特開 2024-120226 推定方法、制御方法および制御装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024120226

(43)【公開日】2024-09-05

(54)【発明の名称】推定方法、制御方法および制御装置

(51)【国際特許分類】

   G03F 7/20 20060101AFI20240829BHJP

【ＦＩ】

G03F7/20 505

【審査請求】未請求

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2023026879

(22)【出願日】2023-02-24

(71)【出願人】

【識別番号】000207551

【氏名又は名称】株式会社ＳＣＲＥＥＮホールディングス

(74)【代理人】

【識別番号】100135013

【弁理士】

【氏名又は名称】西田 隆美

(72)【発明者】

【氏名】中西 健二

【テーマコード（参考）】

2H197

【Ｆターム（参考）】

2H197AA22

2H197AA28

2H197CA07

2H197DA02

2H197DA03

2H197DA06

2H197DA09

2H197DB05

2H197HA02

2H197HA03

2H197HA04

(57)【要約】

【課題】キャリブレーションよりも短時間でレーザ照射位置のずれを低減し、キャリブレーションの間隔を伸ばす技術を提供する。
【解決手段】基材に対してレーザを照射する描画装置において、描画装置の温度分布を示す温度分布データを取得する工程と、温度分布データを学習済モデルに入力して学習済モデルから出力される露光結果を推定した推定露光結果を取得する推定工程と、推定露光結果からレーザ照射位置のひずみ量を算出するひずみ量算出工程とを行う。これにより、短時間でレーザの照射位置のひずみ量を推定できる。したがって、短時間でレーザの位置合わせを行うことができる。その結果、キャリブレーションの間隔を伸ばすことができる。
【選択図】図５

【特許請求の範囲】

【請求項1】

基材に対してレーザを照射する描画装置において、レーザ照射位置のひずみ量を推定する推定方法であって、
ａ）前記描画装置の温度分布を示す温度分布データを取得する工程と、
ｂ）前記温度分布データを学習済モデルに入力して、前記学習済モデルから出力される露光結果を推定した推定露光結果を取得する推定工程と、
ｃ）前記推定露光結果から、レーザ照射位置のひずみ量を算出するひずみ量算出工程と、
を有する推定方法。

【請求項2】

請求項１に記載の推定方法であって、
ｄ）前記工程ａ），ｂ），ｃ）の前に、前記温度分布データを入力変数とし、前記温度分布データに対応する露光結果データを教師データとして、機械学習により、前記露光結果予測を推定可能な前記学習済モデルを生成する学習工程
をさらに含む、推定方法。

【請求項3】

請求項１に記載の推定方法であって、
前記工程ａ）において、サーモグラフィーカメラを用いて、前記温度分布データとして熱分布画像を撮影する、推定方法。

【請求項4】

請求項１に記載の推定方法であって、
前記工程ａ）において、前記描画装置の複数箇所に設けられた複数の温度センサを用いて、前記温度分布データとして、前記複数の温度センサの計測値を取得する、推定方法。

【請求項5】

基材に対してレーザを照射する描画装置の制御方法であって、
Ｐ）請求項１ないし請求項４のいずれか一項に記載の推定方法により、レーザ照射位置のひずみ量を推定する工程と、
Ｑ）露光パターンを取得する工程と、
Ｒ）推定された前記ひずみ量に基づいて、前記露光パターンにおけるレーザ照射位置を補正した補正露光パターンを生成する工程と、
Ｓ）前記補正露光パターンに基づいて、前記基材に対してレーザを照射する工程と、
を有する、描画装置の制御方法。

【請求項6】

基材に対してレーザを照射する描画装置の制御装置であって、
前記描画装置の温度分布を示す温度分布データを学習済モデルに入力して、前記学習済モデルから出力される露光結果を推定した推定露光結果を取得する推定部と、
前記推定露光結果から、レーザ照射位置のひずみ量を算出するひずみ量算出部と、
算出された前記ひずみ量に基づいて、露光パターンにおけるレーザ照射位置を補正した補正露光パターンを生成する露光パターン補正部と、
前記補正露光パターンに基づいて、前記基材に対してレーザを照射する描画実行部と、
を有する、制御装置。

【請求項7】

基材に対してレーザを照射する描画装置において、レーザ照射位置のひずみ量を推定する推定方法であって、
ａ）前記描画装置の温度分布を示す温度分布データを取得する工程と、
ｂ）前記温度分布データを学習済モデルに入力して、前記学習済モデルから出力されるレーザ照射位置のひずみ量を取得する推定工程と、
を有する推定方法。

