JP2007294958A - 改善されたフィードフォワードデータを取得する方法、その方法を実行するリソグラフィ装置およびデバイス製造方法 - Google Patents

Abstract

【課題】設定点プロフィールを通して構成要素を移動する改善されたフィードフォワードデータを取得する方法を提示する。
【解決手段】フィードフォワードデータを使用して、設定点プロフィールに従ってフィードフォワード制御システム１２を使用して前記構成要素を移動させることと、前記移動中に複数の時間で前記構成要素の状態を測定することと、誤差のセットを取得するために、測定した状態を、前記設定点プロフィールによって画定された対応するターゲット状態と比較することと、非線形フィルタで前記エラーのセットをフィルタリングすることと、フィルタリングした誤差に基づいて改善されたフィードフォワードデータを生成することとを含み、改善されたフィードフォワードデータは、設定点プロフィールを通して構成要素をさらに正確に移動させるために、フィードフォワード制御システム１２によって使用可能である。
【選択図】図５

Description

[0001] 本発明は設定点プロフィールを通して構成要素を移動させるためにシステムの改善されたフィードフォワードデータを取得する方法、およびその方法を実行するリソグラフィ装置、およびリソグラフィ装置および改善されたフィードフォワードデータを使用するデバイス製造方法に関する。

[0002] リソグラフィ装置は、所望のパターンを基板に、通常は基板のターゲット部分に適用する機械である。リソグラフィ装置は例えば、集積回路（ＩＣ）の製造に使用可能である。このような場合、代替的にマスクまたはレチクルとも呼ばれるパターニングデバイスを使用して、ＩＣの個々の層上に形成すべき回路パターンを生成することができる。このパターンを、基板（例えばシリコンウェーハ）上のターゲット部分（例えば１つまたは幾つかのダイの一部を備える）に転写することができる。パターンの転写は通常、基板に設けた放射感応性材料（レジスト）の層への結像により行われる。一般的に、１枚の基板は、順次パターン化される網の目状の互いに近接したターゲット部分を含んでいる。従来のリソグラフィ装置は、パターン全体をターゲット部分に１回で露光することによって各ターゲット部分が照射される、いわゆるステッパと、基板を所定の方向(「スキャン」方向）と平行あるいは逆平行にスキャンしながら、パターンを所定の方向（「スキャン」方向）に放射ビームでスキャンすることにより、各ターゲット部分が照射される、いわゆるスキャナとを具備している。パターンを基板にインプリントすることによっても、パターニングデバイスから基板へとパターンを転写することが可能である。

[0003] リソグラフィ装置の性能の重要な一要素は、照明の必要があるパターンを含むレチクルステージ（パターニングデバイステーブル）および照明すべき基板を含む基板テーブルなどの、露光中に移動すべき構成要素が変位できることである。フィードバック制御下で、構成要素の移動は、標準的なＰＩＤに基づく制御システムを使用して制御される。しかし、ミリ秒未満の大きさの整定時間でナノ規模の位置精度を獲得するために、フィードフォワード制御が望ましいことがある。

[0004] 一般的に使用される加速度、ジャーク、およびさらにはスナップ系のフィードフォワード制御設計（つまり、加速度、および時間に対してさらに高次の位置導関数に基づく設計）に加えて、短い整定時間を獲得する繰り返し学習制御の適用が示唆されている。このアプローチは、高精度のフィードフォワード制御を実現するために、限られたシステムの知識しか必要とされないという利点を有する。この方法は、フィードフォワード信号の繰り返し学習、または設定点プロフィールを通る構成要素の幾つかの試行「運転」にわたって測定した誤差信号（状態の意図された時間過程を規定する設定点プロフィールから移動中の構成要素の状態の測定偏差と定義される）を最小限に抑える「力」に基づく。学習された信号をシステムまたはプロセスに適用すると、これは様々な試行で反復的に発生する誤差信号への寄与（「反復的寄与」）を効果的に相殺する。

[0005] フィードバック信号も学習中に、特定の試行中に測定された誤差信号は、試行毎に異なるランダムノイズのような非反復寄与を含むことがある。このような寄与により、学習されたフィードフォワード信号がシステムにノイズを注入することがある。これは性能の低下および／または繰り返し学習に基づく制御を使用して獲得された改善の制限につながる。学習プロセス自体の効率は、学習アルゴリズムの利得に依存し、これはその安定性によって制限されることがある。

[0006] 繰り返して学習されるデータの取得方法を改善するシステムを提供することが望ましい。

[0007] 本発明の実施形態によれば、設定点プロフィールを通して構成要素を移動するフィードフォワード制御システムのために改善されたフィードフォワードデータを取得する方法が提供され、設定点プロフィールは、それぞれがターゲット時間の対応するシーケンスの１つにて実質的に達成される、構成要素の複数のターゲット状態を含み、方法は、ａ）第一セットのフィードフォワードデータを使用して、設定点プロフィールに従って構成要素を移動させるためにフィードフォワード制御システムを使用することと、ｂ）移動中に複数の時間で構成要素の状態を測定することと、ｃ）誤差のセットを取得するために、測定した状態を、設定点プロフィールによって画定された対応するターゲット状態と比較することと、ｄ）非線形フィルタをエラーのセットに適用することと、ｅ）フィルタリングした誤差に基づいて改善されたフィードフォワードデータを生成することとを含み、改善されたフィードフォワードデータは、設定点プロフィールを通して構成要素をさらに正確に移動させるために、フィードフォワード制御システムによって使用可能である。

