知財求人 - 知財ポータルサイト「IP Force」
特許7520656制御装置およびその調整方法、リソグラフィー装置、ならびに、物品製造方法
(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】2024-07-12
(45)【発行日】2024-07-23
(54)【発明の名称】制御装置およびその調整方法、リソグラフィー装置、ならびに、物品製造方法
(51)【国際特許分類】
G03F 9/00 20060101AFI20240716BHJP
G05B 13/02 20060101ALI20240716BHJP
H01L 21/68 20060101ALI20240716BHJP
【ＦＩ】
G03F9/00 H
G03F9/00 Z
G05B13/02 L
H01L21/68 K
H01L21/68 F
【請求項の数】
15
(21)【出願番号】P 2020152293
(22)【出願日】2020-09-10
(65)【公開番号】P2022046317
(43)【公開日】2022-03-23
【審査請求日】2023-08-28
(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】草柳 博一
(72)【発明者】
【氏名】畑 智康
(72)【発明者】
【氏名】猪股 裕也
(72)【発明者】
【氏名】朝倉 康伸
(72)【発明者】
【氏名】橋本 拓海
(72)【発明者】
【氏名】森川 寛
(72)【発明者】
【氏名】伊藤 正裕
(72)【発明者】
【氏名】石井 祐二
【審査官】田中 秀直
(56)【参考文献】
【文献】特開２０１９－０７１４０５（ＪＰ，Ａ）
【文献】特開平０８－０１６２０８（ＪＰ，Ａ）
【文献】特開平０５－１３４７１０（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０３Ｆ ７／２０
Ｇ０３Ｆ ９／００
Ｇ０５Ｂ １３／０２
Ｈ０１Ｌ ２１／６８
(57)【特許請求の範囲】
【請求項1】
制御対象を制御するための制御信号を発生する制御装置であって、前記制御対象の制御偏差に基づいて第１信号を発生する第１補償器と、
係数を調整可能な演算式に従って前記制御偏差を補正することによって補正信号を発生する補正器と、
前記補正信号に基づいてニューラルネットワークによって第２信号を発生する第２補償器と、
前記第１信号と前記第２信号とに基づいて前記制御信号を発生する演算器と、
を備え、
前記演算式は、前記制御偏差に比例する項、前記制御偏差に１回以上の積分を行う項、および、前記制御偏差に１回以上の微分を行う項、の少なくとも１つを含む、
ことを特徴とする制御装置。
【請求項2】
前記演算式は、前記制御偏差に比例する項を含む、ことを特徴とする請求項１に記載の制御装置。
【請求項3】
前記演算式は、前記制御偏差に１回以上の積分を行う項を含む、ことを特徴とする請求項１又は２に記載の制御装置。
【請求項4】
前記演算式は、前記制御偏差に１回以上の微分を行う項を含む、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】
前記演算式を設定する設定部を更に備える、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】
前記設定部は、所定条件が満たされた場合に、前記演算式の前記係数を再設定する、ことを特徴とする請求項５に記載の制御装置。
【請求項7】
前記所定条件は、前記制御偏差が規定値を超えることを含む、ことを特徴とする請求項６に記載の制御装置。
【請求項8】
前記設定部は、所定条件が満たされた場合に、前記ニューラルネットワークのパラメータ値が従前の状態に維持された状態で、前記演算式の前記係数を再設定する、ことを特徴とする請求項５に記載の制御装置。
【請求項9】
前記所定条件は、前記制御偏差が規定値を超えることを含む、ことを特徴とする請求項８に記載の制御装置。
【請求項10】
前記設定部は、外乱抑圧特性に基づいて前記演算式を再設定する、ことを特徴とする請求項５乃至９のいずれか１項に記載の制御装置。
【請求項11】
前記ニューラルネットワークのパラメータ値を機械学習によって決定する学習部を更に備える、ことを特徴とする請求項１乃至１０のいずれか１項に記載の制御装置。
【請求項12】
制御対象を制御するための制御信号を発生する制御装置であって、前記制御対象の制御偏差に基づいて第１信号を発生する第１補償器と、
演算式に従って前記制御偏差を補正することによって補正信号を発生する補正器と、
前記補正信号に基づいてニューラルネットワークによって第２信号を発生する第２補償器と、
前記第１信号と前記第２信号とに基づいて前記制御信号を発生する演算器と、
を備え、
前記演算式は、前記制御偏差に比例する項、前記制御偏差に１回以上の積分を行う項、および、前記制御偏差に１回以上の微分を行う項、の少なくとも１つを含む、
ことを特徴とする制御装置。
