特許 7358642 ガス放電光源における予測装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-09-29

(45)【発行日】2023-10-10

(54)【発明の名称】ガス放電光源における予測装置

(51)【国際特許分類】

   H01S 3/00 20060101AFI20231002BHJP

   H01S 3/032 20060101ALI20231002BHJP

【ＦＩ】

H01S3/00 G

H01S3/032

【請求項の数】 30

(21)【出願番号】P 2022527857

(86)(22)【出願日】2020-12-01

(65)【公表番号】

(43)【公表日】2023-02-21

(86)【国際出願番号】 US2020062742

(87)【国際公開番号】W WO2021126520

(87)【国際公開日】2021-06-24

【審査請求日】2022-07-04

(31)【優先権主張番号】62/949,723

(32)【優先日】2019-12-18

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】513192029

【氏名又は名称】サイマー リミテッド ライアビリティ カンパニー

(74)【代理人】

【識別番号】100079108

【弁理士】

【氏名又は名称】稲葉 良幸

(74)【代理人】

【識別番号】100109346

【弁理士】

【氏名又は名称】大貫 敏史

(74)【代理人】

【識別番号】100117189

【弁理士】

【氏名又は名称】江口 昭彦

(74)【代理人】

【識別番号】100134120

【弁理士】

【氏名又は名称】内藤 和彦

(72)【発明者】

【氏名】ミナカイス，マシュー

【審査官】村井 友和

(56)【参考文献】

【文献】特開２００２－０４３２１９（ＪＰ，Ａ）

【文献】特表２０１９－５０９６２６（ＪＰ，Ａ）

【文献】特開２０１３－２１９１５７（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１５／０１８８２７８（ＵＳ，Ａ１）

【文献】特開２０１７－１６３０３６（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１７／０２６２７７２（ＵＳ，Ａ１）

【文献】中国特許出願公開第１０７１８１１６３（ＣＮ，Ａ）

【文献】特開２０１７－０３４８３０（ＪＰ，Ａ）

【文献】特開２０１８－０９７７２３（ＪＰ，Ａ）

【文献】特開２０１８－０６７０５１（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｈ０１Ｓ ３／００－３／３０

(57)【特許請求の範囲】

【請求項1】

光ビームを発する光学システムの性能条件に関する性能測定基準を受け取ることと、
前記性能測定基準及び所定の学習モデルに基づいて、前記光学システムに対する提案された変更の有効性を推定することと、
前記光学システムに対する前記提案された変更が有効であろうと推定される場合、前記光学システムに変更コマンドを出力することと、
を行う決定モジュールを含む、
装置。

【請求項2】

前記決定モジュールは、前記光学システムに対する前記提案された変更が有効でないであろうと前記決定モジュールが推定する場合、前記光学システムに維持コマンドを出力する、請求項１に記載の装置。

【請求項3】

前記決定モジュールは、前記光ビームの前記性能条件が向上されるであろうか否かを決定することにより、前記提案された変更の前記有効性を推定する、請求項１に記載の装置。

【請求項4】

前記性能条件は、前記光ビームにおけるビーム品質エラーのタイプ、ある期間にわたるガス混合物における放電事象の発生回数、前記光ビームのビーム品質におけるエラーに関連する１つ又は複数の障害、前記光ビームの前記ビーム品質、前記光ビームの前記ビーム品質におけるエラー、前記光ビームの動作パラメータ又は特性に関連するエラー事象、障害シグネチャに対する各エラー事象の解析、及び、前記光学システムの構成の変更、の１つ又は複数を含む、請求項１に記載の装置。

【請求項5】

前記決定モジュールは、前記提案された変更の前記有効性を、前記光学システムに対する前記変更がもたらされる前に推定する、請求項１に記載の装置。

【請求項6】

前記決定モジュールと通信するインターフェースモジュールをさらに含み、
前記インターフェースモジュールは、前記性能測定基準を提供し、
前記インターフェースモジュールは、複数のビーム品質検出モジュールを含み、
前記複数のビーム品質検出モジュールは、
それぞれ前記光ビームの各スペクトル特徴におけるエラーを検出し、及び前記光ビームの前記各スペクトル特徴エラーを示すエラー事象信号を生成する１つ又は複数のスペクトル特徴検出モジュールと、
前記光ビームのエネルギーにおけるエラーを検出し、及び前記光ビームの前記エネルギーエラーを示すエラー事象信号を生成するエネルギー検出モジュールと、を含み、
前記スペクトル特徴は、前記光ビームの帯域幅又は波長を含み、
前記性能測定基準は、前記各スペクトル特徴及びエネルギーにおける前記エラー事象に基づいて生成される、請求項１に記載の装置。

【請求項7】

前記インターフェースモジュールは、障害シグネチャのセットに対して各ビーム品質エラー事象を解析するとともに、前記ビーム品質エラー事象を既知の障害シグネチャに分類する尤度スコアを生成する障害シグネチャモジュールを含み、
前記性能測定基準は、前記障害シグネチャモジュールからの前記出力に関するデータを含む、請求項６に記載の装置。

【請求項8】

前記所定の学習モデルは、入力として前記性能測定基準を受け取るとともに、前記推定を出力する、請求項１に記載の装置。

【請求項9】

前記所定の学習モデルは、前記光学システムのタイプ、構成及び／又は経年数に基づいて構築される、請求項１に記載の装置。

【請求項10】

前記光学システムに対する前記提案された変更は、前記光学システム内のガス混合物の提案された再充填及び前記光学システムの構成の提案された変更の１つ又は複数を含む、請求項１に記載の装置。

【請求項11】

前記決定モジュールは、前記光学システムの前記構成に対するプローブされた変更にも基づいて、前記光学システム内の前記ガス混合物の提案された再充填の有効性を推定する、請求項１０に記載の装置。

【請求項12】

複数のテスト光学システムに基づく訓練データセットを受け取ることであって、前記訓練データセットは、各テスト光学システムの複数の変更のそれぞれについて、
前記変更前の前記テスト光学システムに関する性能条件の複数の値と、
前記変更後の前記テスト光学システムに関する前記性能条件の複数の値と、
を含むことと、
光学システムにおける提案された変更の有効性を、前記光学システムの性能条件に関する性能測定基準に基づいて推定する予測モデルを前記訓練データセットに基づいて生成することと、
を含む、方法。

【請求項13】

前記予測モデルを生成することは、各変更について、前記変更後の前記テスト光学システムに関する前記性能条件の前記複数の値を、前記変更前の前記テスト光学システムに関する前記性能条件の前記複数の値と比較することを含み、
前記比較は、前記変更の前記有効性を示す、請求項１２に記載の方法。

【請求項14】

前記予測モデルを生成することは、前記性能測定基準を維持コマンド又は変更コマンドの一方にマッピングすることを含み、
前記維持コマンド及び前記変更コマンドは、前記光学システムに対する前記提案された変更の前記推定された有効性に基づく、請求項１２に記載の方法。

【請求項15】

前記性能条件は、前記光学システムから生成された光ビームのビーム品質エラー率、前記光学システムから生成された光ビームにおけるビーム品質エラーのタイプ、ある期間にわたる前記光学システムのガス混合物における放電事象の発生回数、前記光学システムから生成された前記光ビームのビーム品質における前記エラーに関連する１つ又は複数の障害、前記光学システムの動作効率における異常、前記光学システムから生成された前記光ビームの１つ又は複数のスペクトル特徴におけるエラー、前記光ビームの動作パラメータ又は特性に関連するエラー事象、障害シグネチャに対する各エラー事象の解析、及び、前記光学システムの構成の変更、の１つ又は複数を含む、請求項１２に記載の方法。

【請求項16】

前記提案された変更の前記有効性の前記推定は、前記提案された変更後の前記光学システムの性能条件が、前記提案された変更前の前記光学システムの前記条件に対して向上するか否かを示す、請求項１２に記載の方法。

【請求項17】

前記提案された変更が有効でないであろうと前記予測モデルが推定する尤度を減少させるように前記予測モデルを調節することをさらに含む、請求項１２に記載の方法。

【請求項18】

前記予測モデルは、前記光学システムに対する前記提案された変更の前記有効性を推定する、請求項１２に記載の方法。

【請求項19】

前記光学システムに対する前記提案された変更は、前記光学システム内のガス混合物の提案された再充填及び前記光学システムの構成の提案された変更の１つ又は複数を含む、請求項１２に記載の方法。

【請求項20】

光ビームを発する光学システムの性能条件に関する性能測定基準を受け取ることと、
前記性能測定基準及び所定の学習モデルに基づいて、前記光学システムに対する提案された変更の有効性を推定することと、
前記提案された変更が有効であろうと推定される場合、前記光学システムに対する変更を指示することと、
を含む、方法。

【請求項21】

前記提案された変更が有効でないであろうと推定される場合、前記変更を遅らせることをさらに含む、請求項２０に記載の方法。

【請求項22】

前記変更を遅らせた後、
前記光学システムの性能条件に関する性能測定基準を受け取ることと、
前記性能測定基準及び前記所定の学習モデルに基づいて、前記光学システムに対する提案された変更の前記有効性を推定することと、
をさらに含む、請求項２１に記載の方法。

【請求項23】

前記性能条件は、前記光ビームにおけるビーム品質エラーのタイプ、ある期間にわたるガス混合物における放電事象の発生回数、前記光ビームのビーム品質における前記エラーに関連する１つ又は複数の障害、前記光ビームの前記ビーム品質、前記光ビームの前記ビーム品質におけるエラー、前記光ビームの動作パラメータ又は特性に関連するエラー事象、障害シグネチャに対する各エラー事象の解析、及び、前記光学システムの構成の変更、の１つ又は複数を含む、請求項２０に記載の方法。

【請求項24】

前記所定の学習モデルは、前記提案された変更の前記有効性を、前記光学システムに対する前記変更をもたらす前に推定する、請求項２０に記載の方法。

【請求項25】

前記性能条件は、ある期間にわたるガス混合物における放電事象のカウントを含む、請求項２０に記載の方法。

【請求項26】

前記所定の学習モデルは、サポートベクターマシンである、請求項２０に記載の方法。

【請求項27】

前記所定の学習モデルは、分離超平面を含み、
前記超平面は、前記性能測定基準をイエス又はノーの何れかとして分類し、イエス分類は、前記提案された変更が有効であろうことを示し、ノー分類は、前記提案された変更が有効でないであろうことを示す、請求項２６に記載の方法。

【請求項28】

コンピュータによって実行されると、前記コンピュータに、
光ビームを発する光学システムの性能条件に関する性能測定基準を受け取ることと、
前記性能測定基準及び所定の学習モデルに基づいて、前記光学システムに対する提案された変更の有効性を推定することと、
前記提案された変更が有効であろうと推定される場合、前記光学システムに対する変更を指示することと、
を含む方法を行わせる命令を保存する、
非一時的コンピュータ可読媒体。

【請求項29】

光ビームを発する光学システムの性能条件に関する性能測定基準を受け取ることと、
前記性能測定基準及び所定の学習モデルに基づいて、前記光学システムのガス混合物の提案された再充填の有効性を推定することと、
前記光学システムの前記ガス混合物の前記提案された再充填が有効であろうと推定される場合、前記光学システムに再充填コマンドを出力することと、
を行う決定モジュールを含む、
装置。

【請求項30】

光ビームを発する光学システムの性能条件に関する性能測定基準を受け取ることと、
前記性能測定基準及び所定の学習モデルに基づいて、前記光学システムのガス混合物の提案されたガス再充填の有効性を推定することと、
前記提案されたガス再充填が有効であろうと推定される場合、前記光学システムに対するガス再充填を指示することと、
を含む、方法。

【発明の詳細な説明】

【技術分野】

【0001】

関連出願の相互参照
[0001] 本出願は、参照により全体として本明細書に援用される、２０１９年１２月１８日に出願された「PREDICTIVE APPARATUS IN A GAS DISCHARGE LIGHT SOURCE」という名称の米国特許出願第６２／９４９，７２３号に対する優先権を主張するものである。

【0002】

[0002] 本開示は、光リソグラフィシステムの光源に対する変更が光源の動作条件を向上させるであろうか否かを予測する予測モデルを使用する装置に関する。

【背景技術】

【0003】

[0003] フォトリソグラフィで使用されるガス放電光源の一種は、エキシマ光源又はレーザと呼ばれる。一般的に、エキシマレーザは、アルゴン、クリプトン又はキセノンを含み得る１つ又は複数の貴ガス及びフッ素又は塩素を含み得る反応性ガスの組み合わせを使用する。エキシマレーザは、電気的シミュレーション（供給されるエネルギー）及び（ガス混合物の）高圧の適切な条件下でエキシマ（疑似分子）を生成することができ、エキシマは、電圧が印加された状態でのみ存在する。電圧が印加された状態のエキシマは、紫外線領域の増幅光を生じさせる。エキシマ光源は、単一のガス放電チャンバ又は複数のガス放電チャンバを使用し得る。エキシマ光源の動作時、エキシマ光源は、深紫外線（ＤＵＶ）光ビームを生成する。ＤＵＶ光は、例えば、約１００ナノメータ（ｎｍ）～約４００ｎｍの波長を含み得る。

【0004】

[0004] ＤＵＶ光ビームは、（シリコンウェーハなどの）基板のターゲット部分上に所望のパターンを施す機械であるフォトリソグラフィ露光装置又はスキャナに向けられ得る。ＤＵＶ光ビームは、マスクを通してウェーハのフォトレジスト上にＤＵＶ光ビームを投影する投影光学システムと相互作用する。このようにして、チップ設計の１つ又は複数の層がフォトレジスト上にパターン形成され、その後、ウェーハがエッチング及び洗浄される。

【発明の概要】

【0005】

[0005] 幾つかの一般的態様では、装置は、光ビームを発する光学システムの性能条件に関する性能測定基準を受け取ることと、性能測定基準及び所定の学習モデルに基づいて、光学システムに対する提案された変更の有効性を推定することと、光学システムに対する提案された変更が有効であろうと推定される場合、光学システムに変更コマンドを出力することとを行うように構成された決定モジュールを含む。

【0006】

[0006] 実装形態は、以下の特徴の１つ又は複数を含み得る。例えば、決定モジュールは、光学システムに対する提案された変更が有効でないであろうと決定モジュールが推定する場合、光学システムに維持コマンドを出力するように構成され得る。

【0007】

[0007] 決定モジュールは、光ビームの性能条件が向上されるであろうか否かを決定することにより、提案された変更の有効性を推定するように構成され得る。決定モジュールは、ビーム品質におけるエラー率が減少されるであろうか否かを決定することにより、光ビームの性能条件が向上されるか否かを決定し得る。

【0008】

[0008] 性能条件は、光ビームにおけるビーム品質エラーのタイプ、ある期間にわたるガス混合物における放電事象の発生回数、光ビームのビーム品質におけるエラーに関連する１つ又は複数の障害、光ビームのビーム品質及び光ビームのビーム品質におけるエラーの１つ又は複数を含み得る。性能条件は、ガス混合物を含む１つ又は複数のチャンバに関連した圧力、温度、設定又は動作モードなど、ガス混合物を含む１つ又は複数のチャンバに関する構成を含む、光学システムの構成を含み得る。性能条件は、光ビームの動作パラメータ又は特性に関連するエラー事象、障害シグネチャに対する各エラー事象の解析及び光学システムの構成の変更を含み得る。