[0008] 本発明のさらなる実施形態によれば、パターニングデバイスから基板へとパターンを投影するように構成され、構成要素の可動支持体と、それぞれがターゲット時間の対応するシーケンスの１つで実質的に達成される、可動支持体の複数のターゲット状態を含む設定点プロフィールを通して可動支持体を移動させるシステムとを含むリソグラフィ投影装置が提供され、システムは、設定点プロフィールに従って可動支持体を移動させる変位デバイスと、第一セットのフィードフォワードデータを使用して変位デバイスを制御するフィードフォワード制御システムと、移動中に複数の時間で構成要素の状態を測定する測定システムと、誤差のセットを取得するために、測定した状態を対応するターゲット状態と比較する比較デバイスと、エラーのセットをフィルタリングするように構成されたフィルタと、フィルタリングされた誤差のセットに基づいて修正フィードフォワードデータを生成するように構成されたフィードフォワードデータ生成デバイスとを含み、修正フィードフォワードデータは、設定点プロフィールを通して可動支持体をさらに正確に移動するために、変位デバイスを制御するようフィードフォワード制御システムによって使用可能である。

[0009] 本発明のさらなる実施形態によれば、パターニングデバイスから基板へとパターンを投影するためにリソグラフィ投影装置を使用することと、リソグラフィ装置の構成要素の可動支持体を提供することと、第一セットのフィードフォワードデータを使用して、設定点プロフィールを通して可動支持体を移動させるためにフィードフォワード制御システムを使用することとを含み、設定点プロフィールは、それぞれがターゲット時間の対応するシーケンスの１つで実質的に達成される可動支持体の複数のターゲット状態を含み、さらに、移動中に複数の時間で構成要素の状態を測定することと、誤差のセットを取得するために、測定した状態を対応するターゲット状態と比較することと、誤差のセットにフィルタを適用することと、フィルタリングした誤差のセットに基づいて、改善されたフィードフォワードデータを生成することと、改善されたフィードフォワードデータを使用して、設定点プロフィールを通して可動支持体を移動させることとを含むデバイス製造方法が提供される。

[0010] 次に、本発明の実施形態を添付の略図を参照しながら、ほんの一例として説明する。図面では対応する参照記号は対応する部品を示している。

[0020] 図１は、本発明の一実施形態によるリソグラフィ装置を概略的に示したものである。この装置は、放射ビームＢ（例えばＵＶ放射またはＥＵＶ放射）を調節するように構成された照明システム（イルミネータ）ＩＬと、パターニングデバイス（例えばマスク）ＭＡを支持するように構成され、特定のパラメータに従ってパターニングデバイスを正確に位置決めするように構成された第一位置決め装置ＰＭに接続された支持構造体（例えばマスクテーブル）ＭＴと、基板（例えばレジストコートウェーハ）Ｗを保持するように構成され、特定のパラメータに従って基板を正確に位置決めするように構成された第二位置決め装置ＰＷに接続された基板テーブル（例えばウェーハテーブル）ＷＴと、パターニングデバイスＭＡによって放射ビームＢに与えられたパターンを基板Ｗのターゲット部分Ｃ（例えば１つまたは複数のダイを含む）に投影するように構成された投影システム（例えば屈折投影レンズシステム）ＰＳとを含む。

[0021] 照明システムは、放射の誘導、成形、または制御を行うための、屈折、反射、磁気、電磁気、静電気型等の光学コンポーネント、またはその任意の組合せなどの種々のタイプの光学コンポーネントを含んでいてもよい。

[0022] 支持構造体は、パターニングデバイスを支持、つまりその重量を支えている。該マスク支持構造体は、パターニングデバイスの方向、リソグラフィ装置の設計等の条件、例えばパターニングデバイスが真空環境で保持されているか否かに応じた方法で、パターニングデバイスを保持する。この支持構造体は、パターニングデバイスを保持するために、機械的、真空、静電気等のクランプ技術を使用することができる。支持構造体は、例えばフレームまたはテーブルでよく、必要に応じて固定式または可動式でよい。支持構造体は、パターニングデバイスが例えば投影システムなどに対して確実に所望の位置にくるようにできる。本明細書において「レチクル」または「マスク」という用語を使用した場合、その用語は、より一般的な用語である「パターニングデバイス」と同義と見なすことができる。

[0023] 本明細書において使用する「パターニングデバイス」という用語は、基板のターゲット部分にパターンを生成するように、放射ビームの断面にパターンを与えるために使用し得る任意のデバイスを指すものとして広義に解釈されるべきである。ここで、放射ビームに与えられるパターンは、例えばパターンが位相シフト特徴（feature：フィーチャ）またはいわゆるアシスト特徴を含む場合、基板のターゲット部分における所望のパターンに正確には対応しないことがある点に留意されたい。一般的に、放射ビームに与えられるパターンは、集積回路などのターゲット部分に生成されるデバイスの特別な機能層に相当する。

[0024] パターニングデバイスは透過性または反射性でよい。パターニングデバイスの例には、マスク、プログラマブルミラーアレイ、およびプログラマブルＬＣＤパネルがある。マスクはリソグラフィにおいて周知のものであり、これには、バイナリマスク、Alternating位相シフトマスク、減衰型位相シフトマスクのようなマスクタイプ、さらには様々なハイブリッドマスクタイプも含まれる。プログラマブルミラーアレイの一例として、小さなミラーのマトリクス配列を使用し、そのミラーは各々、入射する放射ビームを異なる方向に反射するよう個々に傾斜することができる。傾斜したミラーは、ミラーマトリクスによって反射する放射ビームにパターンを与える。

[0025] 本明細書において使用する「投影システム」という用語は、例えば使用する露光放射、または液浸液の使用や真空の使用などの他の要因に合わせて適宜、例えば屈折光学システム、反射光学システム、反射屈折光学システム、磁気光学システム、電磁気光学システムおよび静電気光学システム、またはその任意の組合せを含む任意のタイプの投影システムを網羅するものとして広義に解釈されるべきである。本明細書において「投影レンズ」という用語を使用した場合、これはさらに一般的な「投影システム」という用語と同義と見なされる。

