特許 7466403 制御装置、リソグラフィー装置、制御方法および物品製造方法

(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】2024-04-04

(45)【発行日】2024-04-12

(54)【発明の名称】制御装置、リソグラフィー装置、制御方法および物品製造方法

(51)【国際特許分類】

   G05B 13/02 20060101AFI20240405BHJP

   G03F 7/20 20060101ALI20240405BHJP

   G06N 3/02 20060101ALI20240405BHJP

【ＦＩ】

G05B13/02 L

G03F7/20 521

G03F7/20 501

G06N3/02

【請求項の数】 15

(21)【出願番号】P 2020131923

(22)【出願日】2020-08-03

(65)【公開番号】P2022028489

(43)【公開日】2022-02-16

【審査請求日】2023-07-27

(73)【特許権者】

【識別番号】000001007

【氏名又は名称】キヤノン株式会社

(74)【代理人】

【識別番号】110003281

【氏名又は名称】弁理士法人大塚国際特許事務所

(72)【発明者】

【氏名】森國 雄一朗

【審査官】仁木 学

(56)【参考文献】

【文献】特開２０１０－８６３９７（ＪＰ，Ａ）

【文献】特開２０１９－７１４０５（ＪＰ，Ａ）

【文献】国際公開第２０１９／１４６００７（ＷＯ，Ａ１）

【文献】国際公開第２０１９／００５５４７（ＷＯ，Ａ１）

【文献】国際公開第２０１９／１７７９０５（ＷＯ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０５Ｂ １３／０２

Ｇ０３Ｆ ７／２０

Ｇ０６Ｎ ３／０２

(57)【特許請求の範囲】

【請求項1】

原版のパターンを基板に転写する処理を行うリソグラフィー装置に含まれる制御対象を制御するための制御信号を生成する制御装置であって、
複数のニューラルネットワークと、
前記複数のニューラルネットワークのうち前記制御信号を生成するために使用されるニューラルネットワークを選択する選択器と、
を備え、
前記選択器は、前記基板と前記原版との位置合わせのための計測シーケンスのための計測制御パターンの実行において使用するために前記複数のニューラルネットワークのうちの第１ニューラルネットワークを選択し、前記原版のパターンが前記基板に転写されるように前記基板を露光する露光シーケンスのための露光制御パターンの実行において使用するために前記複数のニューラルネットワークのうちの、前記第１ニューラルネットワークとは異なる第２ニューラルネットワークを選択する、
ことを特徴とする制御装置。

【請求項2】

前記第１ニューラルネットワークは前記計測制御パターンの少なくとも一部の実行において使用され、前記第２ニューラルネットワークは前記露光制御パターンの少なくとも一部の実行において使用されるように前記選択器によって選択される、
ことを特徴とする請求項１に記載の制御装置。

【請求項3】

制御対象を制御するための制御信号を生成する制御装置であって、
複数のニューラルネットワークと、
前記複数のニューラルネットワークのうち前記制御信号を生成するために使用されるニューラルネットワークを選択する選択器と、
を備え、
前記制御対象の加速度プロファイルは、複数の時間区間を含み、前記複数の時間区間は、加速度が正の範囲で増加するジャーク区間、前記加速度が正の一定値を維持する等加速度区間、前記加速度が正の範囲で低下するジャーク区間、前記加速度がゼロを維持する等速度区間、前記加速度が負の範囲で前記加速度の絶対値が増加するジャーク区間、前記加速度が負の一定値を維持する等加速度区間、前記加速度が負の範囲で前記加速度の絶対値が減少するジャーク区間を含み、
前記選択器は、前記複数の時間区間のうち現在の時間区間に応じて前記複数のニューラルネットワークから前記使用されるニューラルネットワークを選択する、
ことを特徴とする制御装置。

【請求項4】

前記選択器は、上位装置から提供される情報に基づいて前記使用されるニューラルネットワークを選択する、
ことを特徴とする請求項１乃至３のいずれか１項に記載の制御装置。

【請求項5】

前記制御対象の状態を示す状態信号と目標値との差分を計算する減算器と、前記差分に基づいて操作量を計算する補償器と、加算器とを更に備え、
前記差分が前記使用されるニューラルネットワークに供給され、前記使用されるニューラルネットワークの出力と前記操作量とが前記加算器によって加算され前記制御信号が生成される、
ことを特徴とする請求項１乃至４のいずれか１項に記載の制御装置。

【請求項6】

前記制御対象の位置を制御するように構成される、
ことを特徴とする請求項１乃至５のいずれか１項に記載の制御装置。

【請求項7】

制御対象の温度を制御するように構成される、
ことを特徴とする請求項１乃至５のいずれか１項に記載の制御装置。

【請求項8】

原版のパターンを基板に転写する処理を行うリソグラフィー装置であって、
前記処理のために動作する動作部と、
前記動作部を制御するための制御信号を生成する制御部と、を備え、
前記制御部は、
複数のニューラルネットワークと、
前記複数のニューラルネットワークのうち前記制御信号を生成するために使用されるニューラルネットワークを選択する選択器と、
を含み、
前記選択器は、前記基板と前記原版との位置合わせのための計測シーケンスのための計測制御パターンの実行において使用するために前記複数のニューラルネットワークのうちの第１ニューラルネットワークを選択し、前記原版のパターンが前記基板に転写されるように前記基板を露光する露光シーケンスのための露光制御パターンの実行において使用するために前記複数のニューラルネットワークのうちの、前記第１ニューラルネットワークとは異なる第２ニューラルネットワークを選択する、
ことを特徴とするリソグラフィー装置。

【請求項9】

前記複数のニューラルネットワークの各々は、前記動作部を制御する複数の制御パターンの少なくとも１つの制御パターンの少なくとも一部の実行において使用されるように前記選択器によって選択される、
ことを特徴とする請求項８に記載のリソグラフィー装置。

