TW202210956A - 控制裝置及其調整方法、光刻裝置以及物品製造方法 - Google Patents

控制裝置及其調整方法、光刻裝置以及物品製造方法 Download PDF

Info

Publication number
TW202210956A
TW202210956A TW110129758A TW110129758A TW202210956A TW 202210956 A TW202210956 A TW 202210956A TW 110129758 A TW110129758 A TW 110129758A TW 110129758 A TW110129758 A TW 110129758A TW 202210956 A TW202210956 A TW 202210956A
Authority
TW
Taiwan
Prior art keywords
control
signal
control device
aforementioned
generates
Prior art date
Application number
TW110129758A
Other languages
English (en)
Inventor
草柳博一
畑智康
猪股裕也
朝倉康伸
橋本拓海
森川寛
伊藤正裕
石井祐二
Original Assignee
日商佳能股份有限公司
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 日商佳能股份有限公司 filed Critical 日商佳能股份有限公司
Publication of TW202210956A publication Critical patent/TW202210956A/zh

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)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Condensed Matter Physics & Semiconductors (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

一種控制裝置，其產生用於對控制對象進行控制的控制訊號，前述控制裝置具備：第1補償器，其基於前述控制對象的控制偏差而產生第1訊號；校正器，其依可調整係數的運算式校正前述控制偏差從而產生校正訊號；第2補償器，其基於前述校正訊號透過神經網路產生第2訊號；以及運算器，其基於前述第1訊號與前述第2訊號產生前述控制訊號。