[0026] ここに示している本装置は透過タイプである（例えば透過マスクを使用する）。あるいは、装置は反射タイプでもよい（例えば上記で言及したようなタイプのプログラマブルミラーアレイを使用する、または反射マスクを使用する）。

[0027] リソグラフィ装置は２つ（デュアルステージ）またはそれ以上の基板テーブル（および／または２つ以上のマスクテーブル）を有するタイプでよい。このような「マルチステージ」機械においては、追加のテーブルを並行して使用するか、１つまたは複数の他のテーブルを露光に使用している間に１つまたは複数のテーブルで予備工程を実行することができる。

[0028] リソグラフィ装置は、投影システムと基板との間の空間を充填するように、基板の少なくとも一部を水などの比較的高い屈折率を有する液体で覆うことができるタイプでもよい。液浸液は、例えばマスクと投影システムの間など、リソグラフィ装置の他の空間に使用してもよい。液浸技術は、投影システムの開口数を増加させるために当技術分野で周知である。本明細書で使用する「液浸」という用語は、基板などの構造体を液体に沈めなければならないという意味ではなく、露光中に投影システムと基板の間に液体が存在するというほどの意味である。

[0029] 図１を参照すると、イルミネータＩＬは放射源ＳＯから放射ビームを受ける。放射源とリソグラフィ装置とは、例えば放射源がエキシマレーザである場合に、それぞれ別々の構成要素であってもよい。このような場合、放射源はリソグラフィ装置の一部を形成すると見なされず、放射ビームは、例えば適切な誘導ミラーおよび／またはビームエクスパンダなどを備えるビームデリバリシステムＢＤの助けにより、放射源ＳＯからイルミネータＩＬへと渡される。他の事例では、例えば放射源が水銀ランプの場合は、放射源がリソグラフィ装置の一体部分であってもよい。放射源ＳＯおよびイルミネータＩＬは、必要に応じてビームデリバリシステムＢＤとともに放射システムと呼ぶことができる。

[0030] イルミネータＩＬは、放射ビームの角度強度分布を調節するアジャスタＡＤを備えていてもよい。通常、イルミネータの瞳面における強度分布の外側および／または内側半径範囲（一般にそれぞれ、σ-outerおよびσ-innerと呼ばれる）を調節することができる。また、イルミネータＩＬは、インテグレータＩＮおよびコンデンサＣＯなどの他の種々のコンポーネントを備えていてもよい。また、イルミネータを用いて放射ビームを調整し、その断面にわたって所望の均一性と強度分布とが得られるようにしてもよい。

[0031] 放射ビームＢは、支持構造体（例えばマスクテーブルＭＴ）上に保持されたパターニングデバイス（例えばマスクＭＡ）に入射し、パターニングデバイスによってパターン化される。放射ビームＢはマスクＭＡを通り抜けて、基板Ｗのターゲット部分Ｃ上にビームを集束する投影システムＰＳを通過する。第二位置決め装置ＰＷおよび位置センサＩＦ（例えば干渉計デバイス、リニアエンコーダまたは容量センサ）の助けにより、基板テーブルＷＴを、例えば放射ビームＢの経路において様々なターゲット部分Ｃに位置決めするように正確に移動できる。同様に、第一位置決め装置ＰＭおよび別の位置センサ（図１には明示されていない）を使用して、例えばマスクライブラリから機械的に検索した後に、またはスキャン中に、放射ビームＢの経路に対してマスクＭＡを正確に位置決めすることができる。一般的に、マスクテーブルＭＴの移動は、第一位置決めデバイスＰＭの部分を形成するロングストロークモジュール（粗動位置決め）およびショートストロークモジュール（微動位置決め）を用いて実現できる。同様に、基板テーブルＷＴの移動は、第二位置決め装置ＰＷの部分を形成するロングストロークモジュールおよびショートストロークモジュールの助けにより実現できる。ステッパの場合（スキャナとは対照的に）、マスクテーブルＭＴをショートストロークアクチュエータのみに接続するか、固定してもよい。マスクＭＡおよび基板Ｗは、マスクアラインメントマークＭ１、Ｍ２および基板アラインメントマークＰ１、Ｐ２を使用して位置合わせすることができる。図示のような基板アラインメントマークは、専用のターゲット位置を占有するが、ターゲット部分の間の空間に配置してもよい（スクライブレーン（罫書き線）アラインメントマークと呼ばれる）。同様に、マスクＭＡ上に複数のダイを設ける状況では、マスクアラインメントマークをダイ間に配置してもよい。

[0032] 図示のリソグラフィ装置は以下のモードのうち少なくとも１つにて使用可能である。

[0033] １．ステップモードにおいては、マスクテーブルＭＴおよび基板テーブルＷＴは、基本的に静止状態に維持される一方、放射ビームに与えたパターン全体が１回でターゲット部分Ｃに投影される（すなわち１回の静止露光）。次に、別のターゲット部分Ｃを露光できるように、基板テーブルＷＴがＸ方向および／またはＹ方向に移動される。ステップモードでは、露光フィールドの最大サイズによって、１回の静止露光で像が形成されるターゲット部分Ｃのサイズが制限される。

[0034] ２．スキャンモードにおいては、マスクテーブルＭＴおよび基板テーブルＷＴは同期的にスキャンされる一方、放射ビームに与えられたパターンをターゲット部分Ｃに投影する（つまり１回の動的露光）。マスクテーブルＭＴに対する基板テーブルＷＴの速度および方向は、投影システムＰＳの拡大（縮小）および像反転特性によって求めることができる。スキャンモードでは、露光フィールドの最大サイズによって、１回の動的露光におけるターゲット部分の（非スキャン方向における）幅が制限され、スキャン動作の長さによってターゲット部分の（スキャン方向における）高さが決まる。