【請求項13】
基板に原版のパターンを転写するリソグラフィー装置であって、前記基板または前記原版の位置を制御するように構成された請求項１乃至１２のいずれか１項に記載の制御装置を備える、
ことを特徴とするリソグラフィー装置。
【請求項14】
請求項１３に記載のリソグラフィー装置を用い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15】
制御対象の制御偏差に基づいて第１信号を発生する第１補償器と、係数を調整可能な演算式に従って前記制御偏差を補正することによって補正信号を発生する補正器と、前記補正信号に基づいてニューラルネットワークによって第２信号を発生する第２補償器と、前記第１信号と前記第２信号とに基づいて制御信号を発生する演算器とを備える制御装置を調整する調整方法であって、前記演算式は、前記制御偏差に比例する項、前記制御偏差に１回以上の積分を行う項、および、前記制御偏差に１回以上の微分を行う項、の少なくとも１つを含み、
前記ニューラルネットワークのパラメータが従前の状態に維持された状態で、前記補正器の特性を調整する調整工程を含む、
ことを特徴とする調整方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、制御装置およびその調整方法、リソグラフィー装置、ならびに、物品製造方法に関する。
【背景技術】
【0002】
近年、制御精度の向上に対する要求が厳しくなってきており、従来のフィードバック制御だけでは要求精度に達しないことがある。そこで、従来の制御器に加えて、ニューラルネットワーク制御器を並列に構成する取り組みが行われている（特許文献１）。ニューラルネットワーク制御器は、機械学習によってパラメータが調整されるが、信頼性に関する問題がある。例えば、機械学習によって生成される制御器は、学習時に与えられた状況から大きく外れた状況（制御対象の状態変化や外乱環境の変化）においては、異常な出力を行う可能性がある。このような問題に対して、ニューラルネットワーク制御器の後段に出力を制限する制限部を設ける技術が提案されている（特許文献２）。
【先行技術文献】
【特許文献】
【0003】
【文献】特表平７－５０３５６３号公報
【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】
ニューラルネットワークを用いた従来の制御装置では、制御対象の状態変化および／または外乱環境の変化が発生した場合に、予め決められたニューラルネットワークのパラメータ値が最適ではなくなり、制御精度が悪化しうる。このような場合、ニューラルネットワークのパラメータ値を再学習によって再決定すれば、制御精度を改善することができる。しかし、再学習の実行には相当の時間が必要となる。また、再学習においては、予め決められた学習シーケンスが実行されるので、装置による生産ができない。したがって、再学習の実行は、装置の生産性を低下させうる。
【0005】
本発明は、制御対象の状態変化および／または外乱環境の変化に対する寛容性を向上させ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、制御対象を制御するための制御信号を発生する制御装置に係り、前記制御装置は、前記制御対象の制御偏差に基づいて第１信号を発生する第１補償器と、係数を調整可能な演算式に従って前記制御偏差を補正することによって補正信号を発生する補正器と、前記補正信号に基づいてニューラルネットワークによって第２信号を発生する第２補償器と、前記第１信号と前記第２信号とに基づいて前記制御信号を発生する演算器と、を備え、前記演算式は、前記制御偏差に比例する項、前記制御偏差に１回以上の積分を行う項、および、前記制御偏差に１回以上の微分を行う項、の少なくとも１つを含む。
【発明の効果】
【0007】
本発明によれば、制御対象の状態変化および／または外乱環境の変化に対する寛容性を向上させ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】第１実施形態のシステムの構成例を示す図。
【図2】第１実施形態のシステムの構成例を示す図。
【図3】第１実施形態のシステムにおける制御器の構成例を示すブロック図。
【図4】第１実施形態のシステムにおける制御器の構成例を示すブロック図。
【図5】第１実施形態のシステムの構成例を示す図。
【図6】第１、第２実施形態のシステムを生産装置に適用した場合のシステムの動作例を示す図。
【図7】補正器のパラメータ値の調整（あるいは再調整）処理を例示する図。
【図8】外乱抑圧特性を例示する図。
【図9】第２実施形態のステージ制御装置の構成性を示す図。
【図10】第２実施形態のステージ制御装置の制御器の構成例を示すブロック図。
【図11】第３実施形態の露光装置の構成例を示す図。
【図12】第３実施形態における位置制御偏差を例示する図。
【図13】第３実施形態における周波数解析の結果を例示する図。