Description

控制裝置及其調整方法、光刻裝置以及物品製造方法
本發明涉及控制裝置及其調整方法、光刻裝置以及物品製造方法。
近年來，對於控制精度的提升之要求變嚴，有時僅以歷來的回授控制無法達到要求精度。於是，除歷來的控制器以外，已致力於並列地構成神經網路控制器(專利文獻1)。神經網路控制器方面，雖透過機器學習以調整參數，惟存在可靠性方面的問題。例如，透過機器學習而生成的控制器方面，與在學習時被提供的狀況存在很大偏差的狀況(控制對象的狀態變化、外擾環境的變化)下，可能進行異常的輸出。對於如此的問題，已提出在神經網路控制器的後階設置限制輸出的限制部之技術(專利文獻2)。 [先前技術文獻] [專利文獻]
[專利文獻1]特表平7-603563號公報 [專利文獻2]日本特開2019-71505號公報
[發明所欲解決之問題]
在使用了神經網路之歷來的控制裝置，發生控制對象的狀態變化及/或外擾環境的變化的情況下，預先決定的神經網路的參數值變非最佳，控制精度會不良化。如此的情況下，只要透過再學習再決定神經網路的參數值，即可改善控制精度。然而，再學習的執行方面需要相當的時間。此外，於再學習，被執行預先決定的學習序列，故無法進行透過裝置之生產。因此，再學習的執行會使裝置的生產率降低。
本發明目的在於提供在為了使對於控制對象的狀態變化及/或外擾環境的變化之寛容性提升方面有利的技術。 [解決問題之技術手段]
本發明的1個方案涉及一種控制裝置，其產生用於對控制對象進行控制的控制訊號，前述控制裝置具備：第1補償器，其基於前述控制對象的控制偏差而產生第1訊號；校正器，其依可調整係數的運算式校正前述控制偏差從而產生校正訊號；第2補償器，其基於前述校正訊號透過神經網路產生第2訊號；以及運算器，其基於前述第1訊號與前述第2訊號產生前述控制訊號。 [對照先前技術之功效]
依本發明時，提供在為了使對於控制對象的狀態變化及/或外擾環境的變化之寛容性提升方面有利的技術。
以下，參照圖式詳細說明實施方式。另外，以下的實施方式非限定申請專利範圍的發明者。於實施方式雖記載複數個特徵，惟不限於此等複數個特徵的全部為發明必須者，此外複數個特徵亦可任意進行組合。再者，圖式中，對相同或同樣的構成標注相同的參考符號，重複之說明省略。
於圖1，示出第1實施方式的系統SS的構成。系統SS可適用於例如用於製造物品的製造裝置。製造裝置可包括例如處理物品或構成物品的一部分的零件的材料或構件的處理裝置。處理裝置可為例如將圖案轉印於材料或構件的光刻裝置、將膜形成於材料或構件的膜形成裝置、蝕刻材料或構件的裝置及加熱材料或構件的加熱裝置中的任一者。
系統SS可例如具備序列部101、控制裝置100及控制對象103。控制裝置100可包含控制器102。控制裝置100或控制器102可產生操作量(操作量訊號)MV作為用於控制控制對象103的控制訊號。系統SS適用於生產系統的情況下，於序列部101可被提供生產序列。生產序列可規定用於生產的順序。序列部101基於生產序列產生用於控制控制對象103的目標值R，可將目標值R提供至控制裝置100或控制器102。
控制裝置100或控制器102可回授控制控制對象103。具體而言，控制裝置100或控制器102可基於係從序列部101提供的目標值R與從控制對象103提供的控制量CV的差分之控制偏差，以控制對象103的控制量CV追隨目標值R的方式對控制對象103進行控制。控制對象103可具有檢測控制量CV的感測器，透過該感測器檢測出的控制量CV可被提供至控制部102。目標值R、操作量MV及控制量CV可為值隨時間的經過而變化的時序列資料。
如例示於圖2，於系統SS亦可併入有學習部201。學習部201可構成為控制裝置100的一部分，亦可構成為控制裝置100的外部裝置。在學習部201被構成為控制裝置100的外部裝置的情況下，亦可在學習的結束後學習部201被從控制裝置100斷開。學習部201可被構成為將預先準備的學習序列送至序列部101。序列部101可依學習序列生成目標值R並提供至控制部102。
控制器102可基於係從序列部101依學習序列而生成並提供的目標值R與從控制對象103提供的控制量CV的差分之控制偏差而生成操作量MV。此處，控制器102具有神經網路，可使用該神經網路而產生操作量MV。透過控制器102生成的操作量MV被提供至控制對象103，控制對象103可依此操作量MV動作。作為此動作的結果的控制量CV可被提供至控制器102。控制器102可將基於目標值R之控制器102的動作的歷史的動作歷史提供至學習部201。學習部201可基於該動作歷史而決定控制器102的神經網路的參數值，可將該參數值設定於該神經網路。該參數值可透過例如強化學習等的機器學習而決定。
圖3中示出控制器102的1個構成例。控制器102可包含基於控制對象103的控制偏差E而產生第1訊號S1的第1補償器301及依可調整係數的運算式校正控制偏差E從而產生校正訊號CS的校正器303。此外，控制器102可包含基於校正訊號CS透過神經網路產生第2訊號S2的第2補償器302及基於第1訊號S1與第2訊號S2產生作為控制訊號的操作量MV的運算器306。操作量MV為第1訊號S1與第2訊號S2的和，運算器306可被以加法器構成。其他觀點上，操作量MV為將第1訊號S1基於第2訊號S2而校正的訊號。控制器102可包含產生係目標值R與控制量CV的差分之控制偏差E的減法器305。
