常なデータを入力データおよび教師データとして用いて、学習モデルを事前に作成する。そして、検査処理において、不良を検査（判定）すべき画像を学習モデルに入力して、出力データを取得する。正常なデータを入力した場合には、出力データとして、入力データと同等の画像が出力される。一方、異常なデータ（不良がある画像）を入力した場合には、出力データとして、入力データから推測される正常なデータ（不良を含まない画像）が出力される。従って、図６（Ｂ）に示すように、入力データ（入力画像）と出力データ（出力画像）との差分が不良の部分を表しており、かかる差分の有無から、不良の有無を検査（判定）する。

次に、不良検査に用いる画像（検査用画像）について、より詳細に説明する。不良検査に用いる画像の明暗（各画素の明るさ）を決める一因として、基板の対応する部分の反射率や基板上に形成されたインプリント材の層（インプリント材の膜）の薄膜干渉の状態等がある。薄膜干渉はインプリント材の層の上面と基板の上面（インプリント材の層の下面）で反射した光の干渉であり、インプリント材の層の厚みと照明光の波長で光の強度が変化する。

基板上に形成されたインプリント材の層は、半導体デバイスの製造の観点からは十分に安定した膜厚で製造されるが、薄膜干渉の観点からは影響を与える程度の変動がある。また、膜厚の変動はインプリント処理時の装置の動作等のばらつきも一因となる。従って、学習モデルを作成する際に用いた画像（学習用画像）と不良の有無の検査に用いる画像（検査用画像）との間で、基板上に成形された組成物の膜厚が異なると、画像の明暗が異なる場合がある。このため、例えば、不良がない画像であっても、不良があると判定してしまう可能性がある。

このため、本実施形態では、検査に用いる画像とともにインプリント処理時の装置データを収集し、装置データに基づいて不良の検査で用いる学習モデルを選択する。ここで用いる装置データの一例としては、上述した、せん断力、接触力、離型力、キャビティ圧計測値、スプレッド画像、アライメント画像、広角アライメント画像、および高さ計測値がある。つまり、本明細書において、装置データとは、インプリント（成形）処理を行うことにより取得される計測データを含む。なお、装置データとして取得される画像は数値化されても良い。

図７は、第１実施形態における検査処理を模式的に示す図である。図７に示すように、本実施形態における検査処理は、学習モデルを作成する際（学習時）の処理と、成形処理が行われた基板について不良の有無を検査する際（検査時）の処理とに大別される。図８は、不良検査装置１００７のシステム構成を示す概略図である。前述した様に、不良検査装置１００７は、インプリント装置１００の計算機構１１３や制御装置１００３を用いて（併用して）実現してもよい。不良検査装置１００７は、学習モデル群取得部１０１７、画像取得部１０２７、装置データ取得部１０３７、選択部１０４７、および検査部１０５７を含む。

学習モデル群取得部１０１７は、不良検査に用いる学習モデル群を取得する。学習モデル群の詳細については後述する。なお、学習モデル群取得部１０１７は、学習モデル群を作成しても良い。即ち、学習モデル群取得部１０１７は、学習モデル作成部としても機能しうる。

画像取得部１０２７は、基板の成形領域（パターンを形成すべき領域）の周辺部の画像を取得する機能を実現する。画像取得部１０２７は、基板を撮像する撮像部を備えていても良いが、外部の撮像装置によって撮像された画像を取得する構成であっても良い。画像取得部１０２７が取得する画像は、２種類ある。一つは、学習モデルを作成するための教師データとして用いる画像（学習用画像）である。本実施形態において、教師データとして用いる画像は、上述の通り、組成物が成形された基板の成形領域の周辺部の画像であって、不良を含まないものが好ましい。画像取得部１０２７が取得する画像のうち、もう一つは、不良検査に用いる画像、即ち、検査用（検査対象）の画像である。

