WO2019069649A1 - 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

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 Download PDF

Info

Publication number
WO2019069649A1
WO2019069649A1 PCT/JP2018/033854 JP2018033854W WO2019069649A1 WO 2019069649 A1 WO2019069649 A1 WO 2019069649A1 JP 2018033854 W JP2018033854 W JP 2018033854W WO 2019069649 A1 WO2019069649 A1 WO 2019069649A1
Authority
WO
WIPO (PCT)
Prior art keywords
unit
control device
control
feedback control
operation amount
Prior art date
Application number
PCT/JP2018/033854
Other languages
English (en)
French (fr)
Inventor
浅野　俊哉
中野　浩太
Original Assignee
キヤノン株式会社
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
Priority claimed from JP2018131013A external-priority patent/JP7229686B2/ja
Application filed by キヤノン株式会社 filed Critical キヤノン株式会社
Priority to EP18864719.2A priority Critical patent/EP3693798A4/en
Priority to CN201880064741.2A priority patent/CN111183397B/zh
Priority to KR1020207011444A priority patent/KR102487791B1/ko
Publication of WO2019069649A1 publication Critical patent/WO2019069649A1/ja
Priority to US16/839,562 priority patent/US11460781B2/en
Priority to US17/820,040 priority patent/US11809089B2/en

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
    • G03F7/70516—Calibration of components of the microlithographic apparatus, e.g. light sources, addressable masks or detectors
    • 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
    • G03F7/70483—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
    • 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
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/021—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a variable is automatically adjusted to optimise the performance
    • 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
    • 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
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/027—Making masks on semiconductor bodies for further photolithographic processing not provided for in group H01L21/18 or H01L21/34
    • 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
    • G05B2219/33—Director till display
    • G05B2219/33027—Artificial neural network controller
    • 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
    • G05B2219/45031—Manufacturing semiconductor wafers

