KR20230058456A - 제어 장치 및 그 조정 방법, 리소그래피 장치 그리고 물품 제조 방법 - Google Patents

제어 장치 및 그 조정 방법, 리소그래피 장치 그리고 물품 제조 방법 Download PDF

Info

Publication number
KR20230058456A
KR20230058456A KR1020237010603A KR20237010603A KR20230058456A KR 20230058456 A KR20230058456 A KR 20230058456A KR 1020237010603 A KR1020237010603 A KR 1020237010603A KR 20237010603 A KR20237010603 A KR 20237010603A KR 20230058456 A KR20230058456 A KR 20230058456A
Authority
KR
South Korea
Prior art keywords
control
signal
control device
compensator
generating
Prior art date
Application number
KR1020237010603A
Other languages
English (en)
Inventor
히로카즈 구사야나기
도모야스 하타
유우야 이노마타
야스노부 아사쿠라
다쿠미 하시모토
히로시 모리카와
마사히로 이토
유지 이시이
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 KR20230058456A publication Critical patent/KR20230058456A/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
    • G03F7/70691—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)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (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

제어 대상을 제어하기 위한 제어 신호를 발생시키는 제어 장치는, 상기 제어 대상의 제어 편차에 기초하여 제1 신호를 발생시키는 제1 보상기와, 계수를 조정 가능한 연산식에 따라 상기 제어 편차를 보정함으로써 보정 신호를 발생시키는 보정기와, 상기 보정 신호에 기초하여 뉴럴 네트워크에 의해 제2 신호를 발생시키는 제2 보상기와, 상기 제1 신호와 상기 제2 신호에 기초하여 상기 제어 신호를 발생시키는 연산기를 구비한다.