装置データ取得部１０３７は、成形領域においてパターンが成形された際の装置データを取得する。具体的には、画像取得部１０２７によって検査用画像が取得される場合、検査用画像に含まれる基板に対して成形処理が行われた際の装置データに関する情報（検査用装置データ）を取得する。一方、画像取得部１０２７によって、学習用画像が取得される場合、学習用画像に含まれる基板に対して成形処理が行われた際の装置データ（学習用装置データ）を取得する。検査用装置データは、検査用画像とともに、即ち検査用画像に含まれる形式で取得されても良いし、検査用画像とは別に取得されても良い。検査用画像とは別に検査用装置データが取得される場合、検査用装置データと検査用画像との対応関係がわかる情報が、少なくとも検査用画像および検査用装置データのいずれか一方に含まれている必要がある。学習用装置データについても同様である。

選択部１０４７は、装置データ取得部１０３７によって取得された検査用装置データに基づいて、学習モデル群から少なくとも１つの学習モデルを選択する。

検査部１０５７は、画像取得部１０２７に入力された検査用画像を選択部１０４７で選択された学習モデルに入力して、不良の有無を示す検査結果を取得する機能を実現する。

まず、図７乃至図９を用いて、学習モデル群を作成する際の処理について説明する。図９は、本実施形態における学習モデル群を作成する際の処理を説明するためのフローチャートである。図９に示すフローは、不良検査を行う装置内の学習モデル群取得部１０１７によって行われても良いし、不良検査を行う装置とは異なる装置において行われても良い。図９の工程Ｓ２０１から工程Ｓ２０３を繰り返す事で、学習モデルの作成に必要となる学習用画像１８１および学習用装置データ１８２が取得（または収集）される。工程Ｓ２０１から工程Ｓ２０３は、図７の１７０の部分に相当する。

工程Ｓ２０１では、画像取得部１０２７は学習用画像を取得する。具体的には、基板を撮像して成形された組成物を含む画像（学習用画像１８１）を、画像取得部１０２７が取得する。学習用画像１８１の取得は、複数の基板のそれぞれに対して、且つ、かかる基板の各成形領域に対して行われる。学習用画像は多い方が好ましく、学習用画像と対応関係にある装置データの数値も多様である方が好ましい。工程Ｓ２０１は、図７に示す１７０の部分に相当する。なお、学習用画像には、検査用画像と同じ画像が含まれていても良い。即ち、学習用画像に、図３の工程Ｓ１０８において撮像した画像が含まれていても良い。

工程Ｓ２０２で、工程Ｓ２０１で収集した学習用画像１８１のそれぞれに対応する学習用の装置データである学習用装置データ１８２を取得（または収集）する。学習用装置データ１８２の取得についても、複数の基板のそれぞれに対して、且つ、かかる基板の各成形領域に対して行われる。取得する学習用装置データ１８２には、図３で説明したインプリント処理において蓄積したデータの全てもしくは一部が含まれていても良い。前述した様に、せん断力、接触力、離型力、キャビティ圧計測値、スプレッド画像、アライメント画像、広角アライメント画像、および高さ計測値がその一例である。なお、取得される学習用装置データには、せん断力、接触力、および離型力の少なくとも１つの計測値が含まれていることが好ましい。工程Ｓ２０１から工程Ｓ２０３の具体的な処理としては、図９で説明する学習モデル作成をインプリント装置以外の装置（例えば、図２の不良検査装置１００７）で実施する場合は、インプリント装置からネットワーク１００２を介して学習用画像１８１や学習用装置データ１８２を取得する。このため、情報処理装置、不良検査装置、インプリント装置は、必要に応じて、これらのデータを授受するためのインターフェースを有する。学習モデル作成をインプリント装置で実施する場合は、インプリント装置内の記憶装置等に蓄積した学習用画像１８１および学習用装置データ１８２を読み込む事で取得する。

