JP7229686B2 - 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 - Google Patents

Description

本発明は、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に関する。

対象物体の物理量を制御する制御装置には、ＰＩＤ制御のような古典制御器が良く使われている。近年では、古典制御理論や現代制御理論に基づく制御器の他に、機械学習を用いて構築された制御器が用いられることがある。また、機械学習を含まない制御器と機械学習による制御器を併用した制御器も用いられることがある。特許文献１の位置決め装置では、機械学習によって制御指令値の補正量を計算し、フィードバック制御器のモータ制御指令を補正している。

特開２０１７－１０２６１３号公報

機械学習による制御器を用いた制御装置には信頼性に関する問題がある。機械学習によって生成した制御器は、学習時に与えられた状況から大きく外れた状況、つまり、学習データとして与えられる状況群から大きく離れた状況に対して、異常な制御指令を出力する可能性を否定できない。これは特に、機械学習によってパラメータが調整された大規模な深層ニューラルネットワークを内部に含む制御器の場合、入力に対する応答（出力）の振る舞いを把握することが困難であるため、顕著な問題となる。

そこで、本発明は、学習によって生成された制御部を用いても制御の信頼性の低下を抑えることができる制御装置を提供することを目的とする。

上記課題を解決する本発明の一側面としてのフィードバック制御装置は、制御対象の測定値と目標値との制御偏差に関する情報を入力として、前記制御対象に対する操作量を出力するフィードバック制御装置であって、前記測定値と前記目標値を入力として、前記制御偏差を計算し、前記制御偏差に関する情報を出力する偏差計算部と、前記偏差計算部からの前記制御偏差に関する情報を入力として、前記制御対象に対する操作量を出力する第１制御部と、前記偏差計算部からの前記制御偏差に関する情報を入力として、前記制御対象に対する操作量を出力するためのパラメータが機械学習によって決定された学習制御部を含む第２制御部と、前記第１制御部から出力される第１操作量と前記第２制御部から出力される第２操作量とを加算する加算器と、を有し、前記第２制御部は、前記偏差計算部と前記学習制御部との間に設けられて前記偏差計算部からの前記制御偏差に関する情報に対して所定の帯域を遮断して前記学習制御部に出力するフィルタ、又は、前記学習制御部と前記加算器との間に設けられて前記第２操作量を制限する制限部を有し、前記加算器で加算された操作量を前記制御対象に出力する、ことを特徴とする。

本発明によれば、学習によって生成された制御部を用いても位置制御の信頼性の低下を抑えることができる。

第１実施形態のインプリント装置を示した概略図である。 第１実施形態における制御装置の概略図である。 学習制御部を示した図である。 第２実施形態における制御系の概略図である。 第３実施形態における制御系の概略図である。

以下に、本発明の好ましい実施形態を添付の図面に基づいて詳細に説明する。ただし、説明する制御対象は各実施形態に限らず、制御対象としてはフィードバック制御が可能な物理量であれば、種類は問わない。以下、代表的なものを列挙する。例えば、物体の直進および回転方向の変位、速度、加速度、気体または流体の流量、流速、圧力が挙げられる。また、流体の液面高さ、物体または気体または液体の温度、電気回路等の電流、電圧、電荷が挙げられる。また、磁界における磁束、磁束密度、音場の音圧が挙げられる。これらの物理量は公知の検出器（センサ）を用いた検出部により測定され、測定値が制御装置に入力される。制御量駆動部は制御対象の物理量に変化を与える能動要素であり、制御対象が物体の位置、速度、加速度ではモータ類やピエゾ素子等が用いられる。気体、流体等ではポンプやバルブ等が用いられる。電気系では、電流や電圧を操作するドライバ等が用いられる。