【請求項8】

基材に対してレーザを照射する描画装置の制御装置であって、
前記描画装置の温度分布を示す温度分布データを学習済モデルに入力して、前記学習済モデルから出力されるレーザ照射位置のひずみ量を取得する推定部と、
前記ひずみ量に基づいて、露光パターンにおけるレーザ照射位置を補正した補正露光パターンを生成する露光パターン補正部と、
前記補正露光パターンに基づいて、前記基材に対してレーザを照射する描画実行部と、
を有する、制御装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、レーザ描画装置においてレーザ照射位置のひずみ量を推定する推定方法、レーザ描画装置の制御方法および制御装置に関する。

【背景技術】

【0002】

従来、レジストを塗布したガラス、プリント基板、ウェハ等の基材に対してレーザを照射し、パターン露光を行う描画装置が知られている。この種の描画装置では、先に形成された層や、基材上の穴などと正確に位置が合った露光をすることが求められる。しかしながら、装置各部の温度分布の変化によってレーザのドリフトが生じ、位置合わせ精度が悪化することがある。

【0003】

このようなレーザ照射位置のずれを補正するために、通常、一定期間ごとにキャリブレーションを行う。キャリブレーションでは、例えば、カメラを用いてレーザの照射位置を検出し、レーザの照射位置のずれを検出し、ずれ量に基づいてレーザ照射位置を補正する。レーザ照射位置のずれの補正方法については、例えば、特許文献１に記載されている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０２０－５２６４７号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

レーザの位置合わせ精度を高水準に保つためには、頻繁にキャリブレーションを行うことが好ましい。しかしながら、キャリブレーションに時間を要すると、基材の製造タクトが悪化するという問題が生じる。このため、レーザ照射位置のずれを低減し、キャリブレーションの間隔を伸ばす技術が求められている。

【0006】

本発明は、このような事情に鑑みなされたものであり、キャリブレーションよりも短時間でレーザ照射位置のずれを低減し、キャリブレーションの間隔を伸ばす技術を提供することを目的とする。

【課題を解決するための手段】

【0007】

上記課題を解決するため、本願の第１発明は、基材に対してレーザを照射する描画装置において、レーザ照射位置のひずみ量を推定する推定方法であって、ａ）前記描画装置の温度分布を示す温度分布データを取得する工程と、ｂ）前記温度分布データを学習済モデルに入力して、前記学習済モデルから出力される露光結果を推定した推定露光結果を取得する推定工程と、ｃ）前記推定露光結果から、レーザ照射位置のひずみ量を算出するひずみ量算出工程と、を有する。

【0008】

本願の第２発明は、第１発明の推定方法であって、ｄ）前記工程ａ），ｂ），ｃ）の前に、前記温度分布データを入力変数とし、前記温度分布データに対応する露光結果データを教師データとして、機械学習により、前記露光結果予測を推定可能な前記学習済モデルを生成する学習工程をさらに含む。

【0009】

本願の第３発明は、第１発明の推定方法であって、前記工程ａ）において、サーモグラフィーカメラを用いて、前記温度分布データとして熱分布画像を撮影する。

【0010】

本願の第４発明は、第１発明の推定方法であって、前記工程ａ）において、前記描画装置の複数箇所に設けられた複数の温度センサを用いて、前記温度分布データとして、前記複数の温度センサの計測値を取得する。

【0011】

本願の第５発明は、基材に対してレーザを照射する描画装置の制御方法であって、Ｐ）第１発明ないし第４発明のいずれか一発明の推定方法により、レーザ照射位置のひずみ量を推定する工程と、Ｑ）露光パターンを取得する工程と、Ｒ）推定された前記ひずみ量に基づいて、前記露光パターンにおけるレーザ照射位置を補正した補正露光パターンを生成する工程と、Ｓ）前記補正露光パターンに基づいて、前記基材に対してレーザを照射する工程と、を有する。

【0012】

本願の第６発明は、基材に対してレーザを照射する描画装置の制御装置であって、前記描画装置の温度分布を示す温度分布データを学習済モデルに入力して、前記学習済モデルから出力される露光結果を推定した推定露光結果を取得する推定部と、前記推定露光結果から、レーザ照射位置のひずみ量を算出するひずみ量算出部と、算出された前記ひずみ量に基づいて、露光パターンにおけるレーザ照射位置を補正した補正露光パターンを生成する露光パターン補正部と、前記補正露光パターンに基づいて、前記基材に対してレーザを照射する描画実行部と、を有する。

【0013】

本願の第７発明は、基材に対してレーザを照射する描画装置において、レーザ照射位置のひずみ量を推定する推定方法であって、ａ）前記描画装置の温度分布を示す温度分布データを取得する工程と、ｂ）前記温度分布データを学習済モデルに入力して、前記学習済モデルから出力されるレーザ照射位置のひずみ量を取得する推定工程と、を有する。