工程Ｓ２０３では、工程Ｓ２０１と工程Ｓ２０２で学習用画像１８１および学習用装置データ１８２を全て取得したかを判断し、全て取得していなければ、工程Ｓ２０１に戻り、全て収集していれば次に説明する工程Ｓ２０４に進む。なお、本明細書において、学習用画像１８１および学習用装置データ１８２を合わせて学習用データと称する。

工程Ｓ２０４では、工程Ｓ２０２で収集した学習用装置データ１８２に基づき、工程Ｓ２０１で収集した学習用画像１８１を分類する。具体的には、分類方法の一例として、公知のクラスタリングの手法を用いる。クラスタリングでは、装置データの類似度に応じて学習用画像１８１を分類する。最初に、学習用装置データ１８２をクラスタリングにより分類して、複数のクラスタに分ける。図１０は、クラスタリングによる分類結果の一例を示すプロット図である。本図において示されるプロットは各学習用画像１８１に対応する学習用装置データ１８２を示している。分類の結果、各クラスタに含まれる学習用装置データ１８２の範囲から装置データ範囲１８３を定める。学習用画像１８１をそれぞれの学習用装置データに基づき、各クラスタ（装置データ範囲１８３）に分類する。これにより、学習用画像群と装置データ範囲１８３とが対になった（好ましくは複数の複数の）データ群１８４を生成する。なお、学習用画像群に含まれる学習用画像は１つであっても良いが、複数である方が好ましい。図１０では、一例として、データ範囲１８３ａ～１８３ｃに分類された学習用画像群を示している。装置データ項目１～３は、例えば、せん断力、接触力、離型力、キャビティ圧計測値、スプレッド画像、アライメント画像、広角アライメント画像、および高さ計測値のいずれかの項目となる。工程Ｓ２０４は、図７の１７１の部分に相当する。

工程Ｓ２０５と工程Ｓ２０６では、Ｓ２０４で分類した学習用画像（データ群１８４）毎に学習モデル１８５を作成する。これらの工程は、図７の１７２に相当する。工程Ｓ２０５では、工程Ｓ２０４で分類した１つのデータ群１８４に属する学習用画像（好ましくは複数の学習用画像）を用いて、学習を行う（学習モデルを作成する）。具体的には、前述したオートエンコーダの手法を用いた学習を行う。事前に作成した学習モデル（ニューラルネットワーク等）の入力データおよび教師データとして、同じ学習用画像１８１を用い、学習モデルの最適化を行う。これを、同一のデータ群１８４に属する学習用画像１８１に対して行い、１つの学習モデルを作成する。

工程Ｓ２０６では、工程Ｓ２０４で分類したデータ群１８４の全てに対して工程Ｓ２０５を行ったかを判断する。全て行った場合は次に説明する工程Ｓ２０７に進む。全て行っていない場合は工程Ｓ２０５に戻る。工程Ｓ２０５と工程Ｓ２０６により、各データ群１８４に対応する学習モデルとそれに対応する装置データ範囲１８３の対が生成される。ここで、データ群１８４に対応する学習モデルとそれに対応する装置データ範囲１８３の対は複数生成されることが好ましい。なお、以下、生成された学習モデルと装置データ範囲１８３の対の全体を学習モデル群１８６と称する。

工程Ｓ２０７では、工程Ｓ２０５と工程Ｓ２０６で作成した学習モデル群１８６を保存する。学習モデル群１８６を保存する装置の一例は、インプリント装置、不良検査装置１００７等であるが、インプリント装置、不良検査装置１００７等とネットワーク１００２を介して接続可能な外部装置であっても良い。この工程は、図７の１７３に相当する。

次に、図７および図１１を用いて、不良検査処理について述べる。図１１は、不良検査処理を説明するためのフローチャートである。工程Ｓ３０１では、学習モデル群取得部１０１７が、工程Ｓ２０７で保存した学習モデル群１８６を取得する。前述の通り、ここで取得される学習モデル群１８６は、外部装置によって作成された学習モデル群であっても良い。この場合、学習モデル群取得部１０１７は、例えば、ネットワークなどを介して学習モデルを取得する。この工程は、図７の１７４に相当する。