【0009】

[0009] 決定モジュールは、提案された変更の有効性を、光学システムに対する変更がもたらされる前に推定するように構成され得る。

【0010】

[0010] 装置は、決定モジュールと通信するインターフェースモジュールを含み得、インターフェースモジュールは、性能測定基準を提供する。インターフェースモジュールは、複数の解析サブモジュールを含む。複数の解析サブモジュールは、それぞれ光ビームの各スペクトル特徴におけるエラーを検出し、及び光ビームの各スペクトル特徴エラーを示すエラー事象信号を生成するように構成された１つ又は複数のスペクトル特徴検出モジュールと、光ビームのエネルギーにおけるエラーを検出し、及び光ビームのエネルギーエラーを示すエラー事象信号を生成するように構成されたエネルギー検出モジュールとを含むビーム品質検出サブモジュールを含む。スペクトル特徴は、光ビームの帯域幅又は波長を含み得、性能測定基準は、各スペクトル特徴及びエネルギーにおけるエラー事象に基づいて生成され得る。インターフェースモジュールは、光学システムのガス混合物における放電事象の発生を検出し、及びある期間にわたる放電事象のカウントを示すエラー事象信号を生成するように構成された放電カウント検出モジュールを含み得る。性能測定基準は、放電検出モジュールからの生成された信号に関するデータを含み得る。期間は、最後にガス混合物が再充填されてから測定され得る。期間は、ガス混合物を含む１つ又は複数のチャンバが光学システムにおいて１つ又は複数の新しいチャンバと交換されてから測定され得る。インターフェースモジュールは、障害シグネチャのセットに対して各ビーム品質エラー事象を解析し、及びビーム品質エラー事象を既知の障害シグネチャに分類する尤度スコアを生成するように構成された障害シグネチャモジュールを含み得る。性能測定基準は、障害シグネチャモジュールからの出力に関するデータを含み得る。

【0011】

[0011] 所定の学習モデルは、入力として性能測定基準を受け取ることができ、及び推定を出力することができる。所定の学習モデルは、サポートベクターマシンを含み得る。所定の学習モデルは、分離超平面を含み得、超平面は、性能測定基準をイエス又はノーの何れかとして分類し、イエス分類は、提案された変更が有効であろうことを示し、及びノー分類は、提案された変更が有効でないであろうことを示す。

【0012】

[0012] 所定の学習モデルは、光学システムのタイプ、構成及び／又は経年数に基づいて構築され得る。

【0013】

[0013] 提案された変更の有効性の推定は、提案された変更後の光学システムの性能条件が、提案された変更前の光学システムの条件に対して向上するか否かを示し得る。

【0014】

[0014] 決定モジュールは、提案された変更後の光学システムの性能条件を、提案された変更前の光学システムの性能条件と比較することにより、提案された変更の有効性を推定するように構成され得る。決定モジュールは、性能条件が所定の量だけ向上するであろうことを比較が示す場合、変更コマンドを出力するように構成され得る。

【0015】

[0015] 光学システムに対する提案された変更は、光学システム内のガス混合物の提案された再充填及び光学システムの構成の提案された変更の１つ又は複数を含み得る。決定モジュールは、光学システムの構成に対するプローブされた変更にも基づいて、光学システム内のガス混合物の提案された再充填の有効性を推定するように構成され得る。

【0016】

[0016] 他の一般的態様では、方法は、複数のテスト光学システムに基づく訓練データセットを受け取ることと、光学システム対する提案された変更の有効性を、光学システムの性能条件に関する性能測定基準に基づいて推定する予測モデルを訓練データセットに基づいて生成することとを含む。訓練データセットは、各テスト光学システムの複数の変更のそれぞれについて、変更前のテスト光学システムに関する性能条件の複数の値と、変更後のテスト光学システムに関する性能条件の複数の値とを含む。

【0017】

[0017] 実装形態は、以下の特徴の１つ又は複数を含み得る。例えば、予測モデルは、テスト光学システムに対する各変更について、変更後のテスト光学システムに関する性能条件の複数の値を、変更前のテスト光学システムに関する性能条件の複数の値と比較することによって生成され得、比較は、変更の有効性を示す。

【0018】

[0018] 予測モデルは、学習モデルであり得る。学習モデルは、サポートベクターマシンを含み得る。学習モデルは、予測モデルとして使用できる限り、サポートベクターマシン以外の任意の構造であり得る。具体的には、学習モデルの態様は、データセットをアセンブルすること、障害シグネチャ検出（ＦＳＤ）を用いて入力ベクトルをアセンブルすること、データセットを訓練すること、データセットをテストすること及びその後、学習モデルを適用することを含む。例えば、他の実装形態では、学習モデルは、ニューラルネットワーク、決定木又はＫ最近傍モデルを含む。

【0019】

[0019] 予測モデルは、性能測定基準を維持コマンド又は変更コマンドの一方にマッピングすることによって生成され得、維持コマンド及び変更コマンドは、光学システムに対する提案された変更の推定された有効性に基づく。

【0020】

[0020] 訓練データセットは、複数のテスト光学システムに対する少なくとも数千の変更を含み得る。

【0021】

[0021] 性能条件は、光学システムから生成された光ビームのビーム品質エラー率、光学システムから生成された光ビームにおけるビーム品質エラーのタイプ、ある期間にわたる光学システムのガス混合物における放電事象の発生回数、光学システムから生成された光ビームのビーム品質におけるエラーに関連する１つ又は複数の障害、光学システムの動作効率における異常及び光学システムから生成された光ビームの１つ又は複数のスペクトル特徴におけるエラーの１つ又は複数を含み得る。性能条件は、光ビームの動作パラメータ又は特性に関連するエラー事象、障害シグネチャに対する各エラー事象の解析及び光学システムの構成の変更の１つ又は複数を含み得る。

【0022】

[0022] 本方法は、光学システムの性能条件に関する性能測定基準を予測モデルに適用する前に予測モデルをテストすることも含み得る。予測モデルは、複数のテスト光学システムのそれぞれに対する複数の変更のそれぞれ及び複数のテスト光学システムのそれぞれについて、変更前のテスト光学システムに関する性能条件の複数の値と、変更後のテスト光学システムに関する性能条件の複数の値とを含むテストデータセットを使用することであって、テストデータセットは、訓練データセットから除外される、使用することと、変更前のテスト光学システムに関する性能条件の複数の値を予測モデルに適用し、及び予測モデルのそれぞれの実際の出力を、テストデータセットからの変更後のテスト光学システムに関する性能条件の関連する値と比較することとによってテストされ得る。

【0023】

[0023] 提案された変更の有効性の推定は、提案された変更後の光学システムの性能条件が、提案された変更前の光学システムの条件に対して向上するか否かを示し得る。

【0024】

[0024] 本方法は、提案された変更が有効でないであろうと予測モデルが推定する尤度を減少させるように予測モデルを調節することも含み得る。

【0025】

[0025] 予測モデルは、光学システムのタイプ、構成及び／又は経年数に基づいて生成され得る。

【0026】

[0026] 予測モデルは、テスト光学システムの中の又はテスト光学システムとは別個の光学システムに対する提案されたガス変更の有効性を推定するように構成され得る。

【0027】

[0027] 光学システムに対する提案された変更は、光学システム内のガス混合物の提案された再充填及び光学システムの構成の提案された変更の１つ又は複数を含み得る。

【0028】

[0028] 他の一般的態様では、方法は、光ビームを発する光学システムの性能条件に関する性能測定基準を受け取ることと、性能測定基準及び所定の学習モデルに基づいて、光学システムに対する提案された変更の有効性を推定することと、提案された変更が有効であろうと推定される場合、光学システムに対する変更を指示することとを含む。

【0029】

[0029] 実装形態は、以下の特徴の１つ又は複数を含み得る。例えば、光学システムに対する変更は、光学システムに変更コマンドを出力することによって指示され得る。

【0030】

[0030] 本方法は、提案された変更が有効でないであろうと推定される場合、変更を遅らせることをさらに含み得る。変更は、光学システムに維持コマンドを出力することによって遅らされ得る。

【0031】

[0031] 本方法はまた、変更を遅らせた後、光学システムの性能条件に関する性能測定基準を受け取ることと、性能測定基準及び所定の学習モデルに基づいて、光学システムに対する提案された変更の有効性を推定することとを含み得る。

【0032】

[0032] 提案された変更の有効性は、変更を実施することによって光ビームの性能条件が向上されるであろうか否かを決定することによって推定され得る。光ビームの性能条件が向上されるか否かの決定は、変更によってビーム品質におけるエラー率が減少されるであろうか否かを決定することを含み得る。

【0033】

[0033] 性能条件は、光ビームにおけるビーム品質エラーのタイプ、ある期間にわたるガス混合物における放電事象の発生回数、光ビームのビーム品質におけるエラーに関連する１つ又は複数の障害、光ビームのビーム品質及び光ビームのビーム品質におけるエラーの１つ又は複数を含み得る。性能条件は、光ビームの動作パラメータ又は特性に関連するエラー事象、障害シグネチャに対する各エラー事象の解析及び光学システムの構成の変更の１つ又は複数を含み得る。

【0034】

[0034] 所定の学習モデルは、提案された変更の有効性を、光学システムに対する変更をもたらす前に推定するように構成され得る。

【0035】

[0035] 性能条件は、ある期間にわたるガス混合物における放電事象のカウントを含み得る。

【0036】

[0036] 所定の学習モデルは、入力として性能測定基準を受け取り得、及び推定を出力する。

【0037】

[0037] 所定の学習モデルは、サポートベクターマシンを含み得る。所定の学習モデルは、分離超平面を含み得、超平面は、性能測定基準をイエス又はノーの何れかとして分類し、イエス分類は、提案された変更が有効であろうことを示し、及びノー分類は、提案された変更が有効でないであろうことを示す。提案された変更の有効性の推定は、提案された変更後の光学システムの条件が、提案された変更前の光学システムの条件に対して向上するか否かを示し得る。ガス混合物は、エネルギーがガス混合物に提供されるときに誘導放出を介して反転分布が生じるように構成された利得媒体を含み得る。

【0038】

[0038] 光学システムに対する提案された変更は、光学システム内のガス混合物の提案された再充填及び光学システムの構成の提案された変更の１つ又は複数を含み得る。

【0039】

[0039] 他の一般的態様では、非一時的コンピュータ可読媒体は、コンピュータによって実行されると、コンピュータに、複数のテスト光学システムに基づく訓練データセットを受け取ることであって、訓練データセットは、各テスト光学システムの複数の変更のそれぞれについて、変更前のテスト光学システムに関する性能条件の複数の値と、変更後のテスト光学システムに関する性能条件の複数の値とを含む、受け取ることと、光学システムにおける提案された変更の有効性を、光学システムの性能条件に関する性能測定基準に基づいて推定する予測モデルを訓練データセットに基づいて生成することとを含む方法を行わせる命令を保存する。光学システムは、テスト光学システムの中のものであり得るか、又はテスト光学システムとは別個であり得る。

【0040】

[0040] 他の一般的態様では、非一時的コンピュータ可読媒体は、コンピュータによって実行されると、コンピュータに、光ビームを発する光学システムの性能条件に関する性能測定基準を受け取ることと、性能測定基準及び所定の学習モデルに基づいて、光学システムに対する提案された変更の有効性を推定することと、提案された変更が有効であろうと推定される場合、光学システムに対する変更を指示することとを含む方法を行わせる命令を保存する。

【0041】

[0041] 他の一般的態様では、装置は、光ビームを発する光学システムの性能条件に関する性能測定基準を受け取ることと、性能測定基準及び所定の学習モデルに基づいて、光学システムのガス混合物の提案された再充填の有効性を推定することと、光学システムのガス混合物の提案された再充填が有効であろうと推定される場合、光学システムに再充填コマンドを出力することとを行うように構成された決定モジュールを含む。

【0042】

[0042] さらなる一般的態様では、方法は、複数のテスト光学システムに基づく訓練データセットを受け取ることであって、訓練データセットは、各テスト光学システムの複数のガス再充填のそれぞれについて、ガス再充填前のテスト光学システムに関する性能条件の複数の値と、ガス再充填後のテスト光学システムに関する性能条件の複数の値とを含む、受け取ることと、光学システムにおけるガス混合物の提案されたガス再充填の有効性を、光学システムの性能条件に関する性能測定基準に基づいて推定する予測モデルを訓練データセットに基づいて生成することと、を含む。光学システムは、テスト光学システムの中のものであり得るか、又はテスト光学システムとは別個であり得る。

【0043】

[0043] 他の一般的態様では、方法は、光ビームを発する光学システムの性能条件に関する性能測定基準を受け取ることと、性能測定基準及び所定の学習モデルに基づいて、光学システムのガス混合物の提案されたガス再充填の有効性を推定することと、提案されたガス再充填が有効であろうと推定される場合、光学システムに対するガス再充填を指示することとを含む。

【0044】

[0044] さらなる一般的態様では、非一時的コンピュータ可読媒体は、コンピュータによって実行されると、コンピュータに、複数のテスト光学システムに基づく訓練データセットを受け取ることであって、訓練データセットは、各テスト光学システムの複数のガス再充填のそれぞれについて、ガス再充填前のテスト光学システムに関する性能条件の複数の値と、ガス再充填後のテスト光学システムに関する性能条件の複数の値とを含む、受け取ることと、光学システムにおける提案されたガス再充填の有効性を、光学システムの性能条件に関する性能測定基準に基づいて推定する予測モデルを訓練データセットに基づいて生成することと、を含む方法を行わせる命令を保存し、光学システムは、テスト光学システムとは別個である。

【0045】

[0045] さらに他の一般的態様では、非一時的コンピュータ可読媒体は、コンピュータによって実行されると、コンピュータに、光ビームを発する光学システムの性能条件に関する性能測定基準を受け取ることと、性能測定基準及び所定の学習モデルに基づいて、光学システムにおける提案されたガス再充填の有効性を推定することと、提案されたガス再充填が有効であろうと推定される場合、光学システムに対するガス再充填を指示することとを含む方法を行わせる命令を保存する。

【0046】

[0046] 上記及び本明細書に記載される技術の何れかの実装形態は、プロセス、装置、制御システム、非一時的機械可読コンピュータ媒体に保存された命令及び／又は方法を含み得る。１つ又は複数の実装形態の詳細は、添付の図面及び以下の説明に記載される。他の特徴は、説明及び図面並びに特許請求の範囲から明らかとなるであろう。

【図面の簡単な説明】

【0047】

【図1】[0047]少なくとも部分的に光学システムの性能条件に基づいて、光学システムに対する提案された変更が光学システムの動作を向上させるであろうか否かを予測するように構成された予測装置のブロック図である。