Description

제어 장치 및 그 조정 방법, 리소그래피 장치 그리고 물품 제조 방법
본 발명은 제어 장치 및 그 조정 방법, 리소그래피 장치 그리고 물품 제조 방법에 관한 것이다.
근년, 제어 정밀도의 향상에 대한 요구가 엄격해지고 있어, 종래의 피드백 제어만으로는 요구 정밀도에 이르지 못하는 경우가 있다. 그래서, 종래의 제어기에 더하여, 뉴럴 네트워크 제어기를 병렬로 구성하는 대처가 행하여지고 있다(특허문헌 1). 뉴럴 네트워크 제어기는, 기계 학습에 의해 파라미터가 조정되지만, 신뢰성에 관한 문제가 있다. 예를 들어, 기계 학습에 의해 생성되는 제어기는, 학습시에 부여된 상황으로부터 크게 벗어난 상황(제어 대상의 상태 변화나 외란 환경의 변화)에 있어서는, 이상 출력을 행할 가능성이 있다. 이러한 문제에 대하여 뉴럴 네트워크 제어기의 후단에 출력을 제한하는 제한부를 마련하는 기술이 제안되어 있다(특허문헌 2).
일본 특허 공표 평7-603563호 공보 일본 특허 공개 제2019-71505호 공보
뉴럴 네트워크를 사용한 종래의 제어 장치에서는, 제어 대상의 상태 변화 및/또는 외란 환경의 변화가 발생한 경우에, 미리 결정된 뉴럴 네트워크의 파라미터값이 최적이 아니게 되어, 제어 정밀도가 악화될 수 있다. 이러한 경우, 뉴럴 네트워크의 파라미터값을 재학습에 의해 재결정하면, 제어 정밀도를 개선할 수 있다. 그러나, 재학습의 실행에는 상당한 시간이 필요로 된다. 또한, 재학습에 있어서는, 미리 결정된 학습 시퀀스가 실행되므로, 장치에 의한 생산을 할 수 없다. 따라서, 재학습의 실행은, 장치의 생산성을 저하시킬 수 있다.
본 발명은 제어 대상의 상태 변화 및/또는 외란 환경의 변화에 대한 관용성을 향상시키는 데 유리한 기술을 제공하는 것을 목적으로 한다.
본 발명의 하나의 측면은, 제어 대상을 제어하기 위한 제어 신호를 발생시키는 제어 장치에 관계되고, 상기 제어 장치는, 상기 제어 대상의 제어 편차에 기초하여 제1 신호를 발생시키는 제1 보상기와, 계수를 조정 가능한 연산식에 따라 상기 제어 편차를 보정함으로써 보정 신호를 발생시키는 보정기와, 상기 보정 신호에 기초하여 뉴럴 네트워크에 의해 제2 신호를 발생시키는 제2 보상기와, 상기 제1 신호와 상기 제2 신호에 기초하여 상기 제어 신호를 발생시키는 연산기를 구비한다.
본 발명에 따르면, 제어 대상의 상태 변화 및/또는 외란 환경의 변화에 대한 관용성을 향상시키는 데 유리한 기술이 제공된다.
도 1은 제1 실시 형태의 시스템 구성예를 도시하는 도면.
도 2는 제1 실시 형태의 시스템 구성예를 도시하는 도면.
도 3은 제1 실시 형태의 시스템에 있어서의 제어기의 구성예를 도시하는 블록도.
도 4는 제1 실시 형태의 시스템에 있어서의 제어기의 구성예를 도시하는 블록도.
도 5는 제1 실시 형태의 시스템 구성예를 도시하는 도면.
도 6은 제1, 제2 실시 형태의 시스템을 생산 장치에 적용한 경우의 시스템 동작예를 도시하는 도면.
도 7a는 보정기의 파라미터값의 조정(또는 재조정) 처리를 예시하는 도면.
도 7b는 보정기의 파라미터값의 조정(또는 재조정) 처리를 예시하는 도면.
도 8은 외란 억압 특성을 예시하는 도면.
도 9는 제2 실시 형태의 스테이지 제어 장치의 구성성을 도시하는 도면.
도 10은 제2 실시 형태의 스테이지 제어 장치의 제어기 구성예를 도시하는 블록도.
도 11은 제3 실시 형태의 노광 장치의 구성예를 도시하는 도면.
도 12는 제3 실시 형태에 있어서의 위치 제어 편차를 예시하는 도면.
도 13은 제3 실시 형태에 있어서의 주파수 해석의 결과를 예시하는 도면.
이하, 첨부 도면을 참조하여 실시 형태를 상세하게 설명한다. 또한, 이하의 실시 형태는 특허 청구 범위에 관한 발명을 한정하는 것은 아니다. 실시 형태에는 복수의 특징이 기재되어 있지만, 이들의 복수의 특징의 모두가 발명에 필수적인 것이라고는 할 수 없으며, 또한 복수의 특징은 임의로 조합되어도 된다. 또한, 첨부 도면에 있어서는, 동일 또는 마찬가지의 구성에 동일한 참조 번호를 붙이고, 중복된 설명은 생략한다.
도 1에는, 제1 실시 형태의 시스템(SS)의 구성이 나타내어져 있다. 시스템(SS)은, 예를 들어 물품을 제조하기 위한 제조 장치에 적용될 수 있다. 제조 장치는, 예를 들어 물품 또는 물품의 일부를 구성하는 부품의 재료 또는 부재를 처리하는 처리 장치를 포함할 수 있다. 처리 장치는, 예를 들어 재료 또는 부재에 패턴을 전사하는 리소그래피 장치, 재료 또는 부재에 막을 형성하는 막 형성 장치, 재료 또는 부재를 에칭하는 장치 및 재료 또는 부재를 가열하는 가열 장치 중 어느 것일 수 있다.
시스템(SS)은, 예를 들어 시퀀스부(101)와, 제어 장치(100)와, 제어 대상(103)을 구비할 수 있다. 제어 장치(100)는 제어기(102)를 포함할 수 있다. 제어 장치(100) 또는 제어기(102)는 제어 대상(103)을 제어하기 위한 제어 신호로서 조작량(조작량 신호))MV)을 발생시킬 수 있다. 시스템(SS)이 생산 시스템에 적용되는 경우, 시퀀스부(101)에는, 생산 시퀀스가 제공될 수 있다. 생산 시퀀스는 생산을 위한 수순을 규정할 수 있다. 시퀀스부(101)는 생산 시퀀스에 기초하여, 제어 대상(103)을 제어하기 위한 목표값(R)을 발생시켜 목표값(R)을 제어 장치(100) 또는 제어기(102)에 제공할 수 있다.
제어 장치(100) 또는 제어기(102)는 제어 대상(103)을 피드백 제어할 수 있다. 구체적으로는, 제어 장치(100) 또는 제어기(102)는 시퀀스부(101)로부터 제공되는 목표값(R)과 제어 대상(103)으로부터 제공되는 제어량(CV)의 차분인 제어 편차에 기초하여, 제어 대상(103)의 제어량(CV)이 목표값(R)에 추종하도록 제어 대상(103)을 제어할 수 있다. 제어 대상(103)은 제어량(CV)를 검출하는 센서를 가질 수 있고, 해당 센서에 의해 검출된 제어량(CV)이 제어부(102)에 제공될 수 있다. 목표값(R), 조작량(MV) 및 제어량(CV)은, 시간의 경과에 수반하여 값이 변화하는 시계열 데이터일 수 있다.
도 2에 예시되는 바와 같이, 시스템(SS)에는, 학습부(201)가 내장되어도 된다. 학습부(201)는 제어 장치(100)의 일부로서 구성되어도 되고, 제어 장치(100)의 외부 장치로서 구성되어도 된다. 학습부(201)가 제어 장치(100)의 외부 장치로서 구성되는 경우, 학습의 종료 후에 학습부(201)가 제어 장치(100)로부터 분리되어도 된다. 학습부(201)는 미리 준비된 학습 시퀀스를 시퀀스부(101)에 보내도록 구성될 수 있다. 시퀀스부(101)는 학습 시퀀스를 따라 목표값(R)을 생성하여 제어부(102)에 제공할 수 있다.
제어기(102)는 시퀀스부(101)로부터 학습 시퀀스를 따라 생성되어 제공되는 목표값(R)과 제어 대상(103)으로부터 제공되는 제어량(CV)의 차분인 제어 편차에 기초하여 조작량(MV)을 생성할 수 있다. 여기서, 제어기(102)는 뉴럴 네트워크를 갖고, 해당 뉴럴 네트워크를 사용하여 조작량(MV)을 발생시킬 수 있다. 제어기(102)에 의해 생성되는 조작량(MV)은, 제어 대상(103)에 제공되고, 이 조작량(MV)을 따라서 제어 대상(103)이 동작할 수 있다. 이 동작의 결과로서의 제어량(CV)은, 제어기(102)에 제공될 수 있다. 제어기(102)는 목표값(R)에 기초하는 제어기(102)의 동작의 이력을 나타내는 동작의 이력을 학습부(201)에 제공할 수 있다. 학습부(201)는 해당 동작 이력에 기초하여 제어기(102)의 뉴럴 네트워크 파라미터값을 결정하고, 해당 파라미터값을 해당 뉴럴 네트워크에 설정할 수 있다. 해당 파라미터값은, 예를 들어 강화 학습 등의 기계 학습에 의해 결정될 수 있다.