控制器102可進一步包含動作歷史記錄304。學習部201可被構成為進行用於決定第2補償器302的神經網路的參數值的學習。為了透過學習部201之學習，動作歷史記錄部304可記錄透過學習部201之學習所需的動作歷史，並將記錄的動作歷史提供至學習部201。動作歷史可為例如係對於第2補償器302之輸入資料的校正訊號CS及係第2補償器302的輸出資料的第2訊號S2，亦可為其他資料。
以下，說明校正器303的若干構成例。第1～第5構成例提供校正器303為了基於控制偏差E生成校正訊號CS而使用的運算式之例。運算式可為例如單項式或多項式。
在第1構成例，校正器303具有以數1的運算式表示的控制特性。此處，使對於校正器303的輸入(E)為x，使校正器303的輸出(CS)為y，使任意的係數(常數)為Kp。
Figure 02_image001
在第2構成例，校正器303具有以數2的運算式表示的控制特性。此處，使對於校正器303的輸入(E)為x，使校正器303的輸出(CS)為y，使時刻為t，使任意的係數(常數)為Ki 。另外，積分可進行複數次。積分可為一時間區間的定積分，亦可為不定積分。
Figure 02_image003
在第3構成例，校正器303具有以數3的運算式表示的控制特性。此處，使對於校正器303的輸入(E)為x，使校正器303的輸出(CS)為y，使時刻為t，使任意的係數(常數)為Kd 。另外，微分可進行複數次。
Figure 02_image005
在第4構成例，校正器303具有以數4的運算式表示的控制特性。此處，使對於校正器303的輸入(E)為x，使校正器303的輸出(CS)為y，使任意的係數(常數)為Kp 、Ki 、Kd 。另外，積分及微分可進行複數次。
Figure 02_image007
在第5構成例，校正器303具有以數5的運算式表示的控制特性。此處，使對於校正器303之輸入(E)為x，使校正器303的輸出(CS)為y，使多重積分的積分階數為n，使微分階數為m，使任意的係數(常數)為Kp ，使n重積分時的任意的係數(常數)為Ki_n ，使m階微分時的任意的常數為Kd_m 。
Figure 02_image009
第1～第5構成例可理解為以下之例：校正器303為了生成校正訊號CS而使用的運算式包含比例於控制偏差E之項、對控制偏差E進行1次以上的積分之項及對控制偏差E進行1次以上的微分之項中的至少1個。
在第1～第5構成例舉出的運算式的係數(常數)Kp 、Ki 、Kd 、Ki_n 、Kd_m 為校正器303的可調整的參數之例。系統SS的動作中控制對象103的狀態及/或外擾環境發生變化的情況下，可透過調整以第1～第5構成例而例示的運算式(的係數)的值(參數值)從而應對於該變化。校正器303的運算式(的係數)的值的調整所需的時間比神經網路的再學習所需的時間短。因此，可在不降低系統SS的生產率之下維持控制精度。亦即，可透過導入校正器303從而使對於控制對象的狀態變化及/或外擾環境的變化之寛容性提升。
圖4中示出控制器102的其他構成例。如例示於圖4，控制器102亦可具有複數(2以上)個神經網路302。透過校正器303生成的校正訊號CS可被提供至複數個神經網路302。或者，透過校正器303生成的校正訊號CS可被提供至複數個神經網路302之中被選擇的神經網路302。複數個神經網路302被基於控制對象103的動作模式而透過選擇器401選擇，透過選擇器401選擇的神經網路302的輸出可被提供至運算器306作為第2訊號S2。顯示選擇器401為了神經網路的選擇而使用的動作模式的資訊可被從序列部101提供至選擇器401。
複數個神經網路302的個別的參數值可被依控制對象103的動作模式而決定。例如，控制對象103包含載台且對載台的位置進行控制的情況下，亦可在將載台加速的加速區間的動作模式與其以外的動作模式方面令使用的神經網路不同。或者，可將2個系統SS併入於曝光裝置，透過1個系統SS控制平板載台(基板載台)，透過另1個的系統SS控制遮罩台(原版載台)。此情況下，可在使平板載台與遮罩台同步而驅動的同步區間的動作模式及其以外的動作模式方面使在各系統SS使用的神經網路不同。
如以上，使用複數個神經網路302的情況下，透過導入校正器303，從而可使對於控制對象的狀態變化及/或外擾環境的變化之寛容性提升。
如例示於圖5，控制裝置100亦可具備設定校正器303的參數值的設定部202。設定部202執行用於調整校正器303的參數值的調整處理，可透過此調整處理而決定並設定校正器303的參數值，亦可基於來自使用者的指令而設定校正器303的參數值。前者方面，設定部202可將用於確認控制器102的動作的確認序列送至序列部101，基於此確認序列使序列部101生成目標值R。並且，設定部202可從基於該目標值R而動作的控制器102取得動作歷史(例如，控制偏差)，基於該動作歷史決定校正器303的參數值。具有如此的功能的設定部202可理解為對校正器303的參數值進行調整的調整部。