Definitions

  • the present invention relates to a controller, a lithographic apparatus, a measuring apparatus, a processing apparatus, a planarization apparatus, and an article manufacturing method.
  • a classical controller such as PID control is often used as a control device for controlling the physical quantity of a target object.
  • controllers constructed using machine learning may be used.
  • a controller that does not include machine learning and a controller using a machine learning controller may also be used.
  • the correction amount of the control command value is calculated by machine learning, and the motor control command of the feedback controller is corrected.
  • a feedback control device as one aspect of the present invention for solving the above-mentioned problems is a feedback control device which outputs an operation amount to the control object, using information on control deviation between a measured value of the control object and a target value as input.
  • a first control unit that outputs an operation amount to the control target based on information on the control deviation, and a parameter for outputting an operation amount on the control target based on information on the control deviation using machine learning
  • a second control unit including the determined learning control unit; and an adder for adding the first operation amount output from the first control unit and the second operation amount output from the second control unit.
  • the second control unit has a limiting unit that limits the second operation amount output from the second control unit.
  • the second control unit outputs the operation amount from the adder to the control target. It is characterized in.
  • control target to be described is not limited to each embodiment, and the control target is not limited as long as it is a physical quantity capable of feedback control.
  • the following are representative ones.
  • displacement in linear and rotational directions of an object velocity, acceleration, flow rate of gas or fluid, flow velocity, pressure, etc.
  • liquid level of the fluid the temperature of the object or gas or liquid, the current of the electric circuit or the like, the voltage, and the charge may be mentioned.
  • magnetic flux in magnetic field, magnetic flux density, and the sound pressure of a sound field are mentioned.
  • the control amount drive unit is an active element that changes the physical amount of the control target.
  • the control target is the position, velocity, or acceleration of an object, motors, piezo elements, or the like.
  • a pump or a valve is used.
  • a driver or the like that manipulates current or voltage is used.
  • FIG. 1 is a schematic view of an imprint apparatus.
  • the imprint apparatus forms a pattern of a cured product to which a concavo-convex pattern of a mold is transferred by bringing an imprint material supplied on a substrate into contact with the mold and applying energy for curing to the imprint material. It is an apparatus which has a part.
  • the imprint apparatus supplies an imprint material on a substrate, and cures the imprint material in a state in which a mold (mold) on which a pattern of concavities and convexities is formed is in contact with the imprint material on the substrate.
  • the pattern of the mold can be transferred to the imprint material on the substrate by widening the space between the mold and the substrate and peeling (releasing) the mold from the cured imprint material.
  • Such a series of processes is called an imprint process and is performed for each of a plurality of shot areas on the substrate. That is, when the imprint process is performed on each of a plurality of shot areas in one substrate, the imprint process is repeatedly performed as many as the number of shot areas in the one substrate.
  • the imprint apparatus 100 has a mechanical structure and a control system 200.
  • the main body structure 101 of the imprint apparatus 100 is installed on the floor via a tripod or four legs vibration isolation mechanism 102 using an air spring or the like.
  • the wafer (substrate) 103 is held on a wafer stage (substrate stage) 7 by a wafer chuck (not shown).
  • the wafer stage 7 moves the wafer 103 with a sufficient X direction and Y direction stroke in order to perform imprint processing on each shot region on the entire surface of the wafer 103.
  • the wafer stage 7 has strokes in the X and Y directions sufficient to move the wafer 103 to the exchange position where the wafer 103 is loaded and unloaded with a wafer exchange hand (not shown).
  • the wafer stage 7 is simply shown as a single box and wheels in FIG. 1, but in practice it is guided freely to move in the X direction using a static pressure guide and X is moved by the linear motor (drive unit). Driving force is given in the direction. Further, a Y stage (not shown) can be moved in the Y direction on the wafer stage 7 by the static pressure guide and the linear motor. The motor is driven by a drive circuit such as a current driver.
  • a moving unit for moving a wafer as a movement target object includes a stage, a driving unit, and a driving circuit. However, the configuration of wafer stage 7 is not limited to this, and it is possible to use a highly accurate positioning stage used for a wafer stage for an exposure apparatus.
  • the position of wafer stage 7 in the X direction is measured by position measurement unit 2.
  • the position measurement unit 2 is configured by a scale (not shown) formed on the main body structure 101, a head on the wafer stage 7, and a linear encoder of the calculation unit.
  • An encoder (not shown) for measuring the Y direction is also provided.
  • the measurement of the position of the wafer stage 7 may use a combination of an interferometer provided on the main body structure 101 and a reflection mirror provided on the wafer stage 7.
  • a photocurable resin as an imprint material is supplied by the dispenser 107 to the position of the shot area of the wafer 103.
  • the wafer stage 7 positions the application position of the resin on the wafer immediately below the dispenser 107.
  • the wafer stage 7 positions the application position of the resin on the wafer immediately below the mold 104 on which the fine pattern is formed.
  • the mold 104 is held by the imprint head 105.
  • the imprint head 105 has a structure capable of moving the mold 104 in the Z direction.
  • the mold 104 stands by at a position Z above the wafer 103 until the position of the shot area of the wafer 103 moves to the mold 104.
  • the alignment detector 106 optically detects an alignment mark (not shown) provided on both the wafer 103 and the mold 104, performs image processing, and detects positional deviation of the alignment mark in the X and Y directions.
  • the positional deviation information is sent to a control system 200 described later, and alignment is performed by correcting the X and Y positions of the wafer stage 7 or the imprint head 105.
  • the exposure system 108 emits exposure light to the resin to cure the resin.
  • the imprint head 105 raises the mold 104 to release the mold 104 from the resin on the wafer 103.
  • a pattern corresponding to the pattern inscribed in the mold 104 is transferred to the resin on the wafer 103.