【請求項10】

前記動作部は、前記基板に前記原版のパターンが転写されるように前記原版および前記基板を走査する走査機構を含み、
前記露光シーケンスは前記走査機構によって前記基板および前記原版を走査しながら前記基板を露光する、
ことを特徴とする請求項８又は９に記載のリソグラフィー装置。

【請求項11】

原版のパターンを基板に転写する処理を行うリソグラフィー装置であって、
前記処理のために動作する動作部と、
前記動作部を制御するための制御信号を生成する制御部と、を備え、
前記制御部は、
複数のニューラルネットワークと、
前記複数のニューラルネットワークのうち前記制御信号を生成するために使用されるニューラルネットワークを選択する選択器と、
を含み、
前記動作部の加速度プロファイルは、複数の時間区間を含み、前記複数の時間区間は、加速度が正の範囲で増加するジャーク区間、前記加速度が一定値を維持する等加速度区間、前記加速度が正の範囲で低下するジャーク区間、前記加速度がゼロを維持する等速度区間、前記加速度が負の範囲で前記加速度の絶対値が増加するジャーク区間、前記加速度が一定値を維持する等加速度区間、前記加速度が負の範囲で前記加速度の絶対値が減少するジャーク区間を含み、
前記選択器は、前記複数の時間区間のうち現在の時間区間に応じて前記複数のニューラルネットワークから前記使用されるニューラルネットワークを選択する、
ことを特徴とするリソグラフィー装置。

【請求項12】

前記動作部の状態を検出するセンサと、目標値と前記センサの出力との差分を計算する減算器と、前記差分に基づいて操作量を計算する補償器と、加算器とを更に備え、
前記差分が前記使用されるニューラルネットワークに供給され、前記使用されるニューラルネットワークの出力と前記操作量とが前記加算器によって加算され前記制御信号が生成される、
ことを特徴とする請求項８乃至１１のいずれか１項に記載のリソグラフィー装置。

【請求項13】

請求項８乃至１２のいずれか１項に記載のリソグラフィー装置によって基板に原版のパターンを転写する転写工程と、
前記転写工程を経た前記基板を処理する処理工程と、を含み、
前記処理工程を経た前記基板から物品を得ることを特徴とする物品製造方法。

【請求項14】

原版のパターンを基板に転写する処理を行うリソグラフィー装置に含まれる制御対象を制御する制御方法であって、
複数のニューラルネットワークのうち前記制御対象を制御するための制御信号を生成するために使用されるニューラルネットワークを選択する選択工程と、
前記選択工程で選択された前記ニューラルネットワークにより生成された制御信号を用いて前記制御対象を制御する制御工程と、を有し、
前記選択工程は、前記基板と前記原版との位置合わせのための計測シーケンスのための計測制御パターンの実行において使用するために前記複数のニューラルネットワークのうちの第１ニューラルネットワークを選択し、前記原版のパターンが前記基板に転写されるように前記基板を露光する露光シーケンスのための露光制御パターンの実行において使用するために前記複数のニューラルネットワークのうちの、前記第１ニューラルネットワークとは異なる第２ニューラルネットワークを選択する、
ことを特徴とする制御方法。

【請求項15】

原版のパターンを基板に転写する処理を行うリソグラフィー装置に含まれる制御対象を制御する制御方法であって、
複数のニューラルネットワークのうち前記制御対象を制御するための制御信号を生成するために使用されるニューラルネットワークを選択する選択工程と、
前記選択工程で選択された前記ニューラルネットワークにより生成された制御信号を用いて前記制御対象を制御する制御工程と、を有し、
前記制御対象の加速度プロファイルは、複数の時間区間を含み、前記複数の時間区間は、加速度が正の範囲で増加するジャーク区間、前記加速度が正の一定値を維持する等加速度区間、前記加速度が正の範囲で低下するジャーク区間、前記加速度がゼロを維持する等速度区間、前記加速度が負の範囲で前記加速度の絶対値が増加するジャーク区間、前記加速度が負の一定値を維持する等加速度区間、前記加速度が負の範囲で前記加速度の絶対値が減少するジャーク区間を含み、
前記選択工程は、前記複数の時間区間のうち現在の時間区間に応じて前記複数のニューラルネットワークから前記使用されるニューラルネットワークを選択する、
ことを特徴とする制御方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、制御装置、リソグラフィー装置、制御方法および物品製造方法に関する。

【背景技術】

【0002】

制御対象の物理量を制御する制御装置では、ＰＩＤ制御のような古典制御器、現代制御理論に基づく制御器、ニューラルネットワークを使った制御器が使われうる。また、ニューラルネットワークを含まない制御器と、ニューラルネットワークを含む制御器とを併用した制御器が用いられることもある。特許文献１の制御装置では、ＰＩＤ制御器とニューラルネットワークを用いた制御器とを併用することで、制御精度の向上が図られている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１９－７１４０５号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

従来のニューラルネットワークを用いた制御装置では、演算処理に長時間を要するために、制御のための演算が所定時間内に終わらず、制御のリアルタイム性が損なわれる可能性がある。

【0005】

本発明は、制御のための演算に要する時間を短縮するために有利な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】

【0006】

本発明の１つの側面は、原版のパターンを基板に転写する処理を行うリソグラフィー装置に含まれる制御対象を制御するための制御信号を生成する制御装置に係り、前記制御装置は、複数のニューラルネットワークと、前記複数のニューラルネットワークのうち前記制御信号を生成するために使用されるニューラルネットワークを選択する選択器と、を備え、前記選択器は、前記基板と前記原版との位置合わせのための計測シーケンスのための計測制御パターンの実行において使用するために前記複数のニューラルネットワークのうちの第１ニューラルネットワークを選択し、前記原版のパターンが前記基板に転写されるように前記基板を露光する露光シーケンスのための露光制御パターンの実行において使用するために前記複数のニューラルネットワークのうちの、前記第１ニューラルネットワークとは異なる第２ニューラルネットワークを選択する。