【図2A】[0048]第１のタイプの性能条件のセットに関するエラー事象の総数対時間のグラフであり、再充填手順は、第１のタイプの性能条件のセットに関するエラー事象にほとんど影響しない。

【図2B】[0049]第２のタイプの性能条件のセットに関するエラー事象の総数対時間のグラフであり、再充填手順は、第２のタイプの性能条件のセットに関するエラー事象により大きい影響を及ぼす。

【図3】[0050]光学システムの実装形態と、図１の予測装置と通信し、及び光学システムからのデータの取得及び解析を行うように構成されたインターフェースモジュールの実装形態とのブロック図である。

【図4】[0051]図１又は図３の予測装置と通信するガス供給システムを含む光学システムの実装形態のブロック図である。

【図5】[0052]デュアルステージ光源を含む光学システムの実装形態のブロック図である。

【図6】[0053]図１又は図３の予測装置の決定モジュールで使用するために学習モデルを構築するように構成された訓練装置のブロック図である。

【図7】[0054]図６の訓練装置によって行うことができる、学習モデルを構築するための手順の実装形態のフローチャートである。

【図8】[0055]例えば、図７の手順を使用して構築された学習モデルをテストするための手順の実装形態のフローチャートである。

【図9】[0056]光学システムに対する提案された変更が光学システムの動作を向上させるであろうか否かを予測するための、図１又は図３の予測装置によって行われる手順の実装形態のフローチャートである。

【図10A】[0057]図１及び図３の光学システムによって生成された光ビームを受け取るように構成されたリソグラフィ露光装置の実装形態のブロック図である。

【図10B】[0058]図１０Ａのリソグラフィ露光装置内の投影光学システムの実装形態のブロック図である。

【図11A】[0059]各エラー事象に適用された障害シグネチャアルゴリズムのセットから出力された尤度スコアの一例の表であり、各エラー事象は、光学システムの性能条件に対応する。

【図11B】[0060]各障害シグネチャアルゴリズムに関する図１１Ａの出力スコアがどのように使用されるかを示す表である。

【図12】[0061]構成パラメータ変更のセットの一例の表であり、各構成パラメータ変更は、光学システムの性能条件に対応する。

【発明を実施するための形態】

【0048】

[0062] 図１を参照すると、モニタリング装置１００は、出力装置１１５が使用するための光ビーム１１０を生成する光学システム１０５の動作をモニタリングする。モニタリング装置１００は、光学システム１０５に対する提案された変更が光学システム１０５の動作を向上させるであろうか否かを予測する。例えば、提案された変更は、光学システム１０５内のガス混合物１２０の提案されたガス再充填であり得る。モニタリング装置１００は、少なくとも部分的に光学システム１０５の性能条件に基づいて、この予測を行う。具体的には、機械学習を用いて所定の学習モデル１２５を作成し、モニタリング装置１００は、この所定の学習モデル１２５を使用して、何れの性能条件が光学システム１０５の健全性又は動作により又は最も関連するかを決定又は推定する。例えば、提案された変更がガス混合物１２０の提案されたガス再充填である場合、所定の学習モデル１２５は、何れの性能条件がガス混合物１２０の健全性又は動作により関連するかを決定又は推定する。このようにして、モニタリング装置１００は、提案されたガス再充填の有効性１２９、すなわち光学システム１０５がガス混合物１２０の提案されたガス再充填によって良い影響を受けるであろうか否かを識別又は予測することができる。別の例として、提案された変更が光学システム１０５の構成の変更である場合、所定の学習モデル１２５は、光学システム１０５の構成の提案された変更が光学システム１０５の動作を向上させるであろうか否かを決定する。

【0049】

[0063] 図面では、２つの要素をつなぐ実線は、データ（例えば、情報及び／又はコマンド信号）が流れることができるデータパスを示す。データは、無線又は有線接続上を流れることができる。また、破線は、光が伝搬することができる光路を示し、二重線（例えば、図３に示される）は、流体が流れることができる流体路を示す。

【0050】

[0064] 出力装置１１５は、フォトリソグラフィシステム（スキャナとも呼ばれる）であり得、光ビーム１１０は、ウェーハを露光させるためにスキャナによって使用されるパルス光ビームであり得る。パルス光ビーム１１０は、一連の光パルスであり、各パルスは、ガス混合物１２０を励起することによって形成される。パルス光ビーム１１０は、繰り返し率を有する。繰り返し率は、ある時間の測定単位内で生じる光パルスの数である。例えば、繰り返し率は、１秒以内に生じる光パルスの数であり得る。繰り返し率は、ガス混合物１２０内の利得媒体が時間の測定単位内で励起される回数によって決定される。さらに、パルス光ビーム１１０は、パルス光ビーム１１０の品質に関係する１つ又は複数の仕様に関連付けられる。仕様は、例えば、パルス光ビーム１１０の様々な特性に関する許容値及び／又は許容値の範囲を含み得る。例えば、仕様は、パルスエネルギー、波長、帯域幅、繰り返し率及び／又はパルス長に関係する値又はこれらの特性の何れかの測定から導出された値を含み得る。パルス光ビーム１１０が仕様の範囲内である場合、目下の適用にとって関心のある特性の全ては、範囲内であるか、又は仕様に明記されたその特性に関する値に等しい。パルス光ビーム１１０が仕様の範囲外である場合、目下の適用にとって関心のある特性の１つ又は複数は、範囲外であるか、又はその特性に関する値に等しくない。光学システム１０５は、光ビーム１１０が仕様の範囲内であるときに最適な性能を有する。

【0051】

[0065] ガス混合物１２０は、実際のガス寿命及び想定されるガス寿命を有する。実際のガス寿命は、ガス混合物１２０が仕様の範囲内の光パルスを生成することが可能な期間である。想定されるガス寿命及び実際のガス寿命は、例えば、ガス混合物１２０によって生成されるパルスの総数又は光学システム１０５が特定の繰り返し率で動作する総時間として測定することができる。例えば、ガス混合物１２０が実際のガス寿命の終わりに達すると、ガス混合物１２０は、もはや仕様の範囲内の光パルスを生成できない可能性がある。

【0052】

[0066] 他の事象は、ガス混合物１２０が仕様の範囲内の光パルスを生成できないことを生じさせ得る。例えば、ガス混合物１２０を保持するか又は含む密閉チャンバ（ガス放電チャンバ）は、その耐用期間の終わりに達し得る。代わりに、光学システム１０５内の１つ又は複数のモジュールは、それらの耐用期間の終わりに達し得る。代わりに、光学システム１０５内の１つ又は複数のモジュールは、ミスアライメント状態になり得る。

【0053】

[0067] 想定されるガス寿命は、光学システム１０５に類似した光学システムの性能の知識に基づく実際のガス寿命の慎重な推定である。想定されるガス寿命は、所定の一定値であり得、想定されるガス寿命は、あらゆる光学システムにおけるガス混合物が、想定される寿命よりも短い実際の寿命を有する可能性が非常に低いようなものである。しかしながら、個々の光学システム及びガス混合物は、稼働中に異なる状態を経験する。そのため、特定のガス混合物（ガス混合物１２０など）の実際のガス寿命は、別のガス混合物の実際のガス寿命と異なり得る。また、想定されるガス寿命は、慎重な推定であるため、通常の動作条件下で使用される特定のガス混合物の実際のガス寿命は、想定されるガス寿命よりも長い可能性が高い。

【0054】

[0068] 一般的な光学システムでは、想定される寿命に達すると、ガス混合物１２０は、再充填手順と呼ばれる手順を使用して交換される。再充填手順は、ガス混合物１２０の除去及び交換を含む。また、再充填手順は、多くの場合、ガス混合物１２０の材料を消費（浪費）する。さらに、光学システム１０５は、再充填手順中に動作させることができない。少なくともこれらの理由から、光学システム１０５に対して行われる再充填手順の回数を減らすことが望ましい。また、そのような再充填手順が光学システム１０５の動作を向上させるであろう場合にのみ、再充填手順を行うことが望ましい。再充填中、ガス混合物１２０の中身は、望ましい混合比、濃度及び圧力に戻る。例えば、ガス混合物１２０の特定の成分の特定の圧力及び濃度に達するのに十分な量で新しいガスが導入される。再充填後、光学システム１０５の動作は、理想的には、再充填前の動作と比較して向上されるはずである。

【0055】

[0069] 例えば、図２Ａを参照して、仮定のガス混合物に対する再充填手順２３０Ａの効果を説明する。この例では、第１のタイプの性能条件［ｐｃｉ１］のセットに関するエラー事象の総数対時間のグラフである。再充填手順２３０Ａ前及び再充填手順２３０Ａ後（光学システム１０５において新しいガス混合物が使用されている）の両方の第１のタイプの性能条件のセットに関するエラー事象の総数が示されている。この比較は、第１のタイプの性能条件のセットに関するエラー事象の数が再充填手順２３０Ａによって減少していないことを実証している。したがって、図２Ａは、再充填が、観察されるエラー事象の防止又は減少に成功しなかった状況を示す。

【0056】

[0070] 対照的に、図２Ｂを参照して、仮定のガス混合物に対する再充填手順２３０Ｂの効果を説明する。図２Ｂは、第２のタイプの性能条件［ｐｃｉ２］のセットに関するエラー事象の総数対時間のグラフを示す。再充填手順２３０Ｂ前及び再充填手順２３０Ｂ後（光学システム１０５において新しいガス混合物が使用されている）の両方の第２のタイプの性能条件のセットに関するエラー事象の総数が示されている。この比較は、第２のタイプの性能条件のセットに関するエラー事象の数が再充填手順２３０Ｂによって減少したことを実証している。したがって、図２Ｂは、再充填が、観察されるエラー事象の防止又は減少に成功した状況を示す。第２のタイプの性能条件のセットは、第１のタイプの性能条件の他のセットよりもガス混合物１２０の健全性又は動作により関連すると考えることができる。具体的には及び一般に、ガス混合物１２０の健全性又は動作により関連する性能条件のエラー事象の率は、再充填手順２３０の動作によって減少する。

【0057】

[0071] しかしながら、特に決定において多数の性能条件の様々な組み合わせが考慮される場合、何れの性能条件が特定の再充填手順によって影響を受けるであろうかは、あまり理解されていない。この解析は、少なくとも部分的に、性能条件に関する大量の情報が解析される必要があるため、複雑である。例えば、モニタリング装置１００は、多数の異なるタイプの性能条件に関する情報を受け取り得る。幾つかの実装形態では、３０を超える性能条件のタイプ（又は性能条件のエラー率）がモニタリング装置１００によってモニタリング及び解析される。このため、モニタリング装置１００は、ガス混合物１２０の健全性又は動作とは無関係の性能条件エラー率を排除するか又は減少させようと無駄な試みをして、不要な再充填を行うことを回避するために、（所定の学習モデル１２５による）データ駆動型機械学習手法を用いる。モニタリング装置１００は、所定の学習モデル１２５を用いて、性能条件の何れの組み合わせ及びエラー率が再充填手順によって改善されるであろうか（すなわち再充填手順によって改善されると予想することができるか）を識別する。さらに、モニタリング装置１００は、所定の学習モデル１２５を用いて、何れの組み合わせ及びエラー事象の率が、再充填手順を含まない光学システム１０５の一態様に対する別の変更によって改善されるであろうか（すなわち他の変更によって改善されると予想することができるか）を識別し得る。

【0058】

[0072] 性能条件は、パルス光ビーム１１０の特性が仕様に適合するか否かに関係する（又はそれを決定するために使用することができる）任意の情報を含む。各性能条件は、２つのみの可能な値を有する二値数値データであり得、これらの値の一方は、パルス光ビーム１１０の特性が仕様に適合することを示し、これらの値の他方は、パルス光ビーム１１０の特性が仕様に適合しないことを示す。幾つかの実装形態では、性能条件は、二値ではない数値データである。例えば、性能条件は、メトロロジーモジュール（図３のメトロロジーモジュール３６０など）の一部であるデバイスによって検出又は検知された測定値であり得る。さらに別の例では、各性能条件は、測定値と期待値又は理想値との間の差を表す数値であり得る。

【0059】

[0073] 性能条件は、光ビーム１１０の動作パラメータ又は特性に関係し得る。一例として、性能条件は、光ビーム１１０のエネルギー、波長、パルス長、繰り返し率及び帯域幅を含み得る。性能条件は、光ビーム１１０又は光学システム１０５の任意の動作パラメータ又は特性に関連するエラー事象を含み得る。例えば、エラー事象は、光ビーム１１０又は光学システム１０５の動作パラメータ又は特性が閾値を超える事象であり、これが起こったとき、エラー事象（エラー事象前後の時間ウィンドウに関連付けられたデータを含む）がメモリ内で記録及び／又は保存される。

【0060】

[0074] 幾つかの実装形態において、エラー事象は、障害シグネチャアルゴリズムのセット（複数の障害シグネチャアルゴリズム）に対して解析され得る。各障害シグネチャアルゴリズムは、特定の故障モード又は故障シグネチャを表すように設計される。各障害シグネチャアルゴリズムは、エラー事象を既知の故障モード又は故障シグネチャに分類しようとしてスコアを出力する。一例として、特定の故障シグネチャに関するアルゴリズムは、その特定の故障シグネチャがエラー事象に存在する尤度スコアを出力することができる。図１１Ａは、各エラー事象（ＢＱｉ、ｉは、１～Ｎの範囲にわたる）に関する障害シグネチャアルゴリズムのセットの出力の一例を示し、図１１Ｂは、以下でより詳細に説明されるように、各障害シグネチャアルゴリズムから出力されたスコアがどのように使用されるかを示す。

【0061】

[0075] 幾つかの実装形態において、以下で説明されるように、性能条件は、光学システム１０５の構成の変更に関係する。例えば、性能条件は、ガス混合物１２０中の成分の濃度の変更、ガス混合物１２０の温度の変更、エネルギーをガス混合物１２０に供給するエネルギー源に印加される電圧の変更及びどのように新しい成分がガス混合物１２０に付加されるかに関する条件の変更の１つ又は複数を含み得る。

【0062】

[0076] 性能条件は、光学システム１０５内のコンポーネントの動作パラメータ又は特性に関係し得る。例えば、性能条件は、ガス混合物１２０から出力されたパルスの数、光学システム１０５から出力された光ビーム１１０のパルスの数及び光学システム１０５内の光発振器又は光増幅器などのコンポーネントに関連する効率又は効率異常を含み得る。性能条件は、障害シグネチャ又は光学システム１０５の動作の状態を含み得る。

【0063】

[0077] 性能条件は、光ビーム１１０におけるビーム品質エラーのタイプ、ある期間にわたるガス混合物１２０における放電事象の発生回数、光ビーム１１０のビーム品質におけるエラーに関連する１つ又は複数の障害、光ビーム１１０のビーム品質及び光ビーム１１０のビーム品質におけるエラーの１つ又は複数を含む。

