KR20230009303A - 처리 장치, 관리 장치, 리소그래피 장치, 및 물품 제조 방법 - Google Patents

처리 장치, 관리 장치, 리소그래피 장치, 및 물품 제조 방법 Download PDF

Info

Publication number
KR20230009303A
KR20230009303A KR1020220078627A KR20220078627A KR20230009303A KR 20230009303 A KR20230009303 A KR 20230009303A KR 1020220078627 A KR1020220078627 A KR 1020220078627A KR 20220078627 A KR20220078627 A KR 20220078627A KR 20230009303 A KR20230009303 A KR 20230009303A
Authority
KR
South Korea
Prior art keywords
control
driving
command value
substrate
unit
Prior art date
Application number
KR1020220078627A
Other languages
English (en)
Inventor
사토루 이토
Original Assignee
캐논 가부시끼가이샤
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 캐논 가부시끼가이샤 filed Critical 캐논 가부시끼가이샤
Publication of KR20230009303A publication Critical patent/KR20230009303A/ko

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
    • G03F7/70483—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
    • 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
    • G03F7/70533—Controlling abnormal operating mode, e.g. taking account of waiting time, decision to rework or rework flow
    • 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
    • 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
    • G03F7/70216—Mask projection systems
    • G03F7/70258—Projection system adjustments, e.g. adjustments during exposure or alignment during assembly of projection system
    • 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
    • G03F7/705—Modelling or simulating from physical phenomena up to complete wafer processes or whole workflow in wafer productions
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
  • Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)
  • Feedback Control In General (AREA)

Abstract

처리 장치는, 제어 대상을 구동하는 구동부와, 제어 오차에 근거해서 상기 구동부에 대한 지령 값을 발생함으로써 상기 구동부를 제어하는 제어부를 구비한다. 상기 제어부는, 상기 제어 오차에 근거해서 제1지령 값을 발생하는 제1보상기와, 상기 제어 오차에 근거해서 제2지령 값을 발생하는 제2보상기와, 상기 제1지령 값과 상기 제2지령 값을 가산해서 상기 지령 값을 얻는 가산기를 구비한다. 상기 제2보상기는, 학습에 의해 파라미터 값이 결정되는 뉴럴 네트워크를 구비하고, 상기 뉴럴 네트워크에 입력되는 입력 파라미터는, 상기 제어 오차에 더하여, 상기 구동부의 구동조건과 상기 제어 대상의 주위의 환경조건 중 적어도 하나를 구비한다.