【発明の効果】

【0007】

本発明によれば、制御のための演算に要する時間を短縮するために有利な技術が提供される。

【図面の簡単な説明】

【0008】

【図1】一実施形態の処理システムの構成を示す図。

【図2】処理装置の構成例を示す図。

【図3】処理装置の１つの構成例を示すブロック線図。

【図4】処理装置の他の構成例を示すブロック線図。

【図5】処理システムにおける学習シーケンスを例示する図。

【図6】ステージの速度プロファイルおよび加速度プロファイルを例示する図。

【図7】処理システムを走査露光装置（リソグラフィー装置）に適用した例を示す図。

【図8】走査露光装置の露光シーケンスを例示する図。

【図9】温度制御器の構成例を示す図。

【図10】温度制御器の１つの構成例を示すブロック線図。

【図11】温度制御器の他の構成例を示すブロック線図。

【発明を実施するための形態】

【0009】

以下、添付図面を参照して実施形態を詳しく説明する。なお、以下の実施形態は特許請求の範囲に係る発明を限定するものではない。実施形態には複数の特徴が記載されているが、これらの複数の特徴の全てが発明に必須のものとは限らず、また、複数の特徴は任意に組み合わせられてもよい。さらに、添付図面においては、同一若しくは同様の構成に同一の参照番号を付し、重複した説明は省略する。

【0010】

図１には、一実施形態の処理システムＰＳの構成が示されている。処理システムＰＳは、例えば、処理装置１と、処理装置１を制御する制御サーバ（上位装置）２と、処理装置１に含まれるニューラルネットワークのパラメータ値を決定する学習を実行する学習サーバ（学習装置）３とを備えうる。処理装置１は、例えば、製造装置、検査装置、監視装置等のように、処理対象物に対する処理を実行する装置である。処理の概念には、処理対象物を加工すること、検査すること、監視すること、観察することなどが含まれうる。

【0011】

処理装置１は、制御対象を含み、強化学習によってパラメータ値が決定されるニューラルネットワークを使って該制御対象を制御しうる。制御サーバ２は、処理装置１に制御指令（例えば、駆動指令）を送り、処理装置１から制御結果（例えば、駆動結果）を受け取るように構成されうる。制御サーバ２および学習サーバ３は、例えば、プログラムが組み込まれた汎用コンピュータ、又は、これらの全部または一部の組み合わせによって構成されうる。

【0012】

学習サーバ３は、処理装置１に組み込まれたニューラルネットワークの複数のパラメータ値を決定する強化学習を行いうる。具体的には、学習サーバ３は、制御サーバ２を介して、処理装置１に制御指令を送り、処理装置１から制御結果を受け取りうる。そして、学習サーバ３は、該制御結果に基づいて報酬を計算し、該報酬に基づいて該ニューラルネットワークの該複数のパラメータ値を更新しうる。

【0013】

制御サーバ２の全部または一部の機能は、学習サーバ３に組み込まれてもよい。制御サーバ２の全部または一部の機能は、処理装置１に組み込まれてもよい。処理装置１、制御サーバ２および学習サーバ３は、物理的に一体化されて構成されてもよいし、物理的に別体をなすように構成されてもよい。処理装置１は、その全体が制御サーバ２によって制御されてもよいし、制御サーバ２によって制御される構成要素の他に、制御サーバ２によって制御されない構成要素を含んでもよい。ニューラルネットワークのパラメータ値の更新に関わる演算コストが高い場合、制御サーバ２と学習サーバ３とを分離することが有利であるかもしれない。複数の制御対象が存在する場合には、１つの制御サーバ２と、複数の学習サーバ３とが設けられてもよい。

【0014】

図２には、処理装置１の構成が例示されている。処理装置１は、制御対象であるステージ（保持部）ＳＴを含むステージ機構５と、ステージＳＴの位置あるいは状態を検出するセンサ６と、ステージ機構５を駆動するドライバ７と、ドライバ７に指令値を与え、センサ６からの出力を受け取る制御装置８とを含みうる。ステージＳＴは、位置決め対象物を保持しうる。ステージＳＴは、不図示のガイドによってガイドされうる。ステージ機構５は、ステージＳＴを移動させるアクチュエータＡＣを含みうる。ドライバ７は、アクチュエータＡＣを駆動する。より具体的には、ドライバ７は、例えば、制御装置８から与えられる指令値に応じた電流(電気的エネルギー)をアクチュエータＡＣに供給しうる。アクチュエータＡＣは、ドライバ７から供給される電流に応じた力（機械的エネルギー）でステージＳＴを移動させうる。制御装置８は、強化学習によってパラメータ値が決定されるニューラルネットワークを使って制御対象であるステージＳＴの位置あるいは状態を制御しうる。

【0015】

図３には、図２に例示された処理装置１の１つの構成例を示すブロック線図が示されている。処理装置１は、ステージ機構５と、ステージＳＴの位置あるいは状態を検出するセンサ６と、ステージ機構５を駆動するドライバ７と、制御偏差に基づいてドライバ７に操作量（制御信号）を与え、センサ６からの出力を受け取る制御装置８とを含みうる。制御装置８は、例えば、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙの略。）などのＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅの略。）、又は、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔの略。）、又は、プログラムが組み込まれた汎用コンピュータ、又は、これらの全部または一部の組み合わせによって構成される。

【0016】

制御装置８は、制御対象であるステージ機構５（ステージＳＴ）を制御するための制御信号を生成する。制御装置８は、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃと、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃのうち制御信号を生成するために使用されるニューラルネットワークを選択する選択器８７と、を備えうる。選択器８７は、選択情報に基づいて、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃのうち制御信号を生成するために使用されるニューラルネットワークを選択しうる。選択されたニューラルネットワークは、補償器として機能し、入力された情報（制御偏差）に基づいて操作量を生成しうる。選択情報は、制御装置８において生成されてもよいし、他の装置（例えば、上位装置）から提供されてよい。ここで、複数の制御パターンから選択される制御パターンに応じて、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃのうち使用されるニューラルネットワークが選択されるように、選択情報が生成されうる。複数の制御パターンは、相互に区別可能な制御パターンでありうる。制御パターンは、例えば、目標値列（目標値の時系列データ）を含みうる。