工程Ｓ３０２では、画像取得部１０２７は、検査用画像１８７として、組成物が成形された所定の成形領域の画像を取得する。ここでは、図３の工程Ｓ１０８で取得された画像を検査用画像１８７として用いてもよい。工程Ｓ３０３では、装置データ取得部１０３７は、工程Ｓ３０２で取得した検査用画像１８７に対応する検査用の装置データである検査用装置データ１８８を取得（または収集）する。取得する検査用装置データ１８８は、図３で説明したインプリント処理において蓄積したデータの全てもしくは一部が含まれていても良い。前述した様に、せん断力、接触力、離型力、キャビティ圧計測値、スプレッド画像、アライメント画像、広角アライメント画像、および高さ計測値がその一例である。工程Ｓ３０１と工程Ｓ３０２は、図７の１７５に相当する。

工程Ｓ３０１から工程Ｓ３０３で取得される学習モデル群１８６、検査用画像１８７、検査用装置データ１８８は、それぞれが不良検査を行う装置内の記憶装置等にある場合は、該記憶装置等から読み込む事で取得する。別装置の記憶装置等にある場合は、ネットワーク１００２を介して取得する。このため、情報処理装置、不良検査装置、インプリント装置は、必要に応じて、これらのデータを授受するためのインターフェースを有する。

工程Ｓ３０４では、選択部１０４７は工程Ｓ３０３で取得した検査用装置データ１８８に基づき後述する工程Ｓ３０５で使用する学習モデル１８５を学習モデル群１８６から選択する。具体的には、工程Ｓ３０３で取得した検査用装置データ１８８が、工程Ｓ３０１で取得した学習モデル群１８６の装置データ範囲１８３のいずれに含まれるかを判断し、含まれる装置データ範囲１８３に対応する学習モデル１８５を選択する。なお、取得した学習モデル群１８６に対応する装置データ範囲１８３の中に、検査用装置データ１８８を含む装置データ範囲１８３が無かった場合は、不良検査行わなくてもよい。この場合、例えば、エラーメッセージをユーザに提示する等ユーザに対し通知を行う処理へと進んでもよい。また、検査用装置データ１８８を含む装置データ範囲１８３が無かった場合に、最も近い装置データを含む装置データ範囲１８３に対応する学習モデルを選択しても良い。さらに、装置データの各項目の重み付けを変更可能とし、重み付けを変更後、再度、検査用装置データ１８８が学習モデル群１８６の装置データ範囲１８３のいずれに含まれるかを判断しても良い。なお、学習モデルの選択において、せん断力、接触力、および離型力の少なくとも１つの計測値が装置データ範囲１０３内の数値に含まれる学習モデル１８５を選択することが好ましい。よって、検査用装置データ１８８を含む装置データ範囲が無かった場合は、せん断力、接触力、および離型力の少なくとも１つの重み付けを高くする。そして、再度、検査用装置データ１８８が学習モデル群１８６の装置データ範囲１８３のどれに含まれるかを判断し、学習モデル１８５を選択すると良い。

工程Ｓ３０５では、検査部１０５７は工程Ｓ３０４で選択した学習モデル１８５に対して、工程Ｓ３０２で取得した検査用画像１８７を入力し、出力画像１８９を生成する。
工程Ｓ３０４と工程Ｓ３０５は、図７の１７６に相当する。

工程Ｓ３０６では、検査部１０５７は工程Ｓ３０５で生成した出力画像１８９と工程Ｓ３０３で取得した検査用画像１８７を比較する事で、検査結果１９０として浸み出しおよび未充填等の不良を検出する。具体的には、出力画像１８９と入力画像である検査用画像１８７の差分を算出し、差分が事前に設定した閾値より大きい場合は不良として検出する。この工程は、図７の１７７に相当する。