[0036] ３．別のモードでは、マスクテーブルＭＴはプログラマブルパターニングデバイスを保持して基本的に静止状態に維持され、基板テーブルＷＴを移動またはスキャンさせながら、放射ビームに与えられたパターンをターゲット部分Ｃに投影する。このモードでは、一般にパルス状放射源を使用して、基板テーブルＷＴを移動させる毎に、またはスキャン中に連続する放射パルスの間で、プログラマブルパターニングデバイスを必要に応じて更新する。この動作モードは、以上で言及したようなタイプのプログラマブルミラーアレイなどのプログラマブルパターニングデバイスを使用するマスクなしリソグラフィに容易に利用できる。

[0036] 上述した使用モードの組合せおよび／または変形、または全く異なる使用モードも利用できる。

[0037] 図２ａから図２ｃは、設定点プロフィールによって意味されるものを示す。単純化された設定点プロフィールを通して移動中の構成要素の（上から下へと）加速度（図２ａ）、速度（図２ｂ）および位置（図２ｃ）を表す３つの概略的グラフが図示されている。設定点プロフィールは、この例では３つの別個の領域、つまり加速度相２、定速度相４、および減速相６を含む。概して、設定点プロフィールは、構成要素が特定のターゲット時間に到達するように意図されたターゲット状態のシーケンスによって特徴付けることができる。

[0038] 上述したように、移動すべき構成要素の正確な制御は、フィードフォワード制御システムを使用して達成することができる。このようなシステムのフィードフォワード信号は、（移動すべき構成要素の質量などの要素に基づく）明示的なシステムの知識および／または以前の測定値から導出したフィードフォワードデータに基づいてよい。例えば、繰り返し学習体系を使用することができる。

[0039] 以上で説明したように、繰り返して学習されたフィードフォワードデータは、制御すべき構成要素が設定点プロフィールを通って移動する度に生じる誤差の相殺にのみ効果的である。ランダムノイズのような非反復寄与は、繰り返し学習制御アルゴリズムによっては扱われず、繰り返し学習中に増幅されることさえある。これは、その後の運転には生じなくても、制御アルゴリズムが、非反復構成要素を相殺するためにフィードフォワードデータの適用を試みる際に生じることがある。既存のシステムでは、学習アルゴリズムの安定性を妥協しないで高い学習利得（つまり迅速な収束）を達成することはできず、システムが安定するが収束に長い時間がかかるか、システムが迅速に収束するが不安定であるか、である。

[0040] 図３は、繰り返して学習されたフィードフォワードデータを導出し、学習されたデータを入力として受信する制御システムを使用して、パターニングデバイスおよび／または基板を移動させるために使用可能なリソグラフィ装置を示す。この構成によれば、基板テーブルＷＴおよび／またはパターニングデバイステーブルＭＴは、設定点プロフィールを通って移動するように構成される。変位デバイス１０ａまたは１０ｂは、フィードフォワード制御システム１２によって提供される制御信号の制御下で基板テーブルＷＴまたはパターニングデバイステーブルＭＴをそれぞれ移動させるために提供される。設定点プロフィールは、外部コンピュータなどの入力デバイス、または記憶デバイス（図示せず）に接続できるデバイス１８を介して制御システムには使用可能である。

[0041] 図示の実施形態では、パターニングデバイステーブルＭＴまたは基板テーブルＷＴの状態の誤差（例えば追跡されている設定点プロフィールによって必要とされるものに対する位置、速度、または加速度の誤差）は、誤差決定デバイス１３によって導出される。誤差決定デバイス１３は、パターニングデバイステーブルＭＴおよび／または基板テーブルＷＴの状態を測定して、これらの測定値をデバイス１８によって入力される設定点プロフィールと比較する測定デバイス１４からの入力を受信するように構成される。設定点プロフィールを、ターゲット時間の対応するシーケンスで獲得すべき状態のシーケンスと定義すると、誤差測定デバイスは、１つまたは複数のターゲット時間に対応する時間で測定された状態と比較するか、あるいは補間を使用して、特定のターゲット時間とターゲット時間との間に生じる時間のターゲット状態を測定するように構成することができる。誤差測定デバイス１３によって誤差のセットが測定されたら、そのセットは非線形フィルタ１５（その動作については、以下でさらに詳細に説明する）に渡され、これは非反復構成要素の割合を減少させるように作用する。次に、フィルタリングされた誤差データがフィードフォワード信号モディファイア１７に渡され、これはフィルタリングされた誤差のセットに基づいて修正されたフィードフォワード信号を生成する。修正されたフィードフォワード信号は、次に記憶デバイス１６に渡され、ここで制御システム１２によってその後の運転中にフィードフォワード信号として使用するために使用可能となる。制御システム１２の動作については、図５に関して以下でさらに詳細に説明する。

[0042] 図４は、考慮中の誤差信号に存在するノイズの伝播／増幅、特に繰り返し学習制御アルゴリズムによる伝播／増幅を扱う方法を示す。ステップ５０では、第一セットのフィードフォワードデータ７０に従い、設定点プロフィールを通してフィードフォワード制御システムを使用して制御すべき構成要素を移動させる。この移動中に、複数の時間で構成要素の状態を測定する（ボックス５２）。ステップ５４では、誤差のセットを取得するために、測定された状態と、設定点プロフィールから導出された対応するターゲット状態とを比較する。ステップ５６で、誤差のセットを閾値条件と比較する。条件を満足すると（「イエス」）、プロセスが停止し、現在のフィードフォワードデータが、今後の運転中に使用される繰り返し学習フィードフォワードデータとして出力される（ボックス６２）。閾値条件を満足しない場合は（「ノー」）、学習プロセスを継続する（ボックス５８へ）。