【0064】

[0078] ある例では、性能条件は、光学システム１０５の主発振器（ＭＯ）の（ガス混合物１２０を保持する／含む）ガス放電チャンバにおけるエネルギー出力の単一パルス「ドロップアウト」である「ＭＯドロップアウト」を含み得る。例えば、ＭＯが１ミリジュール（ｍＪ）のパルスを発射している場合、ＭＯから発された光ビームのエネルギーは、単一のパルスに関して０．１ｍＪに低下し、その後、１ｍＪに戻り、これは、ＭＯドロップアウト事象を示し得る。一般的に、ＭＯドロップアウトは、ガスの健全性ではなく、ガス放電チャンバの経年数に関係すると考えられている。別の例では、性能条件は、電圧の上昇がエネルギーの損失をもたらす動作領域内にＭＯが移ることを指す「ＭＯロールオーバ」を含み得る。要するに、これは、ＭＯガス放電チャンバの慢性的効率損失と考えることができる。一般的に、ＭＯロールオーバ状態は、再充填によって改善されると考えられている。

【0065】

[0079] 図１を再び参照すると、モニタリング装置１００は、性能測定基準１０７を受け取るように構成された決定モジュール１２７を含む。性能測定基準１０７は、光学システム１０５の性能条件に関係する。すなわち、性能測定基準１０７は、光学システム１０５の１つ又は複数の性能条件に関する情報を含む。性能測定基準１０７は、光学システム１０５の性能条件の値の線形アレイであり得る。代わりに、性能測定基準１０７は、光学システム１０５の性能条件の値から決定又は計算された数又は値であり得る。

【0066】

[0080] 各性能条件は、光学システム１０５の健全性又は動作に関係する指標を提供する。上述の通り、全ての性能条件が光学システム１０５又はガス混合物１２０の健全性又は動作に関係するわけではない。また、性能条件の幾つかの組み合わせは、性能条件の他の組み合わせよりもガス混合物１２０の健全性又は動作をより示す可能性がある。性能条件の幾つかの組み合わせは、時間の経過と共に、光学システム１０５の健全性又は動作に対する影響に変化を及ぼす可能性もある。例えば、幾つかの性能条件は、特定の期間にわたり、光学システム１０５が使用された後、光学システム１０５の耐用期間のより早い時期と比較して、光学システム１０５の健全性又は動作に対するより大きい影響を有する可能性がある。光学システム１０５の性能条件に関係する性能測定基準１０７の情報は、性能条件のエラー若しくはエラー率又は性能条件に関連した障害に関する情報を含み得る。したがって、一部の状況では、性能条件の特定の組み合わせに関するエラー率が上昇した場合、モニタリング装置１００は、再充填手順２３０が必要であると決定し得る。

【0067】

[0081] 決定モジュール１２７は、受け取った性能測定基準１０７及び所定の学習モデル１２５に基づいて、光学システム１０５に対する提案された変更の有効性１２９を推定するように構成される。提案された変更は、光学システム１０５のガス混合物１２０の提案された再充填又は光学システム１０５の構成の提案された変更であり得る。決定モジュール１２７は、コマンド１０９を光学システム１０５に出力するようにも構成され、コマンド１０９は、有効性１２９の推定に依存するか、又は有効性１２９の推定に直接関連がある。例えば、コマンド１０９は、光学システム１０５のガス混合物１２０の提案された再充填が有効１２９であろうと推定される場合、ガス混合物１２０を再充填することを光学システム１０５に示す再充填コマンドであり得る。

【0068】

[0082] 具体的には、所定の学習モデル１２５は、入力として性能測定基準１０７を受け取り、決定モジュール１２７が使用するための有効性１２９の推定を出力する。性能測定基準１０７は、提案された変更（提案されたガス再充填など）前に存在する性能条件に関する情報を含む。有効性１２９の推定は、提案された（及び依然として生じていない）変更が光学システム１０５の性能条件のエラー率の大幅な減少を生じさせるか否かに関する予測である。

【0069】

[0083] 幾つかの実装形態において、例えば光学システム１０５のガス混合物１２０の提案された再充填が有効（１２９）でないであろうと決定モジュール１２７が推定する場合、決定モジュール１２７は、ガス混合物１２０の使用を延長するために、光学システム１０５に対して（コマンド１０９として）維持コマンドを出力する。他の実装形態において、光学システム１０５のガス混合物１２０の提案された再充填が有効（１２９）でないであろうと決定モジュール１２７が推定する状況では、決定モジュール１２７は、コマンド１０９を光学システム１０５に送信することを遅らせ、コマンド１０９を遅らせることにより、光学システム１０５は、現在のステータスを維持する。

【0070】

[0084] さらに他の実装形態では、コマンドを出力する代わりに、決定モジュール１２７は、別のコントローラに対して又はさらにフィールドサービスエンジニアに対して提案を出力し、コントローラ／フィールドサービスエンジニアは、提案された再充填が行われるべきか否かに関する決定を下すことができる。

【0071】

[0085] 決定モジュール１２７は、１つ又は複数のプログラマブルプロセッサを含み得るか又はそれにアクセスし得、入力データに演算を行い、及び適切な出力を生成することによって所望の機能を行うための命令プログラムをそれぞれ実行することができる。決定モジュール１２７は、デジタル電子回路構成、コンピュータハードウェア、ファームウェア又はソフトウェアの何れかに実装され得る。さらなる実装形態では、決定モジュール１２７は、決定モジュール１２７から出力された情報、光学システム１０５からの情報又はさらに性能測定基準１０７を保存するように構成されたメモリにアクセスし、このような情報は、装置１００の動作中に決定モジュール１２７による様々な使用のために利用可能である。メモリは、読出し専用メモリ及び／又はランダムアクセスメモリであり得、コンピュータプログラム命令及びデータを有形に具現化するのに適したストレージデバイスを提供し得る。モニタリング装置１００は、１つ又は複数の入力デバイス（キーボード、タッチ対応デバイス、音声入力デバイスなど）及び音声出力又はビデオ出力などの１つ又は複数の出力デバイスも含み得る。

【0072】

[0086] ガス混合物１２０は、（例えば、図３に示されるようなエネルギー源３２４を介して）エネルギーがガス混合物１２０に提供されるとき、誘導放出を介してガス混合物１２０の利得媒体において生じる反転分布から光ビーム１１０を生成する。ガス混合物１２０の濃度状態は、ガス混合物１２０中の化学成分の相対量の指標を提供する。例えば、ガス混合物１２０は、利得媒体及び緩衝ガスの混合物を含み得、利得媒体は、単一原子、分子又は疑似分子であり得るガス混合物１２０中のレーザ活性エンティティである。反転分布は、利得媒体において生じる。利得媒体は、貴ガス及びハロゲンを含み得、緩衝ガスは、不活性ガスを含み得る。使用され得る貴ガスは、例えば、アルゴン、クリプトン又はキセノンを含む。ハロゲンガスは、例えば、フッ素であり得る。不活性ガスは、例えば、ヘリウム又はネオンを含み得る。一例として、ガス混合物１２０は、約１９３ナノメータ（ｎｍ）の波長の光ビーム１１０を生成するフッ化アルゴン（ＡｒＦ）を含み得る。別の例として、ガス混合物１２０は、約２４８ｎｍの波長の光ビーム１１０を生成するフッ化クリプトン（ＫｒＦ）を含み得る。

【0073】

[0087] 所定の学習モデル１２５は、データセットをアセンブルすること、障害シグネチャ検出（ＦＳＤ）を用いて入力ベクトルをアセンブルすること、データセットを訓練すること、データセットをテストすること及びその後、学習モデルを適用することを可能にする任意の構造であり得る。例えば、幾つかの実装形態では、学習モデルは、ニューラルネットワーク、決定木又はＫ最近傍モデルを含む。

【0074】

[0088] 本明細書で詳細に説明する幾つかの実装形態では、所定の学習モデル１２５は、サポートベクターマシンである。サポートベクターマシンは、各入力（性能測定基準１０７）を有効性１２９に関係する２つのクラスの一方に分類する。この例では、第１のクラスは、正であり、これは、提案された変更（提案されたガス再充填など）が有効であり、及び光学システム１０５の性能条件を向上させるであろうことを意味し、第２のクラスは、ニュートラル又は正ではなく、これは、提案された変更（提案されたガス再充填など）が有効ではなく、したがって光学システム１０５の性能条件を向上させないであろうことを意味する。

【0075】

[0089] サポートベクターマシンは、分離超平面を利用することができ、超平面は、入力データ（すなわち性能測定基準１０７）を第１のクラス又は第２のクラスとして分類し、このような超平面は、多次元性能測定基準１０７を解析することができる。サポートベクターマシンは、データを効率的な方法で分離し、それによって分類を出力するように、入力データの解析に関する境界及び制約も定義する。

【0076】

[0090] 所定の学習モデル１２５は、以下で説明されるように、光学システム１０５のタイプ、構成、構成の変更及び／又は経年数に基づいて構築され得る。

【0077】

[0091] 図３を参照すると、幾つかの実装形態において、モニタリング装置１００は、モニタリング装置３００として実装することができ、光学システム１０５は、光ビーム３１０を生成する光学システム３０５として設計することができる。光学システム３０５は、ガス混合物３２０から光ビーム３１０を生成する光源３４０及びガス混合物３２０と流体連通したガス供給システム３５０を含む。

【0078】

[0092] 図３には示されないが、光源３４０は、光ビーム３１０を生成するためにガス混合物３２０と組み合わせて使用される、他のガス混合物及び他の光学コンポーネントを含み得る。これらの他のガス混合物は、ガス供給システム３５０と流体連通し得るが、別個に連通し得る。

【0079】

[0093] ガス混合物３２０は、光源３４０内のガスサブシステム３２２の一部である。ガスサブシステム３２２は、ガス混合物３２０及びガス混合物３２０内の利得媒体を励起するためのエネルギー源３２４を保持する密閉チャンバ（ガス放電チャンバ）を形成する容器３２３などの他のコンポーネントを含み得る。エネルギー源３２４は、カソード及びアノードを含み得、ガス放電チャンバ３２３は、カソード及びアノード２１４ｂ並びにガス混合物３２０を封入し得る。カソードとアノードとの電位差は、ガス混合物３２０において電界を形成する。電界は、ガス混合物３２０内で利得媒体にエネルギーを提供し、このようなエネルギーは、反転分布を生じさせ、及び誘導放出を介した光パルスの生成を可能にするのに十分なものである。このような電位差の反復的生成により、最終的に光ビーム３１０を作り上げる一連の光パルスが形成される。「放電事象」は、ガス混合物３２０の利得媒体における放電及び光パルスの放出を生じさせるのに十分な電位差を形成する電圧の印加である。

【0080】

[0094] 図５は、ガスサブシステム３２２及び２つのチャンバを含む光源３４０の実装形態を示し、各チャンバは、それ自体のガス混合物を保持又は保有している。

【0081】

[0095] ガス供給システム３５０は、１つ又は複数のガス源、ガスをガスサブシステム３２２のチャンバに供給するように構成された流体導管及びガス源とチャンバとの間に１つ又は複数の流体制御弁を含む弁システムを含む。図４は、ガス供給システム３５０の実装形態４５０を示す。

【0082】

[0096] モニタリング装置３００は、決定モジュール１２７のように、光学システム３０５の性能条件に関係する性能測定基準３０７を受け取る決定モジュール３２７を含む。すなわち、性能測定基準３０７は、光学システム３０５の１つ又は複数の性能条件に関する情報を含む。

【0083】

[0097] 加えて、モニタリング装置３００は、決定モジュール３２７と通信するインターフェースモジュール３６０も含む。インターフェースモジュール３６０は、光学システム３０５及び光ビーム３１０からのデータの取得及び解析を行い、性能測定基準３０７の計算及び構築を行い、その後、性能測定基準３０７を提供するように構成される。

【0084】

[0098] インターフェースモジュール３６０は、複数の解析サブモジュール３６０ｉと、解析サブモジュール３６０ｉの１つ又は複数からの情報の受け取り及び保存を行うメモリ３６１と、解析サブモジュール３６０ｉの１つ又は複数及びメモリ３６１からの出力にアクセスし、及び性能測定基準３０７を構築する出力サブモジュール３６２とを含む。この図示例では、解析サブモジュール３６０ｉは、４つの解析サブモジュール３６０Ａ、３６０Ｂ、３６０Ｃ及び３６０Ｄを含む。各解析サブモジュール３６０ｉは、光学システム３０５のある専用の態様と相互作用するように構成され、これは、光ビーム３１０と相互作用する可能性を含む。各解析サブモジュール３６０ｉは、それが専念する光学システム３０５の態様に関するデータ又は情報の検知、検出又は受信を行うハードウェアを含む。インターフェースモジュール３６０は、このデータ又は情報から光学システム３０５の性能条件を準備し、決定モジュール３２７が使用するために性能条件から性能測定基準３０７を構築する。インターフェースモジュール３６０は、１つ又は複数のプログラマブルプロセッサを含み得るか又はそれにアクセスし得、入力データに演算を行い、及び適切な出力を生成することによって所望の機能を行うための命令プログラムをそれぞれ実行することができる。インターフェースモジュール３６０は、デジタル電子回路構成、コンピュータハードウェア、ファームウェア又はソフトウェアの何れかに実装され得る。

【0085】

[0099] この実装形態では、解析サブモジュール３６０ｉの少なくとも２つは、ビーム品質検出サブモジュール３６０Ｃ及び３６０Ｄである。例えば、ビーム品質検出サブモジュール３６０Ｃは、光ビーム３１０のスペクトル特徴のエラーを検出し、及び光ビーム３１０の各スペクトル特徴エラーを示す信号を生成するように構成されたスペクトル特徴検出サブモジュールであり得る。光ビーム３１０のスペクトル特徴は、光ビーム３１０の光スペクトル（又は発光スペクトル）のどのような特徴であり得る。光ビーム３１０の波長又は光周波数の関数として、どのように光エネルギー又は光パワーが分布するかに関する情報を含む光スペクトルである。したがって、例えば、光ビーム３１０のスペクトル特徴は、特定の光エネルギー若しくは光パワーの波長又は光スペクトルの幅（帯域幅と呼ばれる）であり得る。別の例として、ビーム品質検出サブモジュール３６０Ｄは、光ビーム３１０のエネルギーにおけるエラーを検出し、及び光ビーム３１０のエネルギーエラーを示す信号を生成するように構成されたエネルギー検出サブモジュールであり得る。

【0086】

[0100] ビーム品質検出サブモジュール３６０Ｃ及び３６０Ｄは、光ビーム３１０を検知できる任意の場所に配置され得る、それぞれのセンサを含み得る。例えば、センサは、光学システム３０５内、光学システム３０５と出力装置１１５との間又は出力装置１１５内に存在し得る。