設定部202亦可在序列部101基於生產序列而生成目標值R的生產時從控制器102取得動作歷史(例如，控制偏差)，基於該動作歷史決定是否執行校正器303的參數值的調整。或者，亦可與設定部202個別地設置在序列部101基於生產序列而生成目標值R的生產時判斷是否執行透過設定部202之校正器303的參數值的調整的判斷部。
圖6中，示出將第1實施方式的系統SS適用於生產裝置的情況下的系統SS的動作例。在程序S501，序列部101基於被提供的生產序列而生成目標值R，可提供至控制裝置100或控制器102。控制裝置100或控制器102可基於該目標值R對控制對象103進行控制。在程序S502，設定部202可取得在程序S501之控制器102的動作歷史(例如，控制偏差)。在程序S503，設定部202可基於在程序S502取得的動作歷史而判斷是否執行校正器303的參數值的調整(或再調整)。設定部202可在例如動作歷史符合既定條件的情況下判斷為執行校正器303的參數值的調整(或再調整)。既定條件為應使生產停止的條件，可為例如作為動作歷史而取得的控制偏差超過規定值。並且，在執行透過設定部202之校正器303的參數值的調整(或再調整)的情況下進至程序S504，否的情況下進至程序S505。在程序504，設定部202執行校正器303的參數值的調整(或再調整)。此調整在第2補償器302的參數值被維持於之前的狀態的狀態下進行，透過此調整從而使校正器303的參數值(係數)被再設定。
在程序S505，序列部101判斷是否結束依生產序列之生產，不結束的情況下返回程序S501，結束的情況下使生產結束。依以上的處理時，即使在成為應使生產停止的狀態的情況下，仍可迅速調整校正器303的參數值，可在將生產之中斷抑制為最小限度的情況下使生產再開始。
在程序S504，設定部202可將確認序列送至序列部101，使序列部101執行確認序列，從控制器102取得確認序列的動作歷史(例如，控制偏差)。並且，設定部202可進行該動作歷史的頻率解析，基於該結果而決定應改善的頻率，以在該頻率的控制偏差成為規定值以內的方式決定校正器303的參數值。程序S504的更具體之例方面，在第2實施方式進行說明。
圖8中例示外擾壓制特性的計測結果。外擾壓制特性為在操作量MV方面提供正弦波時的控制偏差E的頻率響應。圖8中，橫軸表示頻率，縱軸表示外擾壓制特性的增益。外擾壓制特性顯示在外擾被加算於操作量的情況下的控制偏差E的頻率響應，故增益大表示壓制外擾的效果低。另一方面，增益小表示壓制外擾的效果高。圖8中，虛線表示調整前的外擾壓制特性。
將圖8中以點劃線表示的頻率定為應改善外擾壓制特性的頻率而執行程序S504時，可獲得例如以實線表示的外擾壓制特性。在應改善的頻率，可得知外擾壓制特性的增益變小，外擾壓制特性提升。
以下，說明第2實施方式。第2實施方式中未言及的事項可遵照第1實施方式。圖9中，示出將第1實施方式的控制系統SS或控制裝置100適用於載台控制裝置800之例。載台控制裝置800被構成為對載台804進行控制。載台控制裝置800可具備例如控制基板801、電流驅動器802、馬達803、載台804及感測器805。控制基板801對應於第1實施方式的系統SS中的控制裝置100或控制器102。電流驅動器802、馬達803、載台804及感測器805對應於第1實施方式的系統SS中的控制對象103。其中，電流驅動器802可被併入於控制基板801。雖未出於圖9，惟載台控制裝置800可具備序列部101、學習部201、設定部202。
於控制基板801，被從序列部101供應作為目標值的位置目標值。控制基板801可基於從序列部101供應的位置目標值與從感測器805供應的位置資訊而產生作為控制訊號或操作量(操作量指令)的電流指令，供應至電流驅動器802。此外，控制基板801可將動作歷史供應至序列部101。
電流驅動器802可將依照了電流指令之電流供應至馬達803。馬達803可為將從電流驅動器802供應的電流變換為推力並以該推力驅動載台804的致動器。載台804可保持例如平板或遮罩等的物體。感測器805可檢測載台804的位置，將藉此獲得的位置資訊供應至控制基板801。
圖10中，以方塊線圖示出控制基板801的構成例。控制基板801可包含基於作為控制對象的載台804的位置控制偏差E而產生第1訊號S1的第1補償器301及依可調整係數的運算式校正控制偏差E從而產生校正訊號CS的校正器303。此外，控制基板801可包含基於校正訊號CS透過神經網路產生第2訊號S2的第2補償器302及基於第1訊號S1與第2訊號S2產生電流指令作為控制訊號或操作量訊號的運算器306。此外，控制基板801可包含產生係位置目標值PR與位置資訊的差分之控制偏差E的減法器305。
第2實施方式的載台控制裝置100可具備學習部201，學習部201可被構成為進行用於決定第2補償器302的神經網路的參數值的學習。為了透過學習部201之學習，動作歷史記錄部304可記錄透過學習部201之學習所需的動作歷史，並將記錄的動作歷史提供至學習部201。動作歷史可為例如對於第2補償器302之輸入資料的校正訊號CS及第2補償器302的輸出資料的第2訊號S2，亦可為其他資料。
第2實施方式的載台控制裝置100可具備設定部202。設定部202執行用於調整校正器303的參數值的調整處理，可透過此調整處理而決定並設定校正器303的參數值，亦可基於來自使用者的指令而設定校正器303的參數值。