【0017】

制御装置８は、目標値（例えば、目標位置）とステージ機構５（ステージＳＴ）の状態（例えば、位置）を示す状態信号との差分（すなわち、制御偏差）を計算する減算器８６を備えうる。選択器８７は、デマルチプレクサ８７ａおよびマルチプレクサ８７ｂを含みうる。デマルチプレクサ８７ａは、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃのうち選択情報によって指定されるニューラルネットワークに対して制御偏差を供給しうる。マルチプレクサ８７ｂは、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃのうち選択情報によって指定されるニューラルネットワークによって生成された信号を出力しうる。なお、図３では、３つのニューラルネットワーク８５ａ、８５ｂ、８５ｃが例示されているが、ニューラルネットワークの個数は任意である。複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃのそれぞれの層数およびニューロン数は任意である。複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃのパラメータ値は、強化学習によって決定されうる。

【0018】

複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃの各々は、制御対象を制御する制御パターンのうち対応する１つの制御パターンの実行において使用されるように選択器８７によって選択されうる。あるいは、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃの各々は、制御対象を制御する複数の制御パターンの少なくとも１つの制御パターンの少なくとも一部の実行において使用されるように選択器８７によって選択されうる。

【0019】

図４には、図２に例示された処理装置１の他の構成例を示すブロック線図が示されている。図４に示された構成例は、図３に示された構成例に対して主補償器８１および加算器８２が追加された構成を有する。主補償器８１は、例えば、Ｐ要素（比例要素）、Ｉ要素（積分要素）、Ｄ要素（微分要素）を含む補償器（例えば、ＰＩＤ補償器）でありうるが、これに限定されるものではない。減算器８６は、目標値（例えば、目標位置）とステージ機構５（ステージＳＴ）の状態（例えば、位置）を示す状態信号との差分を計算し、その差分を選択器８７によって選択されたニューラルネットワークに供給するとともに主補償器８１に供給する。加算器８２は、主補償器８１によって生成された第１操作量と、選択器８７によって選択されたニューラルネットワークによって生成された第２操作量とを加算し、制御信号を生成しうる。該制御信号は、ドライバ７に供給されうる。

【0020】

図５には、処理システムＰＳにおける学習シーケンスが例示されている。この学習シーケンスは、学習サーバ３によって制御される。工程Ｓ５０１では、学習サーバ３は、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃの学習のために使用される複数の制御パターンのうちの１つの制御パターンを選択する。工程Ｓ５０２～Ｓ５０５は、繰り返して実行されるループであり、このループにおいて最初に実行される工程Ｓ５０２では、学習サーバ３は、学習を実行する対象のニューラルネットワークのパラメータ値を初期化する。また、このループにおいて２回目以降に実行される工程Ｓ５０２では、学習サーバ３は、ニューラルネットワークのパラメータ値を変更する。ニューラルネットワークのパラメータ値の初期化および変更は、学習サーバ３が制御サーバ２を介して処理装置１にパラメータ値を送ることによってなされうる。

【0021】

工程Ｓ５０３では、学習サーバ３は、制御サーバ２を介して、処理装置１に制御パターンおよび制御指令を送り、処理装置１を動作させる。具体的には、学習サーバ３は、制御パターンを含む制御情報を制御サーバ２に送り、制御サーバ２は、該制御パターンを含む制御指令を処理装置１に送りうる。処理装置１は、該制御パターンに従って制御対象であるステージ（保持部）ＳＴを含むステージ機構５を動作させうる。処理装置１は、この動作を監視し、制御結果を保存しうる。該制御結果は、ステージ機構５の動作において発生するデータであり、例えば、減算器８６によって計算される制御偏差を示すデータを含みうる。この制御結果は、制御サーバ２を介して処理装置１から学習サーバ３に送られうる。

【0022】

工程Ｓ５０５では、学習サーバ３は、処理装置１から送られてきた制御結果に基づいて、所定の計算式に従って報酬を計算しうる。該計算式は、例えば、評価期間における制御偏差が小さいほど、報酬の値が大きくなるように設定されうる。工程Ｓ５０５では、学習サーバ３は、学習を終了するかどうかを判断し、終了する場合には工程Ｓ５０７に進み、終了しない場合には工程Ｓ５０３に戻る。学習を終了するかどうかは、例えば、学習回数（Ｓ５０２～Ｓ５０５を実行した回数）が規定値に達したかどうかで判断することができる。この場合、学習回数が規定値に達した場合には学習を終了し、そうでなければ学習が続行されうる。工程Ｓ５０３に戻る場合、工程Ｓ５０３では、報酬が大きくなるように所定のアルゴリズムに従ってニューラルネットワークのパラメータ値を変更しうる。

【0023】

工程Ｓ５０７では、学習サーバ３は、工程Ｓ５０２～Ｓ５０５の繰り返しにおいて計算された報酬のうち最大の報酬が得られたときのパラメータ値を学習済のパラメータ値として決定し、学習の実行対象のニューラルネットワークのパラメータ値として保存する。これは、例えば、学習を実行する対象のニューラルネットワークがニューラルネットワーク８５ａであれば、ニューラルネットワーク８５ａのパラメータ値が設定されることを意味する。

【0024】

工程Ｓ５０８では、学習サーバ３は、次の制御パターン（次に学習を行うべきニューラルネットワーク）があるかどうかを判断し、次の制御パターンがある場合には、工程Ｓ５０１に戻る。この場合、当該次の制御パターンについて、工程Ｓ５０１～Ｓ５０７が実行される。