【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、第１実施形態のシステムＳＳの構成が示されている。システムＳＳは、例えば、物品を製造するための製造装置に適用されうる。製造装置は、例えば、物品、または物品の一部を構成する部品の材料または部材を処理する処理装置を含みうる。処理装置は、例えば、材料または部材にパターンを転写するリソグラフィー装置、材料または部材に膜を形成する膜形成装置、材料または部材をエッチングする装置、および、材料または部材を加熱する加熱装置のいずれかでありうる。
【0011】
システムＳＳは、例えば、シーケンス部１０１と、制御装置１００と、制御対象１０３とを備えうる。制御装置１００は、制御器１０２を含みうる。制御装置１００あるいは制御器１０２は、制御対象１０３を制御するための制御信号として操作量（操作量信号）ＭＶを発生しうる。システムＳＳが生産システムに適用される場合、シーケンス部１０１には、生産シーケンスが提供されうる。生産シーケンスは、生産のための手順を規定しうる。シーケンス部１０１は、生産シーケンスに基づいて、制御対象１０３を制御するための目標値Ｒを発生し、目標値Ｒを制御装置１００あるいは制御器１０２に提供しうる。
【0012】
制御装置１００あるいは制御器１０２は、制御対象１０３をフィードバック制御しうる。具体的には、制御装置１００あるいは制御器１０２は、シーケンス部１０１から提供される目標値Ｒと制御対象１０３から提供される制御量ＣＶとの差分である制御偏差に基づいて、制御対象１０３の制御量ＣＶが目標値Ｒに追従するように制御対象１０３を制御しうる。制御対象１０３は、制御量ＣＶを検出するセンサを有することができ、該センサによって検出された制御量ＣＶが制御部１０２に提供されうる。目標値Ｒ、操作量ＭＶおよび制御量ＣＶは、時間の経過に伴って値が変化する時系列データでありうる。
【0013】
図２に例示されるように、システムＳＳには、学習部２０１が組み込まれてもよい。学習部２０１は、制御装置１００の一部として構成されてもよいし、制御装置１００の外部装置として構成されてもよい。学習部２０１が制御装置１００の外部装置として構成される場合、学習の終了後に学習部２０１が制御装置１００から切り離されてもよい。学習部２０１は、予め準備された学習シーケンスをシーケンス部１０１に送るように構成されうる。シーケンス部１０１は、学習シーケンスに従って目標値Ｒを生成し制御部１０２に提供しうる。
【0014】
制御器１０２は、シーケンス部１０１から学習シーケンスに従って生成され提供される目標値Ｒと制御対象１０３から提供される制御量ＣＶとの差分である制御偏差に基づいて操作量ＭＶを生成しうる。ここで、制御器１０２は、ニューラルネットワークを有し、該ニューラルネットワークを用いて操作量ＭＶを発生しうる。制御器１０２によって生成される操作量ＭＶは、制御対象１０３に提供され、この操作量ＭＶに従って制御対象１０３が動作しうる。この動作の結果としての制御量ＣＶは、制御器１０２に提供されうる。制御器１０２は、目標値Ｒに基づく制御器１０２の動作の履歴を示す動作履歴を学習部２０１に提供しうる。学習部２０１は、該動作履歴に基づいて制御器１０２のニューラルネットワークのパラメータ値を決定し、該パラメータ値を該ニューラルネットワークに設定しうる。該パラメータ値は、例えば、強化学習等の機械学習によって決定されうる。
【0015】
図３には、制御器１０２の１つの構成例が示されている。制御器１０２は、制御対象１０３の制御偏差Ｅに基づいて第１信号Ｓ１を発生する第１補償器３０１と、係数を調整可能な演算式に従って制御偏差Ｅを補正することによって補正信号ＣＳを発生する補正器３０３とを含みうる。また、制御器１０２は、補正信号ＣＳに基づいてニューラルネットワークによって第２信号Ｓ２を発生する第２補償器３０２と、第１信号Ｓ１と第２信号Ｓ２とに基づいて制御信号としての操作量ＭＶを発生する演算器３０６とを含みうる。操作量ＭＶは、第１信号Ｓ１と第２信号Ｓ２との和であり、演算器３０６は、加算器で構成されうる。他の観点において、操作量ＭＶは、第１信号Ｓ１を第２信号Ｓ２に基づいて補正した信号である。制御器１０２は、目標値Ｒと制御量ＣＶとの差分である制御偏差Ｅを発生する減算器３０５を含みうる。
【0016】
制御器１０２は、動作履歴記録３０４を更に含みうる。学習部２０１は、第２補償器３０２のニューラルネットワークのパラメータ値を決定するための学習を行うように構成されうる。学習部２０１による学習のために、動作履歴記録部３０４は、学習部２０１による学習に要する動作履歴を記録し、記録した動作履歴を学習部２０１に提供しうる。動作履歴は、例えば、第２補償器３０２に対する入力データである補正信号ＣＳと、第２補償器３０２の出力データである第２信号Ｓ２でありうるが、他のデータでもよい。
【0017】
以下、補正器３０３のいくつかの構成例を説明する。第１乃至第５構成例は、補正器３０３が制御偏差Ｅに基づいて補正信号ＣＳを生成するために使用する演算式の例を提供する。演算式は、例えば、単項式または多項式でありうる。