Description

처리 장치, 관리 장치, 리소그래피 장치, 및 물품 제조 방법{PROCESSING APPARATUS, MANAGEMENT APPARATUS, LITHOGRAPHY APPARATUS, AND ARTICLE MANUFACTURING METHOD}
본 발명은, 처리 장치, 관리 장치, 리소그래피 장치, 및 물품 제조 방법에 관한 것이다.
제어 대상의 제어에 관해 정밀도를 향상시키기 위한 기술이 여러 가지 제안되어 있다. 일본 특허공개 2006-128685에는, 피드백 제어기와 피드포워드 제어기를 조합한 제어 시스템에 있어서, 피드포워드 제어기의 파라미터를 반복 학습에 의해 갱신하는 것이 기재되어 있다.
최근에는, 뉴럴 네트워크를 사용해서 제어 대상을 제어하고, 정밀도를 향상하는 기술이 제안되어 있다. 뉴럴 네트워크는 제어 대상마다 최적화된다. 최적화된 뉴럴 네트워크를 학습된 네트워크라고 부른다. 이 학습된 뉴럴 네트워크를 사용해서 제어 대상이 제어된다.
뉴럴 네트워크를 사용한 제어장치는, 강화 학습을 행하여서 뉴럴 네트워크의 파라미터 값을 결정할 수 있다. 그러나, 제어 대상의 상태는, 경시 변화에 의해 변화될 수 있으므로, 주어진 시점에서 최적화된 뉴럴 네트워크도, 그 후에 제어 대상의 상태가 변화된 이후에 더 이상 최적이 아니다. 그 때문에, 제어 대상의 상태의 변화로 인해, 제어장치의 제어 정밀도가 저하할 수도 있다.
본 발명은, 제어 대상의 상태의 변화에 의한 제어 정밀도의 저하를 억제할 때 유리한 기술을 제공한다.
본 발명의 일 측면에서는, 제어 대상을 구동하는 구동부; 및 제어 오차에 근거해서 상기 구동부에 대한 지령 값을 발생함으로써 상기 구동부를 제어하는 제어부를 구비하고, 상기 제어부는, 상기 제어 오차에 근거해서 제1지령 값을 발생하는 제1보상기와, 상기 제어 오차에 근거해서 제2지령 값을 발생하는 제2보상기와, 상기 제1지령 값과 상기 제2지령 값을 가산해서 상기 지령 값을 얻는 가산기를 포함하고, 상기 제2보상기는, 학습에 의해 파라미터 값이 결정되는 뉴럴 네트워크를 구비하고, 상기 뉴럴 네트워크에 입력되는 입력 파라미터는, 상기 제어 오차에 더하여, 상기 구동부의 구동조건과 상기 제어 대상의 주위의 환경조건 중 적어도 하나를 구비하는, 처리 장치를 제공한다.
본 발명의 추가의 특징들은, (첨부도면을 참조하여) 이하의 예시적 실시 형태들의 설명으로부터 명백해질 것이다.
도1은 제조 시스템의 구성을 도시한 블록도;
도2는 처리 장치의 배치를 도시한 블록도;
도3은 도2에 도시된 처리 장치의 배치를 예시하는 블록도;
도4는 학습 시퀀스에 있어서의 관리 장치의 동작을 예시하는 흐름도;
도5는 주사 노광 장치의 배치를 예시하는 도;
도6은 실제 시퀀스에 있어서의 주사 노광 장치의 동작을 예시하는 흐름도;
도7a 및 7b는 실시 형태에 따른 제어 대상의 제어 오차의 저감 효과를 도시한 그래프다.
이하, 첨부 도면을 참조하여 실시 형태를 상세히 설명한다. 또한, 이하의 실시 형태는 청구된 발명의 범위를 한정하려는 것이 아니다. 실시 형태에는 복수의 특징이 기재되어 있지만, 이러한 복수의 특징들 모두를 필요로 하는 발명에 한정하는 것이 아니고, 복수의 이러한 특징은 적절히 조합되어도 된다. 더욱, 첨부 도면에 있어서는, 동일 또는 유사한 구성에 동일한 참조 번호를 첨부하고, 그의 중복된 설명은 생략한다.
<제1실시 형태>
도1에는, 실시 형태에 따른 제조 시스템ＭＳ의 구성이 도시되어 있다. 제조 시스템ＭＳ는, 예를 들면, 처리 장치 1과, 처리 장치 1을 제어하는 제어장치 2와, 처리 장치 1 및 제어장치 2를 관리하는 관리 장치(학습 장치) 3을 구비할 수 있다. 처리 장치 1은, 제조 장치, 검사 장치, 감시 장치등과 같이, 처리 대상물에 대한 처리를 실행하는 장치다. 처리의 개념에는, 처리 대상물을 가공하는 것, 검사하는 것, 감시하는 것 및 관찰하는 것이 포함될 수 있다.
처리 장치 1은, 제어 대상을 구비하고, 강화 학습에 의해 파라미터 값이 결정되는 뉴럴 네트워크를 사용해서 해당 제어 대상을 제어할 수 있다. 제어장치 2는, 처리 장치 1에 구동지령을 보내고, 처리 장치 1로부터 구동결과 혹은 제어 결과를 받도록 구성될 수 있다. 관리 장치 3은, 처리 장치 1의 뉴럴 네트워크의 복수의 파라미터 값을 결정하는 강화 학습을 행할 수 있다. 보다 구체적으로는, 관리 장치 3은, 처리 장치 1에 구동지령을 보내고, 처리 장치 1로부터 구동결과를 받는 동작을 해당 뉴럴 네트워크의 해당 복수의 파라미터 값의 전부 또는 일부를 변경하면서 되풀이하는 것에 의해 해당 복수의 파라미터 값을 결정할 수 있다. 관리 장치 3은, 학습 장치로서 이해되어도 좋다.
제어장치 2의 전부 또는 일부의 기능은, 관리 장치 3에 내장되어도 좋다. 제어장치 2의 전부 또는 일부의 기능은, 처리 장치 1에 내장되어도 좋다. 처리 장치 1, 제어장치 2 및 관리 장치 3은, 물리적으로 일체로 또는 따로따로 형성되어도 좋다. 처리 장치 1은, 전체적으로 제어장치 2에 의해 제어되어도 좋거나, 제어장치 2에 의해 제어되는 구성 요소를 구비하여도 제어장치 2에 의해 제어되지 않는 구성 요소를 구비하여도 좋다.