【0087】

[0101] サブモジュール３６０Ｃ及び３６０Ｄのそれぞれの出力は、センサからの実際の測定データであり得るか、又は特定の期間にわたりセンサから受信されたデータの平均であり得る。例えば、ビーム品質検出サブモジュール３６０Ｄがエネルギー検出サブモジュールである場合、それは、ドーズを推定するために使用されるエネルギーセンサを含み得、出力は、２つの値（一方は、ドーズが仕様内であることを示し、他方は、ドーズが仕様外であることを示す）を有し得る。ドーズは、ウェーハのエリアに届けられる光エネルギーの量である。ドーズを決定するために、エネルギーセンサは、ある期間にわたるエネルギー量を測定し、及びその期間にわたり発された光ビーム３１０のパルス数もカウントする。これらの実装形態では、エネルギーセンサは、エネルギーを測定する検出器及び光ビーム３１０の経路内にあるビームスプリッタを含み得る。ビームスプリッタは、各パルスの光の一部を検出器に向ける。検出器は、ある期間にわたり、エネルギー量を測定する。さらに、その期間にわたり生じたパルスの数は、検出器によって測定されたエネルギーから導出することができる。例えば、検出されたエネルギーが閾値より大きい場合、パルスが存在すると見なされる。検出されたエネルギーが閾値より小さい場合、パルスは、存在しない。したがって、エネルギーセンサからのデータは、ドーズに基づいてビーム品質測定基準を決定するために使用することができる。

【0088】

[0102] 解析サブモジュール３６０Ｃ、３６０Ｄからの出力は、光ビーム３１０又は光学システム３０５の任意の動作パラメータ又は特性に関連するエラー事象を含み得る。上述の通り、エラー事象は、光ビーム３１０又は光学システム３０５の動作パラメータ又は特性が閾値を超える事象である。これが起こったとき、エラー事象（エラー事象前後の時間ウィンドウに関連付けられたデータを含む）は、出力モジュール３６２によるアクセスのためにメモリ３６１内に記録及び／又は保存される。

【0089】

[0103] 解析サブモジュール３６０ｉの少なくとも１つは、ガス混合物３２０における放電事象の発生を検出し、及びある期間にわたる放電事象のカウントを示す信号を生成するように構成された放電カウント検出サブモジュール３６０Ｂである。最後にガス混合物３２０が再充填されてからの期間が測定され得るか、又は光学システム３０５内のガス混合物３２０を含む１つ若しくは複数のチャンバの交換からの期間が測定され得る。

【0090】

[0104] 解析サブモジュール３６０ｉの少なくとも１つは、障害シグネチャのセットに対して各エラー事象を解析し、及びエラー事象を既知の障害シグネチャに分類する尤度スコアを生成するように構成された障害シグネチャサブモジュール３６０Ａである。特定の故障シグネチャに関するアルゴリズムは、その特定の故障シグネチャがエラー事象に存在する尤度スコアを出力することができる。図１１Ａは、各エラー事象（ＢＱｉ、ｉは、１～Ｎの範囲にわたる）に関する障害シグネチャアルゴリズムのセットの出力の一例を示し、図１１Ｂは、以下でより詳細に説明されるように、各障害シグネチャアルゴリズムから出力されたスコアがどのように使用されるかを示す。

【0091】

[0105] 図４を参照すると、ガス供給システム４５０の実装形態が示されている。ガス供給システム４５０は、１つ又は複数のガス源４５１Ａ、４５１Ｂ、４５１Ｃと、ガスをガスサブシステム３２２内のチャンバ３２３に供給するための導管と、ガス源４５１Ａ、４５１Ｂ、４５１Ｃとガスサブシステム３２２内のチャンバとの間に１つ又は複数の流体制御弁を含む弁システム４５２とを含む。ガス源４５１Ａ、４５１Ｂ、４５１Ｃは、例えば、図５を参照して説明したように、ガス混合物を備えたガス放電チャンバをそれぞれ含む複数のステージを光源３４０が含む場合など、ガスを複数のチャンバに供給することができる。ガス源４５１Ａ、４５１Ｂ、４５１Ｃは、例えば、密閉ガスボトル及び／又はキャニスタであり得る。一例として、ガス混合物３２０は、アルゴン、ネオン及び場合により合計で全圧Ｐとなる異なる分圧の他のガスを含む他のガスと共にフッ素などのハロゲンを含み得る。さらに、１つ又は複数のガス源４５１Ａ、４５１Ｂ、４５１Ｃは、弁システム４５２内の流体制御弁のセットを通してチャンバ３２３に接続される。この設計により、ガスは、ガス混合物３２０の特定の成分相対量でチャンバ３２３内に噴射され得る。例えば、ガス混合物３２０の利得媒体がフッ化アルゴン（ＡｒＦ）である場合、ガス源の１つ４５１Ａは、ハロゲンであるフッ素、貴ガスであるアルゴン及びネオンのような不活性ガスを含む緩衝ガスなどの１つ又は複数の他の希ガスを含むガスの混合物を含み得る。説明した混合物は、３成分ミックスと呼ばれる場合がある。この例では、ガス源４５１Ｂは、アルゴンと、フッ素を完全に除いた１つ又は複数の他のガスとを含むガスの混合物を含み得る。説明した混合物は、２成分ミックスと呼ばれる場合がある。３つのガス源４５１Ａ、４５１Ｂ、４５１Ｃのみが示されているが、ガス供給システム４５０は、３つより少ない又は３つより多いガス源を有し得る。

【0092】

[0106] 決定モジュール３２７は、ガス再充填において、弁システム４５２に特定のガス源４５１Ａ、４５１Ｂ、４５１Ｃからチャンバ３２３内にガスを移動させるための１つ又は複数の信号を使用して、弁システム４５２と通信することができる。追加的又は代替的に、決定モジュール３２７は、再充填前に、弁システム４５２にチャンバ３２３から全てのガスを最初に放出させる１つ又は複数の信号を使用して、弁システム４５２と通信することができ、このような放出されたガスは、ガス廃棄場所４９０に排出され得る。

【0093】

[0107] 図示されないが、弁システム４５２の流体制御弁は、ガスサブシステム３２２の各チャンバ又は光源３４０の各チャンバに割り当てられた複数の弁を含み得る。例えば、弁システム４５２は、第１の速度において、ガスがチャンバ内に入ること及びガスがチャンバから排出されることを可能にする噴射弁と、第１の速度と異なる第２の速度において、ガスがチャンバ内に入ること及びチャンバから排出されることを可能にするチャンバ充填弁とを含み得る。

【0094】

[0108] 図５を参照すると、光学システム３０５の実装形態５０５が示されている。光学システム５０５は、第１のガスサブシステム５２２Ａと、第１のガスサブシステム５２２Ａと光連通した第２のガスサブシステム５２２Ｂとを有する光源５４０を含むデュアルチャンバ光学システム５０５である。第１のガスサブシステム５２２Ａは、主発振器システムであり、第２のガスサブシステム５２２Ｂは、パワー増幅器システムである。主発振器システム５２２Ａは、主発振器ガス放電チャンバ５２３Ａを含み、パワー増幅器システム５２２Ｂは、パワー増幅器ガス放電チャンバ５２３Ｂを含む。主発振器ガス放電チャンバ５２３Ａは、エネルギー源５２４Ａとして、チャンバ５２３Ａ内のガス混合物５２０Ａにパルスエネルギー源を提供する２つの細長い電極を含む。パワー増幅器ガス放電チャンバ５２３Ｂは、エネルギー源５２４Ｂとして、チャンバ５２３Ｂ内のガス混合物５２０Ｂにパルスエネルギー源を提供する２つの細長い電極を含む。

【0095】

[0109] 主発振器システム５２２Ａは、パルス増幅光ビーム（シード光ビームと呼ばれる）５０８をパワー増幅器システム５２２Ｂに提供する。主発振器ガス放電チャンバ５２３Ａは、増幅が生じる利得媒体を含むガス混合物５２０Ａを収容し、主発振器システム５２２Ａは、光共振器などの光フィードバック機構を含む。光共振器は、主発振器ガス放電チャンバ５２３Ａの一方の側のスペクトル光学システム５４１と、主発振器ガス放電チャンバ５２３Ａの第２の側の出力カプラ５４２との間に形成される。パワー増幅器ガス放電チャンバ５２３Ｂは、主発振器システム５２２Ａからのシード光ビーム５０８でシーディングされたときに増幅が生じる利得媒体を含むガス混合物５２０Ｂを収容する。パワー増幅器システム５２２Ｂが再生リング共振器として設計される場合、それは、パワーリング増幅器と呼ばれ、この場合、十分な光フィードバックがリング設計から提供され得る。パワー増幅器システム５２２Ｂは、（リング増幅器への入力がリング増幅器から出る出力と交差する）循環及びループ経路を形成するために、（例えば、反射により）パワー増幅器ガス放電チャンバ５２３Ｂ内に戻るように光ビームを返すビームリターン（反射器など）５４３も含み得る。例えば、主発振器システム５２２Ａは、１パルス当たり約１ミリジュール（ｍＪ）のシードパルスエネルギーを有するパルスシード光ビーム５０８を発することができ、これらのシードパルスは、パワー増幅器システム５２２Ｂにより、約１０～１５ｍＪに増幅させることができる。

【0096】

[0110] 各放電チャンバ５２３Ａ、５２３Ｂで使用されるガス混合物（例えば、ガス混合物５２０Ａ、５２０Ｂ）は、必要とされる波長、帯域幅及びエネルギー付近の増幅光ビームを生成するために適切なガスの組み合わせであり得る。例えば、上述の通り、ガス混合物５２０Ａ、５２０Ｂは、約１９３ｎｍの波長の光を発するフッ化アルゴン（ＡｒＦ）又は約２４８ｎｍの波長の光を発するフッ化クリプトン（ＫｒＦ）を含み得る。

【0097】

[0111] 図６を参照すると、訓練装置６５０が学習モデル１２５を構築している。訓練装置６５０は、訓練データセット６５４を受け取り、及び訓練データセット６５４に基づいて学習モデル１２５を生成するように構成された訓練モジュール６５２を含む。訓練モジュール６５２は、１つ又は複数のプログラマブルプロセッサを含み得るか又はそれにアクセスし得、入力データに演算を行い、及び適切な出力を生成することによって所望の機能を行うための命令プログラムをそれぞれ実行することができる。訓練モジュール６５２は、デジタル電子回路構成、コンピュータハードウェア、ファームウェア又はソフトウェアの何れかに実装され得る。さらなる実装形態では、訓練モジュール６５２は、訓練モジュール６５２から出力された情報、訓練データセット６５４を生成するために使用された情報又は訓練データセット６５４を保存するように構成されたメモリにアクセスする。メモリは、読出し専用メモリ及び／又はランダムアクセスメモリであり得、コンピュータプログラム命令及びデータを有形に具現化するのに適したストレージデバイスを提供し得る。訓練モジュール６５２は、１つ又は複数の入力デバイス（キーボード、タッチ対応デバイス、音声入力デバイスなど）及び音声出力又はビデオ出力などの１つ又は複数の出力デバイスも含み得る。

【0098】

[0112] 訓練データセット６５４は、複数のテスト光学システム６０５ｔ－ｉ（ｉ＝１、２、３、．．．Ｘ）から形成され、テスト光学システム６０５ｔ－ｉのそれぞれに対して行われた１つ又は複数のシステム変更ｋに基づく。テスト光学システム６０５ｔ－ｉは、決定モジュール１２７、３２７によって解析される光学システム１０５を含み得るか、又はそのような光学システム１０５とは別個であり得る。各システム変更ｋは、テスト光学システム６０５ｔ－ｉ内のガス混合物６２０－ｉの再充填又はテスト光学システム６０５ｔ－ｉの構成の変更であり得る。

【0099】

[0113] 訓練データセット６５４は、２つの多次元行列を含み、各多次元行列は、ｐｃセット（ｉ、ｋ）と呼ばれる。第１の行列［事前ｐｃセット（ｉ、ｋ）］は、各テスト光学システム６０５ｔ－ｉ及びそのテスト光学システム６０５ｔ－ｉのシステム変更前に取得された各システム変更ｋに関する性能条件の複数の値を含む。第２の行列［事後ｐｃセット（ｉ、ｋ）］は、各テスト光学システム６０５ｔ－ｉ及びそのテスト光学システム６０５ｔ－ｉのシステム変更後に取得された各システム変更ｋに関する同じ性能条件の複数の値を含む。セット中の値ｉは、システム変更が行われるテスト光学システム６０５ｔ－ｉ（ｉは、１～Ｘの範囲にわたる）に対応し、値ｋは、ｉ番目のテスト光学システム６０５ｔ－ｉに対して行われる特定のシステム変更に対応する（ｋは、１～Ｙの範囲にわたる）。各テスト光学システム６０５ｔ－ｉに関するシステム変更ｋの総数Ｙは、異なり得る。すなわち、幾つかのテスト光学システム６０５ｔ－ｉに対して行われるシステム変更の数は、他のものより多くてもよい。

【0100】

[0114] 性能条件の複数の値であるｐｃセットのそれぞれは、複数の性能条件を含み、それらの複数の性能条件における別個の性能条件の総数は、任意の数であり得、インターフェースモジュール３６０によって何個の性能条件がモニタリング又は追跡されるかにのみ依存する。例えば、一部の状況では、複数の値のｐｃセット中に数十の性能条件が存在し得る。

【0101】

[0115] したがって、テスト光学システム６０５ｔ－ｉのそれぞれに対して幾つかのガス再充填が行われるため、訓練データセット６５４は、各テスト光学システム６０５ｔ－ｉごとに性能条件の値の幾つかのセットを含む。例えば、訓練データセット６５４は、数百又は数千回のガス再充填に関する性能条件の複数の値を含むことがあり、これらは、数十又は数百の異なるテスト光学システム６０５ｔ－ｉに関連付けられ得る。加えて、訓練データセット６５４は、テスト光学システム６０５ｔ－ｉの構成に対する数十、又は数百、又は数千の変更に関する性能条件の複数の値を含み得る。

【0102】

[0116] 学習モデル１２５は、非常に多くの異なるシステム変更ｋ（ガス再充填及び構成に対する変更を含む）並びに非常に多くの異なるテスト光学システム６０５ｔ－ｉから構築されるため、学習モデル１２５は、モジュール式であり得る。これは、訓練モジュール６５２に入力される訓練データセット６５４を生成するために使用されるテスト光学システム６０５ｔ－ｉに類似した設計を有する他の光学システム１０５に対して学習モデル１２５が使用され得ることを意味する。

【0103】

[0117] 学習モデル１２５は、予測モデル１２５である。幾つかの実装形態では、学習モデル１２５は、上述の通り、決定モジュール１２７（図１）によって使用されるとき、各入力（性能測定基準１０７）を有効性１２９に関係する２つのクラスの一方に分類するサポートベクターマシンを含む。提案されたシステム変更（ガス再充填など）の有効性１２９の推定は、光学システム１０５の性能条件が、提案されたシステム変更により向上するであろうか否かを示す。第１のクラスは、正であり、これは、提案されたシステム変更が有効であり、及び光学システム１０５の性能条件を向上させるであろうことを意味し、第２のクラスは、ニュートラル又は正ではなく、これは、提案されたシステム変更が有効ではなく、したがって光学システム１０５の性能条件を向上させないであろうことを意味する。