【0025】

ニューラルネットワークを用いた制御装置における演算に要する時間は、ニューラルネットワークの規模（層数およびニューロン数）に依存する。制御装置８は、ドライバ７に対して所定時間間隔で指令値（例えば、電流指令値）を提供する必要があり、ニューラルネットワークの規模が大きいと所定時間で指令値の演算が終わらない可能性がある。そこで、本実施形態では、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃの各々を小規模ニューラルネットワークで構成し、選択情報に基づいて複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃから使用すべきニューラルネットワークが選択される。制御装置８が単一のニューラルネットワークしか有しない場合、その単一のニューラルネットワークであらゆる制御パターンに対応する必要があるので、その規模が大きくなり、また、学習に長時間を要しうる。一方、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃから制御パターンに応じたニューラルネットワークを選択して使用する場合、各ニューラルネットワークを小規模にすることができる。これにり、各ニューラルネットワークによる演算時間を短縮することができ、また、学習に要する時間を短縮することができる。

【0026】

図６には、ステージＳＴの速度プロファイルおよび加速度プロファイルが例示されている。速度プロファイルは、位置プロファイル（目標位置の時系列データ）を微分したものであり、加速度プロファイルは、位置プロファイルを２回微分したものである。位置プロファイル、速度プロファイルおよび加速度プロファイルは、駆動プロファイルあるいは制御プロファイルとしても理解されうる。

【0027】

図６の例では、駆動プロファイルは、複数の時間区間、具体的には、区間５０１～区間５０８を含む。区間５０１は、制御対象が等加速度に達するまで、制御対象の加速度が正の範囲で増加するジャーク区間である。区間５０２は、制御対象の加速度が正の一定値（等加速度）を維持する等加速度区間である。区間５０３は、制御対象が等速度に達するまで、制御対象の加速度が正の範囲で低下するジャーク区間である。区間５０４は、制御対象が等速度で移動、即ち制御対象の加速度がゼロを維持する等速度区間である。区間５０５は、制御対象が負の等加速度に達するまで、制御対象の加速度が負の範囲で該加速度の絶対値が増加するジャーク区間である。区間５０６は、制御対象の加速度が負の一定値（等加速度）を維持する等加速度区間である。区間５０７は、制御対象が停止するまで、制御対象の加速度が負の範囲で該加速度の絶対値が減少するジャーク区間である。区間５０８は、制御対象が停止している静止区間である。選択器８７は、複数の時間区間のうち現在の時間区間に応じて複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃから制御に使用されるニューラルネットワークを選択しうる。該現在の時間区間を示す情報は、例えば、選択情報として選択器８７に与えられうる。

【0028】

一例において、区間５０１の開始から区間５０２の終了までを第１制御パターン、区間５０３開始から区間５０５の終了までを第２制御パターン、区間５０６の開始から区間５０８の終了までを第３制御パターンとして定義することができる。この例では、第１制御パターン、第２制御パターン、第３制御パターンに対してそれぞれニューラルネットワーク８５ａ、８５ｂ、８５ｃが割り当てられうる。他の例において、上記のように加速度で分類された複数の時間区間の少なくとも１つを含む期間に対してオフセットを加算することによって制御パターンが定義されてもよい。例えば、区間５０１の開始から区間５０２の終了時の１０ｍｓｅｃ後までを第１制御パターン、区間５０２の終了時の１０ｍｓｅｃ後から区間５０８の終了までを第２制御パターンとして定義することができる。

【0029】

複数の制御パターンが重複する期間を含まない場合、学習サーバ３は、複数の制御パターンにそれぞれ対応する複数のニューラルネットワークの学習を並行して実施してもよい。

【0030】

以下、図７を参照しながら上記の処理システムＰＳを走査露光装置５００に適用した例を説明する。走査露光装置５００は、スリット部材によって整形されたスリット光により基板１４を走査露光するステップ・アンド・スキャン方式の露光装置である。走査露光装置５００は、照明光学系２３、原版ステージ機構１２、投影光学系１３、基板ステージ機構１５、第１位置計測部１７、第２位置計測部１８、基板マーク計測部２１、基板搬送部２２、温度制御器２５、ドライバＲＤ、ＳＤおよび制御部２４を含みうる。

【0031】

制御部２４は、照明光学系２３、原版ステージ機構１２、投影光学系１３、基板ステージ機構１５、第１位置計測部１７、第２位置計測部１８、基板マーク計測部２１、基板搬送部２２、温度制御器２５を制御しうる。制御部２４は、原版１１のパターンを基板１４に転写する処理を制御する。照明光学系２３、原版ステージ機構１２、投影光学系１３、基板ステージ機構１５、基板搬送部２２、および／または、温度制御器２５は、原版１１のパターンを基板１４に転写する処理のために動作する動作部である。制御部２４は、例えば、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙの略。）などのＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅの略。）、又は、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔの略。）、又は、プログラムが組み込まれた汎用コンピュータ、又は、これらの全部または一部の組み合わせによって構成される。制御部２４は、図２、図３に記載された処理装置１における制御装置８に相当しうる。ドライバＲＤ、ＳＤは、図２、図３に記載された処理装置１におけるドライバ７に相当しうる。

【0032】

原版ステージ機構１２および基板ステージ機構１５は、基板１４に原版１１のパターンが転写されるように原版１１および基板１４を走査する走査機構を構成しうる。原版ステージ機構１２は、原版１１を保持する原版ステージＲＳＴと、原版ステージＲＳＴを駆動する第１アクチュエータＲＡＣとを含みうる。第１アクチュエータＲＡＣは、第１ドライバＲＤによって駆動される。基板ステージ機構１５は、基板１４を保持する基板ステージＷＳＴと、基板ステージＷＳＴを駆動する第２アクチュエータＷＡＣとを含みうる。第２アクチュエータＷＡＣは、第２ドライバＳＤによって駆動される。照明光学系２３は、原版１１を照明する。照明光学系２３は、マスクキングブレードなどの遮光部材により、光源（不図示）から射出された光を、例えばＸ方向に長い帯状または円弧状の形状を有するスリット光に整形し、そのスリット光で原版１１の一部を照明する。原版１１および基板１４は、原版ステージＲＳＴおよび基板ステージＷＳＴによってそれぞれ保持されており、投影光学系１３を介して光学的にほぼ共役な位置（投影光学系１３の物体面および像面）にそれぞれ配置される。