도2에는, 처리 장치 1의 배치가 예시되어 있다. 처리 장치 1은, 제어 대상인 스테이지(보유부)ＳＴ를 구비하는 스테이지 기구 5를 구비할 수 있다. 처리 장치 1은, 스테이지ＳＴ의 위치 혹은 상태를 검출하는 센서 6과, 스테이지 기구 5를 구동하는 구동부 7과, 센서 6으로부터의 출력을 받아서 구동부 7에 지령 값을 주는 제어부 8을, 더 구비할 수 있다. 스테이지ＳＴ는, 위치결정 대상물을 보유할 수 있다. 스테이지ＳＴ는, (도시되지 않은) 가이드에 의해 가이드될 수 있다. 스테이지 기구 5는, 스테이지ＳＴ를 이동시키는 액추에이터ＡＣ를 구비할 수 있다. 구동부 7은, 액추에이터ＡＣ를 구동한다. 보다 구체적으로는, 구동부 7은, 예를 들면, 제어부 8로부터 주어지는 지령 값에 대응한 전류(전기적 에너지)를 액추에이터ＡＣ에 공급할 수 있다. 액추에이터ＡＣ는, 구동부 7로부터 공급되는 전류에 대응한 힘(기계적 에너지)에 의해 스테이지ＳＴ를 이동시킬 수 있다. 제어부 8은, 강화 학습에 의해 파라미터 값이 결정되는 뉴럴 네트워크를 사용해서 제어 대상인 스테이지ＳＴ의 위치 혹은 상태를 제어할 수 있다. 구동지령부 9는, 제어 대상인 스테이지ＳＴ의 구동목표위치 및 구동부 7의 구동조건을 제어부 8에 준다. 환경 센서 10은, 스테이지ＳＴ의 주위의 환경조건을 검출하고, 검출된 환경조건을 제어부 8에 준다.
도3은, 도2에 도시된 처리 장치 1의 배치를 예시하는 블록도다. 제어부 8은, 감산기 81과, 제1보상기 82와, 제2보상기(뉴럴 네트워크) 83과, 가산기 84를 구비할 수 있다. 감산기 81은, 제어장치 2로부터 주어지는 구동지령(예를 들면, 목표위치)과 상기 센서 6으로부터 출력되는 검출 결과(예를 들면, 스테이지ＳＴ의 위치)와의 차분인 제어 오차를 연산할 수 있다. 제1보상기 82는, 감산기 81로부터 제공되는 제어 오차에 대하여 보상 연산을 행해서 제1지령 값을 발생할 수 있다. 제2보상기 83은, 뉴럴 네트워크를 구비한다. 해당 뉴럴 네트워크는, 감산기 81로부터 제공되는 제어 오차에 더하여, 구동지령부 9로부터 입력되는 구동조건과, 환경 센서 10에 의해 계측되는 환경조건을 입력 파라미터로서 입력하고, 보상 연산을 행해서 제2지령 값을 발생할 수 있다. 구동조건 및 환경정보는, 제1보상기 82에는 입력되지 않는 정보다. 가산기 84는, 제1지령 값과 제2지령 값을 가산해서 지령 값을 발생할 수 있다. 제어부 8, 구동부 7, 스테이지 기구 5 및 센서 6은, 제어 오차에 근거해서 제어 대상으로서 스테이지ＳＴ를 제어하는 피드백 제어계를 형성하고 있다.
제1보상기 82는, 예를 들면, ＰＩＤ보상기일 수 있지만, 다른 보상기이어도 좋다. 제2보상기 83은, 예를 들면, 입력수를 L, 중간층수를 M, 출력수를 N(L, M, N은 모두 양의 정수)이라고 했을 때에, 예를 들면, L×M의 행렬과 M×N의 행렬과의 적(product)으로 정의되는 뉴럴 네트워크일 수 있다. 해당 뉴럴 네트워크의 복수의 파라미터 값은, 관리 장치 3에 의해 실행되는 강화 학습에 의해 결정 혹은 갱신될 수 있다. 제1보상기 82는 항상 필요하지 않고, 제2보상기 83만이 구동부 7에 주어지는 지령 값을 발생해도 좋다.
구동지령부 9로부터 입력되는 구동조건은, 예를 들면, 스테이지의 현재 위치, 목표위치, 구동방향, 구동 스트로크, 속도, 가속도, 져크(jerk), 스냅 중 적어도 하나를 구비할 수 있지만, 다른 구동 조건이어도 좋다. 또한, 그 조건은 일련의 구동 동작에 있어서의 최대값, 평균값 또는 분산 등의 값이어도 좋다. 또는, 그 조건은, 현재의 값, 과거의 특정 시간의 이력, 또는 미래의 주어진 시간 경과 후의 목표값이어도 좋다.
환경 센서 10으로부터 입력되는 환경조건은, 예를 들면, 스테이지ＳＴ의 주위에 있어서의, 압력, 온도, 습도, 진동, 풍속 및 유량 중 적어도 하나를 구비할 수 있지만, 센서로 측정할 수 있는 것이면 다른 조건이어도 좋다. 그 값은, 현재의 값, 과거의 주어진 시간전의 값, 또는 과거의 변화로부터 예측된 미래의 값이어도 좋다. 센서의 계측값에 필터 처리를 실시한 값이 사용되어도 좋다.
관리 장치 3은, 처리 장치 1의 제어부 8에 의한 스테이지ＳＴ의 제어 결과로부터 요청되는 보수가 소정기준을 충족시키지 않은 경우에 학습 시퀀스를 실행하는 학습기 혹은 재학습기로서 기능할 수 있다. 학습 시퀀스에서는, 강화 학습에 의해 제2보상기(뉴럴 네트워크) 83의 복수의 파라미터 값으로 이루어진 파라미터 값 세트를 결정 혹은 재결정할 수 있다.
도4는, 학습 시퀀스에 있어서의 관리 장치 3의 동작이 예시되어 있다. 공정S101에서는, 관리 장치 3은, 제2보상기(뉴럴 네트워크) 83의 복수의 파라미터 값(파라미터 값 세트)을 초기화할 수 있다. 공정S102에서는, 관리 장치 3은, 제어 대상으로서의 스테이지ＳＴ를 구동하도록 처리 장치 1에 지령을 보낼 수 있다. 보다 구체적으로는, 공정S102에서는, 관리 장치 3은, 제어장치 2를 통하여, 구동지령을 처리 장치 1의 제어부 8에 보낼 수 있다. 이것에 응답하여, 처리 장치 1의 제어부 8은, 구동지령에 따라 구동부 7에 스테이지ＳＴ를 구동시켜서, 스테이지ＳＴ의 위치를 제어할 수 있다.
공정S103에서는, 관리 장치 3은, 공정S102에 있어서의 제어 대상으로서 스테이지ＳＴ의 구동의 상태를 나타내는 구동 데이터를, 제어장치 2를 통해 처리 장치 1의 제어부 8로부터 취득할 수 있다. 구동 데이터는, 예를 들면, 센서 6의 출력 및 감산기 81의 출력 중 적어도 하나를 구비할 수 있다. 공정S104에서는, 관리 장치 3은, 공정S103에서 취득한 구동 데이터에 근거해서 보수를 연산할 수 있다. 보수는, 미리 정의된 식에 근거해서 연산될 수 있다. 예를 들면, 제어 오차에 근거해서 보수를 연산하는 경우, 보수는, 제어 오차의 역수를 주는 식, 제어 오차의 대수의 역수를 주는 식, 또는, 제어 오차의 이차함수의 역수를 주는 식 등에 따라 연산될 수 있지만, 다른 식에 따라 연산되어도 좋다. 일례에 있어서는, 보수의 값이 클수록, 제2보상기(뉴럴 네트워크) 83이 보다 우수하다. 반대로, 보수의 값이 작을수록, 제2보상기(뉴럴 네트워크) 83이 보다 우수할 수도 있다.