【0104】

[0118] 学習モデル１２５は、最初にアナログ出力を生成し、これは、超平面の何れの側に観測（性能測定基準１０７）が存在するか、及びそれが超平面からどの程度離れているかを示す。アナログ出力は、値において＋１～－１の範囲であり、及び閾値は、単純化された形式で０となり得る。

【0105】

[0119] 学習モデル１２５は、アナログデータに基づいて、二値出力（正又はニュートラルのクラス）を決定する。したがって、学習モデル１２５は、任意の正の値を第１の正のクラス（＋１）に割り当て、及び任意の負の値を第２のニュートラルのクラス（－１）に割り当てることができる。学習モデル１２５は、０により近い値を信頼性が多少より劣る状態で割り当てる。したがって、例えば、入力ベクトルκ（性能測定基準１０７）を所与として、正であり、及び小さい大きさ（例えば、＋０．２）を有するアナログ出力は、入力ベクトルκが超平面の「正」側に存在するが、超平面に近接しており、したがって正のクラスとして分類されるとき、幾らかの不確実性にさらされることを示す。一方、負であり、及び大きい大きさ（例えば、－０．９）を有するアナログ出力は、入力ベクトルκが超平面の「負」側に存在するが、超平面から比較的遠く離れており、したがってニュートラルのクラスとして正しく分類される可能性が高いことを示す。

【0106】

[0120] 図７を参照すると、学習モデル１２５が手順７６０に従って訓練される。訓練モジュール６５２は、手順７６０を行う。最初に、訓練モジュール６５２は、訓練データセット６５４を受け取る（７６２）。次に、訓練モジュール６５２は、訓練データセット６５４に基づいて学習モデル１２５を生成する（７６４）。幾つかの実装形態において、生成された学習モデル１２５は、以下で説明するように、テストデータセットを使用して検証される（７６６）。生成された学習モデル１２５は、決定モジュール１２７が使用するために出力される。

【0107】

[0121] 訓練モジュール６５２は、各システム変更ｋ及び各テスト光学システム６０５ｔ－ｉに関して、システム変更後に測定された性能条件の複数の値であるｐｃセット（ｉ、ｋ）を、そのシステム変更前に測定された性能条件の複数の値であるｐｃセット（ｉ、ｋ）と比較することにより、学習モデル１２５を生成する（７６４）ことができる。最終的に、学習モデル１２５の生成（７６４）は、特定のコマンド１０９（これは、再充填コマンド若しくは維持コマンド又は光学システム１０５の構成を変更するコマンドであり得る）に対する（性能条件の複数の値を含む）性能測定基準１０７のマッピングを含む。

【0108】

[0122] 上述の通り、手順７６０は、学習モデル１２５をテストする任意選択の手順７６６も含み得る。学習モデル１２５が出力制約の適切なセットを用いて動作していることを確実にするために、学習モデル１２５は、決定モジュール１２７によって使用される前にテストされ得る（７６６）。テスト７６６は、学習モデル１２５の精度を決定するために行うことができる。例えば、テスト７６６は、５８％の確率でガス再充填が不要であると学習モデル１２５が正確に予測し、したがって５８％の確率で節約につながったと決定し得る。テスト７６６は、２８％の確率でガス再充填が不要であると学習モデル１２５が正確に予測したと決定し得る。テスト７６６は、６％の確率でガス再充填が必要であると学習モデル１２５が不正確に予測し、及び８％の確率でガス再充填が不要であると学習モデル１２５が不正確に予測したと決定し得る。この例では、学習モデル１２５は、８６％正確である。テスト７６６の結果を用いて、ガス再充填が不要であると学習モデル１２５が不正確に予測したパーセンテージが３％などのより低い値よりも小さくなるように、学習モデル１２５を調整することができる。学習モデル１２５をこのように調整することにより、ガス再充填が不要であると学習モデル１２５が不正確に予測したときの光学システム１０５に対する損害のリスクを減らすことができる。学習モデル１２５は、学習モデル１２５における分離超平面を調整する設定可能パラメータを用いて調整することができ、この調整は、学習モデル１２５の決定をより慎重にする。

【0109】

[0123] 幾つかの実装形態において、調整は、閾値を０から僅かに外れた値に変更することによって行われる。例えば、調整が、より正の決定（したがって＋１の第１の正のクラス）を下すように学習モデル１２５を偏らせることを目的とする場合、閾値は、－０．２に変更され得る。他の実装形態では、調整は、手順７６０中にペナルティ関数を挿入することによって行われ、ペナルティ関数は、起こり得る結果のそれぞれにペナルティスコアを割り当て、その後、訓練中の各観測は、生成された学習モデル１２５が、最低ペナルティ係数を有する結果に本質的に偏るように、ペナルティ関数によってスケーリングされる。

【0110】

[0124] 加えて、幾つかの実装形態において、訓練モジュール６５２は、光学システム１０５のタイプ、構成及び／又は経年数にも基づいて学習モデル１２５を生成する（７６４）。この情報は、光学システム１０５をモニタリングすることができるインターフェースモジュール３６０から取得することができる。例えば、幾つかの性能条件は、比較的新しい光学システム１０５の場合、ガス再充填によって向上するであろうが、他の性能条件は、比較的古い光学システム１０５の場合、ガス再充填によって向上するであろう。別の例として、ＭＯドロップアウトは、一般的に、光学システム５０５内の主発振器システム５２２Ａのガス放電チャンバ５２３Ａの耐用期間の終わりに関連付けられる。したがって、ＭＯドロップアウトが高い率で生じていること及びチャンバ５２３Ａが古いことも示す情報を学習モデル１２５が受け取る場合、学習モデル１２５が光学システム５０５の問題をチャンバ５２３Ａ内のガス混合物５２０Ａの健全性に帰する可能性が低い。一方、主発振器システム５２２ＡのＭＯドロップアウトが高い率で生じていること及びチャンバ５２３Ａが新しいことを示す情報を学習モデル１２５が受け取る場合、光学システム５０５の問題がチャンバ５２３Ａ内のガス混合物５２０Ａの健全性に関係すると学習モデル１２５が結論付ける可能性がより高い。

【0111】

[0125] 図８を参照すると、学習モデル１２５をテストする手順７６６が行われる。手順７６６は、専用テストモジュールによって行われ得る。手順７６６は、テストデータセット８６８を受け取ること（８７０）を含む。テストデータセット８６８は、システム変更ｋのセットの前に測定されたテスト性能条件の値のセット（ｐｃ－ｔセット（ｉ、ｋ））及びシステム変更ｋのセットの後に測定されたテスト性能条件の値のセット（ｐｃ－ｔセット（ｉ、ｋ））を含む。テストデータセット８６８は、テストデータセット８６８が訓練手順７６０中に使用されないことを除き、訓練データセット６５４に類似した方法で生成され得る。このように、テストデータセット８６８は、訓練手順７６０をそれ寄りに偏らせない。

【0112】

[0126] 次に、テストデータセット８６８は、訓練手順７６０から生成された学習モデル１２５に適用される（８７２）。テストデータセット８６８は、システム変更ｋのセットの前に測定されたテスト性能条件の値ｐｃ－ｔセット（ｉ、ｋ）を学習モデル１２５に入力し、次に光学システム１０５の各システム変更（例えば、ガス混合物１２０の各ガス再充填又は構成の各変更）の有効性１２９を推定することにより、学習モデル１２５に適用され得る（８７２）。有効性１２９は、システム変更（すなわちガス再充填又は構成の変更）が光学システム１０５の性能条件のエラー率の許容可能な低下を引き起こすであろうか否かに関する予測である。

【0113】

[0127] 専用テストモジュールは、学習モデル１２５から出力された有効性１２９をシステム変更ｋのセットの後に実際に測定されたテスト性能条件の値のセット（ｐｃ－ｔセット（ｉ、ｋ））と比較することにより、学習モデル１２５が許容可能であるか否かを決定する（８７４）。８７４において、有効性１２９が、特定のパーセンテージを超える精度を有するか否かを決定することができる。例えば、専用テストモジュールは、どの程度の頻度において、ガスの再充填が必要であると学習モデル１２５が正確に予測するか、及びどの程度の頻度において、ガスの再充填が不要であると学習モデル１２５が正確に予測するかを決定する。別の例として、専用テストモジュールは、テスト性能条件ｐｃ－ｔセット（ｉ、ｋ）を使用した有効性１２９の精度を、訓練データセット６５４を使用した有効性１２９の精度と比較することができる。学習モデル１２５は、これらの２つの精度が互いに数パーセンテージポイントの範囲内であれば、十分な近似及び一般化可能と見なすことができる。専用テストモジュールから出力された有効性１２９は、システム変更がテスト性能条件の値のエラーを大幅に減少させるであろうか否かを示し、これは、システム変更ｋのセットの後に実際に測定されたテスト性能条件の値のセット（ｐｃ－ｔセット（ｉ、ｋ））と比較される。

【0114】

[0128] 学習モデル１２５が許容可能であると専用テストモジュールが決定した場合（８７４）、学習モデル１２５は、決定モジュール１２７によって使用するために出力される（８７６）。一方、学習モデル１２５が多過ぎる不正確な予測をもたらしたと専用テストモジュールが決定した場合、専用テストモジュールは、不正確な予測の数を減らすように、学習モデル１２５を調整することができる（８７８）。

【0115】

[0129] 図９を参照すると、手順９８０は、光学システム１０５の提案されたシステム変更が光学システム１０５の動作を向上させるであろうか否かを予測するために決定モジュール１２７によって行われる。例えば、手順９８０は、光学システム１０５内の１つ又は複数の変更が光学システム１０５の動作を向上させるであろうか否かを予測する。１つ又は複数の変更は、光学システム１０５内のガス混合物１２０のガス再充填、光学システム１０５の構成の変更並びにガス混合物１２０のガス再充填及び光学システム１０５の構成の変更の両方を含む。

【0116】

[0130] 決定モジュール１２７は、光学システム１０５のステータス変更を行うことができるか否かに関するクエリーを受け取る（９８１）。クエリー（９８１）は、定期的に生じ得、例えば、それは、設定された頻度で生じ得、この頻度は、光学システム１０５の健全性又は経年数などのファクタに依存し得る。例えば、クエリー（９８１）は、数分ごと、数百分ごと又は数日ごとに生じ得る。クエリー（９８１）は、光学システム１０５の外部で生成され得るか、又はそれは、特定の状況下で出力装置１１５によって生成され得るか、又はクエリー（９８１）は、フィールドエンジニア若しくはオペレータによって生成され得る。クエリー（９８１）は、光学システム１０５又は出力装置１１５のモニタリングされた態様が閾値を超えたときに生成され得る。

【0117】

[0131] 例えば、クエリー（９８１）は、性能条件エラー率が閾値を超えたときに生成され得る。性能条件エラー率は、光学システム１０５の性能条件のセットのエラー率であり得る。性能条件エラー率は、メトロロジーモジュール３６０の出力から決定され得る。クエリー（９８１）は、インターフェースモジュール３６０によって生成され、及び決定モジュール１２７に供給され得る。

【0118】

[0132] クエリー（９８１）は、光学システム１０５のガス混合物１２０のガス再充填のリクエストを含み得る。

【0119】

[0133] クエリーが受け取られると（９８１）、決定モジュール１２７は、例えば、インターフェースモジュール３６０から性能測定基準１０７を受け取る（９８２）。決定モジュール１２７は、性能測定基準１０７及び所定の学習モデル１２５に基づいて、光学システム１０５の提案されたシステム変更（例えば、ガス混合物１２０の提案されたガス再充填）の有効性１２９を推定する（９８３）。したがって、決定モジュール１２７は、不要なガス再充填が回避されるように又は必要なガス再充填が行われるように、ガス再充填を行う前に、（学習モデル１２５を用いて）ガス混合物１２０の提案されたガス再充填の有効性１２９を推定するように構成される。決定モジュール１２７は、（ガス再充填を行う代わりに又はガス再充填の実施に加えて）光学システム１０５の動作を向上させるために光学システム１０５の構成を変更することがより合理的であるか否かを決定することもできる。

【0120】

[0134] 決定モジュール１２７は、提案されたガス再充填が有効であろうと推定される場合（９８２）、光学システム１０５におけるガス再充填を指示１０９する（９８４）。

【0121】

[0135] 決定モジュール１２７は、例えば、光学システム１０５にガス混合物を再充填するように指示するガス再充填コマンド１０９を光学システム１０５に出力することにより、ガス再充填を指示する（９８４）ことができる。

【0122】

[0136] 手順９８０は、提案されたガス再充填が有効（１２９）でないであろうと推定される（９８３）場合、ガス再充填を遅らせる（ステップ９８１に戻ることで表される）ことも含み得る。また、決定モジュール１２７は、代替的に、ガス混合物の使用を延長するために光学システム１０５に維持コマンド１０９を出力することにより、ガス再充填を遅らせることができる。決定モジュール１２７は、代替的に、構成の特定の変更が光学システム１０５の動作に向上をもたらすであろうとそれが決定した場合、光学システム１０５の構成の変更を指示又は提案することができる。

【0123】

[0137] したがって、決定モジュール１２７がガス再充填を遅らせること（及びガス混合物１２の耐用期間を延長させること）を決定すると、手順９８０は、さらなるステータス変更クエリー（９８１）（この時点において、決定モジュール１２７は、性能測定基準１０７を受け取り（９８２）、及び光学システム１０５に対する提案されたシステム変更の有効性１２９を推定する（９８３））を待つことに戻る。このように、ガス混合物１２０は、可能な限り使用される（ただし、過度に使用されない）。モニタリング装置１００は、光学システム１０５がガス混合物１２０の使用を最適化することを可能にする。また、モニタリング装置１００は、資源の保護を促進し、及びガス再充填の数を減らす可能性を提供する。

【0124】

[0138] 決定モジュール１２７は、光学システム１０５によって生成された光ビーム１１０の性能条件がガス再充填によって向上されるであろうか否かを決定又は推定することにより、提案された再充填の有効性１２９を推定することができる。例えば、決定モジュール１２７は、学習モデル１２５を使用して、ガス再充填の実施の結果としてビーム品質におけるエラー率が減少されるであろうか否かを決定する。

【0125】

[0139] モニタリングされ、及び性能測定基準１０７に含まれる性能条件は、光ビーム１１０におけるビーム品質エラーのタイプ、ある期間にわたるガス混合物１２０における放電事象の発生回数、光ビーム１１０のビーム品質におけるエラーに関連する１つ又は複数の障害、光ビーム１１０のビーム品質及び光ビーム１１０のビーム品質におけるエラーの１つ又は複数を含む。性能条件は、ある期間又は使用期間にわたるガス混合物１２０における放電事象のカウントを含み得る。モニタリングされる性能条件は、全てのエラー事象、すなわち光ビーム１１０又は光学システム１０５の動作パラメータ又は特性が閾値を超える事象及び各エラー事象に関連するメタデータを含み得る。性能条件は、各エラー事象を既知の故障モード又は故障シグネチャに分類するための、各エラー事象に関する障害シグネチャアルゴリズムから出力されたスコアも含み得る。加えて、性能条件は、光学システム１０５の構成の変更を含み得る。

