控制设备、光刻装置、测量装置、处理装置、平坦化装置以及物品制造方法与流程

本发明涉及控制设备、光刻装置、测量装置、处理装置、平坦化装置以及物品制造方法。

背景技术：

作为用于控制目标对象的物理变量的控制设备，经常使用经典的控制器，诸如基于pid控制的控制器。近年来，除了基于经典控制理论的控制器和基于现代控制理论的控制器之外，使用机器学习来配置的控制器也可以被使用。此外，结合不包括机器学习的控制器和基于机器学习的控制器的控制器也可以被使用。日本专利特许公开no.2017-102613中描述的定位装置通过执行机器学习来计算控制命令值的校正量，并对反馈控制单元的电机控制命令进行校正。

存在与使用基于机器学习的控制器的控制设备的可靠性相关的问题。有可能不能拒绝通过机器学习生成的控制器针对与学习时给出的情况大大不同的情况(即，与作为学习数据给出的一组情况大大不同的情况)输出异常控制命令。这尤其会引起重大的问题，因为难以掌握包含其中通过机器学习来调整参数的大规模深度神经网络如何对输入进行响应(输出)。

技术实现要素：

对问题的解决方案

根据本发明的一个方面的用于解决上述问题的反馈控制设备是以关于受控对象的测量值与期望值之间的控制偏差的信息作为输入并输出用于受控对象的操纵变量的反馈控制设备，包括：第一控制单元，该第一控制单元将关于控制偏差的信息作为输入，并输出用于该受控对象的操纵变量；第二控制单元，该第二控制单元将关于控制偏差的信息作为输入，并且包括学习控制单元，其中通过机器学习来确定用于输出用于该受控对象的操纵变量的参数；以及加法器，该加法器将从第一控制单元输出的第一操纵变量和从第二控制单元输出的第二操纵变量相加。来自加法器的操纵变量被输出到受控对象。第二控制单元包括限制器，该限制器限制从第二控制单元输出的第二操纵变量。

附图说明

图1是图示根据第一实施例的压印装置的示意图。

图2是根据第一实施例的控制设备的示意图。

图3是图示学习控制单元的图。

图4是根据第二实施例的控制系统的示意图。

图5是根据第三实施例的控制系统的示意图。

具体实施方式

在下文中，将基于附图详细描述本发明的优选实施例。要注意的是，要描述的受控对象不限于每个实施例，并且受控对象的类型不受限制，只要它是反馈控制中可用的物理变量即可。下面列出了典型的受控对象。示例性受控对象包括在物体的笔直方向和旋转方向上的位移、速度或加速度，以及气体或流体的流率、流速或压力。其它示例性受控对象包括流体的液位，物体、气体或液体的温度，以及电路的电流、电压或电荷。其它示例性受控对象包括磁场中的磁通量、磁通量密度或声场的声压。这些物理变量由使用已知传感器的传感单元测量，并且测量值被输入到控制设备。受控变量驱动单元是主动元件，它对受控对象的物理变量应用改变，并且当受控对象是物体的位置、速度或加速度时，使用电机、压电元件等。泵、阀等被用于气体、流体等。操作电流或电压的驱动器等被用于电气系统。

<第一实施例>

在本实施例中，将描述压印装置作为在基板上形成图案的光刻装置的示例。图1是压印装置的示意图。压印装置是包括形成单元的装置，该形成单元通过使供应到基板上的压印材料与模具接触并将固化能量施加到压印材料上来形成将模具的凹凸图案转印于其上的固化产品的图案。例如，压印装置将压印材料供应到基板上，并且在形成有凹凸图案的模具与基板上的压印材料接触的状态下固化压印材料。通过加宽模具和基板之间的距离以从固化的压印材料上剥离(脱离)模具，压印装置能够将模具的图案转印到基板上的压印材料上。这样的一系列处理被称为压印处理，并且对于基板的多个压射区域中的每个压射区域执行这种处理。简而言之，在对一个基板的多个压射区域中的每个压射区域执行压印处理的情况下，针对基板的压射区域的数量重复执行压印处理。