＜第１実施形態＞
本実施形態では、基板にパターンを形成するリソグラフィ装置の一例として、インプリント装置を説明する。図１は、インプリント装置の概略図である。インプリント装置は、基板上に供給されたインプリント材と型とを接触させ、インプリント材に硬化用のエネルギーを与えることにより、型の凹凸パターンが転写された硬化物のパターンを形成する形成部を有する装置である。例えば、インプリント装置は、基板上にインプリント材を供給し、凹凸のパターンが形成されたモールド（型）を基板上のインプリント材に接触させた状態で当該インプリント材を硬化させる。そして、モールドと基板との間隔を広げて、硬化したインプリント材からモールドを剥離（離型）することで、基板上のインプリント材にモールドのパターンを転写することができる。このような一連の処理を、インプリント処理と呼び、基板における複数のショット領域の各々について行われる。つまり、１枚の基板における複数のショット領域の各々に対してインプリント処理を行う場合には、該１枚の基板におけるショット領域の数だけインプリント処理が繰り返し行われることとなる。

インプリント装置１００は、メカ構造と制御系２００を有する。インプリント装置１００の本体構造体１０１は、空気ばね等を用いた三脚または四脚の除振機構１０２を介して、床の上に設置される。ウエハ（基板）１０３は、不図示のウエハチャックによりウエハステージ（基板ステージ）７に保持されている。ウエハステージ７は、ウエハ１０３の全面の各ショット領域にインプリント処理を行うために、十分なＸ方向およびＹ方向のストロークを持ってウエハ１０３を移動させる。また、ウエハステージ７は、ウエハ１０３を不図示のウエハ交換ハンドにて載せ降ろしを行う交換位置まで移動できるのに十分なＸ方向およびＹ方向のストロークを持っている。

ウエハステージ７は、図１では簡易的に一つの箱と車輪で示されているが、実際には、静圧案内を用いてＸ方向に移動自由に案内され、リニアモータ（駆動部）によりＸ方向に駆動力が与えられる。また、ウエハステージ７上において、不図示のＹステージが静圧案内とリニアモータによりＹ方向に移動できるようになっている。モータは電流ドライバなどの駆動回路によって駆動される。移動対象物体としてのウエハを移動させる移動部は、ステージと駆動部と駆動回路を含む。ただし、ウエハステージ７の構成はこれに限らず、露光装置用のウエハステージに用いられる高精度な位置決めステージを用いることができる。

ウエハステージ７のＸ方向の位置は位置測定部２により計測される。位置測定部２は本体構造体１０１上に構成された不図示のスケールとウエハステージ７上のヘッドおよび演算部のリニアエンコーダで構成されている。同様にＹ方向を計測する不図示のＹ軸のエンコーダも設けられている。ウエハステージ７の位置の計測は、本体構造体１０１に設けた干渉計とウエハステージ７に設けた反射ミラーの組み合わせを用いても良い。

インプリント材としての光硬化型の樹脂はディスペンサ１０７によりウエハ１０３のショット領域の位置に供給される。この際、ウエハステージ７はウエハ上の樹脂の塗布位置をディスペンサ１０７の直下に位置決めする。続いてウエハステージ７はウエハ上の樹脂の塗布位置を、微細なパターンが形成されたモールド１０４の直下に位置決めする。モールド１０４はインプリントヘッド１０５により保持されている。インプリントヘッド１０５はＺ方向にモールド１０４を移動できる構造を持つ。ウエハ１０３のショット領域の位置がモールド１０４に移動するまでは、モールド１０４はウエハ１０３よりＺ上方位置で待機している。ウエハ１０３のショット位置がモールド１０４直下に位置決めされると、インプリントヘッド１０５によりモールド１０４を降下し、樹脂にモールド１０４のパターン部を押し付ける。半導体デバイス等をインプリント装置で製造する場合、モールド１０４のパターンをウエハ１０３上の樹脂に転写する際に、以前のレイヤーとの位置合わせが重要である。この位置合わせはアライメントと呼ばれる。アライメント検出器１０６は、ウエハ１０３およびモールド１０４の両方に設けられた不図示のアライメントマークを光学的に検出して画像処理を行い、ＸおよびＹ方向のアライメントマークの位置ずれを検出する。この位置ずれ情報は後述する制御系２００に送られ、ウエハステージ７またはインプリントヘッド１０５のＸ，Ｙ位置を補正することでアライメントを行う。アライメントが完了すると照明系１０８から露光光を樹脂に照射し、樹脂を硬化させる。樹脂の硬化後、インプリントヘッド１０５はモールド１０４を上昇させ、ウエハ１０３上の樹脂からモールド１０４を離型する。この一連の工程に依り、ウエハ１０３上の樹脂にはモールド１０４に刻まれたパターンに対応したパターンが転写される。同様にインプリント処理をショット領域の位置を変えて順次行い、一枚のウエハの全てのショット領域についてインプリント処理を完了すると、ウエハステージ７はウエハ交換位置に移動する。そして、不図示のウエハ交換ハンドによりインプリントの終わったウエハを回収し、次の新規ウエハを供給する。