【0126】

[0140] 図１０Ａ及び図１０Ｂを参照すると、出力装置１１５の実装形態１０１５が示されている。この実装形態では、出力装置１１５は、光ビーム１１０がウェーハ１０９２に到達する前に通過する投影光学システム１０９１と、センサ１０６０を含むセンサシステム又はメトロロジーシステムとを含むリソグラフィ露光装置１０１５である。リソグラフィ露光装置１０１５は、液浸システム又はドライシステムであり得る。

【0127】

[0141] センサ１０６０は、メトロロジーモジュール３６０の一部であり得るか、又はメトロロジーモジュール３６０と通信することができる。センサ１０６０は、例えば、ウェーハ１０９２における光ビーム１１０の画像を捕捉することができるカメラ若しくは他のデバイスであり得るか、又はｘ－ｙ面内のウェーハ１０９２における光エネルギーの量を表すデータを捕捉することができるエネルギーセンサであり得る。

【0128】

[0142] 例えば、投影光学システム１０９１から出力された露光ビーム１０９３を用いて、ウェーハ１０９２上の放射感応性フォトレジスト材料の層を露光することにより、マイクロ電子フィーチャがウェーハ１０９２上に形成される。特に、図１０Ｂを参照すると、投影光学システム１０９１は、スリット１０９４、マスク１０９５及びレンズシステム１０９６を含む投影対物系を含む。レンズシステム１０９６は、１つ又は複数の光学素子を含む。光ビーム１１０は、リソグラフィ露光装置１０１５内に入り、スリット１０９４に衝突し、ビーム１１０の少なくも一部がスリット１０９４を通過して、露光ビーム１０９３を形成する。図１０Ａ及び図１０Ｂの例では、スリット１０９４は、長方形であり、光ビーム１１０を細長い長方形に整形された光ビーム（露光ビーム１０９３）に整形する。マスク１０９５上にパターンが形成され、このパターンは、整形された光ビームの何れの部分がマスク１０９５によって透過され、及び何れの部分がマスク１０９５によってブロックされるかを決定する。パターンの設計は、ウェーハ１０９２上に形成される特定のマイクロ電子回路設計によって決定される。

【0129】

[0143] 決定モジュール１２７は、ガス再充填をトリガするか否かの決定において、性能条件のエラー率のみを考慮するわけではない。より正確に言えば、決定モジュール１２７は、ガス再充填が有効であろうか否かを推定するために、エラーのタイプ又は種類に関する性能測定基準１０７内の情報も使用する。

【0130】

[0144] 次に、性能測定基準１０７の一例を説明する。性能測定基準１０７は、以下で説明されるものよりも少ない要素又は多い要素を含み得、この例は、限定を意図したものではない。

【0131】

[0145] この例では、性能測定基準１０７を定義するために、以下のデータの１つ又は複数が使用される：エラー事象（ＢＱ）及び／又は光学システムに関するステータスに関するデータを含む第１のメタデータのセットκ_ｍｅｔａ、各エラー事象ＢＱに関するスコアのセットを含む第２のデータのセットκ_ＦＳＤ（スコアは、エラー事象ＢＱを既知の障害シグネチャに分類する）並びに光学システム１０５の構成に対する可能な／プロービング変更のセットを含む第３のデータのセットκ_{ｃｏｎｆｉｇ}。性能測定基準１０７は、以下に説明するように、これらのデータのセットの１つ又は複数から構築される。

【0132】

[0146] 幾つかの実装形態では、性能測定基準１０７は、これらのデータのセットの２つ、具体的には第１のメタデータのセットκ_ｍｅｔａ及び第２のデータのセットκ_ＦＳＤから構築される。これは、以下に説明される。

【0133】

[0147] 第１のメタデータのセットκ_ｍｅｔａは、以下の情報を含み得る：最後のガス再充填からのガス混合物３２０に供給されたエネルギーのパルス総数であるshotsGas、ガス放電チャンバ３２３が光源３４０内に最初に設置されたときからの、ガス放電チャンバ３２３内のガス混合物３２０に供給されたエネルギーのパルス総数であるshotsChamber及びエラー事象に関連する性能条件のタイプであるtypeBQ。第１のメタデータのセットκ_ｍｅｔａは、リストされたものよりも少ない情報又は多い情報を含むことが可能である。

【0134】

[0148] 第２のデータのセットκ_ＦＳＤは、インターフェースモジュール３６０内の障害シグネチャサブモジュール３６０Ａから出力された、各エラー事象ＢＱに関して決定されたスコアのセットであるscoresFSDを含み得る。

【0135】

[0149] 各性能条件エラー事象ＢＱは、第１のメタデータのセットκ_ｍｅｔａ及び第２のデータのセットκ_ＦＳＤを生成する。例えば、ガス再充填前に２０個の性能条件エラー事象ＢＱが存在する場合、２０個の行が存在し、各行は、行列を形成するように、メタデータ及び障害シグネチャサブモジュール３６０Ａから出力されたスコアのセットに対応する１つ又は複数の列を含む。この行列情報は、以下のように、学習モデル１２５のための性能測定基準３０７として使用するために、線形アレイκにさらに変換され得る。

【0136】

[0150] shotsGas及びshotsChamberに関するデータは、提案されたガス再充填前のそのような小さい時間ウィンドウにおいて、性能条件エラー事象ＢＱ間で大きく変化しないはずであると想定することができる。したがって、ガス再充填時のshotsGas及びshotsChamberの値は、第１のメタデータのセットκ_ｍｅｔａにおいて、線形アレイκへの入力のために使用され得る。

【0137】

[0151] データtypeBQに関して、対応する入力は、性能条件エラー事象の各タイプに割り当てられた性能条件エラー事象ＢＱの分数として定義される。実例を以下に提供する。この特定の例では、５つの性能条件エラー事象が存在する（光ビーム１１０のエネルギーＥに関して３つのエラー事象、光ビーム１１０の波長Ｗに関して１つのエラー事象及び光ビーム１１０の帯域幅Ｂに関して１つのエラー事象）。このデータは、以下のように、１×３のアレイ［０．６、０．２、０．２］に変換する（これは、第１のメタデータのセットκ_ｍｅｔａにおいて使用され得る）。

【0138】

【表1】

【0139】

[0152] また、scoresFSDに対応する入力は、同じ方法で変換され、１×βアレイをもたらし、アレイ内の各要素は、β個の障害シグネチャのそれぞれにおいて識別されたＢＱの分数を表し、βは、障害シグネチャサブモジュール３６０Ａによって解析される障害シグネチャのセット内の障害シグネチャの数に対応する。例えば、βは、１より大きい値であり得、１０より大きくてもよいか又は２０より大きくてもよく、以下で説明する特定の例では、βは、２８である。

【0140】

[0153] その後、学習モデル１２５のための性能測定基準３０７として使用することができる線形アレイκは、以下のように上記のアレイの各々の連結によって与えられる。
κ＝［κ_ｍｅｔａ κ_ＦＳＤ］、又は
κ＝［shotsGas(1×1) shotsChamber(1×1) typeBQ(1×3) scoresFSD(1×28)］
式中、
κ_ｍｅｔａ＝［shotsGas(1×1) shotsChamber(1×1) typeBQ(1×3)］及び
κ_ＦＳＤ＝［scoresFSD(1×20)］
であり、shotsGas(1×1)は、最後のガス再充填からのガス混合物３２０に供給されたエネルギーのパルス総数であり、shotsChamber(1×1)は、ガス放電チャンバ３２３が光源３４０内に最初に設置されたときからの、ガス放電チャンバ３２３内のガス混合物３２０に供給されたエネルギーのパルス総数であり、typeBQ(1×3)は、３つのタイプの性能条件エラー事象ＢＱの線形アレイであり、scoresFSD(1×28)は、２８個のスコアの線形アレイであり、各スコアは、インターフェースモジュール３６０内の障害シグネチャサブモジュール３６０Ａによって決定される。

【0141】

[0154] この連結された線形アレイκ３０７は、手順９８０のステップ９８２において学習モデル１２５に入力される。サポートベクターマシンを含み得る学習モデル１２５は、線形アレイκ３０７を有効性１２９に関係する２つのクラスの一方に分類する。第１のクラスは、正であり、これは、提案されたガス再充填が有効であり、及び光学システム１０５の性能条件を向上させるであろうことを意味し、第２のクラスは、ニュートラル又は正ではなく、これは、提案されたガス再充填が有効ではなく、したがって光学システム１０５の性能条件を向上させないであろうことを意味する。決定モジュール１２７は、決定されたクラスに基づいて有効性１２９を決定し、コマンド１０９を光学システム３０５に出力する。

【0142】

[0155] 図１１Ａ及び１１Ｂは、どのようにサブアレイκ_ＦＳＤが形成され得るかの別の例を示す。この例では、最後のガス再充填からＮ個のＢＱ（性能条件エラー事象）が存在し、各性能条件エラー事象ＢＱは、障害シグネチャサブモジュール３６０Ａによって３２個のスコアを生成し、図１１Ａに示されるように、［Ｎ×３２］の行列がもたらされる。別の言い方をすれば、障害シグネチャサブモジュール３６０Ａは、３２個の解析（１つのエラー事象ＢＱに関連するエラー事象ファイルごとに１つずつ）を実行する。図１１Ａの各列は、３２個の解析のそれぞれによって関連付けられた尤度スコアを表し、これらの尤度スコアは、１より大きいスコアが、関連する障害シグネチャが存在すると考えられることを示唆するように調節されたものである。この例では、ＢＱ１は、Ｆ１０１障害シグネチャに関して１．５４のスコア、Ｆ１０２障害シグネチャに関して０．２９のスコア、Ｆ１０３障害シグネチャに関して０．０３のスコアなどを生成する。その目的は、この［Ｎ×３２］の行列を、性能測定基準３０７として使用されるアレイκを形成するために他のサブアレイと連結させることができる［１×３２］のサブアレイκ_ＦＳＤに変換することである。

【0143】

[0156] 図１１Ｂは、どのようにこれらの尤度スコアがインターフェースモジュール３６０によって使用されるかを示す。具体的には、インターフェースモジュール３６０は、図１１Ｂの行列の各要素が二値決定、すなわち障害シグネチャが存在するか否かを表すように、（障害シグネチャサブモジュール３６０Ａ又は出力サブモジュール３６２を用いて）各スコアを閾値処理する。次に、各要素が、特定のウィンドウ内の全てのエラー事象ファイル内で生じた各障害シグネチャの総回数を表すように、列が総計される。次に、各要素が、エラー事象ＢＱのサンプルの中で各障害シグネチャがどの程度広まっているかを示す分数を表すように、各要素がエラー事象ファイルの総数によって除算され、最終形態は、サブアレイκ_ＦＳＤである。図１１Ｂに示されるように、スコアが１．００以上である場合、そのスコアに対して１の値が指定され、スコアが１．００未満である場合、そのスコアに対して０の値が指定される。

【0144】

[0157] 幾つかの実装形態では、学習モデル１２５のための性能測定基準３０７として使用することができる線形アレイκは、各サブアレイκ_ｍｅｔａ及びκ_ＦＳＤの連結によって与えられるだけでなく、光学システム１０５の構成変更のセットに関係する第３のサブアレイκ_{ｃｏｎｆｉｇ}も含む。例えば、線形アレイκは、
κ＝［κ_ｍｅｔａ κ_ＦＳＤ κ_{ｃｏｎｆｉｇ}］
に対応し得る。この第３のサブアレイκ_{ｃｏｎｆｉｇ}は、学習モデル１２５を形成するための訓練中に構成変更が使用された場合、性能測定基準１０７に含まれ得、なぜなら、これは、提案されたガス再充填が光学システム１０５の動作を向上させるであろうか否かだけでなく、光学システム１０５の構成における特定の変更が光学システム１０５の動作を向上させるであろうか否かも解析するために学習モデル１２５が装備されることを意味するからである。一例として、ガス再充填は、１つ又は複数の性能条件に関連するエラー事象を減少させるように見えるが、エラー事象の減少は、実際には、（訓練中にガス再充填と一緒に生じた又は時間的にオーバーラップした）光学システム１０５の構成の変更によるものであった可能性がある。学習モデル１２５は、何れの変更（ガス再充填若しくは構成変更の何れか一方）が光学システム１０５の動作の向上をもたらすか、又は両方の変更（ガス再充填及び構成変更の両方）が光学システム１０５の動作の向上をもたらすであろうか否かを区別することができる。

【0145】

[0158] この例では、サブアレイκ_{ｃｏｎｆｉｇ}は、アレイ［κ_ｃ１、κ_ｃ２、．．．、κ_ｃ１１］で表すことができ、各κ_ｃｉは、光学システム１０５の構成パラメータの変更（Δｃｐｉ）に対応する。κ_ｃｉの値の一例は、光学システム１０５（これは、図３に示される光学システム３０５又は図５に示されるような光学システム５０５であり得る）に関して、図１２の表に示される。図１２の表では、例えば、κ_ｃ１は、それぞれ各ガスサブシステム３２２／５２２Ａ／５２２Ｂのチャンバ３２３／５２３Ａ／５２３Ｂ内の成分の１つの濃度の変更に対応し、κ_ｃ２は、各ガスサブシステム３２２／５２２Ａ／５２２Ｂのチャンバ３２３／５２３Ａ／５２３Ｂ内の別の成分の濃度の変更に対応し、κ_ｃ３は、各サブシステム３２２／５２２Ａ／５２２Ｂのチャンバ３２３／５２３Ａ／５２３Ｂ内に成分がどのように噴射されるかに関する特性の変更に対応し、及びκ_ｃ８は、光学システム３０５又は５０５のコンポーネントに関連したターゲット温度の変更に対応する。

【0146】

[0159] したがって、この例では、決定モジュール１２７は、ガス再充填又は光学システム１０５に対する構成変更の有効性１２９を決定する際、これらの構成変更も考慮する。例えば、上述の通り、（主発振器システム５２２Ａ上のドロップアウトなどの）ガスの健全性に最も関係するエラー事象ＢＱの１つのエラー率をガス再充填が減少させる可能性がある。しかしながら、エラー事象ＢＱ（この場合、主発振器システム５２２Ａ上のドロップアウト）のエラー率の低下は、ガス再充填に加えて又はガス再充填があるにしても、構成変更によっても引き起こされる可能性もある。例えば、主発振器システム５２２Ａのチャンバ５２３Ａの温度の変更は、主発振器システム５２２Ａ上のＭＯドロップアウトのエラー率の低下をもたらし得る。

【0147】

[0160] 他の実装形態は、請求項の範囲内である。

【0148】

[0161] 例えば、他の実装形態では、学習モデル１２５は、ニューラルネットワーク、決定木、Ｋ最近傍モデル（サポートベクターマシンの代わりに）又は類似の入力／出力構造を備えた他の機械学習モデルを含む。学習モデルの態様は、データセットをアセンブルすること、障害シグネチャ検出（ＦＳＤ）を用いて入力ベクトルをアセンブルすること、データセットを訓練すること、データセットをテストすること及びその後、学習モデルを適用することを含む。