压印装置100包括机械结构和控制系统200。压印装置100的主体结构101使用空气弹簧等利用三脚架或四足防振机构102放置在地板上。晶片(基板)103利用晶片卡盘(未示出)由晶片载物台(基板载物台)7保持。晶片载物台7以足够的x方向和y方向行程来移动晶片103，以便在晶片103的整个表面的每个压射区域上执行压印处理。此外，晶片载物台7具有足够的x方向和y方向的行程，用于将晶片103移动到更换位置，以利用晶片更换手(未示出)来装载和卸载晶片103。

虽然在图1中将晶片载物台7简单地图示为带轮的盒子，但实际上使用静压引导来引导晶片载物台7在x方向上自由移动，并通过线性电机(驱动单元)在x方向上施加驱动力。此外，y载物台(未示出)通过静压引导和线性电机在晶片载物台7上的y方向上可移动。电机由诸如电流驱动器之类的驱动电路驱动。用于移动晶片(用作待移动物体)的移动单元包括载物台、驱动单元和驱动电路。要注意的是，晶片载物台7的构造不限于这种构造，并且可以使用用于曝光装置的晶片载物台的高度精确的定位载物台。

晶片载物台7在x方向上的位置由位置测量单元2测量。位置测量单元2包括配置在主体结构101上的标尺(未示出)、晶片载物台7上的头部以及算术单元的线性编码器。类似地，还提供了用于测量y方向的y轴编码器(未示出)。为了测量晶片载物台7的位置，可以使用在主体结构101上提供的干涉仪和在晶片载物台7上提供的反射镜的组合。

用作压印材料的可光固化树脂由分配器107供应到晶片103的压射区域的位置。此时，晶片载物台7将树脂涂覆位置定位在分配器107正下方的晶片上。接下来，晶片载物台7将树脂涂覆位置定位在形成有精细图案的模具104正下方的晶片上。模具104由压印头105保持。压印头105被构造为能够在z方向上移动模具104。模具104在z方向上在晶片103上方的位置处等待，直到晶片103的压射区域的位置移动到模具104为止。响应于晶片103的压射位置在模具104正下方的定位，通过压印头105使模具104下降，以将模具104的图案部分压在树脂上。为了使用压印装置制造半导体器件等，与前一层的对准在将模具104的图案转印到晶片103上的树脂中是重要的。这种对准被称为对准。对准检测器106光学地检测在晶片103和模具104两者上提供的对准标记(未示出)以执行图像处理，并且检测在x方向和y方向上对准标记的未对准。这个未对准信息被发送到控制系统200(稍后将对其进行描述)，并且通过校正晶片载物台7或压印头105的x位置和y位置来执行对准。响应于对准的完成，照明系统108用曝光光照射树脂以固化树脂。在树脂被固化之后，压印头105或模具104被升高以从晶片103上的树脂脱离模具104。通过这一系列处理，与刻在模具104中的图案对应的图案被转印到晶片103上的树脂。类似地，在改变压射区域位置的同时顺序地执行压印处理，并且响应于针对晶片的所有压射区域的压印处理的完成，晶片载物台7移动到晶片更换位置。然后，通过晶片更换手(未示出)收集被压印的晶片，并供应下一个新晶片。

图2是图示根据本实施例的控制系统200(反馈控制单元)的概要的图。点线内的部分与控制系统200对应，并且数字计算器被用于执行复杂的算术运算。控制系统200包括诸如cpu和fpga之类的算术处理单元以及诸如存储器之类的存储设备。设备主控制单元6是控制整个压印装置的控制器，并且具有基于由压印装置执行的作业的序列管理来向控制单元1和其它控制单元(未示出)发送命令的作用。

位置命令单元3从设备主控制单元6获得载物台位置的期望坐标，存储该期望坐标，并将这些值发送到控制单元1。由前述的对准检测器106获得的对准的未对准信息也被输入到位置命令单元3，并被反映在晶片载物台7的期望坐标中。位置测量单元2以预定的时间间隔△t测量载物台位置，并将测量的载物台位置发送到控制单元1。