【0033】

投影光学系１３は、所定の投影倍率（例えば、１倍、１／２倍又は１／４倍）を有し、原版１１のパターンをスリット光により基板１４上に投影する。原版１１のパターンが投影された基板１４上の領域（スリット光が照射される領域）は、照射領域と呼ばれうる。原版ステージＲＳＴおよび基板ステージＷＳＴは、投影光学系１３の光軸方向（Ｚ方向）に直交する方向（Ｙ方向）に移動可能に構成されている。原版ステージＲＳＴおよび基板ステージＷＳＴは、互いに同期しながら、投影光学系１３の投影倍率に応じた速度比で相対的に走査される。これにより、照射領域に対して基板１４がＹ方向に走査され、原版１１に形成されたパターンが基板１４のショット領域に転写される。そして、このような走査露光を、基板ステージＷＳＴを移動させながら、基板１４の複数のショット領域の各々について順次に行うことにより、１枚の基板１４における露光処理が完了する。

【0034】

第１位置計測部１７は、例えばレーザ干渉計を含み、原版ステージＲＳＴの位置を計測する。レーザ干渉計は、例えば、レーザ光を原版ステージＲＳＴに設けられた反射板（不図示）に向けて照射し、反射板で反射されたレーザ光と基準面で反射されたレーザ光との干渉によって原版ステージＲＳＴの変位（基準位置からの変位）を検出する。第１位置計測部１７は、当該変位に基づいて原版ステージＲＳＴの現在位置を取得することができる。ここで、第１位置計測部１７は、レーザ干渉計以外に位置計測器、例えば、エンコーダによって原版ステージＲＳＴの位置を計測してもよい。

【0035】

第２位置計測部１８は、例えばレーザ干渉計を含み、基板ステージＷＳＴの位置を計測する。レーザ干渉計は、例えば、レーザ光を基板ステージＷＳＴに設けられた反射板（不図示）に向けて照射し、反射板で反射されたレーザ光と基準面で反射されたレーザ光との干渉によって基板ステージＷＳＴの変位（基準位置からの変位）を検出する。第２位置計測部１８は、当該変位に基づいて基板ステージＷＳＴの現在位置を取得することができる。ここで、第２位置計測部１８は、レーザ干渉計以外に位置計測器、例えば、エンコーダによって基板ステージＷＳＴの位置を計測してもよい。

【0036】

基板マーク計測部２１は、例えば、光学系および撮像素子を含み、基板１４に設けられたマークの位置を検出しうる。基板搬送部２２は、基板１４を基板ステージＷＳＴに供給したり、基板ステージＷＳＴから回収したりする。温度制御器２５は、走査露光装置５００の不図示のチャンバの中の温度および湿度を一定に保つ。

【0037】

図８には、走査露光装置５００の露光シーケンスが例示されている。工程Ｓ７０１（基板ロードシーケンス）では、制御部２４は、基板１４を基板ステージＷＳＴにロード（搬送）するように基板搬送部２２を制御する。具体的には、工程Ｓ７０２（計測シーケンス）では、制御部２４は、基板１４と原版１１との位置合わせのための計測を実行する。具体的には、工程Ｓ７０２では、制御部２４は、基板１４のマークが基板マーク計測部２１の視野に入るように基板ステージ機構１５を制御し、基板１４のマークの位置が検出されるように基板マーク計測部２１を制御しうる。このような動作は、基板１４の複数のマークのそれぞれについて実行されうる。工程Ｓ７０３（露光シーケンス）では、制御部２４は、基板１４の複数のショット領域のそれぞれに対して原版１１のパターンが転写されるように基板ステージ機構１５、原版ステージ機構１２、照明光学系２３等を制御する。工程Ｓ７０４（基板アンロードシーケンス）では、制御部２４は、基板ステージＷＳＴ上の基板１４をアンロード（搬送）するように基板搬送部２２を制御する。

【0038】

ここで、処理システムＰＳを走査露光装置５００における基板ステージ機構１５の制御に適用した例を説明する。図２における制御装置８、ドライバ７、センサ６、アクチュエータＡＣは、それぞれ、制御部２４、ドライバＳＤ、第２位置計測部１８、アクチュエータＷＡＣに対応する。制御部２４は、図３又は図４に例示される制御装置８のように、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃを有しうる。制御部２４は、制御パターンに応じて複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃから選択されるニューラルネットワークを使用して基板ステージ機構１５の基板ステージＷＳＴを制御しうる。

【0039】

複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃから制御に使用されるニューラルネットワークを選択するために使用される複数の制御パターンの各々は、図６を参照して例示的に説明したように、複数の時間区間に基づいて定義されうる。このように、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃの各々は、複数の時間区間に基づいて定義される制御パターンの実行において選択されうる。

【0040】

複数の制御パターンは、工程Ｓ７０１のための制御パターン、工程Ｓ７０２のための制御パターン、工程Ｓ７０３のための制御パターン、工程Ｓ７０４のための制御パターンを含んでもよい。工程Ｓ７０１のための制御パターンは、ロード制御パターンと呼ばれうる。工程Ｓ７０２のための制御パターンは、計測制御パターンと呼ばれうる。工程Ｓ７０３のための制御パターンは、露光制御パターンと呼ばれうる。工程Ｓ７０４のための制御パターンは、アンロード制御パターンと呼ばれうる。例えば、工程Ｓ７０１をニューラルネットワーク８５ａで制御し、工程Ｓ７０２をニューラルネットワーク８５ｂで制御し、工程Ｓ７０３をニューラルネットワーク８５ｃで制御することができる。