なお、工程Ｓ３０４において選択する学習モデルは１つでなくても良い。例えば、検査用装置データ１８８が複数の装置データ範囲１８３に含まれる場合は、複数の学習モデルを選択しても良い。また、検査用装置データ１８８を含む装置データ範囲１８３が無かった場合に、検査用装置データ１８８との差異が閾値以内となる装置データ範囲１８３に対応する複数の学習モデルを選択しても良い。工程Ｓ３０４において、複数の学習モデルを選択する場合、それぞれの学習モデルを用いて検査を行い、例えば、それらの内の１つでも不良が検出された場合には、検査結果を不良ありとする。或いは、学習モデルが奇数選択された場合には、半数以上において不良が検出された場合に、検査結果を不良ありとしてもよい。このような方式の場合、例えば、検査用装置データ１８８が複数の装置データ範囲１８３の境界領域また重複領域にあるような場合に、検査精度を向上させることができる。

以上、本発明を適用したインプリント方法、情報処理装置、不良検査装置、インプリント装置について述べた。本例では、インプリント中の装置データに基づき、類似した学習用画像で学習した学習モデルを選択する。これにより、適切な学習モデルを用いて不良検査を行う事ができ、検査精度をより高めることが可能となる。
＜第２実施形態＞
第２実施形態は、成形装置の例として、基板の上に平坦化層を形成する形成処理（平坦化処理）を行う平坦化装置について説明する。なお、ここで言及しない事項は、前述の実施形態に従い得る。

前述の実施形態では、型Ｍとして、凹凸パターンを設けた回路パターン転写用の型について述べたが、凹凸パターンがない平面部を有するモールド（平面テンプレート）であってもよい。平面テンプレートは、平面部によって基板上の組成物を平坦化するように成形する平坦化処理（組成物の成形処理）を行う平坦化装置（成形装置）に用いられる。平坦化処理は、基板上に供給された硬化性組成物に平面テンプレートの平坦部を接触させた状態で、光の照射によって、或いは、加熱によって硬化性組成物を硬化させる工程を含む。

図１２は、第２実施形態における平坦化装置による処理を説明する図である。平坦化装置では、平面テンプレートを用いて、基板Ｓの上に平坦化層を形成する。基板上の下地パターン４０２は、前の工程で形成されたパターン起因の凹凸プロファイルを有しており、特に近年のメモリ素子の多層構造化に伴いプロセス基板は１００ｎｍ前後の段差を持つものも出てきている。基板全体の緩やかなうねりに起因する段差は、フォト工程で使われているスキャン露光装置のフォーカス追従機能によって補正可能である。しかし、露光装置の露光スリット面積内に収まってしまうピッチの細かい凹凸は、そのまま露光装置のＤＯＦ（ＤｅｐｔｈＯｆＦｏｃｕｓ）を消費してしまう。基板の下地パターン４０２を平滑化する従来手法としてＳＯＣ（ＳｐｉｎＯｎＣａｒｂｏｎ）、ＣＭＰ（ＣｈｅｍｉｃａｌＭｅｃｈａｎｉｃａｌＰｏｌｉｓｈｉｎｇ）のような平坦化層を形成する手法が用いられている。しかし従来技術では十分な平坦化性能が得られない問題があり、今後多層化による下地の凹凸差は更に増加する傾向にある。

この問題を解決するために、本実施形態の平坦化装置は、基板に予め塗布された未硬化の組成物に対して平面テンプレート（平面プレート）を押し当てて基板面内の局所平面化を行う。本実施形態において、平坦化装置の構成は、図１に示したインプリント装置１００と概ね同様とすることができる。ただし、平坦化装置では、凹凸パターンが形成されたパターン部を有する型Ｍの代わりに、基板Ｓと同じかそれより大きい面積の平面プレート４０１を使用し、基板Ｓの上の組成物層の全面に接触させる。型保持部は、そのような平面プレートを保持するように構成される。