도 3에는, 제어기(102)의 하나의 구성예가 나타내어져 있다. 제어기(102)는 제어 대상(103)의 제어 편차(E)에 기초하여 제1 신호(S1)를 발생시키는 제1 보상기(301)와, 계수를 조정 가능한 연산식에 따라 제어 편차(E)를 보정함으로써 보정 신호(CS)를 발생시키는 보정기(303)를 포함할 수 있다. 또한, 제어기(102)는 보정 신호(CS)에 기초하여 뉴럴 네트워크에 의해 제2 신호(S2)를 발생시키는 제2 보상기(302)와, 제1 신호(S1)와 제2 신호(S2)에 기초하여 제어 신호로서의 조작량(MV)을 발생시키는 연산기(306)를 포함할 수 있다. 조작량(MV)은, 제1 신호(S1)와 제2 신호(S2)의 합이며, 연산기(306)는 가산기로 구성될 수 있다. 다른 관점에 있어서, 조작량(MV)은, 제1 신호(S1)를 제2 신호(S2)에 기초하여 보정한 신호이다. 제어기(102)는 목표값(R)과 제어량(CV)와의 차분인 제어 편차(E)를 발생시키는 감산기(305)를 포함할 수 있다.
제어기(102)는 동작 이력 기록(304)을 더 포함할 수 있다. 학습부(201)는 제2 보상기(302)의 뉴럴 네트워크 파라미터값을 결정하기 위한 학습을 행하도록 구성될 수 있다. 학습부(201)에 의한 학습을 위해서, 동작 이력 기록부(304)는 학습부(201)에 의한 학습에 요하는 동작 이력을 기록하고, 기록한 동작 이력을 학습부(201)에 제공할 수 있다. 동작 이력은, 예를 들어 제2 보상기(302)에 대한 입력 데이터인 보정 신호(CS)와, 제2 보상기(302)의 출력 데이터인 제2 신호(S2)일 수 있지만, 다른 데이터이어도 된다.
이하, 보정기(303)의 몇몇 구성예를 설명한다. 제1 내지 제5 구성예는, 보정기(303)가 제어 편차(E)에 기초하여 보정 신호(CS)를 생성하기 위하여 사용하는 연산식의 예를 제공한다. 연산식은, 예를 들어 단항식 또는 다항식일 수 있다.
제1 구성예에서는, 보정기(303)는 수학식 1의 연산식으로 표현되는 제어 특성을 갖는다. 여기서, 보정기(303)에 대한 입력(E)을 x, 보정기(303)의 출력(CS)을 y, 임의의 계수(상수)를 Kp라 하자.
Figure pct00001
제2 구성예에서는, 보정기(303)는 수학식 2의 연산식으로 표현되는 제어 특성을 갖는다. 여기서, 보정기(303)에 대한 입력(E)을 x, 보정기(303)의 출력(CS)을 y, 시각을 t, 임의의 계수(상수)를 Ki라 하자. 또한, 적분은 복수회 행해도 된다. 적분은 어느 시간 구간의 정적분이어도 되고, 부정적분이어도 된다.
Figure pct00002
제3 구성예에서는, 보정기(303)는 수학식 3의 연산식으로 표현되는 제어 특성을 갖는다. 여기서, 보정기(303)에 대한 입력(E)을 x, 보정기(303)의 출력(CS)을 y, 시각을 t, 임의의 계수(상수)Kd라 하자. 또한, 미분은 복수회 행해도 된다.
Figure pct00003
제4 구성예에서는, 보정기(303)는 수학식 4의 연산식으로 표현되는 제어 특성을 갖는다. 여기서, 보정기(303)에 대한 입력(E)을 x, 보정기(303)의 출력(CS)을 y, 임의의 계수(상수)를 Kp, Ki, Kd라 하자. 또한, 적분 및 미분은 복수회 행해도 된다.
Figure pct00004
제5 구성예에서는, 보정기(303)는 수학식 5의 연산식으로 표현되는 제어 특성을 갖는다. 여기서, 보정기(303)에 대한 입력(E)을 x, 보정기(303)의 출력(CS)을 y, 다중 적분의 적분 층수를 n, 미분 층수를 m, 임의의 계수(상수)를 Kp, n중 적분일 때의 임의의 계수(상수)를 Ki_n, m층 미분일 때의 임의의 상수를 Kd_m이라 하자.
Figure pct00005
제1 내지 제5 구성예는, 보정기(303)가 보정 신호(CS)를 생성하기 위하여 사용하는 연산식이, 제어 편차(E)에 비례하는 항, 제어 편차(E)에 1회 이상의 적분을 행하는 항 및 제어 편차(E)에 1회 이상의 미분을 행하는 항의, 적어도 하나를 포함하는 예로서 이해될 수 있다.
제1 내지 제5 구성예로 들어진 연산식의 계수(상수) Kp, Ki, Kd, Ki_n, Kd_m은, 보정기(303)의 조정 가능한 파라미터의 예이다. 시스템(SS)의 동작 중에 제어 대상(103)의 상태 및/또는 외란 환경이 변화된 경우에 있어서, 제1 내지 제5 구성예로서 예시된 연산식(의 계수)의 값(파라미터값)을 조정함으로써, 그 변화에 대응할 수 있다. 보정기(303)의 연산식(의 계수)의 값의 조정에 요하는 시간은, 뉴럴 네트워크의 재학습에 요하는 시간보다도 짧다. 따라서, 시스템(SS)의 생산성을 떨어뜨리지 않고, 제어 정밀도를 유지할 수 있다. 즉, 보정기(303)를 도입함으로써, 제어 대상의 상태 변화 및/또는 외란 환경의 변화에 대한 관용성을 향상시킬 수 있다.
도 4에는, 제어기(102)의 다른 구성예가 나타내어져 있다. 도 4에 예시되는 바와 같이, 제어기(102)는 복수(2 이상)의 뉴럴 네트워크(302)를 가져도 된다. 보정기(303)에 의해 생성되는 보정 신호(CS)는, 복수의 뉴럴 네트워크(302)에 제공될 수 있다. 또는, 보정기(303)에 의해 생성되는 보정 신호(CS)는, 복수의 뉴럴 네트워크(302) 중 선택된 뉴럴 네트워크(302)에 제공될 수 있다. 복수의 뉴럴 네트워크(302)은 제어 대상(103)의 동작 패턴에 기초하여 선택기(401)에 의해 선택되고, 선택기(401)에 의해 선택된 뉴럴 네트워크(302)의 출력이 제2 신호(S2)로서 연산기(306)에 제공될 수 있다. 선택기(401)가 뉴럴 네트워크의 선택을 위하여 사용하는 동작 패턴을 나타내는 정보는, 시퀀스부(101)로부터 선택기(401)에 제공될 수 있다.
복수의 뉴럴 네트워크(302)의 각각의 파라미터값은, 제어 대상(103)의 동작 패턴에 따라 결정될 수 있다. 예를 들어, 제어 대상(103)이 스테이지를 포함하고, 스테이지의 위치를 제어하는 경우, 스테이지를 가속하는 가속 구간의 동작 패턴과, 그 이외의 동작 패턴으로, 사용하는 뉴럴 네트워크를 다르게 해도 된다. 또는, 2개의 시스템(SS)을 노광 장치에 내장하여, 하나의 시스템(SS)에 의해 플레이트 스테이지(기판 스테이지)를 제어하고, 또 하나의 시스템(SS)에 의해 마스크 스테이지(원판 스테이지)를 제어 할 수 있다. 이 경우에 있어서, 플레이트 스테이지와 마스크 스테이지를 동기시켜서 구동하는 동기 구간의 동작 패턴과, 그 이외의 동작 패턴으로, 각 시스템(SS)에 있어서 사용하는 뉴럴 네트워크를 다르게 해도 된다.
이상과 같이, 복수의 뉴럴 네트워크(302)를 사용하는 경우에 있어서, 보정기(303)를 도입함으로써, 제어 대상의 상태 변화 및/또는 외란 환경의 변화에 대한 관용성을 향상시킬 수 있다.