공정S105에서는, 관리 장치 3은, 제2보상기(뉴럴 네트워크) 83의 복수의 파라미터 값 중 적어도 하나를 변경하여서 새로운 파라미터 값 세트를 생성하고, 이 새로운 파라미터 값을 제2보상기(뉴럴 네트워크) 83에 설정한다. 공정S106, S107, S108은, 공정S102, S103, S104와 각각 동일할 수 있다. 공정S106에서는, 관리 장치 3은, 스테이지ＳＴ를 구동하도록 처리 장치 1에 지령을 보낼 수 있다. 보다 구체적으로는, 공정S106에서는, 관리 장치 3은, 구동지령을, 제어장치 2를 통해 처리 장치 1의 제어부 8에 보낼 수 있다. 이것에 응답하여, 처리 장치 1의 제어부 8은, 구동지령에 따라 구동부 7에 스테이지ＳＴ를 구동시켜서, 스테이지ＳＴ의 위치를 제어할 수 있다. 공정S107에서는, 관리 장치 3은, 공정S106에 있어서의 스테이지ＳＴ의 구동의 상태를 나타내는 구동 데이터를, 제어장치 2를 통해 처리 장치 1의 제어부 8로부터 취득할 수 있다. 공정S108에서는, 관리 장치 3은, 공정S107에서 취득한 구동 데이터에 근거해서 보수를 연산할 수 있다.
공정S109에서는, 관리 장치 3은, 공정S108에서 연산한 보수가 공정S104에서 연산한 보수와 비교하여 향상하는 것인가 아닌가를 판정한다. 그 후, 관리 장치 3은, 공정S108에서 연산한 보수가 공정S104에서 연산한 보수와 비교하여 향상하는 경우에는, 공정S110에 있어서, 공정S105에 있어서 변경 동작을 실행한 후에 얻어진 상기 파라미터 값 세트를 최신의 파라미터 값으로서 채용한다. 한편, 관리 장치 3은, 공정S108에서 연산한 보수가 공정S104에서 연산한 보수와 비교하여, 향상하지 않은 경우에는, 공정S111에 있어서, 공정S105에 있어서 변경 동작을 실행한 후에 얻어진 파라미터 값 세트를 채용하지 않고, 공정S105에 되돌아간다. 이 경우, 공정S105에 있어서, 제2보상기(뉴럴 네트워크) 83에 새로운 파라미터 값 세트가 설정된다.
공정S110이 실행되었을 경우에는, 공정S112에 있어서, 관리 장치 3은, 직전에 실행된 공정S108에서 연산한 보수가 소정기준을 충족시키는 것인가 아닌가를 판정한다. 해당 보수가 소정기준을 충족시키는 경우에는, 도4에 도시되는 처리를 종료한다. 이것은, 직전에 실행된 공정S105에서 생성된 파라미터 값 세트가 강화 학습 후의 파라미터 값 세트로서 결정되는 것을 의미한다. 강화 학습 후의 파라미터 값 세트가 설정된 뉴럴 네트워크는, 학습된 모델이라고 불릴 수 있다. 한편, 공정S112에 있어서 직전에 실행된 공정S108에서 연산한 보수가 소정기준을 충족시키지 않는다고 판정된 경우, 관리 장치 3은, 공정S105로부터의 처리를 되풀이한다.
공정S102를 실행할 때의 구동조건과 환경조건은, 일정하지 않고, 가능한 조건의 일부 또는 모두가 변경될 수 있다. 다시 말해, 관리 장치 3(학습기)은, 구동조건과 환경조건의 적어도 하나를 변경하면서 강화 학습을 되풀이한다. 또한, 학습의 공정에 있어서, 상기 구동조건과 환경조건의 제1의 수의 제1조합 패턴 중에서 조합 패턴을 변경하면서 학습을 되풀이하여 실행한다. 학습이 되풀이하여 실행되는 중에 보수가 소정값을 초과하는 경우에는, 구동조건과 환경조건의 조합 패턴을 증가시켜도 좋다. 즉, 이 경우에는, 제1의 수보다 큰 제2의 수의 제2조합 패턴 중에서 조합 패턴을 변경하면서 학습을 되풀이하여 실행하여도 좋다.
본 발명자는, 제어 오차의 이력이 동일하여도, 제어 대상의 구동조건 또는 주위의 환경조건의 차이로 인해, 제어 대상의 미래의 행동이 변경할 수도 있다는 것을 찾아냈다. 본 실시 형태에서는, 그러한 경우에 대처하기 위해서, 뉴럴 네트워크에 입력되는 입력 파라미터는, 제어 오차에 더하여, 구동조건과 환경조건 중 적어도 하나를 구비할 수 있다. 따라서, 제어 오차를 억제가능한 구동부 7에의 지령 값을 출력하도록 뉴럴 네트워크가 학습된다.
처리 장치 1은, 처리 대상물에 대한 처리를 실행하는 시퀀스(이것을 실제 시퀀스라고 부른다)에 있어서, 상기한 학습 시퀀스에서 얻어진 학습된 모델(제2보상기 83)을 구비하는 장치로서, 동작할 수 있다. 일례에 있어서, 처리 장치 1은, 관리 장치 3의 관리하에 상기 실제 시퀀스를 실행할 수 있다. 그렇지만, 다른 예에 있어서, 처리 장치 1은, 관리 장치 3의 관리와는 독립해서 실제 시퀀스를 실행할 수 있다.
<제2실시 형태>
이하, 도6을 참조하면서 상기한 제조 시스템ＭＳ를 도5에 도시된 주사 노광 장치 500에 적용한 예를 설명한다. 주사 노광 장치 500은, 슬릿 부재에 의해 정형된 슬릿 광에 의해 기판 14을 주사 노광하는 스텝 앤드 스캔 방식의 노광 장치다. 주사 노광 장치 500은, 조명 광학계 23, 원판 스테이지 기구 12, 투영 광학계 13, 기판 스테이지 기구 15, 제1위치 계측기 17, 제2위치 계측기 18, 기판 마크 계측기 21, 기판반송부 22 및 제어부 25를 구비할 수 있다.
제어부 25는, 조명 광학계 23, 원판 스테이지 기구 12, 투영 광학계 13, 기판 스테이지 기구 15, 제1위치 계측기 17, 제2위치 계측기 18, 기판 마크 계측기 21 및 기판반송부 22를 제어한다. 제어부 25는, 원판 11의 패턴을 기판 14에 전사하는 처리를 제어한다. 또한, 제어부 25는, 제1실시 형태에 따른 제어부 8의 기능을 구비할 수 있다. 제어부 25는, 예를 들면, 필드 프로그래머블 게이트 어레이(ＦＰＧＡ) 등의 프로그래머블 로직 디바이스(ＰＬＤ), 특정용도 지향 집적회로(ＡＳＩＣ), 프로그램이 삽입된 범용 컴퓨터, 또는, 이것들의 전부 또는 일부의 조합에 의해 형성될 수 있다.