図１２（Ａ）は、基板上に組成物を供給し、平面プレート４０１を接触させる前の状態を示している。この組成物の供給パターンは、基板全面での凹凸情報を考慮して計算されたものである。図１２（Ｂ）は、平面プレート４０１が基板上の組成物４０３と接触した状態を示している。図１２（Ｃ）は、組成物４０３に光を照射して組成物４０３を硬化させた後、平面プレート４０１を引き離した状態を示している。

上記したように、実際の基板はパターンの段差のみでなく、基板全面で凹凸をもっているため、その凹凸の影響により、平面プレート４０１が組成物４０３と接触するタイミングが異なる。本実施形態では、最初に接触した位置では、接触直後から組成物の移動が始まるが、その程度に応じて組成物を多く配置している。また、最後に接触した位置では、組成物の移動の始まりが遅く、周辺から流入する組成物が加わるが、その程度に応じて組成物の量を減らしている。このような対処により、基板全面で均一な厚みの平坦化層を形成することができる。なお、本実施形態では、処理対象の基板Ｓの全面に対して平坦化処理を一括して行う場合について説明したが、基板Ｓの成形領域ごとに平坦化処理を行ってもよい。

前述の実施形態に係る発明は、本実施形態の平坦化装置についても同様に適用することができる。本実施形態では、平坦化処理を行った後に、平坦化処理を行った基板または成形領域（平坦化層を形成すべき領域）及びその周辺部の画像を取得し、かかる画像を用いて浸み出し及び未充填（に起因する成形不良）を検査（検出）する。

＜物品製造方法の実施形態＞
インプリント装置を用いて形成した硬化物のパターンは、各種物品の少なくとも一部に恒久的に、或いは各種物品を製造する際に一時的に、用いられる。物品とは、電気回路素子、光学素子、ＭＥＭＳ、記録素子、センサ、或いは、型等である。電気回路素子としては、ＤＲＡＭ、ＳＲＡＭ、フラッシュメモリ、ＭＲＡＭのような、揮発性或いは不揮発性の半導体メモリや、ＬＳＩ、ＣＣＤ、イメージセンサ、ＦＰＧＡのような半導体素子等が挙げられる。型としては、インプリント用のモールド等が挙げられる。

硬化物のパターンは、上記物品の少なくとも一部の構成部材として、そのまま用いられるか、或いは、レジストマスクとして一時的に用いられる。基板の加工工程においてエッチング又はイオン注入等が行われた後、レジストマスクは除去される。

次に、物品の具体的な製造方法について説明する。図１３（Ａ）に示すように、絶縁体等の被加工材２ｚが表面に形成されたシリコンウエハ等の基板１ｚを用意し、続いて、インクジェット法等により、被加工材２ｚの表面に組成物３ｚを付与する。ここでは、複数の液滴状になった組成物３ｚが基板上に付与された様子を示している。

図１３（Ｂ）に示すように、インプリント用の型４ｚを、その凹凸パターンが形成された側を基板上の組成物３ｚに向け、対向させる。図１３（Ｃ）に示すように、組成物３ｚが付与された基板１ｚと型４ｚとを接触させ、圧力を加える。組成物３ｚは型４ｚと被加工材２ｚとの隙間に充填される。この状態で硬化用のエネルギーとして光を型４ｚを透して照射すると、組成物３ｚは硬化する。

図１３（Ｄ）に示すように、組成物３ｚを硬化させた後、型４ｚと基板１ｚを引き離すと、基板１ｚ上に組成物３ｚの硬化物のパターンが形成される。この硬化物のパターンは、型の凹部が硬化物の凸部に、型の凸部が硬化物の凹部に対応した形状になっており、即ち、組成物３ｚに型４ｚの凹凸パターンが転写されたことになる。