도 5에 예시되는 바와 같이, 제어 장치(100)는 보정기(303)의 파라미터값을 설정하는 설정부(202)를 구비해도 된다. 설정부(202)는 보정기(303)의 파라미터값을 조정하기 위한 조정 처리를 실행하고, 이 조정 처리에 의해 보정기(303)의 파라미터값을 결정하여 설정해도 되고, 유저로부터의 지령에 기초하여 보정기(303)의 파라미터값을 설정해도 된다. 전자에 있어서는, 설정부(202)는 제어기(102)의 동작을 확인하기 위한 확인 시퀀스를 시퀀스부(101)에 보내고, 이 확인 시퀀스에 기초하여 시퀀스부(101)에 목표값(R)을 생성시킬 수 있다. 그리고, 설정부(202)는 그 목표값(R)에 기초하여 동작하는 제어기(102)로부터 동작 이력(예를 들어, 제어 편차)을 취득하고, 그 동작 이력에 기초하여 보정기(303)의 파라미터값을 결정할 수 있다. 이러한 기능을 갖는 설정부(202)는 보정기(303)의 파라미터값을 조정하는 조정부로서 이해할 수 있다.
설정부(202)는 시퀀스부(101)가 생산 시퀀스에 기초하여 목표값(R)을 생성하는 생산 시에 있어서, 제어기(102)로부터 동작 이력(예를 들어, 제어 편차)을 취득하고, 그 동작 이력에 기초하여 보정기(303)의 파라미터값의 조정을 실행할지의 여부를 결정해도 된다. 또는, 시퀀스부(101)가 생산 시퀀스에 기초하여 목표값(R)을 생성하는 생산 시에 있어서 설정부(202)에 의한 보정기(303)의 파라미터값의 조정을 실행할지의 여부를 판단하는 판단부가 설정부(202)와는 별도로 마련되어도 된다.
도 6에는, 제1 실시 형태의 시스템(SS)을 생산 장치에 적용한 경우의 시스템(SS)의 동작예가 나타내어져 있다. 공정 S501에서는, 시퀀스부(101)는 주어진 생산 시퀀스에 기초하여 목표값(R)을 생성하여 제어 장치(100) 또는 제어기(102)에 제공할 수 있다. 제어 장치(100) 또는 제어기(102)는 그 목표값(R)에 기초하여 제어 대상(103)을 제어할 수 있다. 공정 S502에서는, 설정부(202)는 공정 S501에 있어서의 제어기(102)의 동작 이력(예를 들어, 제어 편차)을 취득할 수 있다. 공정 S503에서는, 설정부(202)는 공정 S502에서 취득한 동작 이력에 기초하여, 보정기(303)의 파라미터값의 조정(또는 재조정)을 실행할지의 여부를 판단할 수 있다. 설정부(202)는 예를 들어 동작 이력이 미리 결정된 조건을 충족하는 경우에, 보정기(303)의 파라미터값의 조정(또는 재조정)을 실행하는 것으로 판단할 수 있다. 미리 결정된 조건은, 생산을 정지시켜야 할 조건이며, 예를 들어 동작 이력으로서 취득한 제어 편차가 규정값을 초과하는 것일 수 있다. 그리고, 설정부(202)에 의한 보정기(303)의 파라미터값의 조정(또는 재조정)을 실행하는 경우에는 공정 S504로 진행하고, 그렇지 않을 경우에는 공정 S505로 진행한다. 공정(504)에서는, 설정부(202)는 보정기(303)의 파라미터값의 조정(또는 재조정)을 실행한다. 이 조정은, 제2 보상기(302)의 파라미터값이 종전의 상태로 유지된 상태에서 이루어지고, 이 조정에 의해, 보정기(303)의 파라미터값(계수)이 재설정된다.
공정 S505에서는, 시퀀스부(101)는 생산 시퀀스를 따르는 생산을 종료할 것인지 여부를 판단하여, 종료하지 않을 경우에는 공정 S501로 복귀되고, 종료할 경우에는 생산을 종료한다. 이상의 처리에 의하면, 생산을 정지시켜야 할 상태가 된 경우에 있어서도, 빠르게 보정기(303)의 파라미터값을 조정하여, 생산의 중단을 최소한으로 억제하면서 생산을 재개시킬 수 있다.
공정 S504에서는, 설정부(202)는 확인 시퀀스를 시퀀스부(101)로 보내, 시퀀스부(101)에 확인 시퀀스를 실행시키고, 확인 시퀀스에 있어서의 동작 이력(예를 들어, 제어 편차)을 제어기(102)로부터 취득할 수 있다. 그리고, 설정부(202)는 그 동작 이력의 주파수 해석을 행하고, 그 결과에 기초하고, 개선해야 할 주파수를 결정하고, 그 주파수에 있어서의 제어 편차가 규정값 이내가 되도록 보정기(303)의 파라미터값을 결정할 수 있다. 공정 S504의 더욱 구체적인 예에 대해서는, 제2 실시 형태에 있어서 설명한다.
도 8에는, 외란 억압 특성의 계측 결과가 예시되어 있다. 외란 억압 특성은, 조작량(MV)으로서 사인파를 부여했을 때의 제어 편차(E)의 주파수 응답이다. 도 8에 있어서, 횡축은 주파수, 종축은 외란 억압 특성의 게인을 나타낸다. 외란 억압 특성은, 조작량에 외란이 가산되었을 경우의 제어 편차(E)의 주파수 응답을 나타내기 때문에 게인이 크다는 것은, 외란을 억압하는 효과가 낮다는 것을 나타낸다. 한편, 게인이 작다는 것은, 외란을 억압하는 효과가 높다는 것을 나타낸다. 도 8에 있어서, 파선은, 조정 전의 외란 억압 특성을 나타내고 있다.
도 8에 있어서의 일점쇄선으로 나타내어진 주파수를, 외란 억압 특성을 개선해야 할 주파수로서 정하여 공정 S504를 실행하면, 예를 들어 실선으로 표시되는 것과 같은 외란 억압 특성을 얻을 수 있다. 개선해야 할 주파수에 있어서 외란 억압 특성의 게인이 작아져 외란 억압 특성이 향상되어 있다는 것을 알 수 있다.
이하, 제2 실시 형태를 설명한다. 제2 실시 형태로서 언급하지 않는 사항은, 제1 실시 형태를 따를 수 있다. 도 9에는, 제1 실시 형태의 제어 시스템(SS) 또는 제어 장치(100)를 스테이지 제어 장치(800)에 적용한 예가 나타내어져 있다. 스테이지 제어 장치(800)는 스테이지(804)를 제어하도록 구성되어 있다. 스테이지 제어 장치(800)는 예를 들어 제어 기판(801), 전류 드라이버(802), 모터(803), 스테이지(804) 및 센서(805)를 구비할 수 있다. 제어 기판(801)은 제1 실시 형태의 시스템(SS)에 있어서의 제어 장치(100) 또는 제어기(102)에 대응한다. 전류 드라이버(802), 모터(803), 스테이지(804) 및 센서(805)는 제1 실시 형태의 시스템(SS)에 있어서의 제어 대상(103)에 대응한다. 단, 전류 드라이버(802)는 제어 기판(801)에 내장되어도 된다. 도 9에 도시되어 있지 않지만, 스테이지 제어 장치(800)는 시퀀스부(101), 학습부(201), 설정부(202)를 구비할 수 있다.
제어 기판(801)에는, 시퀀스부(101)로부터 목표값으로서의 위치 목표값이 공급될 수 있다. 제어 기판(801)은 시퀀스부(101)로부터 공급되는 위치 목표값과 센서(805)로부터 공급되는 위치 정보에 기초하여, 제어 신호 또는 조작량(조작량 지령)으로서의 전류 지령을 발생시켜 전류 드라이버(802)에 공급할 수 있다. 또한, 제어 기판(801)은 동작 이력을 시퀀스부(101)에 공급할 수 있다.
전류 드라이버(802)는 전류 지령에 따른 전류를 모터(803)에 공급할 수 있다. 모터(803)는 전류 드라이버(802)로부터 공급되는 전류를 추력으로 변환하고, 그 추력으로 스테이지(804)를 구동하는 액추에이터일 수 있다. 스테이지(804)는 예를 들어 플레이트 또는 마스크 등의 물체를 보유 지지할 수 있다. 센서(805)는 스테이지(804)의 위치를 검출하고, 그것에 의해 얻어진 위치 정보를 제어 기판(801)에 공급할 수 있다.
도 10에는, 제어 기판(801)의 구성예가 블록선도로서 나타내어져 있다. 제어 기판(801)은 제어 대상으로서의 스테이지(804)의 위치 제어 편차(E)에 기초하여 제1 신호(S1)를 발생시키는 제1 보상기(301)와, 계수를 조정 가능한 연산식에 따라 제어 편차(E)를 보정함으로써 보정 신호(CS)를 발생시키는 보정기(303)를 포함할 수 있다. 또한, 제어 기판(801)은 보정 신호(CS)에 기초하여 뉴럴 네트워크에 의해 제2 신호(S2)를 발생시키는 제2 보상기(302)와, 제1 신호(S1)와 제2 신호(S2)에 기초하여 제어 신호 또는 조작량 신호로서 전류 지령을 발생시키는 연산기(306)를 포함할 수 있다. 또한, 제어 기판(801)은 위치 목표값(PR)과 위치 정보의 차분인 제어 편차(E)를 발생시키는 감산기(305)를 포함할 수 있다.