원판 스테이지 기구 12는, 원판 11을 보유하는 원판 스테이지ＲＳＴ와, 원판 스테이지ＲＳＴ를 구동하는 제1액추에이터ＲＡＣ를, 구비할 수 있다. 기판 스테이지 기구 15는, 기판 14를 보유하는 기판 스테이지ＷＳＴ와, 기판 스테이지ＷＳＴ를 구동하는 제2액추에이터ＷＡＣ를, 구비할 수 있다. 조명 광학계 23은, 원판 11을 조명한다. 조명 광학계 23은, 마스킹 블레이드 등의 차광 부재에 의해, 광원(도시되지 않음)으로부터 사출된 광을, 예를 들면 X방향으로 긴 띠형 또는 원호형의 형상을 가지는 슬릿 광으로 정형하고, 그 슬릿 광으로 원판 11의 일부를 조명한다. 원판 11 및 기판 14는, 원판 스테이지ＲＳＴ 및 기판 스테이지ＷＳＴ에 의해 각각 보유되고, 투영 광학계 13을 통해 광학적으로 거의 공역한 위치(투영 광학계 13의 물체면 및 상면)에 배치된다.
투영 광학계 13은, 소정의 투영 배율(예를 들면, 1배, 1/2배 또는 1/4배)을 가지고, 원판 11의 패턴을 슬릿 광에 의해 기판 14 위에 투영한다. 원판 11의 패턴이 투영된 기판 14 위의 영역(슬릿 광이 조사되는 영역)은, 조사 영역이라고 불릴 수 있다. 원판 스테이지ＲＳＴ 및 기판 스테이지ＷＳＴ는, 투영 광학계 13의 광축방향(Z방향)에 직교하는 방향(Y방향)으로 이동가능하게 구성되어 있다. 원판 스테이지ＲＳＴ 및 기판 스테이지ＷＳＴ는, 서로 동기하여, 투영 광학계 13의 투영 배율에 대응한 속도비로 상대적으로 주사된다. 이에 따라, 조사 영역에 대하여 기판 14이 Y방향으로 주사됨에 따라서, 원판 11에 형성된 패턴을 기판 14의 숏 영역에 전사한다. 그 후, 이러한 주사 노광을, 기판 스테이지ＷＳＴ를 이동시키면서, 기판 14의 복수의 숏 영역에 대해서 순차로 행함으로써, 1매의 기판 14에 대한 노광 처리가 완료한다.
제1위치 계측기 17은, 예를 들면 레이저 간섭계를 구비하고, 원판 스테이지ＲＳＴ의 위치를 계측한다. 레이저 간섭계는, 예를 들면, 레이저 빔으로 원판 스테이지ＲＳＴ에 설치된 반사판(도시되지 않음)을 조사하고, 반사판에서 반사된 레이저 빔과 기준면에서 반사된 레이저 빔과의 간섭에 의해 원판 스테이지ＲＳＴ의 변위(기준위치로부터의 변위)를 검출한다. 제1위치 계측기 17은, 해당 변위에 근거해서 원판 스테이지ＲＳＴ의 현재 위치를 취득할 수 있다. 본 예에서, 제1위치 계측기 17은, 레이저 간섭계 대신에, 위치 계측기, 예를 들면, 인코더에 의해 원판 스테이지ＲＳＴ의 위치를 계측해도 좋다. 기판 마크 계측기 21은, 예를 들면, 광학계 및 촬상 소자를 구비하고, 기판 14에 설치된 마크의 위치를 검출할 수 있다.
제2위치 계측기 18은, 예를 들면 레이저 간섭계를 구비하고, 기판 스테이지ＷＳＴ의 위치를 계측한다. 레이저 간섭계는, 예를 들면, 레이저 빔으로 기판 스테이지ＷＳＴ에 설치된 반사판(도시되지 않음)을 조사하고, 반사판에서 반사된 레이저 빔과 기준면에서 반사된 레이저 빔과의 간섭에 의해 기판 스테이지ＷＳＴ의 변위(기준위치로부터의 변위)를 검출한다. 제2위치 계측기 18은, 해당 변위에 근거해서 기판 스테이지ＷＳＴ의 현재 위치를 취득할 수 있다. 본 예에서, 제2위치 계측기 18은, 레이저 간섭계 대신에, 위치 계측기, 예를 들면, 인코더에 의해 기판 스테이지ＷＳＴ의 위치를 계측해도 좋다.
센서 30, 31, 32는, 제어 대상의 부근에 배치되어, 제어 대상의 주위의 환경조건으로서, 압력, 온도, 습도, 진동, 풍속, 유량등을 검출할 수 있다. 도5에 도시된 예에 있어서, 센서 30은 기판 스테이지ＷＳＴ의 부근에 배치되고, 센서 31은 원판 스테이지ＲＳＴ의 부근에 배치되며, 센서 32는 투영 광학계 13의 부근에 배치되어 있다.
주사 노광 장치 500에서는, 원판 11의 패턴을 기판 14의 목표위치에 정확하게 전사하는 것이 요청된다. 이를 위해서는, 주사 노광중에 있어서의 기판 스테이지ＷＳＴ상의 기판 14에 대한 원판 스테이지ＲＳＴ상의 원판 11의 상대 위치를 정확하게 제어하는 것이 중요하다. 이 때문에, 보수로서는, 원판 스테이지ＲＳＴ와 기판 스테이지ＷＳＴ와의 상대 위치 오차(동기 오차)을 평가하는 값을 채용할 수 있다. 기판 14의 마크의 검출 정밀도를 향상시키기 위해서는, 기판 스테이지ＷＳＴ를 기판 마크 계측기 21 아래에 정확하게 위치결정하는 것이 중요하다. 이 때문에, 보수로서는, 마크를 촬상하는 동안에 기판 스테이지ＷＳＴ의 제어 오차를 평가하는 값을 채용할 수 있다. 스루풋을 향상시키기 위해서, 기판의 반송 속도를 증가시키는 것이 중요하다. 더욱이, 기판의 로드 및 언로드일 때는, 구동완료 후에 기판반송부 22 및 기판 스테이지ＷＳＴ의 제어 오차가 단시간에 규정 값이하로 수속하는 것이 중요하다. 이 때문에, 보수로서는, 기판반송부 22 및 기판 스테이지ＷＳＴ의 수속시간을 평가하는 값을 채용할 수 있다. 기판 스테이지 기구 15, 원판 스테이지 기구 12 및 기판반송부 22의 각각은, 원판 11의 패턴을 기판 14에 전사하는 처리를 위한 동작을 행하는 동작부의 일례다.
도6에는, 주사 노광 장치 500의 실제 시퀀스가 예시되어 있다. 이 실제 시퀀스는, 관리 장치 3이 주사 노광 장치 500의 제어부 25에 대하여 실제 시퀀스(기판처리 시퀀스)의 실행을 지시할 때, 개시된다. 기판처리 시퀀스는, 복수의 서브 시퀀스로서, 예를 들면, 공정S301, S302, S303을 구비할 수 있다.
공정S301에서는, 제어부 25는, 기판 14를 기판 스테이지ＷＳＴ에 로드(반송)하도록 기판반송부 22를 제어한다. 공정S302에서는, 제어부 25는, 기판 14의 마크가 기판 마크 계측기 21의 시야에 들어가도록 기판 스테이지 기구 15를 제어하고, 기판 14의 마크의 위치가 검출되도록 기판 마크 계측기 21을 제어할 수 있다. 이러한 동작은, 기판 14의 복수의 마크의 각각에 대해서 실행될 수 있다. 공정S303에서는, 제어부 25는, 기판 14의 복수의 숏 영역의 각각에 대하여 원판 11의 패턴이 전사되도록, 기판 스테이지 기구 15, 원판 스테이지 기구 12 및 조명 광학계 23등을 제어한다(노광 공정). 공정S304에서는, 제어부 25는, 기판 스테이지ＷＳＴ상의 기판 14를 언로드(반송)하도록 기판반송부 22를 제어한다.