図１３（Ｅ）に示すように、硬化物のパターンを耐エッチングマスクとしてエッチングを行うと、被加工材２ｚの表面のうち、硬化物が無いか或いは薄く残存した部分が除去され、溝５ｚとなる。図１３（Ｆ）に示すように、硬化物のパターンを除去すると、被加工材２ｚの表面に溝５ｚが形成された物品を得ることができる。ここでは硬化物のパターンを除去したが、加工後も除去せずに、例えば、半導体素子等に含まれる層間絶縁用の膜、つまり、物品の構成部材として利用してもよい。なお、型４ｚとして、凹凸パターンを設けた回路パターン転写用の型を用いた例について述べたが、凹凸パターンがない平面部を有する型（平面テンプレート）であってもよい。

＜その他の実施形態＞
以上、本発明の好ましい実施形態について説明したが、本発明は、これらの実施形態に限定されず、その要旨の範囲内で種々の変形および変更が可能である。

本発明は、上述の実施形態の１つ以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサがプログラムを読出し実行する処理でも実現可能である。また、１つ以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

１００インプリント装置
１００７不良検査装置
１０１７学習モデル群取得部
１０２７画像取得部
１０３７装置データ取得部
１０４７選択部
１０５７検査部

Claims

型を用いて基板上の成形領域において組成物を成形する成形処理が行われた基板について、成形された前記組成物の不良の有無を検査する情報処理装置であって、
前記成形処理によって前記組成物が成形された成形領域を含む画像である、複数の学習用画像を用いて作成され、前記成形処理における成形処理装置のデータに対応する学習モデルを少なくとも一以上含む学習モデル群を取得する第１取得部と、
前記組成物が成形された所定の成形領域を含む画像である検査用画像を取得する第２取得部と、
前記所定の成形領域において前記組成物を成形した際の前記成形処理装置のデータに関する情報を取得する第３取得部と、
前記情報に基づいて、前記学習モデル群から少なくとも１つの前記学習モデルを選択する選択部と、
選択された少なくとも１つの前記学習モデルに基づき、前記検査用画像から前記不良の有無を検査する検査部と、を備えることを特徴とする情報処理装置。
前記学習モデル群に含まれる少なくとも一以上の前記学習モデルは、前記成形処理装置のデータに基づき前記複数の学習用画像が分類されたクラスタを用いて、作成されることを特徴とする請求項１に記載の情報処理装置。
前記複数の学習用画像は、前記成形処理装置のデータの類似度に基づいて複数の前記クラスタに分類されることを特徴とする請求項２に記載の情報処理装置。
前記第１取得部は、前記学習モデル群を情報処理装置の外部から取得する請求項１乃至３のいずれか１項に記載の情報処理装置。
前記第１取得部は、前記複数の学習用画像を用いて、複数の前記成形処理装置のデータに対応する前記学習モデル群を作成することを特徴とする請求項１乃至３のいずれか１項に記載の情報処理装置。
前記第１取得部は、前記不良を含まない前記複数の学習用画像を教師データとして、複数の前記成形処理装置のデータに対応する前記学習モデルを作成することを特徴とする請求項５に記載の情報処理装置。
前記検査部は、前記検査用画像を前記選択された少なくとも１つの学習モデルに入力し、出力された画像と、入力した前記検査用画像との差分に基づいて、前記不良の有無を検査することを特徴とする請求項１乃至６のいずれか１項に記載の情報処理装置。
前記選択部は、前記情報に対応した学習モデルがない場合には、前記情報に最も近い前記成形処理装置のデータに対応した前記学習モデルを選択するか、前記学習モデルを選択しないことを特徴とすることを特徴とする請求項１乃至７のいずれか１項に記載の情報処理装置。
前記選択部は、前記情報に対応した前記学習モデルがない場合に、その旨をユーザに通知することを特徴とすることを特徴とする請求項８に記載の情報処理装置。