제2 실시 형태의 스테이지 제어 장치(100)는 학습부(201)를 구비할 수 있고, 학습부(201)는 제2 보상기(302)의 뉴럴 네트워크 파라미터값을 결정하기 위한 학습을 행하도록 구성될 수 있다. 학습부(201)에 의한 학습을 위해서, 동작 이력 기록부(304)는 학습부(201)에 의한 학습에 요하는 동작 이력을 기록하고, 기록한 동작 이력을 학습부(201)에 제공할 수 있다. 동작 이력은, 예를 들어 제2 보상기(302)에 대한 입력 데이터인 보정 신호(CS)와, 제2 보상기(302)의 출력 데이터인 제2 신호(S2)일 수 있지만, 다른 데이터이어도 된다.
제2 실시 형태의 스테이지 제어 장치(100)는 설정부(202)를 구비할 수 있다. 설정부(202)는 보정기(303)의 파라미터값을 조정하기 위한 조정 처리를 실행하고, 이 조정 처리에 의해 보정기(303)의 파라미터값을 결정하여 설정해도 되고, 유저로부터의 지령에 기초하여 보정기(303)의 파라미터값을 설정해도 된다.
도 6을 원용하여, 제2 실시 형태의 스테이지 제어 장치(800)를 생산 장치에 적용한 경우의 스테이지 장치(800)의 동작을 예시적으로 설명한다. 공정 S501에서는, 시퀀스부(101)는 주어진 생산 시퀀스에 기초하여 위치 목표값(PR)을 생성하여 스테이지 제어 장치(800)에 제공할 수 있다. 스테이지 제어 장치(800)는 그 위치 목표값(PR)에 기초하여 스테이지(804)의 위치를 제어할 수 있다. 공정 S502에서는, 설정부(202)는 공정 S501에 있어서의 제어 기판(801)의 동작 이력(예를 들어, 제어 편차)을 취득할 수 있다. 공정 S503에서는, 설정부(202)는 공정 S502에서 취득한 동작 이력에 기초하여, 설정부(202)에 의한 보정기(303)의 파라미터값의 조정(또는 재조정)을 실행할지의 여부를 판단할 수 있다. 설정부(202)는 예를 들어 동작 이력이 미리 결정된 조건을 충족하는 경우에, 보정기(303)의 파라미터값의 조정(또는 재조정)을 실행하는 것으로 판단할 수 있다. 미리 결정된 조건은, 생산을 정지시켜야 할 조건이며, 예를 들어 스테이지(804)의 등속 구동 중의 위치 제어 편차의 최댓값이 미리 결정된 규정값을 초과하는 것일 수 있다. 그리고, 설정부(202)에 의한 보정기(303)의 파라미터값의 조정(또는 재조정)을 실행하는 경우에는 공정 S504로 진행하고, 그렇지 않을 경우에는 공정 S505로 진행한다. 공정 504에서는, 설정부(202)는 보정기(303)의 파라미터값의 조정(또는 재조정)을 실행할 수 있다. 공정 S505에서는, 시퀀스부(101)는 생산 시퀀스를 따르는 생산을 종료할 것인지 여부를 판단하여, 종료하지 않을 경우에는 공정 S501로 복귀되고, 종료할 경우에는 생산을 종료한다.
도 7a, 도 7b에는, 공정 S504에 있어서의 보정기(303)의 파라미터값의 조정(또는 재조정) 처리의 구체예가 나타내어져 있다. 공정 S601에서는, 설정부(202)는 스테이지 제어 장치(800)의 동작을 확인하기 위한 확인 시퀀스를 시퀀스부(101)로 보내고, 이 확인 시퀀스에 기초하여 시퀀스부(101)에 위치 목표값(PR)을 생성시킬 수 있다. 공정 S602에서는, 설정부(202)는 그 위치 목표값(PR)에 기초하여 동작하는 제어기(102)로부터 동작 이력으로서의 위치 제어 편차(E)를 취득할 수 있다. 도 12에는, 위치 제어 편차가 예시되어 있다. 도 12에 있어서, 횡축은 시간, 종축은 위치 제어 편차(E)를 나타내고 있다. 여기서, 점선으로 표시되는 곡선은, 보정기(303)의 파라미터값을 조정하기 전의 위치 제어 편차(E)이며, 위치 제어 정밀도가 악화되어 있다는 것을 나타내고 있다.
공정 S603에서는, 설정부(202)는 공정 S602에서 취득한 위치 제어 편차(E)의 주파수 해석을 행할 수 있다. 도 13에는, 공정 S603에 있어서의 주파수 해석의 결과가 예시되어 있다. 도 13에 있어서, 횡축은 주파수, 종축은 파워 스펙트럼이다. 점선은, 조정 전에 있어서 최대 스펙트럼을 나타내는 주파수를 나타내고 있다. 공정 S604에서는, 설정부(202)는 예를 들어 파워 스펙트럼에 있어서 최대 스펙트럼을 나타내는 주파수를, 개선해야 할 주파수로서 결정할 수 있다.
공정 S605 내지 S610은, 보정기(303)의 파라미터값을 조정하는 조정 처리의 구체예이다. 여기에서는, 파라미터값의 조정 방법으로서 최급강하법을 채용하여 예를 설명하지만, 다른 방법이 사용되어도 된다. 공정 S605에서는, 설정부(202)는 n을 1로 초기화한다. 예를 들어, 보정기(303)의 연산식이 1차 적분항, 비례항 및 1차 미분항의 3항으로 구성되는 경우, 파라미터값을 조정해야 할 파라미터는, Ki, Kp, Kd의 3개이다. n회째의 조정에 있어서의 파라미터값 pn을 수학식 6으로 나타낸다.
Figure pct00006
공정 S606에서는, 설정부(202)는 파라미터값 pn의 1회째의 조정에 있어서의 파라미터값 p1에 대해서는, 임의의 초깃값을 설정할 수 있다. n회째의 조정에서는, 후술하는 수학식 8로 표시되는 파라미터값 pn을 설정할 수 있다.
파라미터값 pn을 조정하기 위한 목적 함수 J(pn)는 예를 들어 공정 S604에서 결정한 주파수에 있어서의 외란 억압 특성의 게인이 될 수 있다. 공정 S607에서는, 설정부(202)는 목적 함수 J(pn)의 구배 벡터 grad J(pn)를 측정할 수 있다. 구배 벡터 grad J(pn)는 수학식 7로 부여될 수 있다. 구배 벡터 grad J(pn)는 파라미터값 pn을 구성하는 각 요소 Ki-n, Kp-n, Kd-n을 미소량만큼 변화시킴으로써 계측될 수 있다.
Figure pct00007
공정 S608에서는, 설정부(202)는 최급강하법의 수렴 판정으로서, 구배 벡터 grad J(pn)의 각 요소의 값이 규정값 이하인지의 여부를 판단할 수 있다. 구배 벡터 grad J(pn)의 각 요소의 값이 규정값 이하이면 설정부(202)는 보정기(303)의 파라미터값의 조정을 종료할 수 있다. 한편, 구배 벡터 grad J(pn)의 각 요소의 값이 규정값을 초과하고 있으면, 공정 S609에 있어서, 설정부(202)는 파라미터값 pn+1을 계산할 수 있다. 여기서, 파라미터값 pn+1은, 예를 들어 0보다 큰 임의의 상수 α를 사용하고, 수학식 8을 따라서 계산될 수 있다. 공정 S610에서는, 설정부(202)는 n의 값에 1을 가산하여 공정 S606으로 복귀된다.
Figure pct00008
공정 S611에서는, 설정부(202)는 스테이지 제어 장치(800)의 동작을 확인하기 위한 확인 시퀀스를 시퀀스부(101)로 보내고, 이 확인 시퀀스에 기초하여 시퀀스부(101)에 위치 목표값(PR)을 생성시킬 수 있다. 공정 S612에서는, 설정부(202)는 그 위치 목표값(PR)에 기초하여 동작하는 제어기(102)로부터 동작 이력으로서의 위치 제어 편차(E)를 취득할 수 있다.
공정 S613에서는, 설정부(202)는 공정 S612에서 취득한 위치 제어 편차(E)가 규정값 이하인지의 여부를 판단하여, 위치 제어 편차(E)가 규정값을 초과하고 있으면 공정 S601로 복귀되어 조정을 재실행하고, 위치 제어 편차(E)가 규정값 이하이면 조정을 종료할 수 있다.