【0041】

あるいは、１つのシーケンスの全部または一部の期間における制御を１つの制御パターンとし、これに１つのニューラルネットワークを割り当ててもよい。例えば、ニューラルネットワーク８５ａを計測シーケンスにおける区間５０６から区間５０８に適用することができる。また、ニューラルネットワーク８５ｂを露光シーケンスにおける区間５０２と区間５０４とに適用することができる。

【0042】

計測シーケンスでは、基板ステージＷＳＴの停止直後における制御偏差を低減する必要がある。これは、図６の区間５０８（停止区間）において基板１４のマークの位置を基板マーク計測部２１で計測するためである。そこで、計測シーケンスにおいて１つのニューラルネットワークを使用する区間として、減速中の区間５０６の開始から区間５０８の終了までの区間を割り当てることができる。ここで、区間５０５で励起される振動成分は区間５０６で励起される振動成分よりも小さい。よって、計測シーケンスにおいて１つのニューラルネットワークを使用する区間の開始を区間５０６の開始とすることが効果的である。

【0043】

一方、露光シーケンスでは、基板ステージＷＳＴの等速中の偏差を低減する必要がある。これは、図６の等速中の区間５０４（等速度区間）において基板１４を露光するためである。そこで、露光シーケンスにおいて１つのニューラルネットワークを使用する区間として、加速中の区間５０２の開始から区間５０４の終了までの区間を割り当てることができる。ここで、区間５０１で励起される振動成分は区間５０２で励起される振動成分よりも小さい。よって、露光シーケンスにおいて１つのニューラルネットワークを使用する区間の開始を区間５０２の開始とすることが効果的である。

【0044】

このように、基板ステージＷＳＴの制御偏差を低減したい複数の区間にそれぞれ対応する複数の小規模のニューラルネットワークを設けて、それらを切り替えながら使用することで、学習時間および演算時間の短縮といった効果が得られる。

【0045】

次に、処理システムＰＳを走査露光装置５００における原版ステージ機構１２の制御に適用した例を説明する。図２における制御装置８、ドライバ７、センサ６、アクチュエータＡＣは、それぞれ、制御部２４、ドライバＲＤ、第１位置計測部１７、アクチュエータＲＡＣに対応する。制御部２４は、図３又は図４に例示される制御装置８のように、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃを有しうる。制御部２４は、制御パターンに応じて複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃから選択されるニューラルネットワークを使用して原版ステージ機構１２の原版ステージＲＳＴを制御しうる。

【0046】

複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃから使用するニューラルネットワークを選択するために使用される複数の制御パターンの各々は、図６を参照して例示的に説明したように、複数の時間区間に基づいて定義されうる。あるいは、該複数の制御パターンは、原版１１をロードする工程のための制御パターン、原版１１をアンロードする工程のための制御パターン、工程Ｓ７０３のための制御パターンを含んでもよい。あるいは、１つのシーケンスの全部または一部の期間における制御を１つの制御パターンとし、これに１つのニューラルネットワークを割り当ててもよい。

【0047】

次に、処理システムＰＳを走査露光装置５００における基板搬送部２２の制御に適用した例を説明する。図２における制御装置８、ドライバ７、センサ６、ステージ機構５は、それぞれ、制御部２４、不図示のドライバ、基板搬送部２２に対応する。制御部２４は、図３又は図４に例示される制御装置８のように、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃを有しうる。制御部２４は、制御パターンに応じて複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃから選択されるニューラルネットワークを使用して基板搬送部２２を制御しうる。

【0048】

制御装置８を基板搬送部２２の制御に適用することで、基板搬送部２２の駆動中の制御偏差を抑制することができ、基板ステージＷＳＴに供給される基板１４の位置の再現性を向上させることができる。また、加速度および速度を上げつつ、制御偏差を抑制することで、スループットを向上させることもできる。

【0049】

図６を参照して例示的に説明された複数の時間区間に基づく制御は、基板搬送部２２の制御に適用されてもよい。即ち、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃから制御に使用すべきニューラルネットワークを選択するために使用される複数の制御パターンの各々は、複数の時間区間に基づいて定義されうる。換言すると、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃの各々は、複数の時間区間に基づいて定義される制御パターンの実行において選択されうる。

【0050】

基板搬送部２２も、基板ステージ機構１５と同様に、の制御偏差を低減したい複数の区間にそれぞれ対応する複数の小規模のニューラルネットワークを設けて、それらを切り替えながら使用することで、学習時間および演算時間の短縮といった効果が得られる。

【0051】

次に、図１の処理システムＰＳを走査露光装置５００における温度制御器２５に適用した例を説明する。図９には、温度制御器２５の構成例が示されている。温度制御器２５は、温度制御部（制御装置）２６と、制御対象の温度を調整する温度調整器２７と、制御対象の温度を測定する温度センサ２８を備えうる。温度制御部２６は、温度調整器２７に対して、所定の時間間隔で指令値を送る。温度調整器２７は、不図示のヒータおよび／または冷却器によって、走査露光装置５００のチャンバの中の温度を調整する。走査露光装置５００のチャンバの中の温度は、温度センサ２８で測定され、その測定結果が温度制御部２６に送られる。

【0052】

図１０には、図９に例示された温度制御器２５の１つの構成例を示すブロック線図が示されている。温度制御器２５は、制御対象であるチャンバ内の温度を調整する温度調整器２７と、チャンバ内の所定箇所の温度を測定する温度センサ２８と、制御偏差に基づいて温度調整器２７に操作量を与え、温度センサ２８の出力を受け取る温度制御部２６とを備えうる。温度制御部２６は、例えば、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙの略。）などのＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅの略。）、又は、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔの略。）、又は、プログラムが組み込まれた汎用コンピュータ、又は、これらの全部または一部の組み合わせによって構成される。