援用圖6而例示性地說明將第2實施方式的載台控制裝置800適用於生產裝置的情況下的載台裝置800的動作。在程序S501，序列部101可基於被提供的生產序列而生成位置目標值PR，提供至載台控制裝置800。載台控制裝置800可基於該位置目標值PR而控制載台804的位置。在程序S502，設定部202可取得在程序S501之控制基板801的動作歷史(例如，控制偏差)。在程序S503，設定部202可基於在程序S502取得的動作歷史而判斷是否執行透過設定部202之校正器303的參數值的調整(或再調整)。設定部202可在例如動作歷史符合既定條件的情況下判斷為執行校正器303的參數值的調整(或再調整)。既定條件為應使生產停止的條件，可為例如載台804的等速驅動中的位置控制偏差的最大值超過預先決定的規定值。並且，在執行透過設定部202之校正器303的參數值的調整(或再調整)的情況下進至程序S504，否的情況下進至程序S505。在程序504，設定部202可執行校正器303的參數值的調整(或再調整)。在程序S505，序列部101判斷是否結束依生產序列之生產，不結束的情況下返回程序S501，結束的情況下使生產結束。
圖7中，示出在程序S504之校正器303的參數值的調整(或再調整)處理的具體例。在程序S601，設定部202可將用於確認載台控制裝置800的動作的確認序列送至序列部101，基於此確認序列使序列部101生成位置目標值PR。在程序S602，設定部202可從基於該位置目標值PR而動作的控制器102取得作為動作歷史的位置控制偏差E。圖12中，例示位置控制偏差。圖12中，橫軸表示時間，縱軸表示位置控制偏差E。此處，以點線表示的曲線為調整校正器303的參數值前的位置控制偏差E，顯示位置控制精度不良化。
在程序S603，設定部202可進行在程序S602取得的位置控制偏差E的頻率解析。圖13中，例示在程序S603之頻率解析的結果。圖13中，橫軸為頻率，縱軸為功率譜。點線表示在調整前顯示最大頻譜的頻率。在程序S604，設定部202可將例如在功率譜顯示最大頻譜的頻率決定為應改善的頻率。
程序S605～S610為調整校正器303的參數值的調整處理的具體例。此處，雖說明採用最陡下降法作為參數值的調整方法之例，惟亦可使用其他方法。在程序S605，設定部202使n初始化為1。例如，校正器303的運算式被以一次積分項、比例項及一次微分項的3項而構成的情況下，應調整參數值的參數為Ki 、Kp 、Kd 的3個。將在第n次的調整之參數值pn 以數6表示。
Figure 02_image011
在程序S606，設定部202可就在參數值pn 的第1次的調整之參數值p1 設定任意的初始值。在第n次的調整，可設定以後述的數8表示的參數值pn 。
用於調整參數值pn 的目標函數J(pn )可定為例如在程序S604決定的頻率之外擾壓制特性的增益。在程序S607，設定部202可測定目標函數J(pn )的梯度向量grad J(pn )。梯度向量grad J(pn )可被以數7給出。梯度向量grad J(pn )可透過使構成參數值pn 的各要素Ki-n 、Kp-n 、Kd-n 變化微小量從而進行計測。
Figure 02_image013
在程序S608，設定部202可作為最陡下降法的收斂判定判斷梯度向量grad J(pn )的各要素的值是否為規定值以下。梯度向量grad J(pn )的各要素的值為規定值以下時，設定部202可結束校正器303的參數值的調整。另一方面，梯度向量grad J(pn )的各要素的值超過規定值時，程序S609中，設定部202可計算參數值pn ＋ 1 。此處，參數值pn+1 可被使用例如比0大的任意的常數α而依數8進行計算。在程序S610，設定部202對n的值加算1，返回程序S606。
Figure 02_image015
在程序S611，設定部202可將用於確認載台控制裝置800的動作的確認序列送至序列部101，基於此確認序列使序列部101生成位置目標值PR。在程序S612，設定部202從基於該位置目標值PR而動作的控制器102取得作為動作歷史的位置控制偏差E。
在程序S613，設定部202判斷在程序S612取得的位置控制偏差E是否為規定值以下，位置控制偏差E超過規定值時返回程序S601而再執行調整，位置控制偏差E為規定值以下時，可使調整結束。
依第2實施方式時，如在包含載台804的控制對象的狀態及/或外擾發生變化的情況下，可透過調整校正器303的參數值從而應對於該變化。例如，在圖12之例，以點線表示的位置控制偏差被減低直到以實線表示的位置控制偏差，控制精度提升。
在數6之例，校正器303的參數數僅為3個，遠比一般的神經網路的參數數少。例如，使用深度神經網路的情況下，使輸入層的維數為5、使隱藏層的維數為32的2階、使輸出層的維數為8時，參數數為1545個。比起透過再學習而決定此等1545個的參數的值，調整校正器303的參數值較能以短時間使調整結束。因此，可在不降低載台控制裝置800的生產率之下維持控制精度。