在控制单元1中，偏差计算单元13计算从位置测量单元2发送的载物台位置(测量值)与从位置命令单元3发送的载物台位置的期望值之间的差值(控制偏差，下文中称为载物台偏差)，并将载物台偏差发送到控制器11和控制器12。控制器11(第一控制单元)使用pid控制系统，而控制器12(学习控制单元)包括这样的控制系统，该控制系统包括神经网络。控制器11将关于载物台偏差的信息作为输入，并输出用于晶片载物台7的操纵变量。对于控制器12的输出，输出值的上限和下限由输出限制器21(控制器)相加。简而言之，输出限制器21限制可以从第二控制单元输出的操纵变量的范围。要注意的是，控制器12可以被配置为包含输出限制器21。在图3中省略了输出限制器21的图示。包括控制器12和输出限制器21的控制单元用作第二控制单元。第二控制单元将关于载物台偏差的信息作为输入，并且通过机器学习来确定用于输出用于晶片载物台7的操纵变量的参数。加法器14输出由控制器11(第一控制单元)生成的输出值u1(第一操纵变量)和由控制器12生成并且由输出限制器21限制的输出值u2(第二操纵变量)之和(相加的结果)。

图3图示了控制器12的配置。控制器12包括存储载物台偏差日志的偏差存储器15以及神经网络16。偏差存储器15保存与最近的n步对应的预定数量(n，n为自然数)的载物台偏差。对于神经网络16，诸如网络权重之类的参数被调整为使得响应于将存储在偏差存储器15中的n步的载物台偏差输入到神经网络16，输出层输出与控制器11的力命令值(输出值)的校正量对应的值。

控制器12中的神经网络16的网络参数需要以某种方式预先进行调整。虽然可以使用基于强化学习的网络参数调整方法作为调整方法，但是可以使用任何方法来调整网络参数。此外，神经网络可以是输出与命令值的维度直接对应的一的网络(策略网络)或者计算命令值的的值的网络(动作值网络)。在动作值网络的情况下，在控制器12中的神经网络16之后添加选择具有最大值的动作的选择单元，并且由选择单元选择的命令值用作控制器12的输出。此外，网络参数可以是在可以从第二控制单元输出的第二操纵变量的范围由输出限制器21限制的状态下已经机器学习到的参数。

使用输出限制器的配置可以是例如以下描述的一个配置。即，令校正量的上限为cmax，而其下限为cmin。然后，将神经网络16的输出层的数量设置为d。之后，将第k个输出值设置为输出校正值的动作值c＝k*(cmax-cmin)/(d-1)+cmin。在这样做时，控制器12的(离散)校正输出值可以被限制为[cmin，cmax]。此外，通过设置控制器11的命令范围为取抵消了从控制器12输出的校正值的值，即使控制器12输出异常输出，控制器11也能够抑制那个命令。这里描述的输出值限制方法仅仅是一个示例，并且控制器12的输出范围可以通过各种方法(包括诸如添加用于连续值输出的限制器之类的其它方法)来限制。

利用输出限制器21，控制器11的输出范围-u1至u1和控制器12的输出范围-u2至u2满足关系|u1|>|u2|(|u|指示u的绝对值)。简而言之，从第二控制单元输出的第二操纵变量的范围小于从控制器11输出的第一操纵变量的范围。即使将意外的干扰应用于神经网络16并且控制器12的输出发散，其影响也在-u2至u2的范围内。因为控制器11输出超过-u2至u2的控制命令-u1至u1，所以可以抑制控制器12的发散影响。

加法器14的输出经过d/a转换器(未示出)以变成模拟信号，然后将其发送并输入到电流驱动器4。电流驱动器4应用控制，以允许流过电机5的线圈的电流的值成为加法器14的输出。电机5的推力与流过线圈的电流成正比；因此，将根据控制器11和控制器12的输出值之和的力施加到晶片载物台7。