[0043] 閾値条件は、誤差がいつ許容可能な境界内に入るかを規定し、幾つかの方法で規定することができる。例えば、閾値条件は、誤差のセットにある全ての誤差が所定のターゲット閾値の下まで低下したら満たされたと考えることができる。あるいは、誤差のセットのうち所定のサブセットが、考慮中の誤差のサブセットに対応する所定のターゲット閾値または所定のターゲット閾値のセットの下まで低下したら、条件を満たしたと考えることができる。そのために、誤差のセット全体を、サブセットの代替物としても使用することができる。

[0044] ステップ５８で、例えば振幅に依存するフィルタのような非線形フィルタを、誤差のセットに適用する。フィルタリングした誤差に基づき、次に修正したフィードフォワードデータセットを生成する（ボックス６０）。次に、フィードフォワード制御システムが、この修正されたフィードフォワードデータセットを使用して、設定点プロフィールを通して構成要素を２回目に移動させる。次に、ボックス５６で試験した条件を満足するまで、このプロセスを反復し、修正したフィードフォワードデータの最終バージョンを、次に出力する（ボックス６２）。

[0045] 本発明の実施形態によれば、フィルタ５８は、デッド・ゾーン（deadzone：不感帯）の非線形性を有するように選択される。このフィルタの選択は、多くの状況で、考慮中の誤差信号のノイズが、少なくとも性能を改善するために学習制御アルゴリズムが扱うべき誤差信号のその部分と比較して、振幅が小さいという洞察に基づく。つまり、振幅特徴に基づいて、通常は使用中の特定の装置の物理的特徴に関連する信号への反復寄与から、ランダムノイズを識別することができる。例えば、信号寄与が小さいほど、その寄与の学習プロセスへの従属性が小さくなるという効果を有するデッド・ゾーンフィルタ（または他の非線形フィルタ）を使用することができる。２つの制約状態が生じることがある。つまり、ｉ）構成要素がデッド・ゾーン長（または閾値振幅）内にある場合は、まったく学習に従属しない（つまりフィルタで除去される）、およびｉｉ）構成要素がデッド・ゾーン長よりはるかに長い場合は、十分に学習に従属する。これらの２つの制約間にある任意の構成要素について、それが受け取る学習の量は（例えば以下で与えられる関数φ（ｘ）に従って）拡大縮小される。

[0046] 反復する寄与と反復しない寄与とを識別する他の原理に基づいて作用するフィルタも使用してよい。例えば、より精巧な振幅に従属するフィルタを、または非反復寄与の振幅特徴に本来依存しないフィルタさえ使用することができる。例えば、周波数特徴を使用することができる。特に、フィルタはスペクトル解析、例えば部分波解析に基づいてよい。ここで、誤差信号は、１つまたは複数の離散的周波数バンクに分解され、デッド・ゾーンの非線形性は、これらの周波数バンクのそれぞれに別個に作用することができる。その結果、周波数バンクは、異なる量の学習に従属することができる。

[0047] より一般的には、フィルタの重要な特性は、フィルタリングされた誤差のセット中に非反復寄与が存在する程度を低下させることである。

[0048] フィルタリングステップ５８は、誤差信号中の学習可能な寄与のみが繰り返し学習制御アルゴリズムを通して渡されることを保証することを目的とする。非反復ノイズを表すと考えられる信号は、そのアルゴリズムを通して渡されない（または、少なくともより少ない程度までしか渡されない）。その結果、学習された力に対する非反復ノイズの寄与は最小限に抑えられ、したがって（制御システム１２の動作に誤って影響することにより）例えば変位デバイス１０ａ、１０ｂの動作のようなシステムの「力学」に与えられるノイズのレベルが低下する。

[0049] デッド・ゾーンフィルタ特徴の特別な利点は、以下を含む。

[0050] ｉ）信号がフィルタの上部ノイズ帯を超える、δで示される時間隔と、それを超えない時間隔との間に境界がある（つまり、学習を通したノイズ増幅は、信号が上部ノイズ帯を超えるこれらの時間隔のみに制限される）。

[0051] ｉｉ）ノイズ帯が誤差信号から引かれ、したがって学習アルゴリズムの影響を受けない（その結果、はるかに大きい学習利得を適用することができ、これは学習アルゴリズムの安定性の問題を有さずに、はるかに大きい収束速度を引き起こす）。

[0052] デッド・ゾーンフィルタの特定の例について、以下でさらに詳細に説明するが、以上の２つの特性を有する、例えばさらに複雑な入出力関係があるような他の形態のフィルタも設計することができる。

[0053] 図５は、動作するようにフィードフォワード制御システム１２を構成する方法を概ね示す。ポイント３２で、設定点プロフィールデバイス１８からの設定点プロフィール信号を、移動すべき構成要素の測定した位置信号と比較し（図３の実施形態の場合は、この信号は、一方または両方の測定デバイス１４から提供される）、誤差信号３４が制御装置２８へと転送される。このフィードバック制御は、適用された設定点フィードフォワードにおける非反復外乱および全ての不一致または時間オフセットを考慮に入れるために望ましい。制御装置２８からの出力は、慣性フィードフォワード信号３６およびデバイス１６からの学習されたフィードフォワード信号３０に加算される。慣性フィードフォワード信号３６は、ブロック２６によって入力設定点データから導出され、制御された構成要素が、基板テーブルＷＴまたはマスクテーブルＭＴおよび付随する構成要素の質量のような設定点プロフィールを辿るように適切な力を求めることに関して、問題のシステムの既知の物理的特性を考慮に入れるように設計される。その結果の信号は、変位デバイス１０ａ／１０ｂに渡され、これは移動すべき構成要素の位置ｘ、速度ｖおよび／または加速度ａの変化をもたらす。