図２は本実施形態における制御系２００（フィードバック制御器）の概略を表わす図である。点線内が制御系２００であり、複雑な演算を行うため、デジタル計算機を用いている。制御系２００は、ＣＰＵやＦＰＧＡなどの演算処理装置や、メモリなどの記憶装置を含む。装置主制御部６はインプリント装置全体を制御する制御部であり、インプリント装置で行うジョブのシーケンス管理から、制御部１や不図示の他の制御ユニットに指令を送る役割をもっている。

位置指令部３は、装置主制御部６よりステージ位置の目標座標を取得、記憶し、その値を制御部１に送る。前述のアライメント検出器１０６によるアライメントの位置ずれ情報も位置指令部３に入り、ウエハステージ７の目標座標に反映される。位置測定部２は、ある決められた時間刻みΔｔごとにステージ位置を測定し、測定したステージ位置を制御部１に送る。

制御部１では、偏差計算部１３が位置測定部２から送られたステージ位置（測定値）と位置指令部３から送られたステージ位置の目標値との差分（制御偏差、以下ステージ偏差と呼ぶ）を計算し、そのステージ偏差を制御器１１と制御器１２に送る。制御器１１（第１制御部）はＰＩＤ制御系を用いており、制御器１２（学習制御部）はニューラルネットワークを含む制御系で構成されている。制御器１１は、ステージ偏差に関する情報を入力として、ウエハステージ７に対する操作量を出力する。制御器１２の出力は出力リミッタ２１（制限部）により、その出力値に上限、下限の制限が加えられる。つまり、出力リミッタ２１は、第２制御部から出力可能な操作量の範囲を制限する。なお、制御器１２は出力リミッタ２１を包含する構成とすることもできる。図３では、出力リミッタ２１の図示を省略している。制御器１２と出力リミッタ２１を有する制御部を第２制御部とする。第２制御部は、ステージ偏差に関する情報を入力として、ウエハステージ７に対する操作量を出力するためのパラメータが機械学習によって決定されている。加算器１４は、制御器１１（第１制御部）で生成された出力値Ｕ１（第１操作量）と、制御器１２で生成され、出力リミッタ２１によって制限された出力値Ｕ２（第２操作量）を足し合わせたもの（加算したもの）を出力する。

図３は制御器１２の構成を示したものである。制御器１２は、ステージ偏差の履歴を保存する偏差メモリ１５と、ニューラルネットワーク１６から構成される。偏差メモリ１５は、あらかじめ決められた数（Ｎ個、Ｎは自然数）があって、直近のＮステップ分のステージ偏差を保存する。ニューラルネットワーク１６は、偏差メモリ１５にある、Ｎステップ分のステージ偏差を入力層に入力したとき、出力層は、制御器１１の力指示値（出力値）の補正値に当たる値を出力するよう、ネットワークの重みなどのパラメータが調整されている。