圖11中，示意性示出第3實施方式的曝光裝置EXP的構成例。曝光裝置EXP可被構成為掃描曝光裝置。曝光裝置EXP可具備例如照明光源1000、照明光學系統1001、遮罩台1003、投影光學系統1004、平板載台1006。照明光源1000可包含水銀燈、準分子雷射光源或EUV光源，惟不限定於此等。來自照明光源1000的曝光光1010透過照明光學系統1001以均勻的照度成形為投影光學系統1004的照射區域的形狀。一例中，曝光光1010可被成形為在係與基於Y軸及Z軸的平面垂直的軸的X方向上長的矩形。依投影光學系統1004的種類，曝光光1010可被成形為圓弧狀。成形的曝光光1010被照射於遮罩(原版)1002的圖案，通過遮罩1002的圖案的曝光光1010經由投影光學系統1004在平板1005(基板)的面形成遮罩1002的圖案的像。
遮罩1002被透過遮罩台1003藉真空吸引等而保持。平板1005被透過平板載台1006的夾具1007藉真空吸引等而保持。遮罩台1003及平板載台1006的位置可被透過具備雷射干涉儀或雷射標尺等的位置感測器1030、線性馬達等的驅動系統1031、控制器1032的多軸位置控制裝置而控制。從位置感測器1030輸出的位置計測值可被提供至控制器1032。控制器1032基於係位置目標值與位置計測值的差分之位置控制偏差而產生控制訊號(操作量訊號)，將其提供至驅動系統1031從而驅動遮罩台1003及平板載台1006。一面將遮罩台1003與平板載台1006同步驅動於Y方向一面將平板1005進行掃描曝光從而使遮罩1002的圖案被轉印於平板1005(上的感光材)。
就將第2實施方式適用於平板載台1006的控制的情況進行說明。圖9中的控制基板801該當於控制器1032，電流驅動器802與馬達803該當於驅動系統1031，載台804該當於平板載台1006，感測器805該當於位置感測器1030。將具有神經網路的控制器適用於平板載台1006的控制從而可減低平板載台1006的位置控制偏差。據此，可使重疊精度等提升。神經網路的參數值可被透過預先決定的學習序列而決定。然而，從學習時的控制對象的狀態變化及/或外擾環境發生變化之際，平板載台1006的控制精度會降低。如此的情況下，透過調整校正器的參數值，使得比起進行神經網路的再學習，能以較短時間結束調整。結果，可在不降低曝光裝置的生產率之下維持控制精度。
就將第2實施方式適用於遮罩載台1003的控制的情況進行說明。圖9中的控制基板801該當於控制器1032，電流驅動器802與馬達803該當於驅動系統1031，載台804該當於遮罩台1003，感測器805該當於位置感測器1030。
將第2實施方式適用於遮罩台1003的控制的情況下亦可減低遮罩台1003的位置控制偏差。據此，可使重疊精度等提升。神經網路的參數值可被透過預先決定的學習序列而決定。然而，從學習時的控制對象的狀態變化及/或外擾環境發生變化之際，遮罩台1003的控制精度會降低。如此的情況下，透過調整校正器的參數值，使得比起進行神經網路的再學習，能以較短時間結束調整。結果，可在不降低曝光裝置的生產率之下維持控制精度。
第2實施方式不僅可適用於在曝光裝置的載台的控制，亦可適用於在如壓印裝置及電子束描繪裝置的其他光刻裝置的載台的控制。此外，第1實施方式或第2實施方式亦可適用於例如在搬送物品的搬送機構之可動部如保持物品的手部的控制。
如上述的光刻裝置可使用於為了各種的物品(半導體IC元件、液晶顯示元件、MEMS等)的製造的物品製造方法的實施。物品製造方法包含使用上述的光刻裝置而在基板轉印原版的圖案的轉印程序及處理經過該轉印程序的該基板的處理程序，從經過該處理程序的該基板獲得物品。該光刻裝置為曝光裝置的情況下，該轉印程序可包含通過原版對基板進行曝光的曝光程序及對經過該曝光程序的該基板進行顯影的顯影程序。
本發明亦可將實現上述的實施方式的1個以上的功能的程式透過網路或記憶媒體而提供至系統或裝置，以該系統或裝置的電腦中的1個以上的處理器將程式讀出並執行的處理從而實現。此外，亦可透過實現1個以上的功能的電路(例如，ASIC)而實現。
發明不限於上述實施方式，在不從發明的精神及範圍脫離之下，可進行各種的變更及變形。因此，撰寫申請專利範圍以公開發明的範圍。
100:控制裝置 102:控制器 103:控制對象 301:第1補償器 302:第2補償器 303:校正器 305:減法器 306:運算器
[圖1]就第1實施方式的系統的構成例進行繪示的圖。 [圖2]就第1實施方式的系統的構成例進行繪示的圖。 [圖3]就在第1實施方式的系統中的控制器的構成例進行繪示的方塊圖。 [圖4]就在第1實施方式的系統中的控制器的構成例進行繪示的方塊圖。 [圖5]就第1實施方式的系統的構成例進行繪示的圖。 [圖6]就將第1、第2實施方式的系統適用於生產裝置的情況下的系統的動作例進行繪示的圖。 [圖7]例示校正器的參數值的調整(或再調整)處理的圖。 [圖8]例示外擾壓制特性的圖。 [圖9]就第2實施方式的載台控制裝置的構成性進行繪示的圖。 [圖10]就第2實施方式的載台控制裝置的控制器的構成例進行繪示的方塊圖。 [圖11]就第3實施方式的曝光裝置的構成例進行繪示的圖。 [圖12]例示第3實施方式中的位置控制偏差的圖。 [圖13]例示第3實施方式中的頻率解析的結果的圖。
102:控制器
103:控制對象
301:第1補償器
302:第2補償器
303:校正器
304:動作歷史記錄部
305:減法器
306:運算器