  • the imprinting process is sequentially performed while changing the position of the shot area, and when the imprinting process is completed for all the shot areas of one wafer, the wafer stage 7 moves to the wafer exchange position. Then, the wafer after imprinting is collected by a wafer exchange hand (not shown), and the next new wafer is supplied.
  • FIG. 2 is a schematic view of a control system 200 (feedback controller) in the present embodiment.
  • the dotted line is the control system 200, and a digital computer is used to perform complicated calculations.
  • the control system 200 includes an arithmetic processing unit such as a CPU or an FPGA, and a storage device such as a memory.
  • the apparatus main control unit 6 is a control unit that controls the entire imprint apparatus, and has a role of sending an instruction to the control unit 1 or another control unit (not shown) from sequence management of a job performed by the imprint apparatus.
  • the position command unit 3 acquires and stores target coordinates of the stage position from the apparatus main control unit 6, and sends the value to the control unit 1.
  • the positional deviation information of the alignment by the above-mentioned alignment detector 106 also enters the position command unit 3 and is reflected on the target coordinates of the wafer stage 7.
  • the position measurement unit 2 measures the stage position at predetermined time intervals ⁇ t, and sends the measured stage position to the control unit 1.
  • control unit 1 the difference between the stage position (measured value) sent from the position measurement unit 2 by the deviation calculation unit 13 and the target value of the stage position sent from the position command unit 3 (control deviation, hereinafter called stage deviation) ) And sends the stage deviation to the controller 11 and the controller 12.
  • the controller 11 (first control unit) uses a PID control system, and the controller 12 (learning control unit) is formed of a control system including a neural network.
  • the controller 11 receives the information on the stage deviation and outputs the operation amount to the wafer stage 7.
  • the output of the controller 12 is subject to upper and lower limits by the output limiter 21 (limit unit). That is, the output limiter 21 limits the range of the manipulated variable that can be output from the second control unit.
  • the controller 12 may be configured to include the output limiter 21.
  • the illustration of the output limiter 21 is omitted in FIG.
  • a control unit having the controller 12 and the output limiter 21 is referred to as a second control unit.
  • the second control unit receives information on the stage deviation, and a parameter for outputting an operation amount to the wafer stage 7 is determined by machine learning.
  • the adder 14 outputs the output value U1 (first operation amount) generated by the controller 11 (first control unit) and the output value U2 generated by the controller 12 and limited by the output limiter 21 (second operation Output the sum (sum) of the quantities.
  • FIG. 3 shows the configuration of the controller 12.
  • the controller 12 comprises a deviation memory 15 for storing a history of stage deviations, and a neural network 16.
  • the deviation memory 15 has a predetermined number (N, N is a natural number), and stores the stage deviation for the last N steps.
  • the neural network 16 outputs the value corresponding to the correction value of the force instruction value (output value) of the controller 11 when the neural network 16 inputs N stages of stage deviations in the deviation memory 15 to the input layer, Parameters such as network weights have been adjusted.
  • the network parameters of the neural network 16 in the controller 12 need to be adjusted in some way in advance.
  • the adjustment method for example, a network parameter adjustment method by reinforcement learning can be used, but any method may be used to adjust the network parameter.
  • the neural network may be a network (policy network) that directly outputs one corresponding to the dimension of the instruction value, or may be a network (action value network) for calculating the value of the instruction value.
  • the controller 12 adds a selection unit for selecting an action with the highest value to the subsequent stage of the neural network 16, and the instruction value selected by the selection unit becomes the output of the controller 12.
  • the network parameter may be machine-learning in a state where the range of the second operation amount that can be output from the second control unit is limited by the output limiter 21.
  • the method of limiting the output value described here is an example, and the output range of the controller 12 can be limited by various methods such as adding a limiter to the continuous value output.
  • the output of the adder 14 is converted to an analog signal through a D / A converter (not shown), sent to the current driver 4 and input.
  • the current driver 4 controls the value of the current flowing through the coil of the motor 5 to be the output of the adder 14. Since the thrust of the motor 5 is proportional to the current flowing through the coil, a force corresponding to the output value by the sum of the controller 11 and the controller 12 is applied to the wafer stage 7.
  • the controller 11 mainly handles the feedback control unit.
  • the controller 12 using a neural network has a function to further suppress the stage deviation which can not be compensated by the controller 11. As a result, it is possible to make the stage deviation very small and to improve the alignment accuracy of the stage (substrate) of the imprint apparatus with respect to the control system of the conventional controller 11 alone.
  • the control system when a plurality of control systems using deviations as input are used in parallel, the control system is operated by two things: the feedback gain becomes excessive and the outputs of the respective control systems act as disturbances to each other. It is easy to become unstable. Therefore, it is general to change the physical quantity to be controlled and use the configuration of multiple feedback loops of the inner loop and the outer loop.
  • the stability of the control unit 1 is ensured by causing the controller 12 using the output limiter 21 to function in a state where the stability is ensured by the controller 11.
  • the control system using the conventional neural network not only the deviation but also the position command and the control output are input to the control system.
  • the amount of operation in the neural network becomes very large, and even with a digital computer having high performance operation capability, it is difficult to perform control operation within a predetermined time.
  • the present embodiment by setting the input to the neural network of the controller 12 only to the deviation, the amount of calculation can be reduced, and the control calculation within a predetermined time can be facilitated.
  • FIG. 4 is a block diagram of the control unit 1.
  • the difference from the first embodiment is that an on / off switch 31 is provided at the output of the controller 12.