制御器１２内のニューラルネットワーク１６のネットワークパラメータは、事前に何らかの手法で調整されている必要がある。調整手法としては、例えば、強化学習によるネットワークパラメータ調整手法を用いることが出来るが、どのような手法を用いてネットワークパラメータを調整しても良い。また、ニューラルネットワークは、直接、指示値の次元に該当するものを出力するネットワーク（政策ネットワーク）であっても良いし、指示値の価値を計算するネットワーク（行動価値ネットワーク）であっても良い。行動価値ネットワークの場合は、制御器１２には、ニューラルネットワーク１６の後段に、価値が最大の行動を選ぶ選出部を加え、その選出部で選択された指示値が制御器１２の出力となる。また、ネットワークパラメータは、第２制御部から出力可能な第２操作量の範囲が出力リミッタ２１により制限された状態で機械学習がなされたものであってもよい。

出力リミッタを用いた構成は、例えば、次のようにすればよい。すなわち、補正値の上限値をＣｍａｘ、下限値をＣｍｉｎとして、ニューラルネットワーク１６の出力層をＤ個に設定する。その後、ｋ番目の出力値を補正値Ｃ＝ｋ＊（Ｃｍａｘ－Ｃｍｉｎ）／（Ｄ－１）＋Ｃｍｉｎの行動価値出力を行なうように設定する。これで制御器１２の（離散的）補正出力値を［Ｃｍｉｎ，Ｃｍａｘ］に限定することができる。さらに、制御器１２から出力される補正値を打ち消す値をとることができるように制御器１１の指令範囲を設定しておくことで、制御器１２が異常な出力を出したとしても、制御器１１がその指令を抑圧することが可能となる。ここで述べた出力値の制限方法は一例であり、その他、連続値出力に対してはリミッタを付加する等の様々な手法で制御器１２の出力範囲を限定することができる。

出力リミッタ２１により、制御器１１の出力範囲－Ｕ１～Ｕ１と制御器１２の出力範囲－Ｕ２～Ｕ２には、｜Ｕ１｜＞｜Ｕ２｜（｜Ｕ｜はＵの絶対値を示す）の関係が満たされる。つまり、第２制御部から出力される第２操作量の範囲は、制御器１１から出力される第１操作量の範囲よりも小さい。ニューラルネットワーク１６に対して予期せぬ外乱が印加され、制御器１２の出力が発散しても、その影響は－Ｕ２～Ｕ２の範囲内である。制御器１１からは－Ｕ２～Ｕ２を上回る制御指令－Ｕ１～Ｕ１が出力されるので、制御器１２の発散の影響を抑えることができる。

加算器１４の出力は不図示のＤ／Ａ変換機を通してアナログ信号となり、電流ドライバ４に送られ、入力される。電流ドライバ４ではモータ５のコイルに流れる電流値を、加算器１４の出力となるように制御する。モータ５の推力はコイルに流れる電流に比例するので、制御器１１と制御器１２の和による出力値に応じた力がウエハステージ７に印加される。

制御部１の構成では、フィードバック制御部を、主に制御器１１が受け持つことになる。ニューラルネットワークを用いた制御器１２は、制御器１１では補償しきれないステージ偏差をさらに抑制する働きを持つ。その結果、従来の制御器１１のみの制御系に対し、ステージ偏差を非常に小さくし、インプリント装置のステージ（基板）のアライメント精度を向上することができる。

制御器１のように、偏差を入力とした複数の制御系を並列に用いると、フィードバックゲインが過剰になること、各制御系の出力が互いに外乱として作用すること、の二つにより制御系が不安定になりやすい。そのため、制御対象の物理量を変え、インナーループとアウターループの多重フィードバックループの構成を用いるのが一般的である。しかし、本実施形態では、制御部１の安定性は、制御器１１で安定性を確保した状態で出力リミッタ２１を用いた制御器１２を機能させることで確保されている。

また、従来のニューラルネットワークを用いた制御系では、制御系に偏差のみでなく、位置指令や制御出力を入力する構成であった。この場合、ニューラルネットワークでの演算量が非常に大きくなり、高性能の演算能力を持つデジタル計算機でも所定時間内での制御演算が困難であった。本実施形態では制御器１２のニューラルネットワークへの入力を偏差のみにすることで、演算量を低減し、所定時間内での制御演算を容易にすることができる。