在控制单元1的配置中，控制器11主要起到反馈控制单元的作用。使用神经网络的控制器12具有进一步抑制无法由控制器11补偿的载物台偏差的功能。作为结果，与仅包括常规控制器11的控制系统相比，可以使载物台偏移非常小，从而提高压印装置的载物台(基板)对准准确性。

像控制单元1一样，由于并行使用以偏差作为输入的多个控制系统的结果，控制系统可能因为两个因素(即，反馈增益变得过大并且控制系统的输出充当彼此的干扰)而变得不稳定。因此，一般而言，用作受控对象的物理变量被改变，并且具有内部回路和外部回路的多个反馈回路的配置被使用。但是，在本实施例中，通过使得使用输出限制器21的控制器12在确保控制器11的稳定性的状态下起作用，确保了控制单元1的稳定性。

此外，使用常规神经网络的控制系统具有不仅取偏差而且取位置命令和控制输出作为输入的配置。在这种情况下，神经网络涉及大量计算，这使得即使对于具有高性能算术能力的数字计算器，也难以在某个时间段内执行算术运算。在本实施例中，控制器12中的神经网络仅取偏差作为输入，因此减少了计算量并促进算术运算在某个时间段内执行。

根据本实施例，即使当使用通过学习生成的控制器时，也可以抑制位置控制的可靠性的降低。

<第二实施例>

接下来，将使用图4描述第二实施例。图4是控制单元1的框图。这个控制单元1与第一实施例的控制单元的不同之处在于，控制器12的输出提供有通/断开关31。通过断开通/断开关31，控制单元1具有与常规控制系统相同的配置；而通过接通通/断开关31，使用神经网络的控制器12的输出起作用。简而言之，通/断开关31接通/断开从第二控制单元输出到移动单元的第二操纵变量的输入。

可以使用由偏差计算单元13计算出的载物台偏差来执行通/断开关31的切换。在通/断开关31接通的情况下，载物台偏差应当小于在通/断开关31断开的情况下的载物台偏差；但是，可以考虑例如对在控制器12中的神经网络施加非预期干扰时载物台偏差变大的情况。在这种情况下，优选的是断开通/断开关31，然后重新进行神经网络的学习(机器学习)。

可以通过定义阈值和使用计算器中的软件来执行通/断开关31的切换。此外，数值和波形可以显示在诸如显示器之类的显示单元上，以使得压印装置的操作者能够监视所显示的数值和波形，并且操作者可以利用诸如用户界面之类的选择单元来手动地接通/断开开关。

也可以根据压印装置的作业序列来执行通/断开关31的切换。在压印装置中，载物台偏差的大小和容限(tolerance)根据作业序列而变化。例如，当晶片载物台7正在传送晶片或从分配器107的正下方移动至模具104的正下方时，发生大的载物台偏差；但是，载物台偏差的大小并不重要。因此，通/断开关31被断开。当对准模具104和晶片103时，载物台位置偏差直接与未对准(图案形成偏差)相关联。因此，高度精确的定位是必要的，并且通/断开关31被接通。如这里所描述的，可以根据在用作目标的晶片上执行的作业的类型来接通/断开开关。

对于切换，可以使用从设备主控制单元6发送的作业序列定时信号。可以通过直接照原样使用定时信号来执行切换，或者可以在接收到定时信号之后以某个量的延迟时间来执行切换。此外，可以基于定时信号和载物台偏差的大小来执行切换。例如，即使定时信号指示驱动结束，也可能紧接在将晶片载物台7定位在模具104的正下方之后留下大的载物台偏差。在这种情况下，通/断开关31在载物台偏差变为特定值内的时间点被接通。因此，控制系统200具有确定载物台偏差是否在容限内的确定单元。在确定偏差不在容限内的情况下，开关被断开；并且，在确定偏差在容限内的情况下，开关被接通。