【0014】

本願の第８発明は、基材に対してレーザを照射する描画装置の制御装置であって、前記描画装置の温度分布を示す温度分布データを学習済モデルに入力して、前記学習済モデルから出力されるレーザ照射位置のひずみ量を取得する推定部と、前記ひずみ量に基づいて、露光パターンにおけるレーザ照射位置を補正した補正露光パターンを生成する露光パターン補正部と、前記補正露光パターンに基づいて、前記基材に対してレーザを照射する描画実行部と、を有する、制御装置。

【発明の効果】

【0015】

本願の第１発明から第８発明によれば、学習済モデルを用いて、短時間でレーザの照射位置のひずみ量を推定できる。そして、このひずみ量を用いて、レーザの位置合わせを行うことにより、キャリブレーションの間隔を伸ばすことができる。

【0016】

特に、本願の第５発明および第６発明によれば、短時間でレーザの位置合わせ精度を向上できる。

【図面の簡単な説明】

【0017】

【図1】描画装置の斜視図である。

【図2】制御部と描画装置内の各部との電気的接続を示したブロック図である。

【図3】ひずみ量推定部および描画制御部の制御ブロック図である。

【図4】学習処理の流れを示したフローチャートである。

【図5】描画処理の流れを示したフローチャートである。

【図6】一変形例に係るひずみ量推定部および描画制御部の制御ブロック図である。

【図7】一変形例に係る学習用露光パターンと学習用露光結果の例を示す図である。

【図8】他の変形例に係る描画処理の流れを示したフローチャートである。

【図9】他の変形例に係るひずみ量推定部および描画制御部の制御ブロック図である。

【発明を実施するための形態】

【0018】

以下、本発明の実施形態について、図面を参照しつつ説明する。

【0019】

＜１．描画装置の構成＞
以下では、本発明の一実施形態に係る描画装置１について、図１および図２を参照しつつ説明する。図１は、描画装置１の斜視図である。図２は、制御部１０と、描画装置内の各部との電気的接続を示したブロック図である。

【0020】

この描画装置１は、空間変調された光を照射して、基材の上面に露光パターンを描画する装置である。本実施形態の描画装置１における描画対象の基材は、感光材料が塗布された半導体基板やガラス基板等の基板Ｗである。図１および図２に示すように、描画装置１は、搬送部２０、フレーム３０、描画処理部４０、カメラ５０、および制御部１０を備える。描画装置１のうち、制御部１０を除く搬送部２０、フレーム３０、描画処理部４０およびカメラ５０は、チャンバ（図示省略）内に収容されている。

【0021】

搬送部２０は、基台２１の上面において、平板状のステージ２２を、略一定の姿勢で水平方向に搬送する装置である。搬送部２０は、主走査機構２３と、副走査機構２４と、回転機構２５（図２参照）とを有する。主走査機構２３は、ステージ２２を水平方向の一方向である主走査方向に搬送するための機構である。副走査機構２４は、ステージ２２を水平方向のうち、主走査方向と直交する副走査方向に搬送するための機構である。基板Ｗは、ステージ２２の上面に水平姿勢で保持され、ステージ２２とともに主走査方向および副走査方向に移動する。回転機構２５は、基台２１に対するステージ２２の鉛直軸周りの角度を調整することができる。

【0022】

フレーム３０は、基台２１の上方において、描画処理部４０を保持するための構造である。フレーム３０は、一対の支柱部３１と架橋部３２とを有する。一対の支柱部３１は、副走査方向に間隔をあけて立設されている。各支柱部３１は、基台２１の上面から上方へ向けて延びる。架橋部３２は、２本の支柱部３１の上端部の間において、副走査方向に延びる。基板Ｗを保持したステージ２２は、一対の支柱部３１の間、かつ、架橋部３２の下方を通過する。

【0023】

描画処理部４０は、２つの光学ヘッド４１を有する。２つの光学ヘッド４１は、副走査方向に間隔をあけて、架橋部３２に固定される。また、描画処理部４０は、図示しない照明光学系およびレーザ発振器と、レーザ駆動部４２（図２参照）を有する。照明光学系、レーザ発振器、およびレーザ駆動部４２は、例えば、架橋部３２の内部空間に収容される。レーザ駆動部４２は、レーザ発振器と電気的に接続されている。レーザ駆動部４２を動作させると、レーザ発振器からパルス光が出射される。そして、レーザ発振器から出射されたパルス光が、照明光学系を介して光学ヘッド４１へ導入される。