【0018】
第１構成例では、補正器３０３は、数１の演算式で表される制御特性を有する。ここで、補正器３０３に対する入力（Ｅ）をｘ、補正器３０３の出力（ＣＳ）をｙ、任意の係数（定数）をＫｐとする。
【0019】
【数1】
【0020】
第２構成例では、補正器３０３は、数２の演算式で表される制御特性を有する。ここで、補正器３０３に対する入力（Ｅ）をｘ、補正器３０３の出力（ＣＳ）をｙ、時刻をｔ、任意の係数（定数）をＫｉとする。なお、積分は複数回行ってもよい。積分はある時間区間の定積分でもよいし、不定積分でもよい。
【0021】
【数2】
【0022】
第３構成例では、補正器３０３は、数３の演算式で表される制御特性を有する。ここで、補正器３０３に対する入力（Ｅ）をｘ、補正器３０３の出力（ＣＳ）をｙ、時刻をｔ、任意の係数（定数）Ｋｄとする。なお、微分は複数回行ってもよい。
【0023】
【数3】
【0024】
第４構成例では、補正器３０３は、数４の演算式で表される制御特性を有する。ここで、補正器３０３に対する入力（Ｅ）をｘ、補正器３０３の出力（ＣＳ）をｙ、任意の係数（定数）をＫｐ、Ｋｉ、Ｋｄとする。なお、積分および微分は複数回行ってもよい。
【0025】
【数4】
【0026】
第５構成例では、補正器３０３は、数５の演算式で表される制御特性を有する。ここで、補正器３０３に対する入力（Ｅ）をｘ、補正器３０３の出力（ＣＳ）をｙ、多重積分の積分階数をｎ、微分階数をｍ、任意の係数（定数）をＫｐ、ｎ重積分のときの任意の係数（定数）をＫｉ＿ｎ、ｍ階微分のときの任意の定数をＫｄ＿ｍとする。
【0027】
【数5】
【0028】
第１乃至第５構成例は、補正器３０３が補正信号ＣＳを生成するために使用する演算式が、制御偏差Ｅに比例する項、制御偏差Ｅに１回以上の積分を行う項、および、制御偏差Ｅに１回以上の微分を行う項の、少なくとも１つを含む例として理解されうる。
【0029】
第１乃至第５構成例で挙げられた演算式の係数（定数）Ｋｐ、Ｋｉ、Ｋｄ、Ｋｉ＿ｎ、Ｋｄ＿ｍは、補正器３０３の調整可能なパラメータの例である。システムＳＳの動作中に制御対象１０３の状態および／または外乱環境が変化した場合において、第１乃至第５構成例として例示された演算式（の係数）の値（パラメータ値）を調整することによって、その変化に対応することができる。補正器３０３の演算式（の係数）の値の調整に要する時間は、ニューラルネットワークの再学習に要する時間よりも短い。したがって、システムＳＳの生産性を落とすことなく、制御精度を維持することができる。つまり、補正器３０３を導入することによって、制御対象の状態変化および／または外乱環境の変化に対する寛容性を向上させることができる。
【0030】
図４には、制御器１０２の他の構成例が示されている。図４に例示されるように、制御器１０２は、複数（２以上）のニューラルネットワーク３０２を有してもよい。補正器３０３によって生成される補正信号ＣＳは、複数のニューラルネットワーク３０２に提供されうる。あるいは、補正器３０３によって生成される補正信号ＣＳは、複数のニューラルネットワーク３０２のうち選択されたニューラルネットワーク３０２に提供されうる。複数のニューラルネットワーク３０２は、制御対象１０３の動作パターンに基づいて選択器４０１によって選択され、選択器４０１によって選択されたニューラルネットワーク３０２の出力が第２信号Ｓ２として演算器３０６に提供されうる。選択器４０１がニューラルネットワークの選択のために用いる動作パターンを示す情報は、シーケンス部１０１から選択器４０１に提供されうる。
【0031】
複数のニューラルネットワーク３０２のそれぞれのパラメータ値は、制御対象１０３の動作パターンに応じて決定されうる。例えば、制御対象１０３がステージを含み、ステージの位置を制御する場合、ステージを加速する加速区間の動作パターンと、それ以外の動作パターンとで、使用するニューラルネットワークを異ならせてもよい。あるいは、２つのシステムＳＳを露光装置に組み込み、１つのシステムＳＳによってプレートステージ（基板ステージ）を制御し、もう１つのシステムＳＳによってマスクステージ（原版ステージ）を制御することができる。この場合において、プレートステージとマスクステージとを同期させて駆動する同期区間の動作パターンと、それ以外の動作パターンとで、各システムＳＳにおいて使用するニューラルネットワークを異ならせてもよい。
【0032】
以上のように、複数のニューラルネットワーク３０２を使用する場合において、補正器３０３を導入することによって、制御対象の状態変化および／または外乱環境の変化に対する寛容性を向上させることができる。
【0033】