仅在载物台偏差相对小的情况下开启控制器12的功能就以下两点而言是有用的：缩短神经网络的学习时间，以及减小控制器12的输出u2的宽度以增强控制系统的稳定性。

<第三实施例>

接下来，将使用图5描述第三实施例。图5是控制单元1的框图。这个控制单元1与第一实施例的控制单元的不同之处在于，作为控制器12的输入的载物台偏差经过带通滤波器41的作用，该带通滤波器41衰减(停止)某个频带。来自带通滤波器41的信号被输入到学习控制单元。高通滤波器、低通滤波器、带通滤波器或陷波滤波器可以被用于带通滤波器41。每个滤波器可以具有不同的阻带。例如，当控制器12的性能由于高频处的载物台偏差而下降时，可以使用低通滤波器来衰减控制器12操作的频带的高频。类似地，当控制器12的控制性能由于具体频率范围而下降时，可以使用陷波滤波器。如果控制器11在低频下的性能足够，那么控制器11负责低频；因此，高通滤波器可以被用于带通滤波器41。可以使用这些滤波器的组合。此外，可以根据压印装置的作业来改变(切换)要使用的带通滤波器41。在这种情况下，因为根据带通滤波器41的类型执行神经网络的学习，所以通过切换到与带通滤波器41对应的控制器12的参数来执行控制。简而言之，在使用第一滤波器的情况下，控制器12的参数包括通过使用第一频带中的偏差作为输入的机器学习确定的第一参数。此外，在使用第二滤波器的情况下，参数还包括通过使用与第一频带不同的第二频带中的偏差作为输入的机器学习确定的第二参数。

<第四实施例>

虽然在上述实施例中将具有图案部分的模具用于压印装置，但是上述位置控制设备还适用于将树脂模制在基板上以使用没有图案部分的模具对树脂进行平坦化的平坦化设备(模制装置)。例如，这适用于模具或基板的载物台位置控制。

此外，上述位置控制设备适用于包括形成单元的曝光装置，该形成单元通过使用投影光学系统照亮掩模并将掩模的图案转印到基板上而在基板上形成图案。例如，这适用于基板载物台或掩模载物台的位置控制。

此外，本技术适用于除压印装置以外的测量装置或处理装置。测量装置包括为了控制目标物体的位置的上述位置控制设备，以及测量其位置由位置控制设备控制的物体的测量单元。测量单元的示例包括接触型探针和非接触型干涉仪。此外，处理装置包括为了控制目标物体的位置的上述位置控制设备，以及处理其位置由位置控制设备控制物体的处理单元。处理单元的示例包括咬蚀(切割工具)和激光器。

(物品制造方法)

物品制造方法适于制造诸如包括半导体器件的微设备或具有微结构的元件之类的物品。本实施例的物品制造方法包括使用上面提到的压印装置(压印方法)在供应(应用)到基板上的压印材料上形成图案的步骤；以及对在前一步骤中其上形成有图案的基板进行处理的步骤。此外，制造方法包括其它常规步骤(诸如氧化、成膜、沉积、掺杂、平坦化、蚀刻、抗蚀剂剥离、切割、粘合和封装)。与常规方法相比，本实施例的物品制造方法在物品的性能、质量、生产率和生产成本中的至少一方面是有利的。

接下来，将描述使用上述曝光装置来制造制品(诸如半导体ic元件、液晶显示元件、滤色器或mems)的方法。物品通过以下步骤制造：使用上述曝光装置对涂覆有光敏剂的基板(诸如晶片或玻璃基板)进行曝光的步骤；显影基板(光敏剂)的步骤；以及在其它常规处理步骤中处理显影后的基板。其它常规步骤包括蚀刻、抗蚀剂剥离、切割、粘合和封装。根据本制造方法，可以制造其质量高于常规物品的物品。

本发明不限于上述实施例，并且在不脱离本发明的精神和范围的情况下可以进行各种改变和修改。因此，附上以下权利要求书是为了公开本发明的范围。

本申请要求基于2017年10月6日提交的日本专利申请no.2017-196419和2018年7月10日提交的日本专利申请no.2018-131013的优先权，其全部内容通过引用并入本文。