【0024】

光学ヘッド４１の内部には、空間変調器を含む光学系が設けられている。光学ヘッド４１へ導入されたパルス光は、空間変調器により所定のパターンに変調されて、基板Ｗの上面に照射される。これにより、基板Ｗの上面に塗布されたレジスト等の感光材料が露光される。

【0025】

カメラ５０は、描画装置１の温度分布を画像として取得することができるサーモグラフィーカメラである。カメラ５０は、温度分布データＨｍとして、熱分布画像を撮影する。本実施形態では、カメラ５０は、１つの描画装置１に対して１台であるが、１つの描画装置１に対して２台以上のカメラ５０が備えられていてもよい。

【0026】

カメラ５０の撮影範囲（温度分布計測範囲）は、描画装置１の全体を含むことが好ましい。なお、カメラ５０の撮影範囲は、少なくとも、基板Ｗと、基板Ｗが載置されるステージ２２と、発熱箇所であるレーザ発振器およびレーザ駆動部４２とを含むことが好ましい。

【0027】

制御部１０は、描画装置１の各部を動作制御するための手段である。制御部１０は、描画装置１の制御装置としての役割を果たす。図１中に概念的に示すように、制御部１０は、ＣＰＵ等のプロセッサ１０１、ＲＡＭ等のメモリ１０２、およびハードディスクドライブ等の記憶部１０３を有するコンピュータにより構成されている。記憶部１０３には、描画装置１を動作制御するためのコンピュータプログラムＰが記憶されている。

【0028】

また、図２に示すように、制御部１０は、搬送部２０の主走査機構２３、副走査機構２４おおよび回転機構２５と、描画処理部４０の光学ヘッド４１およびレーザ駆動部４２と、カメラ５０と、電気的に接続されている。制御部１０は、記憶部１０３に記憶されたコンピュータプログラムＰやデータＤをメモリ１０２に読み出し、当該コンピュータプログラムＰおよびデータＤに基づいて、プロセッサ１０１が演算処理を行うことにより、描画装置１内の上記各部を動作制御する。これにより、描画装置１における描画処理が進行する。

【0029】

制御部１０は、搬送制御部９１、ひずみ量推定部９２、および描画制御部９３を有する。ひずみ量推定部９２、搬送制御部９１、および描画制御部９３の各機能は、制御部１０を構成するコンピュータのプロセッサ１０１が、コンピュータプログラムＰに従って動作することにより、実現される。

【0030】

搬送制御部９１は、搬送部２０の各部を制御する。搬送制御部９１は、描画処理中、基板Ｗを予め決められた通りに搬送する。

【0031】

図３は、ひずみ量推定部９２および描画制御部９３の制御ブロック図である。図３に示すように、ひずみ量推定部９２は、カメラ５０から入力される温度分布データＨｍに基づいて、レーザ照射位置のひずみ量を推定する。具体的には、ひずみ量推定部９２は、学習部８１、推定部８２、および、ひずみ量算出部８３を有する。

【0032】

学習部８１は、推定部８２においてひずみ量の推定に用いられる機械学習モデルの学習を行い、学習済モデルＭを作成する。学習部８１における機械学習モデルの学習工程を行うにあたり、予め、カメラ５０の取得した学習用温度分布データＨｔと、学習用露光パターンＰｔと、当該学習用温度分布データＨｔ取得直後に学習用露光パターンＰｔを描画装置１によって描画した基板Ｗを撮影した学習用露光結果Ｒｔとを準備する。なお、学習用露光結果Ｒｔの撮影は、描画装置１外の撮像装置を用いて撮影したものである。

【0033】

学習部８１は、学習用温度分布データＨｔおよび学習用露光パターンＰｔを入力変数とし、当該学習用温度分布データＨｔに対応する学習用露光結果Ｒｔを教師データとして、機械学習により学習済モデルＭを生成する。この学習済モデルＭは、カメラ５０から入力される温度分布データＨｍと露光パターンＰｉとを入力すると、その温度分布における露光パターンＰｉの露光結果を推定可能であり、推定露光結果Ｄ１を出力する。

【0034】

推定部８２は、学習部８１により生成された学習済モデルＭを有する。推定部８２は、カメラ５０から入力される温度分布データＨｍを学習済モデルＭに入力し、学習済モデルＭから出力された推定露光結果Ｄ１をひずみ量算出部８３へと引き渡す。