공정S301에서는, 기판반송부 22가 기판 14를 기판 스테이지ＷＳＴ 위에 정확하게 적재하기 위해서, 기판반송부 22의 위치결정 정밀도가 요청된다. 이 경우에, 제2보상기 83에 입력되는 구동조건으로서는, 기판반송부 22의 속도, 가속도 및 져크를 취득할 수 있다. 환경조건으로서는, 기판반송부 22가 기판 14을 흡착했을 때의 압력이나, 기판반송부 22가 구동했을 때에, 기판반송부 22 위에 설치된 가속도 센서로부터의 출력을 취득할 수 있다.
공정S302에서는, 기판 14 위의 마크가 기판 마크 계측기 21의 바로 아래에 위치되도록 기판 스테이지ＷＳＴ를 구동시켜서, 기판 스테이지ＷＳＴ의 오차가 가능한 한 조기 수속하는 것이 요청된다. 이 경우에, 제2보상기 83에 입력되는 구동조건은, 예를 들면, 기판 스테이지ＷＳＴ의 속도, 가속도 및 져크 중 적어도 하나일 수 있다. 혹은, 구동조건은, 주어진 마크가 기판 마크 계측기 21의 바로 아래에 위치된 상태에서, 다음에 계측되는 마크가 기판 마크 계측기 21의 바로 아래에 위치되도록 기판 스테이지ＷＳＴ를 구동시킬 때의, 방향과 거리 중 적어도 하나이어도 좋다. 더욱이, 환경조건은, 기판 스테이지ＷＳＴ를 구동했을 때에 압력 센서에 의해 계측된 공간의 압력변화, 및 기판 마크 계측기 부근에 설치된 가속도 센서의 출력 중 적어도 하나일 수 있다.
공정S303에서는, 제2보상기 83에 입력되는 구동조건은, 이하의 정보 중 적어도 하나일 수 있다.
·기판상의 노광 대상인 숏 영역을 특정하는 좌표
·숏 영역의 Ｘ방향 및/또는 Y방향의 사이즈
·노광시의 기판 스테이지 또는 원판 스테이지를 이동시킬 때의 속도, 가속도, 져크 및/또는 구동방향.
제2보상기 83에 입력되는 환경조건은, 기판에 조사하는 노광 광의 강도와, 센서 30, 31, 32에 의해 검출된 압력, 온도, 습도, 진동, 풍속 및 유량 중 적어도 하나일 수 있다.
뉴럴 네트워크가 형성되는 제어 대상의 예들은, 기판 스테이지 기구 15, 원판 스테이지 기구 12 및 기판반송부 22이지만, 다른 구성요소에 뉴럴 네트워크가 내장되어도 좋다. 예를 들면, 기판 스테이지 기구 15, 원판 스테이지 기구 12 및 기판반송부 22 등의 복수의 구성 요소를 1개의 뉴럴 네트워크에 의해 제어되어도 좋거나, 복수의 구성 요소를 상이한 뉴럴 네트워크에 의해 각각 제어되어도 좋다. 또한, 학습된 모델로서, 반송 시퀀스, 계측 시퀀스, 및 노광 시퀀스의 각각에 대하여 동일한 학습된 모델을 사용해도 좋고, 상이한 학습된 모델을 사용해도 좋다. 보수의 연산에 있어서는, 반송 시퀀스, 계측 시퀀스 및 노광 시퀀스에 대해서 동일한 식을 사용해도 좋거나, 상이한 식을 사용해도 좋다.
도7a 및 7b는, 본 실시 형태가 적용되었을 때의 제어 대상의 제어 오차의 저감 효과를 도시한 그래프다. 도7a는, 1개의 구동조건인 가속도의 시간 프로파일을 도시하고 있다. 실선으로 표시된 그래프 600과 파선으로 표시된 그래프 601을 비교하면, 중간점까지의 가속도 변화는 동일하지만, 가속도를 0으로 되돌리는 타이밍이 다르다. 도7b에 있어서, 그래프 603은, 그래프 600의 가속도 프로파일로 제어 대상을 구동했을 때의 제어 오차를 나타내고, 그래프 604는, 그래프 601의 가속도 프로파일로 제어 대상을 구동했을 때의 제어 오차를 나타낸다. 가속도 조건이 동일한 구간 602에서는, 그래프 603과 604는 같은 오차 파형을 나타내지만, 오차 추이가 중간에 서로 상이해진다. 뉴럴 네트워크에 가속도 조건을 입력함으로써, 오차 이력이 같지만 장래의 가속도 조건의 차이로 인해 오차에 차이가 생기는 경우에도, 그 오차를 억제가능한 뉴럴 네트워크를 제공하는 것이 가능하다.
이상에서는, 주사 노광 장치 500에 제조 시스템ＭＳ를 적용한 예를 설명하였다. 그렇지만, 제조 시스템ＭＳ는, 다른 타이프의 노광 장치(예를 들면, 스테퍼)에 적용되어도 좋거나, 임프린트 장치등의 다른 타이프의 리소그래피 장치에 적용되어도 좋다. 이 경우에, 이 리소그래피 장치는, 기판에 패턴을 형성하기 위한 장치이며, 그 개념은, 노광 장치, 임프린트 장치 및 전자선 묘화장치를 포함한다.
이하, 상술한 리소그래피 장치를 사용해서 물품(예를 들면, 반도체ＩＣ소자, 액정표시 소자 또는 ＭＥＭＳ)을 제조하는 물품 제조 방법을 설명한다. 해당 물품 제조 방법은, 상기 리소그래피 장치를 사용하여 기판에 원판의 패턴을 전사하는 전사 공정과, 해당 전사 공정을 거친 해당 기판을 처리하는 처리 공정을 구비하여서, 해당 처리 공정을 거친 해당 기판으로부터 물품을 얻는 방법일 수 있다.
상기 리소그래피 장치가 노광 장치일 경우, 물품 제조 방법은, 감광제가 도포된 기판(기판, 유리 기판등)을 노광하는 공정과, 그 기판(감광제)을 현상하는 공정과, 그 현상된 기판을 다른 주지의 공정으로 처리하는 공정을 구비할 수 있다. 다른 주지의 공정은, 에칭, 레지스트 박리, 다이싱, 본딩 및 패키징을 구비한다. 본 물품 제조 방법에 의하면, 종래보다도 고품위의 물품을 제조할 수 있다. 그 리소그래피 장치가 임프린트 장치일 경우, 물품 제조 방법은, 기판 위의 임프린트 재료를 몰드를 사용하여 몰딩함으로써, 그 임프린트 재료의 경화물로 만들어진 패턴을 형성하는 공정과, 해당 패턴을 사용하여 해당 기판을 처리하는 공정을 구비할 수 있다.
본 발명은 상기 예시적 실시 형태들을 참조하여 설명하였지만, 본 발명은 상기 개시된 예시적 실시 형태들에 한정되지 않는다는 것을 알 것이다. 아래의 청구항의 범위는, 모든 수정 및, 동등한 구조 및 기능을 포함하도록 폭 넓게 해석해야 한다.