【0149】

[0162] 本発明の他の態様は、以下の番号が付けられた条項に記載される。
１．光ビームを発する光学システムの性能条件に関する性能測定基準を受け取ることと、
性能測定基準及び所定の学習モデルに基づいて、光学システムに対する提案された変更の有効性を推定することと、
光学システムに対する提案された変更が有効であろうと推定される場合、光学システムに変更コマンドを出力することと、
を行うように構成された決定モジュールを含む、
装置。
２．決定モジュールは、光学システムに対する提案された変更が有効でないであろうと決定モジュールが推定する場合、光学システムに維持コマンドを出力するように構成される、条項１に記載の装置。
３．決定モジュールは、光ビームの性能条件が向上されるであろうか否かを決定することにより、提案された変更の有効性を推定するように構成される、条項１に記載の装置。
４．光ビームの性能条件が向上されるか否かを決定することは、ビーム品質におけるエラー率が減少されるであろうか否かを決定することを含む、条項３に記載の装置。
５．性能条件は、光ビームにおけるビーム品質エラーのタイプ、ある期間にわたるガス混合物における放電事象の発生回数、光ビームのビーム品質におけるエラーに関連する１つ又は複数の障害、光ビームのビーム品質、光ビームのビーム品質におけるエラー、光ビームの動作パラメータ又は特性に関連するエラー事象、障害シグネチャに対する各エラー事象の解析及び光学システムの構成の変更の１つ又は複数を含む、条項１に記載の装置。
６．決定モジュールは、提案された変更の有効性を、光学システムに対する変更がもたらされる前に推定するように構成される、条項１に記載の装置。
７．決定モジュールと通信するインターフェースモジュールをさらに含み、インターフェースモジュールは、性能測定基準を提供し、インターフェースモジュールは、複数のビーム品質検出モジュールを含み、複数のビーム品質検出モジュールは、
それぞれ光ビームの各スペクトル特徴におけるエラーを検出し、及び光ビームの各スペクトル特徴エラーを示すエラー事象信号を生成するように構成された１つ又は複数のスペクトル特徴検出モジュールと、
光ビームのエネルギーにおけるエラーを検出し、及び光ビームのエネルギーエラーを示すエラー事象信号を生成するように構成されたエネルギー検出モジュールと、
を含み、スペクトル特徴は、光ビームの帯域幅又は波長を含み、性能測定基準は、各スペクトル特徴及びエネルギーにおけるエラー事象に基づいて生成される、条項１に記載の装置。
８．インターフェースモジュールは、
光学システムのガス混合物における放電事象の発生を検出し、及びある期間にわたる放電事象のカウントを示す信号を生成するように構成された放電カウント検出モジュール
を含み、性能測定基準は、放電検出モジュールからの生成された信号に関するデータを含む、条項７に記載の装置。
９．期間は、最後にガス混合物が再充填されてから測定されるか、又はガス混合物を含む１つ若しくは複数のチャンバが光学システムに追加されてから測定される、条項８に記載の装置。
１０．インターフェースモジュールは、
障害シグネチャのセットに対して各ビーム品質エラー事象を解析し、及びビーム品質エラー事象を既知の障害シグネチャに分類する尤度スコアを生成するように構成された障害シグネチャモジュール
を含み、性能測定基準は、障害シグネチャモジュールからの出力に関するデータを含む、条項７に記載の装置。
１１．所定の学習モデルは、入力として性能測定基準を受け取り、及び推定を出力する、条項１に記載の装置。
１２．所定の学習モデルは、サポートベクターマシンである、条項１に記載の装置。
１３．所定の学習モデルは、分離超平面を含み、超平面は、性能測定基準をイエス又はノーの何れかとして分類し、イエス分類は、提案された変更が有効であろうことを示し、及びノー分類は、提案された変更が有効でないであろうことを示す、条項１２に記載の装置。
１４．所定の学習モデルは、光学システムのタイプ、構成及び／又は経年数に基づいて構築される、条項１に記載の装置。
１５．提案された変更の有効性の推定は、提案された変更後の光学システムの性能条件が、提案された変更前の光学システムの条件に対して向上するか否かを示す、条項１に記載の装置。
１６．決定モジュールは、提案された変更後の光学システムの性能条件を、提案された変更前の光学システムの性能条件と比較することにより、提案された変更の有効性を推定するように構成され、決定モジュールは、性能条件が所定の量だけ向上するであろうことを比較が示す場合、変更コマンドを出力するように構成される、条項１に記載の装置。
１７．光学システムに対する提案された変更は、光学システム内のガス混合物の提案された再充填及び光学システムの構成の提案された変更の１つ又は複数を含む、条項１に記載の装置。
１８．決定モジュールは、光学システムの構成に対するプローブされた変更にも基づいて、光学システム内のガス混合物の提案された再充填の有効性を推定するように構成される、条項１７に記載の装置。
１９．複数のテスト光学システムに基づく訓練データセットを受け取ることであって、訓練データセットは、各テスト光学システムの複数の変更のそれぞれについて、
変更前のテスト光学システムに関する性能条件の複数の値と、
変更後のテスト光学システムに関する性能条件の複数の値と、
を含むことと、
光学システムにおける提案された変更の有効性を、光学システムの性能条件に関する性能測定基準に基づいて推定する予測モデルを訓練データセットに基づいて生成することと、
を含む、方法。
２０．予測モデルを生成することは、各変更について、変更後のテスト光学システムに関する性能条件の複数の値を、変更前のテスト光学システムに関する性能条件の複数の値と比較することを含み、比較は、変更の有効性を示す、条項１９に記載の方法。
２１．予測モデルは、学習モデルである、条項１９に記載の方法。
２２．学習モデルは、サポートベクターマシンを含む、条項２１に記載の方法。
２３．予測モデルを生成することは、性能測定基準を維持コマンド又は変更コマンドの一方にマッピングすることを含み、維持コマンド及び変更コマンドは、光学システムに対する提案された変更の推定された有効性に基づく、条項１９に記載の方法。
２４．訓練データセットは、複数のテスト光学システムからの少なくとも数千の変更を含む、条項１９に記載の方法。
２５．性能条件は、光学システムから生成された光ビームのビーム品質エラー率、光学システムから生成された光ビームにおけるビーム品質エラーのタイプ、ある期間にわたる光学システムのガス混合物における放電事象の発生回数、光学システムから生成された光ビームのビーム品質におけるエラーに関連する１つ又は複数の障害、光学システムの動作効率における異常、光学システムから生成された光ビームの１つ又は複数のスペクトル特徴におけるエラー、光ビームの動作パラメータ又は特性に関連するエラー事象、障害シグネチャに対する各エラー事象の解析及び光学システムの構成の変更の１つ又は複数を含む、条項１９に記載の方法。
２６．光学システムの性能条件に関する性能測定基準を予測モデルに適用する前に予測モデルをテストすることをさらに含み、予測モデルをテストすることは、
複数の変更のそれぞれ及び複数のテスト光学システムのそれぞれについて、変更前のテスト光学システムに関する性能条件の複数の値と、変更後のテスト光学システムに関する性能条件の複数の値とを含むテストデータセットを使用することであって、テストデータセットは、訓練データセットから除外されることと、
変更前のテスト光学システムに関する性能条件の複数の値を予測モデルに適用し、及び予測モデルのそれぞれの実際の出力を、テストデータセットからの変更後のテスト光学システムに関する性能条件の関連する値と比較することと、
を含む、条項１９に記載の方法。
２７．提案された変更の有効性の推定は、提案された変更後の光学システムの性能条件が、提案された変更前の光学システムの条件に対して向上するか否かを示す、条項１９に記載の方法。
２８．提案された変更が有効でないであろうと予測モデルが推定する尤度を減少させるように予測モデルを調節することをさらに含む、条項１９に記載の方法。
２９．予測モデルを生成することは、光学システムのタイプ、構成及び／又は経年数にも基づく、条項１９に記載の方法。
３０．予測モデルは、光学システムに対する提案された変更の有効性を推定するように構成される、条項１９に記載の方法。
３１．光学システムに対する提案された変更は、光学システム内のガス混合物の提案された再充填及び光学システムの構成の提案された変更の１つ又は複数を含む、条項１９に記載の方法。
３２．光学システムは、テスト光学システムとは別個である、条項１９に記載の方法。
３３．光ビームを発する光学システムの性能条件に関する性能測定基準を受け取ることと、
性能測定基準及び所定の学習モデルに基づいて、光学システムに対する提案された変更の有効性を推定することと、
提案された変更が有効であろうと推定される場合、光学システムに対する変更を指示することと、
を含む、方法。
３４．光学システムに対する変更を指示することは、光学システムに変更コマンドを出力することを含む、条項３３に記載の方法。
３５．提案された変更が有効でないであろうと推定される場合、変更を遅らせることをさらに含む、条項３３に記載の方法。
３６．変更を遅らせることは、光学システムに維持コマンドを出力することを含む、条項３５に記載の方法。
３７．変更を遅らせた後、
光学システムの性能条件に関する性能測定基準を受け取ることと、
性能測定基準及び所定の学習モデルに基づいて、光学システムに対する提案された変更の有効性を推定することと、
をさらに含む、条項３５に記載の方法。
３８．提案された変更の有効性を推定することは、光ビームの性能条件が向上されるであろうか否かを決定することを含む、条項３３に記載の方法。
３９．光ビームの性能条件が向上されるか否かを決定することは、ビーム品質におけるエラー率が減少されるであろうか否かを決定することを含む、条項３８に記載の方法。
４０．性能条件は、光ビームにおけるビーム品質エラーのタイプ、ある期間にわたるガス混合物における放電事象の発生回数、光ビームのビーム品質におけるエラーに関連する１つ又は複数の障害、光ビームのビーム品質、光ビームのビーム品質におけるエラー、光ビームの動作パラメータ又は特性に関連するエラー事象、障害シグネチャに対する各エラー事象の解析及び光学システムの構成の変更の１つ又は複数を含む、条項３３に記載の方法。
４１．所定の学習モデルは、提案された変更の有効性を、光学システムに対する変更をもたらす前に推定するように構成される、条項３３に記載の方法。
４２．性能条件は、ある期間にわたるガス混合物における放電事象のカウントを含む、条項３３に記載の方法。
４３．所定の学習モデルは、入力として性能測定基準を受け取り、及び推定を出力する、条項３３に記載の方法。
４４．所定の学習モデルは、サポートベクターマシンである、条項３３に記載の方法。
４５．所定の学習モデルは、分離超平面を含み、超平面は、性能測定基準をイエス又はノーの何れかとして分類し、イエス分類は、提案された変更が有効であろうことを示し、及びノー分類は、提案された変更が有効でないであろうことを示す、条項４４に記載の方法。
４６．提案された変更の有効性の推定は、提案された変更後の光学システムの条件が、提案された変更前の光学システムの条件に対して向上するか否かを示す、条項４４に記載の方法。
４７．光学システムに対する提案された変更は、光学システム内のガス混合物の提案された再充填及び光学システムの構成の提案された変更の１つ又は複数を含む、条項３３に記載の方法。
４８．光学システム内のガス混合物の提案された再充填の有効性を推定することは、光学システムの構成に対する可能な変更にも基づく、条項４７に記載の方法。
４９．非一時的コンピュータ可読媒体であって、コンピュータによって実行されると、コンピュータに、
複数のテスト光学システムに基づく訓練データセットを受け取ることであって、訓練データセットは、各テスト光学システムの複数の変更のそれぞれについて、
変更前のテスト光学システムに関する性能条件の複数の値と、
変更後のテスト光学システムに関する性能条件の複数の値と、
を含むことと、
光学システムにおける提案された変更の有効性を、光学システムの性能条件に関する性能測定基準に基づいて推定する予測モデルを訓練データセットに基づいて生成することと、
を含む方法を行わせる命令を保存する、非一時的コンピュータ可読媒体。
５０．非一時的コンピュータ可読媒体であって、コンピュータによって実行されると、コンピュータに、
光ビームを発する光学システムの性能条件に関する性能測定基準を受け取ることと、
性能測定基準及び所定の学習モデルに基づいて、光学システムに対する提案された変更の有効性を推定することと、
提案された変更が有効であろうと推定される場合、光学システムに対する変更を指示することと、
を含む方法を行わせる命令を保存する、非一時的コンピュータ可読媒体。
５１．光ビームを発する光学システムの性能条件に関する性能測定基準を受け取ることと、
性能測定基準及び所定の学習モデルに基づいて、光学システムのガス混合物の提案された再充填の有効性を推定することと、
光学システムのガス混合物の提案された再充填が有効であろうと推定される場合、光学システムに再充填コマンドを出力することと、
を行うように構成された決定モジュールを含む、
装置。
５２．複数のテスト光学システムに基づく訓練データセットを受け取ることであって、訓練データセットは、各テスト光学システムの複数のガス再充填のそれぞれについて、
ガス再充填前のテスト光学システムに関する性能条件の複数の値と、
ガス再充填後のテスト光学システムに関する性能条件の複数の値と、
を含むことと、
光学システムにおけるガス混合物の提案されたガス再充填の有効性を、光学システムの性能条件に関する性能測定基準に基づいて推定する予測モデルを訓練データセットに基づいて生成することと、
を含む、方法。
５３．光ビームを発する光学システムの性能条件に関する性能測定基準を受け取ることと、
性能測定基準及び所定の学習モデルに基づいて、光学システムのガス混合物の提案されたガス再充填の有効性を推定することと、
提案されたガス再充填が有効であろうと推定される場合、光学システムに対するガス再充填を指示することと、
を含む、方法。
５４．非一時的コンピュータ可読媒体であって、コンピュータによって実行されると、コンピュータに、
複数のテスト光学システムに基づく訓練データセットを受け取ることであって、訓練データセットは、各テスト光学システムの複数のガス再充填のそれぞれについて、
ガス再充填前のテスト光学システムに関する性能条件の複数の値と、
ガス再充填後のテスト光学システムに関する性能条件の複数の値と、
を含むことと、
光学システムにおける提案されたガス再充填の有効性を、光学システムの性能条件に関する性能測定基準に基づいて推定する予測モデルを訓練データセットに基づいて生成することと、
を含む方法を行わせる命令を保存する、非一時的コンピュータ可読媒体。
５５．非一時的コンピュータ可読媒体であって、コンピュータによって実行されると、コンピュータに、
光ビームを発する光学システムの性能条件に関する性能測定基準を受け取ることと、
性能測定基準及び所定の学習モデルに基づいて、光学システムにおける提案されたガス再充填の有効性を推定することと、
提案されたガス再充填が有効であろうと推定される場合、光学システムに対するガス再充填を指示することと、
を含む方法を行わせる命令を保存する、非一時的コンピュータ可読媒体。

【0150】

[0163] 本開示の幅及び範囲は、上記の例示的実施形態の何れによっても限定されるものではなく、以下の請求項及びそれらの均等物に従ってのみ定義されるものとする。

【図1】

【図2A】

【図2B】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10A】

【図10B】

【図11A】

【図11B】

【図12】