Claims (17)

  1. 一種控制裝置，其產生用於對控制對象進行控制的控制訊號， 前述控制裝置具備： 第1補償器，其基於前述控制對象的控制偏差而產生第1訊號； 校正器，其依可調整係數的運算式校正前述控制偏差從而產生校正訊號； 第2補償器，其基於前述校正訊號透過神經網路產生第2訊號；以及 運算器，其基於前述第1訊號與前述第2訊號而產生前述控制訊號。
  2. 如請求項1的控制裝置，其中，前述運算式包含比例於前述控制偏差之項。
  3. 如請求項1的控制裝置，其中，前述運算式包含對前述控制偏差進行1次以上的積分之項。
  4. 如請求項1的控制裝置，其中，前述運算式包含對前述控制偏差進行1次以上的微分之項。
  5. 如請求項1的控制裝置，其中，前述運算式包含比例於前述控制偏差之項、對前述控制偏差進行1次以上的積分之項及對前述控制偏差進行1次以上的微分之項中的至少一者。
  6. 如請求項1的控制裝置，其進一步具備設定前述運算式的設定部。
  7. 如請求項6的控制裝置，其中，前述設定部在符合既定條件的情況下再設定前述運算式的前述係數。
  8. 如請求項7的控制裝置，其中，前述既定條件包含前述控制偏差超過規定值。
  9. 如請求項6的控制裝置，其中，前述設定部在符合既定條件的情況下在前述神經網路的參數值維持為之前的狀態的狀態下，再設定前述運算式的前述係數。
  10. 如請求項9的控制裝置，其中，前述既定條件包含前述控制偏差超過規定值。
  11. 如請求項6的控制裝置，其中，前述設定部基於外擾壓制特性再設定前述運算式。
  12. 如請求項1的控制裝置，其進一步具備透過機器學習決定前述神經網路的參數值的學習部。
  13. 一種控制裝置，其產生用於對控制對象進行控制的控制訊號， 前述控制裝置具備： 第1補償器，其基於前述控制對象的控制偏差而產生第1訊號； 校正器，其依運算式校正前述控制偏差從而產生校正訊號； 第2補償器，其基於前述校正訊號透過神經網路產生第2訊號；以及 運算器，其基於前述第1訊號與前述第2訊號而產生前述控制訊號。
  14. 如請求項13的控制裝置，其中，前述運算式包含比例於前述控制偏差之項、對前述控制偏差進行1次以上的積分之項及對前述控制偏差進行1次以上的微分之項中的至少一者。
  15. 一種光刻裝置，其將原版的圖案轉印於基板， 前述光刻裝置具備被構成為控制前述基板或前述原版的位置的如請求項1至14中任一項的控制裝置。
  16. 一種物品製造方法，其包含： 使用如請求項15的光刻裝置將原版的圖案轉印於基板的轉印程序；以及 處理經過前述轉印程序的前述基板的處理程序； 從經過前述處理程序的前述基板獲得物品。
  17. 一種調整方法，其為調整具備以下構件的控制裝置者：第1補償器，其基於控制對象的控制偏差產生第1訊號；校正器，其校正前述控制偏差從而產生校正訊號；第2補償器，其基於前述校正訊號透過神經網路產生第2訊號；以及運算器，其基於前述第1訊號與前述第2訊號產生控制訊號； 前述調整方法包含在前述神經網路的參數被維持為之前的狀態的狀態下調整前述校正器的特性的調整程序。
TW110129758A 2020-09-10 2021-08-12 控制裝置及其調整方法、光刻裝置以及物品製造方法 TW202210956A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020-152293 2020-09-10
JP2020152293A JP2022046317A (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