図５に例示されるように、制御装置１００は、補正器３０３のパラメータ値を設定する設定部２０２を備えてもよい。設定部２０２は、補正器３０３のパラメータ値を調整するための調整処理を実行し、この調整処理によって補正器３０３のパラメータ値を決定し設定してもよいし、ユーザからの指令に基づいて補正器３０３のパラメータ値を設定してもよい。前者においては、設定部２０２は、制御器１０２の動作を確認するための確認シーケンスをシーケンス部１０１に送り、この確認シーケンスに基づいてシーケンス部１０１に目標値Ｒを生成させうる。そして、設定部２０２は、その目標値Ｒに基づいて動作する制御器１０２から動作履歴（例えば、制御偏差）を取得し、その動作履歴に基づいて補正器３０３のパラメータ値を決定しうる。このような機能を有する設定部２０２は、補正器３０３のパラメータ値を調整する調整部として理解することができる。
【0034】
設定部２０２は、シーケンス部１０１が生産シーケンスに基づいて目標値Ｒを生成する生産時において、制御器１０２から動作履歴（例えば、制御偏差）を取得し、その動作履歴に基づいて補正器３０３のパラメータ値の調整を実行するかどうかを決定してもよい。あるいは、シーケンス部１０１が生産シーケンスに基づいて目標値Ｒを生成する生産時において設定部２０２による補正器３０３のパラメータ値の調整を実行するかどうかを判断する判断部が設定部２０２とは別に設けられてもよい。
【0035】
図６には、第１実施形態のシステムＳＳを生産装置に適用した場合のシステムＳＳの動作例が示されている。工程Ｓ５０１では、シーケンス部１０１は、与えられた生産シーケンスに基づいて目標値Ｒを生成し、制御装置１００あるいは制御器１０２に提供しうる。制御装置１００あるいは制御器１０２は、その目標値Ｒに基づいて制御対象１０３を制御しうる。工程Ｓ５０２では、設定部２０２は、工程Ｓ５０１における制御器１０２の動作履歴（例えば、制御偏差）を取得しうる。工程Ｓ５０３では、設定部２０２は、工程Ｓ５０２で取得した動作履歴に基づいて、補正器３０３のパラメータ値の調整（あるいは再調整）を実行するかどうかを判断しうる。設定部２０２は、例えば、動作履歴が所定条件を満たす場合に、補正器３０３のパラメータ値の調整（あるいは再調整）を実行すると判断することができる。所定条件は、生産を停止させるべき条件であり、例えば、動作履歴として取得した制御偏差が規定値を超えることでありうる。そして、設定部２０２による補正器３０３のパラメータ値の調整（あるいは再調整）を実行する場合には工程Ｓ５０４に進み、そうでない場合には工程Ｓ５０５に進む。工程５０４では、設定部２０２は、補正器３０３のパラメータ値の調整（あるいは再調整）を実行する。この調整は、第２補償器３０２のパラメータ値が従前の状態に維持された状態でなされ、この調整によって、補正器３０３のパラメータ値（係数）が再設定される。
【0036】
工程Ｓ５０５では、シーケンス部１０１は、生産シーケンスに従う生産を終了するかどうかを判断し、終了しない場合には工程Ｓ５０１に戻り、終了する場合には生産を終了する。以上の処理によれば、生産を停止させるべき状態になった場合においても、速やかに補正器３０３のパラメータ値を調整し、生産の中断を最小限に抑えながら生産を再開させることができる。
【0037】
工程Ｓ５０４では、設定部２０２は、確認シーケンスをシーケンス部１０１に送り、シーケンス部１０１に確認シーケンスを実行させ、確認シーケンスにおける動作履歴（例えば、制御偏差）を制御器１０２から取得しうる。そして、設定部２０２は、その動作履歴の周波数解析を行い、その結果に基づいて、改善すべき周波数を決定し、その周波数における制御偏差が規定値以内になるように補正器３０３のパラメータ値を決定しうる。工程Ｓ５０４の更に具体的な例については、第２実施形態において説明する。
【0038】
図８には、外乱抑圧特性の計測結果が例示されている。外乱抑圧特性は、操作量ＭＶとして正弦波を与えたときの制御偏差Ｅの周波数応答である。図８において、横軸は周波数、縦軸は外乱抑圧特性のゲインを表す。外乱抑圧特性は、操作量に外乱が加算された場合の制御偏差Ｅの周波数応答を表すため、ゲインが大きいことは、外乱を抑圧する効果が低いことを示す。一方、ゲインが小さいことは、外乱を抑圧する効果が高いことを示す。図８において、破線は、調整前の外乱抑圧特性を示している。
【0039】
図８における一点鎖線で示された周波数を、外乱抑圧特性を改善すべき周波数として定めて工程Ｓ５０４を実行すると、例えば、実線で示されるような外乱抑圧特性を得ることができる。改善すべき周波数において外乱抑圧特性のゲイン小さくなり、外乱抑圧特性が向上していることが分かる。
【0040】
以下、第２実施形態を説明する。第２実施形態として言及しない事項は、第１実施形態に従いうる。図９には、第１実施形態の制御システムＳＳあるいは制御装置１００をステージ制御装置８００に適用した例が示されている。ステージ制御装置８００は、ステージ８０４を制御するように構成されている。ステージ制御装置８００は、例えば、制御基板８０１、電流ドライバ８０２、モータ８０３、ステージ８０４およびセンサ８０５を備えうる。制御基板８０１は、第１実施形態のシステムＳＳにおける制御装置１００または制御器１０２に対応する。電流ドライバ８０２、モータ８０３、ステージ８０４およびセンサ８０５は、第１実施形態のシステムＳＳにおける制御対象１０３に対応する。ただし、電流ドライバ８０２は、制御基板８０１に組み込まれてもよい。図９に示されていないが、ステージ制御装置８００は、シーケンス部１０１、学習部２０１、設定部２０２を備えうる。