[0054] デバイス１６のデータを導出するために使用できる繰り返し学習アルゴリズムのさらに詳細な例が、図６のブロック図の表示に図示されている。ここで、ｅ_y（ｋ）は、ｅ_y（０）＝ｅ_yoの状態でｋ番目の反復について、ｎ個サンプル誤差コロン（例えば５ｋＨｚなどの特定のサンプリング周波数でサンプリングされたデータポイントのアレイ）を表し、Ｆｉｌｃ（ｋ）は、Ｆｉｌｃ（０）＝０の状態で、学習されたフィードフォワードデータまたは「制御力」のｎ個サンプルコロンを表し、Ｌは学習利得行列を表し、学習利得はＬΦ（Ｌに含まれる線形部分、およびΦに含まれる非線形部分を有する）によって与えられ、ｚ^-1はｚ変換表記法の１サンプル時間遅延であり、Ｉはユニタリ行列であり、Ｓｐは閉ループプロセス感受性力学を表すいわゆるテプリッツ行列である。基本的に、Ｓｐは閉ループ誤差信号ｅに及ぼす設定点位置信号の効果、つまりＬΦ学習利得、つまりこの誤差を減少させるために使用する利得を記述し、ｚ^-1Ｉは、構築すべきフィードフォワード信号の更新に必要な更新メカニズムの一部である。

[0055] ここで、アルゴリズムは以下のように働く。学習設定点プロフィール（図４のボックス５０、５２、５４）中に収集された誤差のアレイで開始し、誤差のアレイをアレイへのフィルタリングファンクションΦ（図４のボックス５８）によってフィルタリングする。フィルタリングした誤差アレイに学習利得行列Ｌ（図４のボックス６０）を掛けることにより、補正フィードフォワード力のアレイを計算する。その後の試行運転では、同じ学習設定点プロフィールを辿るが、今回は（適用されている）以前の運転からの補正フィードフォワード力をシステムに加える。これは一般的に、以前より小さい誤差を生じるが、Ｌの有限利得の制約のせいで、誤差はゼロと等しくならない。したがって、その結果の誤差を再びΦでフィルタリングし、Ｌを掛けて、フィードフォワード力の追加アレイを与え、これがフィードフォワード力の既存のアレイに追加される。調節したフィードフォワード力のアレイを３回目の運転（これも同じ学習プロフィールに従う）およびそれ以降でシステムに適用する。結果の誤差アレイまたは適用されるフィードフォワード力のアレイ（図４のボックス５６）の十分な収束が達成されるまで、この手順を運転毎に繰り返す。

[0056] フィードフォワードデータは、学習中に取得したものと全く同じ方法で設定点プロフィールと同期させ、概して、生成されたフィードフォワードデータによって表される補正力は、これが補償すべき誤差と一致していなければならない。

[0057] 行列Φ（ｅ _y （ｉ））は本発明の一実施形態を表す。つまり、入力ｅ _y （ｉ）に適用され、学習力Ｆ _ilc を介して誤差測定からフィードバックループにノイズが注入されるのを回避するために使用される振幅依存のフィルタ行列である。その定義は下式の通りである。
ここで、
および
である。
つまり、閾値δによって絶対値で境界を区切られたｅ _y （初期測定誤差信号の試行）の全測定誤差項は、ノイズ寄与と考えられ、したがって学習に従属しない。δの選択は、絶対値がノイズレベルδを超える寄与ｐしか、学習アルゴリズムによって扱われないという事実によって動機付けられる。例えば、ｐがゼロより大きい状態で誤差コンポーネントｅ _y （ｉ）＝δ＋ｐの場合は、フィルタリングした誤差コンポーネントが下式の通りになる。
つまり、学習制御アルゴリズムが、予め定義されたノイズ帯δの内側からのどの入力も受けない。その結果は、δの４つの予め定義された値によって図７および図８に図示されている。ここで、δ∈｛０ ５ １０ １５｝ｎｍ（各図で、それぞれ最も下のδ＝０ｎｍから最も上のδ＝１５ｎｍまで）である。

[0058] 図７は、考察したδの４つの値について学習された力を、拡大縮小した基準設定点プロフィール（点線の曲線）とともに描くグラフを示す。図８は、対応する誤差信号を示す。元の誤差信号（点線）と、学習力を適用後の誤差信号（実線）である。誤差信号が、閾値δ（図８の各グラフでは点線の水平線で示される）によって定義されたレベルまで減少することが分かる。δが小さくなるように選択すると、学習力はその後、より高いノイズレベル（δの小さい方の値については、特にスキャン領域、つまりほぼ０．０５秒から０．１５秒の定速度の領域を参照）を含むことが分かる（図７）。δの値をさらに減少させることにより、このプロセスを継続する。

[0059] （非反復）ノイズ増幅の回避または減少に加えて、学習制御体系で誤差データの非線形フィルタリングを使用するというアプローチは、高い学習利得で達成される学習アルゴリズムの性能（つまり、アルゴリズムが所望の精度にいかに迅速に収束するか）と、アルゴリズムの安定性（つまりモデルの不確実性に対する堅牢性）との間でより優れた平衡をとれるようにすることができる。線形学習アルゴリズムを使用すると（つまり本発明の実施形態について上述したような非線形フィルタを使用しないと）、高い利得と安定性とを一緒に達成することは困難である。非線形フィルタとともに学習アルゴリズムを使用すると、高速の収束と安定性とを達成することが可能である。