＜第２実施形態＞
次に、図４を用いて第２実施形態を説明する。図４は、制御部１のブロック線図で、第１実施形態と異なるのは、制御器１２の出力にオンオフスイッチ３１が設けられていることである。オンオフスイッチ３１をオフにすると従来の制御系と同じ構成となり、オンにするとニューラルネットワークを用いた制御器１２の出力が機能する。つまり、オンオフスイッチ３１は、第２制御部から出力される第２操作量の、移動部への入力のオンとオフを切り替える。

オンオフスイッチ３１の切り替えは、偏差計算部１３で計算されるステージ偏差を用いて行うことができる。オンオフスイッチ３１がオンの場合、ステージ偏差はオフの場合より小さくなっているはずであるが、制御器１２のニューラルネットワークに対して予期せぬ外乱が入った時等に、ステージ偏差が大きくなる場合が考えられる。この場合はオンオフスイッチ３１をオフにし、その後にニューラルネットワークの学習（機械学習）をやり直すことが望ましい。

オンオフスイッチ３１の切り替えは、閾値を定めておき計算器のソフトウエアで行うことができる。また、インプリント装置のオペレータがモニタできるように、ディスプレイなどの表示部に数値や波形を表示し、オペレータが、ユーザーインターフェイスなどの選択部で、スイッチのオンとオフを手動で切り替えられるようにしてもよい。

オンオフスイッチ３１の切り替えは、インプリント装置のジョブシーケンスに合わせて行うこともできる。インプリント装置では、ジョブシーケンスによりステージ偏差の大きさやその許容値が異なる。ウエハステージ７が、ウエハ搬送時やディスペンサ１０７直下からモールド１０４直下に大きく移動する場合などは大きなステージ偏差が生じるが、その大きさは問題にならない。よって、オンオフスイッチ３１はオフにしておく。モールド１０４とウエハ１０３のアライメント時にはステージ位置偏差がアライメントずれ（パターン形成誤差）に直結するので、高精度の位置決めが必要で、オンオフスイッチ３１をオンにする。このように、対象物としてのウエハに対して行われるジョブの種類に応じてスイッチのオンとオフを切り替えることもできる。

切り替えには、装置主制御部６から送られるジョブシーケンスのタイミング信号を用いることができる。タイミング信号をそのまま用いて切り替えてもよいし、タイミング信号を受け取ってから所定時間のディレイを入れて切り替えをしてもよい。また、タイミング信号とステージ偏差の大きさをもとに切り替えをすることもできる。例えば、ウエハステージ７がモールド１０４直下に位置決めされた直後は、タイミング信号は駆動終了となっていても、ステージ偏差が大きく残っている場合がある。この場合はステージ偏差が所定値以内に入った時点で、オンオフスイッチ３１をオンに切り替える。そのため、制御系２００は、ステージ偏差が許容範囲にあるか否かを判定する判定部と有し、偏差が許容範囲にないと判定した場合にスイッチをオフにし、偏差が許容範囲にあると判定した場合にスイッチをオンにする。

これらのようにステージ偏差が相対的に小さい状況のみで制御器１２の機能をオンにすることは、ニューラルネットワークの学習時間を短時間にできること、制御器１２の出力Ｕ２の幅を小さくして制御系の安定性を高めること、の二点で有益である。