제2 실시 형태에 따르면, 스테이지(804)를 포함하는 제어 대상의 상태 및/또는 외란이 변화한 경우에 있어서, 보정기(303)의 파라미터값을 조정함으로써, 그 변화에 대응할 수 있다. 예를 들어, 도 12의 예에서는, 점선으로 나타내어진 위치 제어 편차는, 실선으로 나타내어진 위치 제어 편차까지 저감되어, 제어 정밀도가 향상된다.
수학식 6의 예에서는, 보정기(303)의 파라미터 수는 불과 3개이며, 일반적인 뉴럴 네트워크의 파라미터 수보다도 훨씬 적다. 예를 들어, 딥 뉴럴 네트워크를 사용하는 경우, 입력층의 차원수를 5, 은닉층의 차원수를 32의 2단, 출력층의 차원수를 8로 하면, 파라미터 수는 1545개가 된다. 이것들 1545개의 파라미터의 값을 재학습에 의해 결정하는 것 보다도, 보정기(303)의 파라미터값을 조정하는 것이 단시간에 조정을 종료할 수 있다. 따라서, 스테이지 제어 장치(800)의 생산성을 떨어뜨리지 않고, 제어 정밀도를 유지할 수 있다.
도 11에는, 제3 실시 형태의 노광 장치(EXP)의 구성예가 모식적으로 도시되어 있다. 노광 장치(EXP)는, 주사 노광 장치로서 구성될 수 있다. 노광 장치(EXP)는, 예를 들어 조명 광원(1000), 조명 광학계(1001), 마스크 스테이지(1003), 투영 광학계(1004), 플레이트 스테이지(1006)를 구비할 수 있다. 조명 광원(1000)은, 수은 램프, 엑시머 레이저 광원 또는 EUV 광원을 포함할 수 있지만, 이들에 한정되지 않는다. 조명 광원(1000)으로부터의 노광광(1010)은, 조명 광학계(1001)에 의해 균일한 조도로 투영 광학계(1004)의 조사 영역의 형태로 성형된다. 일례에 있어서, 노광광(1010)은, Y축 및 Z축에 의한 평면에 수직인 축인 X 방향으로 긴 직사각형으로 성형될 수 있다. 투영 광학계(1004)의 종류에 따라, 노광광(1010)은, 원호 형상으로 성형될 수 있다. 성형된 노광광(1010)은 마스크(원판)(1002)의 패턴에 조사되고, 마스크(1002)의 패턴을 통과한 노광광(1010)은, 투영 광학계(1004)를 통하여 플레이트(1005)(기판)의 면에 마스크(1002)의 패턴의 상을 형성한다.
마스크(1002)는 마스크 스테이지(1003)에 의해 진공 흡인 등에 의해 보유 지지되고. 플레이트(1005)는 플레이트 스테이지(1006)의 척(1007)에 의해 진공 흡인 등에 의해 보유 지지된다. 마스크 스테이지(1003) 및 플레이트 스테이지(1006)의 위치는, 레이저 간섭계 또는 레이저 스케일 등의 위치 센서(1030)와, 리니어 모터 등의 구동계(1031)와, 제어기(1032)를 구비한 다축 위치 제어 장치에 의해 제어될 수 있다. 위치 센서(1030)로부터 출력되는 위치 계측값은, 제어기(1032)에 제공될 수 있다. 제어기(1032)는, 위치 목표값과 위치 계측값의 차분인 위치 제어 편차에 기초하여 제어 신호(조작량 신호)를 발생시키고, 그것을 구동계(1031)에 제공함으로써, 마스크 스테이지(1003) 및 플레이트 스테이지(1006)를 구동한다. 마스크 스테이지(1003)와 플레이트 스테이지(1006)를 Y 방향으로 동기 구동하면서 플레이트(1005)을 주사 노광함으로써 마스크(1002)의 패턴이 플레이트(1005)(상의 감광 재)에 전사된다.
제2 실시 형태를 플레이트 스테이지(1006)의 제어에 적용하는 경우에 대하여 설명한다. 도 9에 있어서의 제어 기판(801)은 제어기(1032), 전류 드라이버(802)와 모터(803)는 구동계(1031), 스테이지(804)는 플레이트 스테이지(1006), 센서(805)는 위치 센서(1030)에 해당한다. 뉴럴 네트워크를 갖는 제어기를 플레이트 스테이지(1006)의 제어에 적용함으로써, 플레이트 스테이지(1006)의 위치 제어 편차를 저감할 수 있다. 이에 따라, 중첩 정밀도 등을 향상시킬 수 있다. 뉴럴 네트워크의 파라미터값은, 미리 결정된 학습 시퀀스에 의해 결정될 수 있다. 그러나, 학습 시부터의 제어 대상의 상태 변화 및/또는 외란 환경이 변화되었을 때에, 플레이트 스테이지(1006)의 제어 정밀도가 저하된다. 그러한 경우에도, 보정기의 파라미터값을 조정함으로써, 뉴럴 네트워크의 재학습을 행하는 것보다도, 단시간에 조정을 종료할 수 있다. 결과적으로, 노광 장치의 생산성을 떨어뜨리지 않고, 제어 정밀도를 유지할 수 있다.
제2 실시 형태를 마스크 스테이지(1003)의 제어에 적용하는 경우에 대하여 설명한다. 도 9에 있어서의 제어 기판(801)은 제어기(1032), 전류 드라이버(802)와 모터(803)는 구동계(1031), 스테이지(804)는 마스크 스테이지(1003), 센서(805)는 위치 센서(1030)에 해당한다.
제2 실시 형태를 마스크 스테이지(1003)의 제어에 적용한 경우에 있어서도, 마스크 스테이지(1003)의 위치 제어 편차를 저감할 수 있다. 이에 따라, 중첩 정밀도 등을 향상시킬 수 있다. 뉴럴 네트워크의 파라미터값은, 미리 결정된 학습 시퀀스에 의해 결정될 수 있다. 그러나, 학습 시부터의 제어 대상의 상태 변화 및/또는 외란 환경이 변화했을 때에, 마스크 스테이지(1003)의 제어 정밀도가 저하된다. 그러한 경우에도, 보정기의 파라미터값을 조정함으로써, 뉴럴 네트워크의 재학습을 행하는 것보다도, 단시간에 조정을 종료할 수 있다. 결과적으로, 노광 장치의 생산성을 떨어뜨리지 않고, 제어 정밀도를 유지할 수 있다.
제2 실시 형태는, 노광 장치에 있어서의 스테이지의 제어뿐만 아니라, 임프린트 장치 및 전자선 묘화 장치와 같은 다른 리소그래피 장치에 있어서의 스테이지의 제어에도 적용될 수 있다. 또한, 제1 실시 형태 또는 제2 실시 형태는, 예를 들어 물품을 반송하는 반송 기구에 있어서의 가동부, 예를 들어 물품을 보유 지지하는 핸드의 제어에도 적용될 수 있다.
상기와 같은 리소그래피 장치는, 여러 가지 물품(반도체 IC 소자, 액정 표시 소자, MEMS 등)의 제조를 위한 물품 제조 방법의 실시를 위하여 사용될 수 있다. 물품 제조 방법은, 상기의 리소그래피 장치를 사용하여 기판에 원판의 패턴을 전사하는 전사 공정과, 해당 전사 공정을 거친 해당 기판을 처리하는 처리 공정을 포함하고, 해당 처리 공정을 거친 해당 기판으로부터 물품을 얻는다. 해당 리소그래피 장치가 노광 장치인 경우, 해당 전사 공정은, 원판을 통하여 기판을 노광하는 노광 공정과, 해당 노광 공정을 거친 해당 기판을 현상하는 현상 공정을 포함할 수 있다.
본 발명은 상술한 실시 형태의 1 이상의 기능을 실현하는 프로그램을, 네트워크 또는 기억 매체를 통하여 시스템 또는 장치에 공급하고, 그 시스템 또는 장치의 컴퓨터에 있어서의 1개 이상의 프로세서가 프로그램을 읽어내어 실행하는 처리로도 실현 가능하다. 또한, 1 이상의 기능을 실현하는 회로(예를 들어, ASIC)에 의해서도 실현 가능하다.
발명은 상기 실시 형태로 제한되는 것은 아니고, 발명의 정신 및 범위로부터 이탈되지 않고, 여러 가지 변경 및 변형이 가능하다. 따라서, 발명의 범위를 밝히기 위하여 청구항을 첨부한다.
본원은, 2020년 9월 10일에 제출한 일본 특허 출원 제2020-152293을 기초로 하여 우선권을 주장하는 것이며, 그 기재 내용의 모두를 여기에 원용한다.
100: 제어 장치
102: 제어기
103: 제어 대상
301: 제1 보상기
302: 제2 보상기
303: 보정기
305: 감산기
306: 연산기