  • the on-off switch 31 When the on-off switch 31 is turned off, the same configuration as a conventional control system is obtained, and when it is turned on, the output of the controller 12 using a neural network functions. That is, the on / off switch 31 switches on and off the input to the moving unit of the second operation amount output from the second control unit.
  • the on / off switch 31 can be switched using the stage deviation calculated by the deviation calculation unit 13. If the on-off switch 31 is on, the stage deviation should be smaller than if the on-off switch 31 is on, but the stage deviation becomes large when, for example, an unexpected disturbance is applied to the neural network of the controller 12 Is considered. In this case, it is desirable to turn off the on / off switch 31 and then to perform learning (machine learning) on the neural network.
  • the switching of the on / off switch 31 can be performed by software of a calculator with a predetermined threshold.
  • a numeric value or waveform is displayed on a display unit such as a display so that the operator of the imprint apparatus can monitor, and the operator can manually switch on and off the switch in a selection unit such as a user interface. It is also good.
  • the switching of the on / off switch 31 can also be performed in accordance with the job sequence of the imprint apparatus.
  • the size of the stage deviation and its allowable value differ depending on the job sequence.
  • the on-off switch 31 is kept off.
  • the switch can be switched on and off in accordance with the type of job performed on the wafer as the target.
  • the timing signal of the job sequence sent from the apparatus main control unit 6 can be used for switching.
  • the timing signal may be used as it is, or may be switched with a delay of a predetermined time after receiving the timing signal.
  • switching can be performed based on the timing signal and the magnitude of the stage deviation. For example, immediately after the wafer stage 7 is positioned immediately below the mold 104, a large stage deviation may remain even though the timing signal is driven off. In this case, when the stage deviation falls within the predetermined value, the on / off switch 31 is switched on. Therefore, the control system 200 has a determination unit that determines whether the stage deviation is in the allowable range, and turns off the switch when it is determined that the deviation is not in the allowable range, and determines that the deviation is in the allowable range. If you do, turn on the switch.
  • FIG. 5 is a block diagram of the control unit 1, which differs from the first embodiment in that a band pass filter 41 for reducing (cut off) a predetermined band is applied to a stage deviation which is an input of the controller 12. .
  • the signal from the band pass filter 41 is input to the learning control unit.
  • the band pass filter 41 can use a high pass filter, a low pass filter, a band pass filter, or a notch filter. Each filter may have different bands to be reduced. For example, if the controller 12 has a high-pass stage deviation and the performance is degraded, a low-pass filter can be used to drop the high-pass from the band in which the controller 12 operates.
  • a notch filter can be used. If the low-pass performance of the controller 11 is sufficient, a low-pass filter can be used as the band-pass filter 41 because the low-pass is left to the controller 11. These filters may be used in combination. Further, the band-pass filter 41 to be used may be changed (switched) according to the job of the imprint apparatus. In this case, since learning of the neural network is performed in accordance with the type of the band pass filter 41, control is performed by switching to parameters of the controller 12 corresponding to the band pass filter 41. That is, the parameters of the controller 12 have the first parameter determined by machine learning using the deviation of the first band as an input when the first filter is used. It also has a second band deviation different from the first band when the second filter is used and a second parameter determined by machine learning used as an input.
  • a mold having a pattern portion is used as the imprint apparatus, but a planarization apparatus (molding apparatus) for forming a resin on a substrate so as to be planarized using a mold having no pattern portion is also described above.
  • a position control device can be applied. For example, it can be applied to position control of a mold or a stage of a substrate.
  • the position control device described above can also be applied to an exposure apparatus having a forming unit that illuminates the mask and transfers the pattern of the mask onto the substrate by the projection optical system to form the pattern on the substrate.
  • an exposure apparatus having a forming unit that illuminates the mask and transfers the pattern of the mask onto the substrate by the projection optical system to form the pattern on the substrate.
  • it can be applied to position control of a substrate stage or a mask stage.
  • the present invention can be applied to measurement devices other than the imprint device and processing devices.
  • the measuring device includes the above-described position control device to control the position of the target object, and also includes a measuring unit that measures an object whose position is controlled by the position control device.
  • the measurement unit may, for example, be a contact probe or a non-contact interferometer.
  • the processing apparatus also includes the above-described position control device to control the position of the target object, and also includes a processing unit that processes an object whose position is controlled by the position control device.
  • the processing unit for example, a cutting tool or a laser may be mentioned.
  • the method for producing an article is suitable, for example, for producing an article such as a microdevice such as a semiconductor device or an element having a microstructure.
  • a pattern is formed in the step of forming a pattern on an imprint material supplied (applied) to a substrate using the above-described imprint apparatus (imprint method), and such a step And processing the substrate.
  • imprint method includes other known steps (oxidation, film formation, deposition, doping, planarization, etching, resist peeling, dicing, bonding, packaging, etc.).
  • the method of manufacturing an article according to the present embodiment is advantageous in at least one of the performance, quality, productivity, and production cost of an article, as compared to the conventional method.
  • the article includes the steps of exposing a substrate (wafer, glass substrate, etc.) coated with a photosensitive agent using the exposure apparatus described above, developing the substrate (photosensitive agent), and developing the substrate. It is manufactured by processing in the well-known processing process of Other known processes include etching, resist stripping, dicing, bonding, packaging and the like. According to this manufacturing method, it is possible to manufacture an article of higher quality than in the past.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Manufacturing & Machinery (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Exposure Of Semiconductors, Excluding Electron Or Ion Beam Exposure (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)