前記選択部は、前記情報に含まれる前記成形処理装置のデータの項目の重み付けを変更可能であることを特徴とする請求項８に記載の情報処理装置。
前記成形処理装置のデータは、前記成形処理時に前記基板と前記型の相対移動により生じる前記組成物のせん断力、前記型と前記組成物とを接触させることにより生じる接触力、および前記型と前記組成物とを引き離す際の離型力の少なくとも１つを含むことを特徴とする請求項１乃至１０のいずれか１項に記載の情報処理装置。
前記成形処理装置のデータは、前記型と前記組成物とを接触させる際に前記型を変形させるためのキャビティ内の圧力の計測値、前記接触時の前記組成物の画像に関する情報、前記型と前記基板とを位置合わせする際のアライメント画像に関する情報、および前記基板の表面の高さの計測値の少なくとも１つを更に含むことを特徴とする請求項１１に記載の情報処理装置。
前記不良は、前記組成物の浸み出し、および前記組成物の未充填のいずれかに起因して発生することを特徴とする請求項１乃至１２のいずれか１項に記載の情報処理装置。
前記検査用画像を撮像する撮像部と、
請求項１乃至１３のいずれか１項に記載の情報処理装置と、を備えることを特徴とする不良検査装置。
型を用いて基板上の組成物を成形する成形装置であって、
請求項１４に記載の不良検査装置を有することを特徴とする成形装置。
前記成形装置は、前記型のパターンを前記組成物に接触させることにより前記組成物のパターンを形成するインプリント装置、または、前記型の平面部を前記組成物に接触させることにより前記組成物を平坦にする平坦化装置を含むことを特徴とする請求項１５に記載の成形装置。
型を用いて基板上の成形領域において組成物を成形する成形処理が行われた基板について、成形された前記組成物の不良の有無を検査する検査方法であって、
前記成形処理によって前記組成物が成形された成形領域を含む画像である、複数の学習用画像を用いて作成され、前記成形処理における成形処理装置のデータに対応する学習モデルを少なくとも一以上含む学習モデル群を取得する第１取得工程と、
前記組成物が成形された所定の成形領域を含む画像である検査用画像を取得する第２取得工程と、
前記所定の成形領域において前記組成物を成形した際の前記成形処理装置のデータに関する情報を取得する第３取得工程と、
前記情報に基づいて、前記学習モデル群から少なくとも１つの前記学習モデルを選択する選択工程と、
選択された少なくとも１つの前記学習モデルに基づき、前記検査用画像から前記不良の有無を検査する検査工程と、を有することを特徴とする検査方法。
請求項１５または１６に記載の成形装置を用いて基板上の成形領域における組成物を成形し、前記成形領域における前記成形された組成物の不良の検査を行う工程と、
前記組成物が成形された前記成形領域の内の前記不良のない成形領域を処理する工程と、を含み、
処理された前記基板から物品を製造する工程と、を有する物品の製造方法。
請求項１７に記載の検査方法をコンピュータに実行させることを特徴とするプログラム。
型を用いて基板上の成形領域において組成物を成形する成形処理が行われた基板について、成形された前記組成物の不良の有無を検査するための学習モデルを作成する情報処理装置であって、
前記成形処理によって前記組成物が成形された成形領域を含む画像である、複数の学習用画像を用いて、前記成形処理における成形処理装置のデータに対応する学習モデルを少なくとも一以上含む学習モデル群を作成する学習モデル作成部を有することを特徴とする情報処理装置。
型を用いて基板上の成形領域において組成物を成形する成形処理が行われた基板について、成形された前記組成物の不良の有無を検査するための学習モデルを作成する学習モデル作成方法であって、
前記成形処理によって前記組成物が成形された成形領域を含む画像である、複数の学習用画像を用いて、前記成形処理における成形処理装置のデータに対応する学習モデルを少なくとも一以上含む学習モデル群を作成する作成工程を有することを特徴とする学習モデル作成方法。
請求項２１に記載の学習モデル作成方法をコンピュータに実行させることを特徴とするプログラム。