【0035】

ひずみ量算出部８３は、露光パターンＰｉと、推定露光結果Ｄ１とから、レーザ照射位置のひずみ量Ｄ２を算出する。ひずみ量Ｄ２は、露光パターンＰｉと比較して、推定露光結果Ｄ１の各部においてどの方向にどれだけひずみが生じているかを算出したものである。例えば、ひずみ量Ｄ２は、露光パターンＰｉの所定の基準座標に対応する箇所のそれぞれについて、推定露光結果Ｄ１における座標と露光パターンＰｉにおける座標との差をベクトル量で算出したベクトルマップとして算出される。ひずみ量算出部８３は、算出したひずみ量Ｄ２を描画制御部９３へと引き渡す。

【0036】

描画制御部９３は、露光パターン補正部７１と、描画実行部７２とを有する。

【0037】

露光パターン補正部７１は、ひずみ量推定部９２のひずみ量算出部８３から引き渡されたひずみ量Ｄ２に基づいて、露光パターンＰｉを補正し、補正露光パターンＰｏを生成する。露光パターン補正部７１は、例えば、露光パターンＰｉを、座標毎に、ひずみ量Ｄ２をキャンセルする方向に変形させて補正露光パターンＰｏを生成する。そして、露光パターン補正部７１は、補正露光パターンＰｏを描画実行部７２へと引き渡す。

【0038】

描画実行部７２は、補正露光パターンＰｏに従って、描画処理部４０の動作制御を行って、基板Ｗに対してレーザ照射を実施し、基板Ｗの上面に露光パターンＰｉと同等のパターンを描画する。このとき、描画処理部４０が補正露光パターンＰｏ通りのパターンを基板Ｗの上面に描画しようとすると、描画処理部４０から基板Ｗへ向かうレーザ光に算出したひずみ量Ｄ２と同程度のドリフトが生じることにより、結果的に、基板Ｗの上面には露光パターンＰｉに近似したパターンが描画される。

【0039】

描画装置１の稼働時には、搬送制御部９１による搬送部２０の動作と、描画実行部７２による描画処理部４０の動作とが連動して行われる。具体的には、光学ヘッド４１による露光と、搬送部２０による基板Ｗの搬送とが、繰り返し実行される。より具体的には、副走査機構２４によりステージ２２を副走査方向に搬送しつつ、光学ヘッド４１からのパルス光の照射を行うことにより、副走査方向に延びる帯状の領域（スワス）に露光を行った後、主走査機構２３によりステージ２２を主走査方向に１スワス分だけ搬送する。描画装置１は、このような副走査方向の露光と、主走査方向のステージ２２の搬送とを繰り返すことにより、基板Ｗの上面全体にパターンを描画する。

【0040】

＜２．機械学習モデルの学習処理について＞
続いて、上述した学習部８１において実行される機械学習モデルの学習処理について、説明する。図４は、学習処理の流れを示すフローチャートである。この学習処理は、製品となる基板Ｗへのパターン露光処理よりも前に、実行される。

【0041】

図４に示すように、学習処理を行うときには、制御部１０は、まず、カメラ５０に、基板Ｗをセットした描画装置１の温度分布を示す学習用温度分布データＨｔを取得させる（ステップＳ１０１）。そして、制御部１０は、その後できるだけ迅速に（当該学習用温度分布データＨｔの取得からから描画装置１における温度分布が変化しないうちに）、学習用露光パターンＰｔを基板Ｗの上面に描画する（ステップＳ１０２）。その後、ステップＳ１０２で描画を行った基板Ｗの上面を撮影し、学習用露光結果Ｒｔを取得する（ステップＳ１０３）。

【0042】

学習処理の始めにおいて、すなわち、続いて行われる機械学習モデルの学習工程（ステップＳ１０４～Ｓ１０５）を初めて行う前に、ステップＳ１０１～Ｓ１０３を複数回行い、学習用温度分布データＨｔ、学習用露光パターンＰｔ、および学習用露光結果Ｒｔを含む学習用データセットを複数組取得しておいてもよい。その場合、学習用露光パターンＰｔが同じ学習用データセットが複数組があってもよい。なお、複数種類の学習用露光パターンＰｔについて、それぞれの学習用露光パターンＰｔに対して複数組の学習用データセットがあってもよい。

【0043】

続いて、学習部８１は、ステップＳ１０１～Ｓ１０３で取得した学習用データセットを用いて機械学習モデルの機械学習を行う（ステップＳ１０４～Ｓ１０５）。具体的には、学習部８１は、機械学習モデルに、学習用温度分布データＨｔおよび学習用露光パターンＰｔを入力変数とし、学習用露光結果Ｒｔを教師データとして入力する（ステップＳ１０４）。その後、学習部８１は、教師あり機械学習プログラムにより機械学習を行い、機械学習モデルのパラメータ調整を行う（ステップＳ１０５）。