Claims (17)

  1. 제어 대상을 제어하기 위한 제어 신호를 발생시키는 제어 장치이며,
    상기 제어 대상의 제어 편차에 기초하여 제1 신호를 발생시키는 제1 보상기와,
    계수를 조정 가능한 연산식에 따라 상기 제어 편차를 보정함으로써 보정 신호를 발생시키는 보정기와,
    상기 보정 신호에 기초하여 뉴럴 네트워크에 의해 제2 신호를 발생시키는 제2 보상기와,
    상기 제1 신호와 상기 제2 신호에 기초하여 상기 제어 신호를 발생시키는 연산기
    를 구비하는 것을 특징으로 하는 제어 장치.
  2. 제1항에 있어서, 상기 연산식은 상기 제어 편차에 비례하는 항을 포함하는 것을 특징으로 하는 제어 장치.
  3. 제1항 또는 제2항에 있어서, 상기 연산식은 상기 제어 편차에 1회 이상의 적분을 행하는 항을 포함하는 것을 특징으로 하는 제어 장치.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서, 상기 연산식은 상기 제어 편차에 1회 이상의 미분을 행하는 항을 포함하는 것을 특징으로 하는 제어 장치.
  5. 제1항에 있어서, 상기 연산식은, 상기 제어 편차에 비례하는 항, 상기 제어 편차에 1회 이상의 적분을 행하는 항 및 상기 제어 편차에 1회 이상의 미분을 행하는 항 중 적어도 하나를 포함하는 것을 특징으로 하는 제어 장치.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서, 상기 연산식을 설정하는 설정부를 더 구비하는 것을 특징으로 하는 제어 장치.
  7. 제6항에 있어서, 상기 설정부는, 미리 결정된 조건이 충족되었을 경우에, 상기 연산식의 상기 계수를 재설정하는 것을 특징으로 하는 제어 장치.
  8. 제7항에 있어서, 상기 미리 결정된 조건은, 상기 제어 편차가 규정값을 초과하는 것을 포함하는 것을 특징으로 하는 제어 장치.
  9. 제6항에 있어서, 상기 설정부는, 미리 결정된 조건이 충족되었을 경우에, 상기 뉴럴 네트워크의 파라미터값이 종전의 상태로 유지된 상태에서, 상기 연산식의 상기 계수를 재설정하는 것을 특징으로 하는 제어 장치.
  10. 제9항에 있어서, 상기 미리 결정된 조건은, 상기 제어 편차가 규정값을 초과하는 것을 포함하는 것을 특징으로 하는 제어 장치.
  11. 제6항 내지 제10항 중 어느 한 항에 있어서, 상기 설정부는, 외란 억압 특성에 기초하여 상기 연산식을 재설정하는 것을 특징으로 하는 제어 장치.
  12. 제1항 내지 제11항 중 어느 한 항에 있어서, 상기 뉴럴 네트워크의 파라미터값을 기계 학습에 의해 결정하는 학습부를 더 구비하는 것을 특징으로 하는 제어 장치.
  13. 제어 대상을 제어하기 위한 제어 신호를 발생시키는 제어 장치이며,
    상기 제어 대상의 제어 편차에 기초하여 제1 신호를 발생시키는 제1 보상기와,
    연산식에 따라 상기 제어 편차를 보정함으로써 보정 신호를 발생시키는 보정기와,
    상기 보정 신호에 기초하여 뉴럴 네트워크에 의해 제2 신호를 발생시키는 제2 보상기와,
    상기 제1 신호와 상기 제2 신호에 기초하여 상기 제어 신호를 발생시키는 연산기
    를 구비하는 것을 특징으로 하는 제어 장치.
  14. 제13항에 있어서, 상기 연산식은, 상기 제어 편차에 비례하는 항, 상기 제어 편차에 1회 이상의 적분을 행하는 항 및 상기 제어 편차에 1회 이상의 미분을 행하는 항 중 적어도 하나를 포함하는 것을 특징으로 하는 제어 장치.
  15. 기판에 원판의 패턴을 전사하는 리소그래피 장치이며,
    상기 기판 또는 상기 원판의 위치를 제어하도록 구성된 제1항 내지 제14항 중 어느 한 항에 기재된 제어 장치를 구비하는 것을 특징으로 하는 리소그래피 장치.
  16. 제15항에 기재된 리소그래피 장치를 사용하여 기판에 원판의 패턴을 전사하는 전사 공정과,
    상기 전사 공정을 거친 상기 기판을 처리하는 처리 공정을 포함하고,
    상기 처리 공정을 거친 상기 기판으로부터 물품을 얻는 것을 특징으로 하는 물품 제조 방법.
  17. 제어 대상의 제어 편차에 기초하여 제1 신호를 발생시키는 제1 보상기와, 상기 제어 편차를 보정함으로써 보정 신호를 발생시키는 보정기와, 상기 보정 신호에 기초하여 뉴럴 네트워크에 의해 제2 신호를 발생시키는 제2 보상기와, 상기 제1 신호와 상기 제2 신호에 기초하여 제어 신호를 발생시키는 연산기를 구비하는 제어 장치를 조정하는 조정 방법이며,
    상기 뉴럴 네트워크의 파라미터가 종전의 상태로 유지된 상태에서, 상기 보정기의 특성을 조정하는 조정 공정을 포함하는 것을 특징으로 하는 조정 방법.
KR1020237010603A 2020-09-10 2021-09-03 제어 장치 및 그 조정 방법, 리소그래피 장치 그리고 물품 제조 방법 KR20230058456A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JPJP-P-2020-152293 2020-09-10
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
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
KR20230058456A true KR20230058456A (ko) 2023-05-03