Claims (9)

  1. 처리 장치로서,
    제어 대상을 구동하는 구동부; 및
    제어 오차에 근거해서 상기 구동부에 대한 지령 값을 발생함으로써 상기 구동부를 제어하는 제어부를 구비하고,
    상기 제어부는,
    상기 제어 오차에 근거해서 제1지령 값을 발생하는 제1보상기와,
    상기 제어 오차에 근거해서 제2지령 값을 발생하는 제2보상기와,
    상기 제1지령 값과 상기 제2지령 값을 가산해서 상기 지령 값을 얻는 가산기를 포함하고,
    상기 제2보상기는, 학습에 의해 파라미터 값이 결정되는 뉴럴 네트워크를 구비하고,
    상기 뉴럴 네트워크에 입력되는 입력 파라미터는, 상기 제어 오차에 더하여, 상기 구동부의 구동조건과 상기 제어 대상의 주위의 환경조건 중 적어도 하나를 구비하는, 처리 장치.
  2. 제 1 항에 있어서,
    상기 입력 파라미터가 되는 상기 구동조건 및 상기 환경조건은, 상기 제1보상기에는 입력되지 않는 정보인, 처리 장치.
  3. 제 1 항에 있어서,
    상기 구동조건은, 상기 제어 대상의 위치, 구동방향, 구동 스트로크, 속도, 가속도, 져크 및 스냅 중 적어도 하나를 구비하는, 처리 장치.
  4. 제 1 항에 있어서,
    상기 환경조건은, 상기 제어 대상의 주위에 있어서의 압력, 온도 및 진동 중 적어도 하나를 구비하는, 처리 장치.
  5. 청구항 1 내지 4 중 어느 한 항에 기재된 처리 장치를 관리하는 관리 장치로서,
    상기 제어부에 의한 상기 제어 대상의 제어 결과에 근거하여, 학습에 의해 상기 파라미터 값을 재결정하는 학습기를 구비하고,
    상기 학습기는, 상기 구동조건 및 상기 환경조건 중 적어도 하나를 변경하면서 상기 학습을 되풀이하는, 관리 장치.
  6. 제 5 항에 있어서,
    상기 학습기는, 상기 제어부에 의한 상기 제어 대상의 제어 결과로부터 요청되는 보수가 기준을 충족시키지 않은 경우에, 상기 구동조건 및 상기 환경조건 중 적어도 하나를 변경하면서 상기 학습을 되풀이하는, 관리 장치.
  7. 제 6 항에 있어서,
    상기 학습기는, 상기 제어부에 의한 상기 제어 대상의 제어 결과로부터 요청되는 보수가 상기 기준을 충족시키지 않은 경우, 상기 구동조건과 상기 환경조건의 제1의 수의 제1조합 패턴 중에서 조합 패턴을 변경하면서 상기 학습을 되풀이하고,
    상기 학습기는, 상기 학습을 되풀이하는 중에 상기 보수가 소정값을 초과하는 경우, 상기 제1의 수보다 큰 제2의 수의 제2조합 패턴 중에서 조합 패턴을 변경하면서 상기 학습을 되풀이하는, 관리 장치.
  8. 원판의 패턴을 기판에 전사하는 처리를 행하는 리소그래피 장치로서,
    상기 처리를 위해 제어 대상을 구동하는 구동부; 및
    제어 오차에 근거해서 상기 구동부에 대한 지령 값을 발생함으로써 상기 구동부를 제어하는 제어부를 포함하고,
    상기 제어부는,
    상기 제어 오차에 근거해서 제1지령 값을 발생하는 제1보상기와,
    상기 제어 오차에 근거해서 제2지령 값을 발생하는 제2보상기와,
    상기 제1지령 값과 상기 제2지령 값을 가산해서 상기 지령 값을 얻는 가산기를 구비하고,
    상기 제2보상기는, 학습에 의해 파라미터 값이 결정되는 뉴럴 네트워크를 구비하고, 상기 뉴럴 네트워크를 사용하여 상기 구동부를 제어하도록 구성되고,
    상기 뉴럴 네트워크에 입력되는 입력 파라미터는, 상기 제어 오차에 더하여, 상기 구동부의 구동조건과 상기 제어 대상의 주위의 환경조건 중 적어도 하나를 구비하는, 리소그래피 장치.
  9. 물품 제조 방법으로서,
    청구항 8에 기재된 리소그래피 장치를 사용하여 기판에 원판의 패턴을 전사하는 공정; 및
    상기 전사하는 공정을 거친 상기 기판을 처리하는 공정을, 포함하여
    상기 처리하는 공정을 거친 상기 기판으로부터 물품을 얻는, 물품 제조 방법.
KR1020220078627A 2021-07-08 2022-06-28 처리 장치, 관리 장치, 리소그래피 장치, 및 물품 제조 방법 KR20230009303A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021113751A JP2023010010A (ja) 2021-07-08 2021-07-08 処理装置、管理装置、リソグラフィ装置、および物品製造方法
JPJP-P-2021-113751 2021-07-08