【0053】

温度制御部２６は、温度調整器２７を制御するための制御信号を生成する。温度制御部２６は、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃと、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃのうち制御信号を生成するために使用されるニューラルネットワークを選択する選択器８７と、を備えうる。選択器８７は、選択情報に基づいて、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃのうち制御信号を生成するために使用されるニューラルネットワークを選択しうる。選択されたニューラルネットワークは、補償器として機能し、入力された情報（制御偏差）に基づいて操作量を生成しうる。選択情報は、温度制御部２６において生成されてもよいし、他の装置（例えば、制御部２４）から提供されてよい。ここで、複数の制御パターンから選択される制御パターンに応じて、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃのうち使用されるニューラルネットワークが選択されるように選択情報が生成されうる。複数の制御パターンは、相互に区別可能な制御パターンでありうる。制御パターンは、例えば、目標値列（目標温度の時系列データ）でありうる。

【0054】

温度制御部２６は、目標値（目標温度）と温度センサ２８の出力（測定温度）との差分（すなわち、制御偏差）を計算する減算器８６を備えうる。選択器８７は、デマルチプレクサ８７ａおよびマルチプレクサ８７ｂを含みうる。デマルチプレクサ８７ａは、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃのうち選択情報によって指定されるニューラルネットワークに対して制御偏差を供給しうる。マルチプレクサ８７ｂは、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃのうち選択情報によって指定されるニューラルネットワークによって生成された信号を出力しうる。なお、図１０では、３つのニューラルネットワーク８５ａ、８５ｂ、８５ｃが例示されているが、ニューラルネットワークの個数は任意である。複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃのそれぞれの層数およびニューロン数は任意である。複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃのパラメータ値は、強化学習によって決定されうる。

【0055】

複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃの各々は、制御対象を制御する制御パターンのうち対応する１つの制御パターンの実行において使用されるように選択器８７によって選択されうる。あるいは、複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃの各々は、制御対象を制御する複数の制御パターンの少なくとも１つの制御パターンの少なくとも一部において使用されるように選択器８７によって選択されうる。

【0056】

図１１には、図９に例示された温度制御器２５の他の構成例を示すブロック線図が示されている。図１１に示された構成例は、図１０に示された構成例に対して主補償器８１および加算器８２が追加された構成を有する。主補償器８１は、例えば、Ｐ要素（比例要素）、Ｉ要素（積分要素）、Ｄ要素（微分要素）を含む補償器（例えば、ＰＩＤ補償器）でありうるが、これに限定されるものではない。減算器８６は、目標値（目標温度）と温度センサ２８の出力温度（測定温度）との差分を計算し、その差分を選択器８７によって選択されたニューラルネットワークに供給するとともに主補償器８１に供給する。加算器８２は、主補償器８１によって生成された第１操作量と、選択器８７によって選択されたニューラルネットワークによって生成された第２操作量とを加算し、制御信号を生成しうる。該制御信号は、温度調整器２７に供給されうる。

【0057】

走査露光装置５００のチャンバ内の温度は、例えば、原版ステージ機構１２および基板ステージ機構１５の発熱によって変化しうる。基板の露光シーケンスが始まると、原版ステージ機構１２および基板ステージ機構１５のアクチュエータに電流が流れることで、原版ステージ機構１２および基板ステージ機構１５が発熱する。露光シーケンスの開始直後は、チャンバ内の空間の温度変化が大きく、基板の露光シーケンスを続けることで温度変化が緩やかになっていく。すなわち、温度変化と基板の処理枚数との間に相関がある。

【0058】

そこで、選択情報を基板の処理枚数に応じて変更し、これによって複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃのうち温度制御に使用されるニューラルネットワークを切り替えてもよい。例えば、温度変化が激しい１枚目の基板から１０枚目の基板までの処理時間における温度をニューラルネットワークの３０ａで制御することができる。その後、１１枚目の基板から５０枚目の基板までの処理時間における温度をニューラルネットワークの３０ａで制御し、５１枚目以降の基板の処理時間における温度をニューラルネットワークの３０ｃで制御することができる。

【0059】

あるいは、露光レシピ（例えば、ショット領域サイズ）によって原版ステージ機構１２および基板ステージ機構１５の駆動量が異なり、発熱量が異なりうる。そこで、選択情報を露光レシピに応じて変更し、これによって複数のニューラルネットワーク８５ａ、８５ｂ、８５ｃのうち温度制御に使用されるニューラルネットワークを切り替えてもよい。

【0060】

以上では、走査露光装置５００に製造システムＭＳを適用した例を説明したが、製造システムＭＳは、他のタイプの露光装置（例えば、ステッパ）に適用されてもよいし、インプリント装置等の他のタイプのリソグラフィー装置に適用されてもよい。ここで、リソグラフィー装置は、基板にパターンを形成するための装置であり、その概念には、露光装置、インプリント装置、電子線描画装置等が含まれうる。

【0061】

以下、上記のようなリソグラフィー装置を使って物品（例えば、半導体ＩＣ素子、液晶表示素子、ＭＥＭＳ等））を製造する物品製造方法を説明する。該物品製造方法は、リソグラフィー装置によって基板に原版のパターンを転写する転写工程と、該転写工程を経た該基板を処理する処理工程と、を含み、該処理工程を経た該基板から物品を得る方法でありうる。

【0062】

リソグラフィー装置が露光装置である場合、物品製造方法は、感光剤が塗布された基板（基板、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、その現像された基板を他の周知の工程で処理する工程とを含みうる。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。本物品製造方法によれば、従来よりも高品位の物品を製造することができる。リソグラフィー装置がインプリント装置である場合、物品製造方法は、基板の上のインプリント材を型を使って成形することによって、インプリント材の硬化物からなるパターンを形成する工程と、該パターンを使って該基板を処理する工程とを含みうる。

【0063】

発明は上記実施形態に制限されるものではなく、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、発明の範囲を公にするために請求項を添付する。

【符号の説明】

【0064】

８：制御装置、８１：主補償器、８２：加算器、８５ａ、８５ｂ、８５ｃ：ニューラルネットワーク、８６：減算器、８７：選択器

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】