[0060] 図９は、線形学習アルゴリズム（曲線８０）の性能を、本発明の実施形態による非線形フィルタ学習アルゴリズム（曲線９０−使用した実際のフィルタは、ファンクションφ（ｘ）に関して上記で検討したものに対応する）と比較している。ここで見られるように、両方のアルゴリズムは、最初の３つの繰り返しについては誤差に対して同様の収束速度を達成するが（性能尺度として誤差コロンｅ_y（ｋ）のユークリッドノルム）、その後は線形学習アルゴリズムが不安定になる（最終的に無限大になる）。しかし、非線形フィルタリングアルゴリズムは、安定した収束を達成する（誤差の大きさがまだ大きかった最初の数回の繰り返し中よりは徐々にではあるが、誤差が減少し続ける）。この挙動は、高利得の線形学習フィルタと比較して、非線形学習利得フィルタの自己適応特性を示す。非線形フィルタは、収束速度を安定性の特性と平衡させ、誤差ノルムを減少させ続ける。数学的に言うと、フィルタは、学習利得行列Ｌの小さい特異値に対応するノイズ寄与を減少させる。こうしないと、特異値は、安定性の点から見て学習アルゴリズムの収束速度を制限する。

[0061] 本発明の実施形態は、上述したように、レチクルステージまたは基板ステージの制御と同様に、リソグラフィ動作システムの分野にも適用することができる。システムは、電子顕微鏡の結像用ステージ、レーザ切断用マグレブステージ、またはさらに一般的な見方では反復動作システムにも使用することができる。他の応用分野は、例えば繰り返し学習制御体系が以前に導入されているＵＨＰランプ制御を含む。

[0062] 本文ではＩＣの製造におけるリソグラフィ装置の使用に特に言及しているが、本明細書で説明するリソグラフィ装置には他の用途もあることは言うまでもない。例えば、これは、集積光学装置、磁気ドメインメモリ用誘導および検出パターン、フラットパネルディスプレイ、液晶ディスプレイ（ＬＣＤ）、薄膜磁気ヘッドなどである。こうした代替的な用途に照らして、本明細書で「ウェーハ」または「ダイ」という用語を使用している場合、それぞれ、「基板」または「ターゲット部分」という、より一般的な用語と同義と見なしてよいことは、当業者に明らかである。本明細書に述べている基板は、露光前または露光後に、例えばトラック（通常はレジストの層を基板に塗布し、露光したレジストを現像するツール）、計測ツールおよび／または検査ツールで処理することができる。適宜、本明細書の開示は、以上およびその他の基板処理ツールに適用することができる。さらに、基板は、例えば多層ＩＣを生成するために、複数回処理することができ、したがって本明細書で使用する基板という用語は、既に複数の処理済み層を含む基板も指すことができる。

[0063] 以上では光学リソグラフィとの関連で本発明の実施形態の使用に特に言及しているが、本発明は、インプリントリソグラフィなどの他の用途においても使用可能であり、状況が許せば、光学リソグラフィに限定されないことが理解される。インプリントリソグラフィでは、パターニングデバイスの微細構成によって、基板上に生成されるパターンが画定される。パターニングデバイスの微細構成を基板に供給されたレジストの層に押しつけ、その後に電磁放射、熱、圧力またはその組合せにより、レジストを硬化する。パターニングデバイスをレジストから離し、レジストを硬化した後にパターンを残す。

[0064] 本明細書で使用する「放射」および「ビーム」という用語は、イオンビームあるいは電子ビームといったような粒子ビームのみならず、紫外線（ＵＶ）放射（例えば、３６５ｎｍ、３５５ｎｍ、２４８ｎｍ、１９３ｎｍ、１５７ｎｍまたは１２６ｎｍの波長を有する）および極端紫外線光（ＥＵＶ）放射（例えば、５ｎｍ〜２０ｎｍの範囲の波長を有する）を含むあらゆるタイプの電磁放射を網羅する。

[0065] 「レンズ」という用語は、状況が許せば、屈折、反射、磁気、電磁気および静電気光学部品を含む様々なタイプの光学部品のいずれか、またはその組合せを指す。

[0066] 以上、本発明の特定の実施形態を説明したが、説明とは異なる方法でも本発明を実践できることが理解される。例えば、本発明は、上記で開示したような方法を述べる機械読み取り式命令の１つまたは複数のシーケンスを含むコンピュータプログラム、またはその内部に記憶されたこのようなコンピュータプログラムを有するデータ記憶媒体（例えば半導体メモリ、磁気または光ディスク）の形態をとることができる。

[0067] 上記の説明は例示的であり、限定的ではない。したがって、請求の範囲から逸脱することなく、記載されたような本発明を変更できることが当業者には明白である。

[0011] 本発明の実施形態によるリソグラフィ装置を示す図である。 [0012] 加速度プロフィールに関して画定された設定点プロフィールを示す図である。 [0012] 速度プロフィールに関して画定された設定点プロフィールを示す図である。 [0012] 位置プロフィールに関して画定された設定点プロフィールを示す図である。 [0013] 本発明の実施形態による方法を実行するフィードフォワード制御システムがあるリソグラフィ装置を示す図である。 [0014] 本発明の実施形態による方法を示すブロック図である。 [0015] 図３のフィードフォワード制御システムをさらに詳細に示した図である。 [0016] 繰り返し学習制御体系を示す図である。 [0017] フィルタの様々な強度について取得した学習フィードフォワード信号を示すグラフである。 [0018] フィルタの様々な強度について測定誤差を示す図７のそれに対応するグラフである。 [0019] 非線形フィルタがあるフィードフォワード制御システムの高学習利得高安定性の特性を示す図である。