Family

ID=80631824

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237010603A KR20230058456A (ko) 2020-09-10 2021-09-03 제어 장치 및 그 조정 방법, 리소그래피 장치 그리고 물품 제조 방법

Country Status (7)

Country Link
US (1) US20230176548A1 (ko)
EP (1) EP4212963A1 (ko)
JP (1) JP7520656B2 (ko)
KR (1) KR20230058456A (ko)
CN (1) CN116034462A (ko)
TW (1) TW202210956A (ko)
WO (1) WO2022054724A1 (ko)

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

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07503563A (ja) 1992-01-31 1995-04-13 ハネウエル・インコーポレーテッド ニューロｐｉｄ制御装置
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

Family Cites Families (5)

* 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
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
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
JP7194056B2 (ja) 2019-03-22 2022-12-21 Ｋｙｂ株式会社 サスペンション装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07503563A (ja) 1992-01-31 1995-04-13 ハネウエル・インコーポレーテッド ニューロｐｉｄ制御装置
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

Also Published As

Publication number Publication date
TW202210956A (zh) 2022-03-16
US20230176548A1 (en) 2023-06-08
EP4212963A1 (en) 2023-07-19
JP7520656B2 (ja) 2024-07-23
WO2022054724A1 (ja) 2022-03-17
CN116034462A (zh) 2023-04-28
JP2022046317A (ja) 2022-03-23

Similar Documents

Publication Publication Date Title
TWI418947B (zh) 包含反覆學習電路的位置控制設備，曝光設備，製造裝置的方法，及用於具有包含學習過濾器之反覆學習電路的位置控制設備中的反覆學習方法
US8244385B2 (en) Control device including iterative learning control circuit
KR100937967B1 (ko) 리소그래피 장치 및 디바이스 제조 방법
JP2006128685A (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
CN110426919B (zh) 控制设备、光刻装置和物品的制造方法
KR20230058456A (ko) 제어 장치 및 그 조정 방법, 리소그래피 장치 그리고 물품 제조 방법
WO2022124281A1 (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
JP2019121656A (ja) 制御方法、制御装置、リソグラフィ装置、および物品の製造方法
JP6760975B2 (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
KR20220046483A (ko) 위치결정 장치, 리소그래피 장치, 및 물품 제조 방법
WO2024090126A1 (ja) 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
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
WO2022030334A1 (ja) 制御装置、リソグラフィー装置および物品製造方法
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
US20220365454A1 (en) Mark detecting apparatus, mark learning apparatus, substrate processing apparatus, mark detecting method, and manufacturing method of article
WO2023247139A1 (en) Control method and control system for controlling a position of an object with an electromagnetic actuator
CN115685692A (zh) 控制设备、光刻装置和物品制造方法
KR20230009303A (ko) 처리 장치, 관리 장치, 리소그래피 장치, 및 물품 제조 방법
CN115616869A (zh) 处理装置和物品制造方法