Publications (1)

Publication Number Publication Date
TW202210956A true TW202210956A (zh) 2022-03-16

Family

ID=80631824

Family Applications (1)

Application Number Title Priority Date Filing Date
TW110129758A TW202210956A (zh) 2020-09-10 2021-08-12 控制裝置及其調整方法、光刻裝置以及物品製造方法

Country Status (7)

Country Link
US (1) US20230176548A1 (zh)
EP (1) EP4212963A1 (zh)
JP (1) JP2022046317A (zh)
KR (1) KR20230058456A (zh)
CN (1) CN116034462A (zh)
TW (1) TW202210956A (zh)
WO (1) WO2022054724A1 (zh)

Families Citing this family (1)

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

Family Cites Families (7)

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

Also Published As

Publication number Publication date
KR20230058456A (ko) 2023-05-03
EP4212963A1 (en) 2023-07-19
CN116034462A (zh) 2023-04-28
US20230176548A1 (en) 2023-06-08
WO2022054724A1 (ja) 2022-03-17
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
TWI388944B (zh) 微影裝置及元件之製造方法
KR100847633B1 (ko) 노광 장치에 있어서의 노광량 및 포커스 위치를 산출하는방법 및 프로그램, 그리고 디바이스의 제조방법
JP4338694B2 (ja) 運動システム用自己適応フィードフォワード制御調整、およびそのような運動システムを備えるリソグラフィ装置
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
US8244385B2 (en) Control device including iterative learning control circuit
KR20190039873A (ko) 노광 장치 및 물품의 제조 방법
TW202210956A (zh) 控制裝置及其調整方法、光刻裝置以及物品製造方法
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
CN110426919B (zh) 控制设备、光刻装置和物品的制造方法
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
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
WO2023188603A1 (ja) 情報処理装置、露光装置、及び物品の製造方法
US20220365454A1 (en) Mark detecting apparatus, mark learning apparatus, substrate processing apparatus, mark detecting method, and manufacturing method of article
WO2022030334A1 (ja) 制御装置、リソグラフィー装置および物品製造方法
US11815861B2 (en) Feedback control device that suppresses disturbance vibration using machine learning, article manufacturing method, and feedback control method
JP2006302935A (ja) 補正情報作成方法
JP2000331904A (ja) 露光装置およびデバイス製造方法
CN115685692A (zh) 控制设备、光刻装置和物品制造方法
WO2023247139A1 (en) Control method and control system for controlling a position of an object with an electromagnetic actuator
KR20230022237A (ko) 인공 신경망을 이용한 동작 제어
JPH07122693B2 (ja) 超ｌｓｉ製造用露光装置