Publications (1)

Publication Number Publication Date
KR20230009303A true KR20230009303A (ko) 2023-01-17

Family

ID=84798648

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220078627A KR20230009303A (ko) 2021-07-08 2022-06-28 처리 장치, 관리 장치, 리소그래피 장치, 및 물품 제조 방법

Country Status (4)

Country Link
US (1) US11829075B2 (ko)
JP (1) JP2023010010A (ko)
KR (1) KR20230009303A (ko)
CN (1) CN115598931A (ko)

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3082633B2 (ja) 1995-10-13 2000-08-28 住友金属工業株式会社 ストレッチレデューサのロール回転数制御方法
US7170581B2 (en) 2004-10-27 2007-01-30 Asml Netherlands B.V. Self-adapting feedforward control tuning for motion system, and lithographic apparatus provided with such a motion system
JP2010086397A (ja) * 2008-10-01 2010-04-15 Toshiba Storage Device Corp 制御装置、制御プログラム及び方法
NL2013249A (en) * 2013-08-20 2015-02-23 Asml Netherlands Bv Lithography system and a machine learning controller for such a lithography system.

Also Published As

Publication number Publication date
CN115598931A (zh) 2023-01-13
US11829075B2 (en) 2023-11-28
US20230012400A1 (en) 2023-01-12
JP2023010010A (ja) 2023-01-20

Similar Documents

Publication Publication Date Title
TWI600976B (zh) 微影系統與用於此微影系統之機器學習控制器
TWI512406B (zh) 微影裝置，元件製造方法及相關資料處理裝置及電腦程式產品
CN113168108A (zh) 获得用于训练半导体制造过程的模型的训练数据的方法
JP6808684B2 (ja) 情報処理装置、判定方法、プログラム、リソグラフィシステム、および物品の製造方法
US6456374B1 (en) Exposure apparatus and a device manufacturing method using the same
KR20230009303A (ko) 처리 장치, 관리 장치, 리소그래피 장치, 및 물품 제조 방법
JP7267986B2 (ja) 情報処理装置、判定方法、算出方法、プログラム、リソグラフィシステム、および物品の製造方法
WO2022004450A1 (ja) 管理装置、リソグラフィー装置、管理方法および物品製造方法
WO2022054724A1 (ja) 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
JP7466403B2 (ja) 制御装置、リソグラフィー装置、制御方法および物品製造方法
CN115398345A (zh) 在半导体制造过程中用于确定对于一组衬底的检查策略的方法
TW202107218A (zh) 微影製程之子場控制及相關聯裝置
TW201942689A (zh) 在一微影製程之對準標記定位
JP2023020593A (ja) 制御装置、リソグラフィー装置および物品製造方法
US20220365454A1 (en) Mark detecting apparatus, mark learning apparatus, substrate processing apparatus, mark detecting method, and manufacturing method of article
US20220107610A1 (en) Feedback control device, article manufacturing method, and feedback control method
TW202347035A (zh) 用於判定半導體製造程序中之至少一控制參數之校正之方法
EP3617800A1 (en) Method and apparatus for configuring spatial dimensions of a beam during a scan
JP2023144214A (ja) 情報処理装置、露光装置、及び物品の製造方法
JP2021535442A (ja) 走査中のビームの空間寸法を設定するための方法および装置
JP2017139455A (ja) パターン形成方法および物品製造方法