【0044】

その後、学習部８１は、再度パラメータ調整を行うか否かを判断する（ステップＳ１０６）。ステップＳ１０６における判断条件は、例えば、同じ学習用データセットについてパラメータ調整工程Ｓ１０５を所定の回数繰り返したか否かとする。

【0045】

そして、パラメータ調整工程Ｓ１０５を所定の回数繰り返していないと判断した場合（ステップＳ１０６：Ｙｅｓ）、学習部８１は、同じ学習用データセットについてパラメータの再調整が必要であると判断し、ステップＳ１０５を再度行う。

【0046】

一方、同じ学習用データセットについてパラメータ調整工程Ｓ１０５を所定の回数繰り返したと判断した場合、学習部８１は、続いて、所定の終了条件を満たすか否かを判断する（ステップＳ１０７）。終了条件は、例えば、推定露光結果と教師データとの差が、予め設定された閾値よりも小さくなること、とすればよい。

【0047】

所定の終了条件を満たしていないと判断した場合（ステップＳ１０７：Ｎｏ）、制御部１０は、ステップＳ１０１へ戻り、新たな学習用データセットを取得し（ステップＳ１０１～Ｓ１０３）、当該学習用データセットを用いて機械学習を行う（ステップＳ１０４～Ｓ１０６）。このとき、予め複数の学習用データセットを取得していた場合には、ステップＳ１０１～Ｓ１０３を省略することができる。

【0048】

また、所定の終了条件を満たしたと判断した場合（ステップＳ１０７：Ｙｅｓ）、制御部１０は、機械学習モデルの学習処理を終了する。これにより、入力された温度分布データと露光パターンに基づいて、その温度分布において露光パターンを描画したときの露光結果を精度良く推定できる、学習済モデルＭが生成される。学習部８１は、生成された学習済モデルＭを、推定部８２へ提供する。

【0049】

＜３．描画処理について＞
次に、本発明の一実施形態に係る描画装置１の描画処理について、図５を参照しつつ説明する。図５は、描画装置１の描画処理の流れを示したフローチャートである。

【0050】

描画装置１では、描画処理を繰り返すうちに、装置各部において、温度分布の変化を初めとして種々の条件が変化することにより、レーザ照射位置にずれが生じ、位置合わせ精度が悪化することがある。このため、この描画装置１では、キャリブレーションよりも短時間で実施可能な学習済モデルＭを用いたレーザ照射位置の補正を行うことで、定期的なキャリブレーションの頻度を低減させることができる。その結果、各基板Ｗに対する描画処理の平均的なタクトが向上する。

【0051】

図５に示す描画処理の前には、予め、上述の学習処理が行われ、学習済モデルＭが生成されている。描画処理では、まず、カメラ５０が温度分布データＨｍを取得する（ステップＳ２０１）。そして、カメラ５０は、温度分布データＨｍを、ひずみ量推定部９２の推定部８２に引き渡す。

【0052】

一方、推定部８２には、基板Ｗ上に描画する露光パターンＰｉが入力される。そして、推定部８２は、温度分布データＨｍと露光パターンＰｉとを学習済モデルＭへ入力し、推定露光結果Ｄ１を出力させる（ステップＳ２０２）。推定部８２は、学習済モデルＭの出力した推定露光結果Ｄ１をひずみ量算出部８３に引き渡す。

【0053】

ひずみ量算出部８３は、推定露光結果Ｄ１と露光パターンＰｉとを比較して、レーザ照射位置のひずみ量Ｄ２を算出する（ステップＳ２０３）。ひずみ量Ｄ２は、露光パターンＰｉと比較して、推定露光結果Ｄ１の各部においてどの方向にどれだけひずみが生じているかを算出したものである。ひずみ量算出部８３は、例えば、露光パターンＰｉの所定の基準座標に対応する箇所のそれぞれについて、推定露光結果Ｄ１における座標と露光パターンＰｉにおける座標との差をベクトル量で算出したベクトルマップとしてひずみ量Ｄ２を算出する。ひずみ量算出部８３は、算出したひずみ量Ｄ２を描画制御部９３へと引き渡す。

【0054】

続いて、描画制御部９３の露光パターン補正部７１は、ひずみ量Ｄ２に基づいて、露光パターンＰｉを補正し、補正露光パターンＰｏを生成する（ステップＳ２０４）。露光パターン補正部７１は、例えば、露光パターンＰｉを、座標毎に、ひずみ量Ｄ２をキャンセルする方向に変形させて補正露光パターンＰｏを生成する。そして、露光パターン補正部７１は、補正露光パターンＰｏを描画実行部７２へと引き渡す。