Abstract

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、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、制御偏差に関する情報を入力として、制御対象に対する操作量を出力する第１制御部と、制御偏差に関する情報を入力として、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、前記加算器からの操作量を前記制御対象に出力し、第２制御部は、第２制御部から出力される第２操作量を制限する制限部を有する。

Description

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
　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。特開２０１７－１０２６１３号公報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。
　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。
　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、前記加算器からの操作量を前記制御対象に出力し、前記第２制御部は、前記第２制御部から出力される第２操作量を制限する制限部を有することを特徴とする。
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。
　本実施形態によれば、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。
　本発明は上記実施の形態に制限されるものではなく、本発明の精神及び範囲から離脱することなく、様々な変更及び変形が可能である。従って、本発明の範囲を公にするために以下の請求項を添付する。
　本願は、２０１７年１０月６日提出の日本国特許出願特願２０１７－１９６４１９と２０１８年７月１０日提出の日本国特許出願特願２０１８－１３１０１３を基礎として優先権を主張するものであり、その記載内容の全てをここに援用する。
 

Claims (19)

  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、
    　前記加算器からの操作量を前記制御対象に出力し、
    　前記第２制御部は、前記第２制御部から出力される第２操作量を制限する制限部を有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に記載のフィードバック制御装置。
  11. 　前記第２制御部は、前記制御偏差の所定の帯域を遮断するフィルタを有し、
    　前記フィルタからの信号を前記学習制御部に入力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。
  12. 　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１１に記載のフィードバック制御装置。
  13. 　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。
  14. 　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に記載のフィードバック制御装置。
  15. 　請求項１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。
  16. 　請求項１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。
  17. 　請求項１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。
  18. 　請求項１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。
  19. 　請求項１５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。
     
PCT/JP2018/033854 2017-10-06 2018-09-12 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 WO2019069649A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
EP18864719.2A EP3693798A4 (en) 2017-10-06 2018-09-12 CONTROL DEVICE, LITHOGRAPHY DEVICE, MEASURING DEVICE, MACHINING DEVICE, PLANARIZING DEVICE, AND PROCESS FOR MANUFACTURING GOODS
CN201880064741.2A CN111183397B (zh) 2017-10-06 2018-09-12 控制设备、光刻装置、测量装置、处理装置、平坦化装置以及物品制造方法
KR1020207011444A KR102487791B1 (ko) 2017-10-06 2018-09-12 제어 장치, 리소그래피 장치, 측정 장치, 가공 장치, 평탄화 장치 및 물품의 제조 방법
US16/839,562 US11460781B2 (en) 2017-10-06 2020-04-03 Control device for generating a control deviation via machine learning
US17/820,040 US11809089B2 (en) 2017-10-06 2022-08-16 Control device, lithography apparatus, measurement apparatus, processing apparatus, planarizing apparatus, and article manufacturing method