【0041】
制御基板８０１には、シーケンス部１０１から目標値としての位置目標値が供給されうる。制御基板８０１は、シーケンス部１０１から供給される位置目標値とセンサ８０５から供給される位置情報とに基づいて、制御信号あるいは操作量（操作量指令）としての電流指令を発生し、電流ドライバ８０２に供給しうる。また、制御基板８０１は、動作履歴をシーケンス部１０１に供給しうる。
【0042】
電流ドライバ８０２は、電流指令に従った電流をモータ８０３に供給しうる。モータ８０３は、電流ドライバ８０２から供給される電流を推力に変換し、その推力でステージ８０４を駆動するアクチュエータでありうる。ステージ８０４は、例えば、プレートまたはマスク等の物体を保持しうる。センサ８０５は、ステージ８０４の位置を検出し、それによって得られた位置情報を制御基板８０１に供給しうる。
【0043】
図１０には、制御基板８０１の構成例がブロック線図として示されている。制御基板８０１は、制御対象としてのステージ８０４の位置制御偏差Ｅに基づいて第１信号Ｓ１を発生する第１補償器３０１と、係数を調整可能な演算式に従って制御偏差Ｅを補正することによって補正信号ＣＳを発生する補正器３０３とを含みうる。また、制御基板８０１は、補正信号ＣＳに基づいてニューラルネットワークによって第２信号Ｓ２を発生する第２補償器３０２と、第１信号Ｓ１と第２信号Ｓ２とに基づいて制御信号あるいは操作量信号として電流指令を発生する演算器３０６とを含みうる。また、制御基板８０１は、位置目標値ＰＲと位置情報との差分である制御偏差Ｅを発生する減算器３０５を含みうる。
【0044】
第２実施形態のステージ制御装置１００は、学習部２０１を備えることができ、学習部２０１は、第２補償器３０２のニューラルネットワークのパラメータ値を決定するための学習を行うように構成されうる。学習部２０１による学習のために、動作履歴記録部３０４は、学習部２０１による学習に要する動作履歴を記録し、記録した動作履歴を学習部２０１に提供しうる。動作履歴は、例えば、第２補償器３０２に対する入力データである補正信号ＣＳと、第２補償器３０２の出力データである第２信号Ｓ２でありうるが、他のデータでもよい。
【0045】
第２実施形態のステージ制御装置１００は、設定部２０２を備えることができる。設定部２０２は、補正器３０３のパラメータ値を調整するための調整処理を実行し、この調整処理によって補正器３０３のパラメータ値を決定し設定してもよいし、ユーザからの指令に基づいて補正器３０３のパラメータ値を設定してもよい。
【0046】
図６を援用して、第２実施形態のステージ制御装置８００を生産装置に適用した場合のステージ装置８００の動作を例示的に説明する。工程Ｓ５０１では、シーケンス部１０１は、与えられた生産シーケンスに基づいて位置目標値ＰＲを生成し、ステージ制御装置８００に提供しうる。ステージ制御装置８００は、その位置目標値ＰＲに基づいてステージ８０４の位置を制御しうる。工程Ｓ５０２では、設定部２０２は、工程Ｓ５０１における制御基板８０１の動作履歴（例えば、制御偏差）を取得しうる。工程Ｓ５０３では、設定部２０２は、工程Ｓ５０２で取得した動作履歴に基づいて、設定部２０２による補正器３０３のパラメータ値の調整（あるいは再調整）を実行するかどうかを判断しうる。設定部２０２は、例えば、動作履歴が所定条件を満たす場合に、補正器３０３のパラメータ値の調整（あるいは再調整）を実行すると判断することができる。所定条件は、生産を停止させるべき条件であり、例えば、ステージ８０４の等速駆動中の位置制御偏差の最大値が予め決められた規定値を超えることでありうる。そして、設定部２０２による補正器３０３のパラメータ値の調整（あるいは再調整）を実行する場合には工程Ｓ５０４に進み、そうでない場合には工程Ｓ５０５に進む。工程５０４では、設定部２０２は、補正器３０３のパラメータ値の調整（あるいは再調整）を実行しうる。工程Ｓ５０５では、シーケンス部１０１は、生産シーケンスに従う生産を終了するかどうかを判断し、終了しない場合には工程Ｓ５０１に戻り、終了する場合には生産を終了する。
【0047】
図７には、工程Ｓ５０４における補正器３０３のパラメータ値の調整（あるいは再調整）処理の具体例が示されている。工程Ｓ６０１では、設定部２０２は、ステージ制御装置８００の動作を確認するための確認シーケンスをシーケンス部１０１に送り、この確認シーケンスに基づいてシーケンス部１０１に位置目標値ＰＲを生成させうる。工程Ｓ６０２では、設定部２０２は、その位置目標値ＰＲに基づいて動作する制御器１０２から動作履歴としての位置制御偏差Ｅを取得しうる。図１２には、位置制御偏差が例示されている。図１２において、横軸は時間、縦軸は位置制御偏差Ｅを示している。ここで、点線で示される曲線は、補正器３０３のパラメータ値を調整する前の位置制御偏差Ｅであり、位置制御精度が悪化していることを示している。