＜第３実施形態＞
次に、図５を用いて実施例３を説明する。図５は制御部１のブロック線図で、実施例１と異なるのは制御器１２の入力であるステージ偏差に、所定の帯域を低減（遮断）する帯域フィルタ４１を作用させていることである。帯域フィルタ４１からの信号を学習制御部に入力する。帯域フィルタ４１は、ハイパスフィルタ、ローパスフィルタ、バンドパスフィルタ、又は、ノッチフィルタを用いることができる。各フィルタは、低減する帯域を互いに異ならせてもよい。例えば、制御器１２に高域のステージ偏差がある場合に性能が落ちる場合は、ローパスフィルタを用いて制御器１２を働かせる帯域から高域を落とすことができる。同様に、特定の周波数域が制御器１２による制御性能を落とす場合は、ノッチフィルタを用いることができる。制御器１１の低域の性能で十分の場合は、低域は制御器１１に任せるため帯域フィルタ４１にハイパスフィルタを用いることができる。これらのフィルタは組み合わせて使ってもよい。また、インプリント装置のジョブに応じて、使用する帯域フィルタ４１を変更して（切り替えて）もよい。この場合、ニューラルネットワークの学習は帯域フィルタ４１の種類に合わせて行うので、帯域フィルタ４１に応じた制御器１２のパラメータに切り替えて制御を行う。つまり、制御器１２のパラメータは、第１フィルタを用いた場合に第１帯域の偏差を入力として用いた機械学習によって決定された第１パラメータを有する。また、第２フィルタを用いた場合に第１帯域とは異なる第２帯域の偏差と入力として用いた機械学習によって決定された第２パラメータも有する。

＜第４実施形態＞
上記実施形態では、インプリント装置にパターン部を有する型を用いたが、パターン部がない型を用いて基板上の樹脂を平坦化するように成形する平坦化装置（成形装置）にも上述の位置制御装置を適用することができる。例えば、型や基板のステージの位置制御に適用できる。

また、マスクを照明して、マスクのパターンを投影光学系により基板に転写して基板上にパターンを形成する形成部を有する露光装置にも上述の位置制御装置を適用することができる。例えば、基板ステージやマスクステージの位置制御に適用できる。

さらに、インプリント装置以外の測定装置や加工装置にも適用できる。測定装置は、対象物体の位置を制御するために、上述の位置制御装置を有し、位置制御装置によって位置が制御された物体を測定する測定部も有する。測定部としては、接触式のプローブや、非接触式の干渉計測器が挙げられる。また、加工装置は、対象物体の位置を制御するために、上述の位置制御装置を有し、位置制御装置によって位置が制御された物体を加工する加工部も有する。加工部として例えば、バイトやレーザーなどが挙げられる。

（物品製造方法）
物品の製造方法は、例えば、半導体デバイス等のマイクロデバイスや微細構造を有する素子等の物品を製造するのに好適である。本実施形態の物品の製造方法は、基板に供給（塗布）されたインプリント材に上記のインプリント装置（インプリント方法）を用いてパターンを形成する工程と、かかる工程でパターンを形成された基板を加工する工程とを含む。更に、かかる製造方法は、他の周知の工程（酸化、成膜、蒸着、ドーピング、平坦化、エッチング、レジスト剥離、ダイシング、ボンディング、パッケージング等）を含む。本実施形態の物品の製造方法は、従来の方法に比べて、物品の性能・品質・生産性・生産コストの少なくとも１つにおいて有利である。

次に、前述の露光装置を利用した物品（半導体ＩＣ素子、液晶表示素子、カラーフィルタ、ＭＥＭＳ等）の製造方法を説明する。物品は、前述の露光装置を使用して、感光剤が塗布された基板（ウェハ、ガラス基板等）を露光する工程と、その基板（感光剤）を現像する工程と、現像された基板を他の周知の加工工程で処理することにより製造される。他の周知の工程には、エッチング、レジスト剥離、ダイシング、ボンディング、パッケージング等が含まれる。本製造方法によれば、従来よりも高品位の物品を製造することができる。

Claims (18)