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2017-196419 2017-10-06
JP2017196419 2017-10-06
JP2018-131013 2018-07-10
JP2018131013A JP7229686B2 (ja) 2017-10-06 2018-07-10 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

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/839,562 Continuation US11460781B2 (en) 2017-10-06 2020-04-03 Control device for generating a control deviation via machine learning

Publications (1)

Publication Number Publication Date
WO2019069649A1 true WO2019069649A1 (ja) 2019-04-11

Family

ID=65994509

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/033854 WO2019069649A1 (ja) 2017-10-06 2018-09-12 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

Country Status (2)

Country Link
US (1) US11809089B2 (ja)
WO (1) WO2019069649A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2020217445A1 (ja) * 2019-04-26 2020-10-29
WO2021153229A1 (ja) * 2020-01-30 2021-08-05 株式会社Ｓｃｒｅｅｎホールディングス 搬送装置および搬送方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220404143A1 (en) * 2021-06-18 2022-12-22 Kla Corporation Methods And Systems For Measurement Of Tilt And Overlay Of A Structure

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03259303A (ja) * 1990-03-09 1991-11-19 Hitachi Ltd 学習制御装置
JPH0511851A (ja) * 1991-07-03 1993-01-22 Toshiba Corp 位置決め装置
JPH05297904A (ja) * 1992-04-22 1993-11-12 Hitachi Ltd 最適制御方式選定方法及び装置
JPH07121494A (ja) * 1993-10-26 1995-05-12 Kokusai Denshin Denwa Co Ltd <Kdd> 並列ニューラルネットワーク
JPH1011105A (ja) * 1996-06-20 1998-01-16 Yamaha Motor Co Ltd 状態制御方式
JP2002049409A (ja) * 2000-06-08 2002-02-15 Fisher Rosemount Syst Inc プロセス制御システムにおける適応推定モデル
JP2013003845A (ja) * 2011-06-16 2013-01-07 Institute Of National Colleges Of Technology Japan 組み込み知能コントローラ、制御システム、制御プログラム、記録媒体、及び制御方法
JP2017079514A (ja) * 2015-10-19 2017-04-27 ファナック株式会社 モータ電流制御における補正値を学習する機械学習装置および方法ならびに該機械学習装置を備えた補正値計算装置およびモータ駆動装置
JP2017102613A (ja) 2015-11-30 2017-06-08 ファナック株式会社 機械の送り軸の送りの滑らかさを最適化する機械学習装置および方法ならびに該機械学習装置を備えたモータ制御装置
JP2017196419A (ja) 2017-05-26 2017-11-02 株式会社大都技研 遊技台
JP2018131013A (ja) 2017-02-14 2018-08-23 西川ゴム工業株式会社 防音材

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0470906A (ja) 1990-07-04 1992-03-05 Hitachi Ltd 制御装置
JP2003264134A (ja) 2002-03-08 2003-09-19 Nikon Corp ステージ制御装置、露光装置、及びデバイス製造方法
JP5279299B2 (ja) 2008-02-29 2013-09-04 キヤノン株式会社 反復学習制御回路を備える位置制御装置、露光装置及びデバイス製造方法
JP6327861B2 (ja) * 2014-01-07 2018-05-23 キヤノン株式会社 リソグラフィ装置、リソグラフィ方法、および物品の製造方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03259303A (ja) * 1990-03-09 1991-11-19 Hitachi Ltd 学習制御装置
JPH0511851A (ja) * 1991-07-03 1993-01-22 Toshiba Corp 位置決め装置
JPH05297904A (ja) * 1992-04-22 1993-11-12 Hitachi Ltd 最適制御方式選定方法及び装置
JPH07121494A (ja) * 1993-10-26 1995-05-12 Kokusai Denshin Denwa Co Ltd <Kdd> 並列ニューラルネットワーク
JPH1011105A (ja) * 1996-06-20 1998-01-16 Yamaha Motor Co Ltd 状態制御方式
JP2002049409A (ja) * 2000-06-08 2002-02-15 Fisher Rosemount Syst Inc プロセス制御システムにおける適応推定モデル
JP2013003845A (ja) * 2011-06-16 2013-01-07 Institute Of National Colleges Of Technology Japan 組み込み知能コントローラ、制御システム、制御プログラム、記録媒体、及び制御方法
JP2017079514A (ja) * 2015-10-19 2017-04-27 ファナック株式会社 モータ電流制御における補正値を学習する機械学習装置および方法ならびに該機械学習装置を備えた補正値計算装置およびモータ駆動装置
JP2017102613A (ja) 2015-11-30 2017-06-08 ファナック株式会社 機械の送り軸の送りの滑らかさを最適化する機械学習装置および方法ならびに該機械学習装置を備えたモータ制御装置
JP2018131013A (ja) 2017-02-14 2018-08-23 西川ゴム工業株式会社 防音材
JP2017196419A (ja) 2017-05-26 2017-11-02 株式会社大都技研 遊技台