【0048】
工程Ｓ６０３では、設定部２０２は、工程Ｓ６０２で取得した位置制御偏差Ｅの周波数解析を行いうる。図１３には、工程Ｓ６０３における周波数解析の結果が例示されている。図１３において、横軸は周波数、縦軸はパワースペクトラムである。点線は、調整前において最大スペクトルを示す周波数を示している。工程Ｓ６０４では、設定部２０２は、例えば、パワースペクトラムにおいて最大スペクトルを示す周波数を、改善すべき周波数として決定しうる。
【0049】
工程Ｓ６０５～Ｓ６１０は、補正器３０３のパラメータ値を調整する調整処理の具体例である。ここでは、パラメータ値の調整方法として最急降下法を採用して例を説明するが、他の方法が使用されてもよい。工程Ｓ６０５では、設定部２０２は、ｎを１に初期化する。例えば、補正器３０３の演算式が一次積分項、比例項および一次微分項の３項で構成される場合、パラメータ値を調整すべきパラメータは、Ｋｉ、Ｋｐ、Ｋｄの３個である。ｎ回目の調整におけるパラメータ値ｐｎを数６で示す。
【0050】
【数6】
【0051】
工程Ｓ６０６では、設定部２０２は、パラメータ値ｐｎの１回目の調整におけるパラメータ値ｐ１については、任意の初期値を設定することができる。ｎ回目の調整では、後述の数８で示されるパラメータ値ｐｎを設定することができる。
【0052】
パラメータ値ｐｎを調整するための目的関数Ｊ（ｐｎ）は、例えば、工程Ｓ６０４で決定した周波数における外乱抑圧特性のゲインとされうる。工程Ｓ６０７では、設定部２０２は、目的関数Ｊ（ｐｎ）の勾配ベクトルｇｒａｄ Ｊ（ｐｎ）を測定しうる。勾配ベクトルｇｒａｄ Ｊ（ｐｎ）は、数７で与えられうる。勾配ベクトルｇｒａｄ Ｊ（ｐｎ）は、パラメータ値ｐｎを構成する各要素Ｋｉ－ｎ、Ｋｐ－ｎ、Ｋｄ－ｎを微小量だけ変化させることよって計測されうる。
【0053】
【数7】
【0054】
工程Ｓ６０８では、設定部２０２は、最急降下法の収束判定として、勾配ベクトルｇｒａｄ Ｊ（ｐｎ）の各要素の値が規定値以下であるかどうかを判断しうる。勾配ベクトルｇｒａｄ Ｊ（ｐｎ）の各要素の値が規定値以下であれば、設定部２０２は、補正器３０３のパラメータ値の調整を終了しうる。一方、勾配ベクトルｇｒａｄ Ｊ（ｐｎ）の各要素の値が規定値を超えていれば、工程Ｓ６０９において、設定部２０２は、パラメータ値ｐｎ＋１を計算しうる。ここで、パラメータ値ｐｎ＋１は、例えば、０より大きい任意の定数αを使用して、数８に従って計算されうる。工程Ｓ６１０では、設定部２０２は、ｎの値に１を加算し、工程Ｓ６０６に戻る。
【0055】
【数8】
【0056】
工程Ｓ６１１では、設定部２０２は、ステージ制御装置８００の動作を確認するための確認シーケンスをシーケンス部１０１に送り、この確認シーケンスに基づいてシーケンス部１０１に位置目標値ＰＲを生成させうる。工程Ｓ６１２では、設定部２０２は、その位置目標値ＰＲに基づいて動作する制御器１０２から動作履歴としての位置制御偏差Ｅを取得しうる。
【0057】
工程Ｓ６１３では、設定部２０２は、工程Ｓ６１２で取得した位置制御偏差Ｅが規定値以下であるかどうかを判断し、位置制御偏差Ｅが規定値を超えていれば工程Ｓ６０１に戻って調整を再実行し、位置制御偏差Ｅが規定値以下であれば、調整を終了しうる。
【0058】
第２実施形態によれば、ステージ８０４を含む制御対象の状態および／または外乱が変化したような場合において、補正器３０３のパラメータ値を調整することによって、その変化に対応することができる。例えば、図１２の例では、点線で示された位置制御偏差は、実線で示された位置制御偏差まで低減され、制御精度が向上する。
【0059】
数６の例では、補正器３０３のパラメータ数はわずか３個であり、一般的なニューラルネットワークのパラメータ数よりも遥かに少ない。例えば、ディープニューラルネットワークを用いる場合、入力層の次元数を５、隠れ層の次元数を３２の２段、出力層の次元数を８とすると、パラメータ数は１５４５個となる。これら１５４５個のパラメータの値を再学習によって決定するよりも、補正器３０３のパラメータ値を調整する方が短時間で調整を終えることができる。したがって、ステージ制御装置８００の生産性を落とすことなく、制御精度を維持することができる。
【0060】