1. 制御対象の測定値と目標値との制御偏差に関する情報を入力として、前記制御対象に対する操作量を出力するフィードバック制御装置であって、
   前記測定値と前記目標値を入力として、前記制御偏差を計算し、前記制御偏差に関する情報を出力する偏差計算部と、
   前記偏差計算部からの前記制御偏差に関する情報を入力として、前記制御対象に対する操作量を出力する第１制御部と、
   前記偏差計算部からの前記制御偏差に関する情報を入力として、前記制御対象に対する操作量を出力するためのパラメータが機械学習によって決定された学習制御部を含む第２制御部と、
   前記第１制御部から出力される第１操作量と前記第２制御部から出力される第２操作量とを加算する加算器と、を有し、
   前記第２制御部は、前記偏差計算部と前記学習制御部との間に設けられて前記偏差計算部からの前記制御偏差に関する情報に対して所定の帯域を遮断して前記学習制御部に出力するフィルタ、又は、前記学習制御部と前記加算器との間に設けられて前記第２操作量を制限する制限部を有し、
   前記加算器で加算された操作量を前記制御対象に出力する、
   ことを特徴とするフィードバック制御装置。
2. 前記制限部は、前記第２制御部から出力可能な前記第２操作量の範囲を制限することを特徴とする請求項１に記載のフィードバック制御装置。
3. 前記学習制御部は、前記第２制御部から出力可能な前記第２操作量の範囲が前記制限部により制限された状態で機械学習がなされた前記パラメータを有する、ことを特徴とする請求項２に記載のフィードバック制御装置。
4. 前記第２操作量の範囲は、前記第１操作量の範囲よりも小さいことを特徴とする請求項２又は３に記載のフィードバック制御装置。
5. 前記制限部によって前記学習制御部から出力される出力値の範囲が制限されていることを特徴とする請求項１に記載のフィードバック制御装置。
6. 前記制限部は、前記第２操作量の前記制御対象への入力のオンとオフを切り替えるスイッチを有することを特徴とする請求項１に記載のフィードバック制御装置。
7. 前記制御偏差が許容範囲にあるか否かを判定する判定部と有し、
   前記制御偏差が許容範囲にないと判定した場合に前記スイッチをオフにすることを特徴とする請求項６に記載のフィードバック制御装置。
8. 前記スイッチのオンとオフを選択する選択部を表示する表示部を有することを特徴とする請求項６に記載のフィードバック制御装置。
9. 前記制御対象に対して行われるジョブの種類に応じて前記スイッチのオンとオフを切り替えることを特徴とする請求項６に記載のフィードバック制御装置。
10. 前記スイッチがオフになった後に前記機械学習を行うことを特徴とする請求項６乃至９の何れか１項に記載のフィードバック制御装置。
11. 遮断する帯域が互いに異なる複数の前記フィルタを有し、
    前記複数のフィルタを切り替えて用いることを特徴とする請求項１に記載のフィードバック制御装置。
12. 前記複数のフィルタとして第１フィルタと第２フィルタを有し、
    前記パラメータは、
    前記第１フィルタを用いた場合に第１帯域の偏差を入力として用いた機械学習によって決定された第１パラメータと、
    前記第２フィルタを用いた場合に前記第１帯域とは異なる第２帯域の偏差と入力として用いた機械学習によって決定された第２パラメータと、を含むことを特徴とする請求項１１に記載のフィードバック制御装置。
13. 前記制御対象を変化させる駆動部と、
    前記制御対象を測定する測定部と、を有し、
    前記測定部によって測定された前記制御対象の測定値と目標値との制御偏差に関する情報を入力として、前記駆動部に対する操作量を出力することを特徴とする請求項１乃至１２の何れか１項に記載のフィードバック制御装置。
14. 請求項１乃至１３の何れか１項に記載のフィードバック制御装置と、
    前記フィードバック制御装置によって制御された物体を用いてパターンを形成する形成部と、
    を有することを特徴とするリソグラフィ装置。
15. 請求項１乃至１３の何れか１項に記載のフィードバック制御装置と、
    前記フィードバック制御装置によって制御された物体を測定する測定部と、
    を有することを特徴とする測定装置。
16. 請求項１乃至１３の何れか１項に記載のフィードバック制御装置と、
    前記フィードバック制御装置によって制御された物体を加工する加工部と、
    を有することを特徴とする加工装置。
17. 請求項１乃至１３の何れか１項に記載のフィードバック制御装置を有し、
    前記フィードバック制御装置によって制御された物体を用いて組成物を平坦化することを特徴とする平坦化装置。
18. 請求項１４に記載のリソグラフィ装置を用いて基板上にパターンを形成する工程と、
    パターンが形成された基板を加工する工程と、
    加工された基板から物品を製造することを特徴とする物品の製造方法。

Images