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2020217445A1 (ja) * 2019-04-26 2020-10-29
CN113748385A (zh) * 2019-04-26 2021-12-03 理化工业株式会社 控制装置
JP7432838B2 (ja) 2019-04-26 2024-02-19 理化工業株式会社 制御装置
CN113748385B (zh) * 2019-04-26 2024-06-25 理化工业株式会社 控制装置
WO2021153229A1 (ja) * 2020-01-30 2021-08-05 株式会社Ｓｃｒｅｅｎホールディングス 搬送装置および搬送方法
JP2021119587A (ja) * 2020-01-30 2021-08-12 株式会社Ｓｃｒｅｅｎホールディングス 搬送装置および搬送方法
JP7374790B2 (ja) 2020-01-30 2023-11-07 株式会社Ｓｃｒｅｅｎホールディングス 搬送装置および搬送方法

Also Published As

Publication number Publication date
US11809089B2 (en) 2023-11-07
US20220390856A1 (en) 2022-12-08

Similar Documents

Publication Publication Date Title
JP7229686B2 (ja) 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
US11809089B2 (en) Control device, lithography apparatus, measurement apparatus, processing apparatus, planarizing apparatus, and article manufacturing method
JP4217551B2 (ja) 微細加工方法及び微細加工装置
JP4641552B2 (ja) 微細加工方法及び微細加工装置
KR101591143B1 (ko) 제어 장치, 리소그래피 장치, 및 물품을 제조하는 방법
JP2005183966A (ja) リソグラフィ装置およびデバイス製造方法
JP4729065B2 (ja) 座標変換を伴う駆動システムを有するリソグラフィ装置および方法
KR20190080755A (ko) 제어 방법, 제어 장치, 리소그래피 장치, 및 물품의 제조 방법
US20240004314A1 (en) Positioning apparatus, lithography apparatus and article manufacturing method
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
JP7389597B2 (ja) ステージ装置、リソグラフィ装置、および物品製造方法
JP6166516B2 (ja) インプリント装置、インプリント方法および物品の製造方法
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
US11815861B2 (en) Feedback control device that suppresses disturbance vibration using machine learning, article manufacturing method, and feedback control method
KR20230148099A (ko) 관리 장치, 처리 시스템, 관리 방법, 및 물품 제조 방법
JP2020188126A (ja) インプリント装置、インプリント方法および物品製造方法
US9762167B2 (en) Computer-readable storage medium, generating method, generating apparatus, driving apparatus, processing apparatus, lithography apparatus, and method of manufacturing article
JP2023089742A (ja) 運動制御装置、リソグラフィー装置、平坦化装置、処理装置および物品製造方法
JP2016099736A (ja) ステージ装置、リソグラフィ装置、物品の製造方法、および制御方法
KR20220093169A (ko) 피드백 및 피드포워드 제어를 이용한 나노임프린트 리소그래피에서의 정렬 제어
KR20220132429A (ko) 템플릿 미끄러짐을 완화시키기 위한 확대 램프 방식

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18864719

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 20207011444

Country of ref document: KR

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2018864719

Country of ref document: EP

Effective date: 20200506