図１１には、第３実施形態の露光装置ＥＸＰの構成例が模式的に示されている。露光装置ＥＸＰは、走査露光装置として構成されうる。露光装置ＥＸＰは、例えば、照明光源１０００、照明光学系１００１、マスクステージ１００３、投影光学系１００４、プレートステージ１００６を備えうる。照明光源１０００は、水銀ランプ、エキシマレーザ光源またはＥＵＶ光源を含みうるが、これらに限定されない。照明光源１０００からの露光光１０１０は、照明光学系１００１によって均一な照度で投影光学系１００４の照射領域の形に成形される。一例において、露光光１０１０は、Ｙ軸およびＺ軸による平面に垂直な軸であるＸ方向に長い矩形に成形されうる。投影光学系１００４の種類に応じて、露光光１０１０は、円弧形状に成形されうる。成形された露光光１０１０はマスク（原版）１００２のパターンに照射され、マスク１００２のパターンを通った露光光１０１０は、投影光学系１００４を介してプレート１００５（基板）の面にマスク１００２のパターンの像を形成する。
【0061】
マスク１００２は、マスクステージ１００３によって真空吸引等によって保持され。プレート１００５は、プレートステージ１００６のチャック１００７によって真空吸引等によって保持される。マスクステージ１００３およびプレートステージ１００６の位置は、レーザー干渉計またはレーザースケール等の位置センサ１０３０と、リニアモータ等の駆動系１０３１と、制御器１０３２とを備えた多軸位置制御装置によって制御されうる。位置センサ１０３０から出力される位置計測値は、制御器１０３２に提供されうる。制御器１０３２は、位置目標値と位置計測値との差分である位置制御偏差に基づいて制御信号（操作量信号）を発生し、それを駆動系１０３１に提供することによって、マスクステージ１００３およびプレートステージ１００６を駆動する。マスクステージ１００３とプレートステージ１００６をＹ方向に同期駆動しながらプレート１００５を走査露光することでマスク１００２のパターンがプレート１００５（上の感光材）に転写される。
【0062】
第２実施形態をプレートステージ１００６の制御に適用する場合について説明する。図９における制御基板８０１は制御器１０３２、電流ドライバ８０２とモータ８０３は駆動系１０３１、ステージ８０４はプレートステージ１００６、センサ８０５は位置センサ１０３０に該当する。ニューラルネットワークを有する制御器をプレートステージ１００６の制御に適用することで、プレートステージ１００６の位置制御偏差を低減することができる。これにより、重ね合わせ精度等を向上させることができる。ニューラルネットワークのパラメータ値は、予め決められた学習シーケンスによって決定されうる。しかし、学習時からの制御対象の状態変化および／または外乱環境が変化した際に、プレートステージ１００６の制御精度が低下する。そのような場合でも、補正器のパラメータ値を調整することで、ニューラルネットワークの再学習を行うよりも、短時間で調整を終えることができる。結果として、露光装置の生産性を落とすことなく、制御精度を維持することができる。
【0063】
第２実施形態をマスクステージ１００３の制御に適用する場合について説明する。図９における制御基板８０１は制御器１０３２、電流ドライバ８０２とモータ８０３は駆動系１０３１、ステージ８０４はマスクステージ１００３、センサ８０５は位置センサ１０３０に該当する。
【0064】
第２実施形態をマスクステージ１００３の制御に適用した場合においても、マスクステージ１００３の位置制御偏差を低減することができる。これにより、重ね合わせ精度等を向上させることができる。ニューラルネットワークのパラメータ値は、予め決められた学習シーケンスによって決定されうる。しかし、学習時からの制御対象の状態変化および／または外乱環境が変化した際に、マスクステージ１００３の制御精度が低下する。そのような場合でも、補正器のパラメータ値を調整することで、ニューラルネットワークの再学習を行うよりも、短時間で調整を終えることができる。結果として、露光装置の生産性を落とすことなく、制御精度を維持することができる。
【0065】
第２実施形態は、露光装置におけるステージの制御のみならず、インプリント装置および電子線描画装置のような他のリソグラフィー装置におけるステージの制御にも適用されうる。また、第１実施形態または第２実施形態は、例えば、物品を搬送する搬送機構における可動部、例えば、物品を保持するハンドの制御にも適用されうる。
【0066】
上記のようなリソグラフィー装置は、種々の物品（半導体ＩＣ素子、液晶表示素子、ＭＥＭＳ等）の製造のための物品製造方法の実施のために使用されうる。物品製造方法は、上記のリソグラフィー装置を用い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。該リソグラフィー装置が露光装置である場合、該転写工程は、原版を通して基板を露光する露光工程と、該露光工程を経た該基板を現像する現像工程とを含みうる。
【0067】
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】
【0068】
１００：制御装置、１０２：制御器、１０３：制御対象、３０１：第１補償器、３０２：第２補償器、３０３：補正器、３０５：減算器、３０６：演算器
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】