【0055】

そして、描画実行部７２は、補正露光パターンＰｏに従って、描画処理部４０の動作制御を行って、基板Ｗに対してレーザ照射を実施し、基板Ｗの上面に露光パターンＰｉと同等のパターンを描画する（ステップＳ２０５）。

【0056】

このように、本実施形態の描画装置１は、温度分布データＨｍに基づいてレーザ照射位置のひずみ量を推定し、露光パターンＰｉを補正する。これにより、補正を行わない場合と比べて所望の露光パターンＰｉに近似したパターンを基板Ｗに描画することができる。

【0057】

＜４．変形例＞
以上、本発明の実施形態について説明したが、本発明は、上記の実施形態に限定されるものではない。

【0058】

＜４－１．変形例１＞
図６は、一変形例に係る描画装置における、ひずみ量推定部９２および描画制御部９３の制御ブロック図である。図７は、図６の例の学習用露光パターンＰｔと、学習用露光結果Ｒｔの例を示す図である。図６の変形例では、学習時だけでなく、製品製造時の描画処理においても、ひずみ量推定部９２におけるレーザ照射位置のひずみ量Ｄ２の推定に、露光パターンＰｉでなく、学習用露光パターンＰｔを使用する。

【0059】

このとき使用される学習用露光パターンＰｔは、図７（ａ）に示されるように、基板Ｗ上に規則的にレーザ照射を行うものである。図７（ｂ）および図７（ｃ）はそれぞれ、図７（ａ）の学習用露光パターンＰｔの露光結果である学習用露光結果Ｒｔの例である。このように、規則的な学習用露光パターンＰｔであれば、ひずみ量Ｄ２の算出を行いやすい。

【0060】

製品製造時の描画処理において、推定部８２は、カメラ５０から入力される温度分布データＨｍと、学習用露光パターンＰｔとを学習済モデルＭに入力し、推定露光結果Ｄ１を得る。そして、ひずみ量算出部８３は、学習用露光パターンＰｔと、推定露光結果Ｄ１とから、レーザ照射位置のひずみ量Ｄ２を算出する。ひずみ量算出部８３は、算出したひずみ量Ｄ２を描画制御部９３へと引き渡す。

【0061】

図６の例のように、ひずみ量Ｄ２の推定を行うために、必ずしも今から露光を行う露光パターンＰｉを使用しなくてもよい。

【0062】

また、上記の実施形態および変形例では、学習済モデルＭの入力変数が温度分布データおよび露光パターンであり、出力が推定露光結果であったが、本発明はこれに限られない。学習済モデルＭの入力変数は温度分布データのみであり、出力が推定ひずみ量であってもよい。その場合、学習済モデルＭの学習処理において、学習済モデルＭの入力変数を温度分布データとし、教師データを、学習用露光パターンＰｔと学習用露光結果Ｒｔとから予め算出した学習用ひずみ量とすればよい。

【0063】

＜４－２．変形例２＞
図８は、他の変形例に係る描画処理の流れを示すフローチャートである。図８の例では、温度分布データＨｍに基づいてひずみ量推定部９２推定したひずみ量Ｄ２に基づいて、キャリブレーションのタイミングを決定する。

【0064】

図８の例の描画処理では、制御部１０は、まず、上記の実施形態の描画処理と同様に、温度分布データの取得（ステップＳ２０１）、推定露光結果Ｄ１の出力（ステップＳ２０２）、およびひずみ量Ｄ２の算出（ステップＳ２０３）を行う。

【0065】

そして、その後、制御部１０は、ひずみ量Ｄ２に基づいて、キャリブレーションが必要であるか否かを判断する（ステップＳ２１１）。ステップＳ２１１における判断条件は、例えば、基板Ｗ全体におけるひずみ量Ｄ２の合計値が所定の合計閾値よりも大きい場合や、基板Ｗ上の各部におけるひずみ量Ｄ２について、所定の部分閾値よりも大きいものがある場合に、キャリブレーションが必要であると判断する。

【0066】

キャリブレーションが必要でないと判断した場合（ステップＳ２１１：Ｎｏ）、描画処理を続行し、補正露光パターンを生成し（ステップＳ２０４）、基板Ｗに対するレーザ照射を行って（ステップＳ２０５）、描画処理を完了する。

【0067】

一方、キャリブレーションが必要であると判断した場合（ステップＳ２１１：Ｙｅｓ）、制御部１０は、描画処理を中断し、キャリブレーションを行う（ステップＳ２１２）。キャリブレーションを行うと、キャリブレーション前からレーザ照射位置が変更される。このため、キャリブレーション後に、再度学習処理を行う（ステップＳ２１３）。そして、その後、ステップＳ２０１へ戻り、通常の描画処理を再開する。