Claims (14)

1. 設定点プロフィールを通して構成要素を移動するフィードフォワード制御システムのために改善されたフィードフォワードデータを取得する方法であって、
   前記設定点プロフィールは、それぞれがターゲット時間の対応するシーケンスの１つにて実質的に達成される前記構成要素の複数のターゲット状態からなり、
   ａ）第一セットのフィードフォワードデータを使用して、設定点プロフィールに従ってフィードフォワード制御システムで前記構成要素を移動させ、
   ｂ）前記移動中に複数の時間で前記構成要素の状態を測定し、
   ｃ）誤差のセットを取得するために、測定した状態を、前記設定点プロフィールによって画定された対応するターゲット状態と比較し、
   ｄ）非線形フィルタで前記エラーのセットをフィルタリングし、
   ｅ）フィルタリングした誤差に基づいて改善されたフィードフォワードデータを生成することを含み、
   前記改善されたフィードフォワードデータは、設定点プロフィールを通して前記構成要素をさらに正確に移動させるために、前記フィードフォワード制御システムによって使用可能である、
   方法。
2. フィルタリングすることが、前記誤差のセットの振幅に依存する、
   請求項１に記載の方法。
3. フィルタリングすることが、大きい方の振幅の誤差より小さい振幅の誤差を多く抑制することを含む、
   請求項２に記載の方法。
4. フィルタリングすることが、誤差信号を複数の離散的周波数帯に分解し、選択されたフィルタリング動作を各帯に個々に適用することを含む、
   請求項１に記載の方法。
5. ステップ（ｃ）で取得した誤差のセットが閾値条件を満足すると判断されるまで、第一セットのフィードフォワードデータではなく最も新しく取得した改善されたフィードフォワードデータを使用して、ステップ（ａ）からステップ（ｅ）を繰り返し反復し、
   改善されかつ閾値条件を満足したフィードフォワードデータを出力する、
   ことを含む、
   請求項１に記載の方法。
6. 構成要素の状態を測定する動作中の複数の時間が、前記複数のターゲット時間の少なくともサブセットに対応する、
   請求項１に記載の方法。
7. 前記ターゲット状態が以下、つまり前記構成要素のターゲット位置、前記構成要素のターゲット速度、および前記構成要素のターゲット加速度のうち少なくとも１つを含む、
   請求項１に記載の方法。
8. 前記フィルタが、所定のノイズ境界より大きい大きさを有する誤差への寄与を通過させ、他の寄与を拒否するように構成される、
   請求項１に記載の方法。
9. 前記誤差のセットが、データ点のアレイｅ _y（ｉ）で表され、
   ここで、０≦ｉ≦ｎ、ｎがセット中のサンプル数であり、
   前記フィルタが振幅依存のフィルタ行列Φ（ｅ _y（ｉ））で表され、ステップ（ｄ）がΦ（ｅ _y（ｉ））とｅ _y（ｉ）の積に対応する、
   請求項１に記載の方法。
10. Φ（ｅ _y（ｉ））が下式のように定義され、
    ここで、
    および
    である、
    請求項９に記載の方法。
11. パターニングデバイスから基板へとパターンを投影するように構成されたリソグラフィ投影装置であって、
    （ａ）構成要素を支持するように構成された可動支持体と、
    （ｂ）それぞれがターゲット時間の対応するシーケンスの１つで実質的に達成される、前記可動支持体の複数のターゲット状態を含む設定点プロフィールを通して前記可動支持体を移動させるよう構成されたシステムとを含み、
    前記システムが、
    （ｉ）前記設定点プロフィールに従って前記可動支持体を移動させるように構成された変位デバイスと、
    （ｉｉ）第一セットのフィードフォワードデータを使用して前記変位デバイスを制御するように構成されたフィードフォワード制御システムと、
    （ｉｉｉ）前記可動支持体の移動中に複数の時間で前記構成要素の状態を測定するように構成された測定システムと、
    （ｉｖ）誤差のセットを取得するために、測定した状態を対応するターゲット状態と比較するように構成された比較デバイスと、
    （ｖ）前記エラーのセットをフィルタリングするように構成されたフィルタと、
    （ｖｉ）フィルタリングされた誤差のセットに基づいて修正フィードフォワードデータを生成するように構成されたフィードフォワードデータ生成デバイスとを含み、
    前記修正フィードフォワードデータが、設定点プロフィールを通して前記可動支持体をさらに正確に移動するために、前記変位デバイスを制御するよう前記フィードフォワード制御システムによって使用可能である、
    リソグラフィ投影装置。
12. 前記構成要素が、基板またはパターニングデバイスの少なくとも一方である、
    請求項１１に記載のリソグラフィ装置。
13. パターニングデバイスから基板へとパターンを投影することと、
    可動支持体で構成要素を支持し、
    第一セットのフィードフォワードデータを使用して、設定点プロフィールを通してフィードフォワード制御システムで可動支持体を移動させ、前記設定点プロフィールは、それぞれがターゲット時間の対応するシーケンスの１つで実質的に達成される前記可動支持体の複数のターゲット状態を含み、
    前記移動中に複数の時間で構成要素の状態を測定し、
    誤差のセットを取得するために、測定した状態を対応するターゲット状態と比較し、
    非線形フィルタで誤差のセットをフィルタリングし、
    フィルタリングした誤差のセットに基づいて、改善されたフィードフォワードデータを生成し、
    改善されたフィードフォワードデータを使用して、設定点プロフィールを通して可動支持体を移動させることを含む、
    デバイス製造方法。
14. 構成要素が基板またはパターニングデバイスである、
    請求項１３に記載の方法。