【0068】

図８の例のように、推定したひずみ量を、キャリブレーションを行うタイミングを決定するのに用いてもよい。なお、図８の例では、ひずみ量Ｄ２が判断条件に合った場合に、描画処理を中断してキャリブレーションを行ったが、本発明はこれに限られない。ひずみ量Ｄ２が判断条件に合った場合に、実行中の描画処理の終了後に、キャリブレーションを行ってもよい。

【0069】

＜４－３．変形例３＞
図９は、他の変形例に係る描画装置における、ひずみ量推定部９２ａおよび描画制御部９３の制御ブロック図である。図９の変形例では、学習済モデルＭａが、温度分布データＨｍと露光パターンＰｉとを入力すると、その温度分布における露光パターンＰｉの露光結果における推定ひずみ量Ｄ２’を直接出力する。このため、図９の例では、ひずみ量推定部９２ａは、ひずみ量算出部を有していない。このようなひずみ量推定部９２ａは、学習部８１ａと、推定部８２ａとを有する。なお、図９の例の描画制御部９３は、上記の実施形態における描画制御部９３と同等である。

【0070】

学習部８１ａは、推定部８２ａにおいてひずみ量の推定に用いられる機械学習モデルの学習を行い、学習済モデルＭａを作成する。学習部８１ａにおける機械学習モデルの学習工程を行うにあたり、予め、カメラ５０の取得した学習用温度分布データＨｔと、学習用露光パターンＰｔを準備する。また、当該学習用温度分布データＨｔ取得直後に学習用露光パターンＰｔを描画装置１によって描画した基板Ｗにおける露光パターンの各位置におけるひずみ量を計測して、学習用露光結果Ｒｔ’とする。なお、学習用露光結果Ｒｔ’は、例えば、学習用露光パターンを描画した基板Ｗを、描画装置１外の撮像装置を用いて撮影し、その撮影画像から算出されてもよい。また、学習用露光結果Ｒｔ’は、例えば、学習用露光パターンを描画した基板Ｗにおいて露光パターンの各位置を、ユーザが直接計測して取得してもよい。

【0071】

学習部８１ａは、学習用温度分布データＨｔおよび学習用露光パターンＰｔを入力変数とし、当該学習用温度分布データＨｔに対応するひずみ量の計測結果である学習用露光結果Ｒｔ’を教師データとして、機械学習により学習済モデルＭａを生成する。この学習済モデルＭは、カメラ５０から入力される温度分布データＨｍと露光パターンＰｉとを入力すると、その温度分布における露光パターンＰｉの露光結果におけるひずみ量を推定可能であり、推定ひずみ量Ｄ２’を出力する。

【0072】

推定部８２ａは、学習部８１ａにより生成された学習済モデルＭａを有する。推定部８２ａは、カメラ５０から入力される温度分布データＨｍを学習済モデルＭに入力し、学習済モデルＭから出力された推定ひずみ量Ｄ２’を描画制御部９３の露光パターン補正部７１へと引き渡す。

【0073】

このように、推定部８２ａの有する学習済みモデルＭａの出力は、ひずみ量を直接推定したものであってもよい。これにより、上記の実施形態のひずみ量算出部８３に相当する構成を省略することができる。

【0074】

＜４－４．その他の変形例＞
また、上記の実施形態では、温度分布データは、サーモグラフィーカメラを用いて撮影した熱分布画像であったが、本発明はこれに限られない。温度分布データは、描画装置の複数個所に設けられた複数の温度センサの計測値であってもよい。

【0075】

また、上記の実施形態や変形例に登場した各要素を、矛盾が生じない範囲で、適宜に組み合わせてもよい。

【符号の説明】

【0076】

１ 描画装置
１０ 制御部
４０ 描画処理部
５０ カメラ
７１ 露光パターン補正部
７２ 描画実行部
８１，８１ａ 学習部
８２，８２ａ 推定部
８３ ひずみ量算出部
９２，９２ａ ひずみ量推定部
９３ 描画制御部
Ｄ１ 推定露光結果
Ｄ２，Ｄ２’ ひずみ量
Ｈｍ 温度分布データ
Ｈｔ 学習用温度分布データ
Ｍ，Ｍａ 学習済モデル
Ｐｉ 露光パターン
Ｐｏ 補正露光パターン
Ｐｔ 学習用露光パターン
Ｒｔ，Ｒｔ’ 学習用露光結果
Ｗ 基板

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】