【技术实现步骤摘要】
本专利技术涉及评价装置、信息处理装置、计算机可读存储介质、膜形成系统以及物品制造方法。
技术介绍
1、作为形成精细图案的技术的压印技术正在被投入实际使用。压印技术之一是光固化法。在采用光固化方法的压印装置中，在原件(模具)与供给到基板上的光固化性可成形材料(压印材料)直接接触的状态下，进行光照射以固化压印材料。之后，模具与固化的压印材料分离，从而在基板上形成图案。例如，为了制造半导体器件等，应用步进和闪速压印光刻的装置是有效的(日本专利特开第2019-80047号公报)。
2、当使用作为膜形成技术之一的压印技术在基板上形成图案时，由于压印材料的供应量太大，所以压印材料可能从图案区域向外突出。另一方面，存在由于压印材料的供应量小而导致压印材料未扩展开的情况，并且不能部分地形成图案(未填充)。如果发生挤出，则挤出的部分导致图案形成失败，另外，与该部分接触的模具的图案被破坏。此外，如果发生未填充，则在该部分上没有形成图案，因此形成有缺陷的半导体器件。
3、因此，需要在压印处理之后检测是否存在挤出或未填充，并根据检测结果调整压印材料的供给量和位置以防止失败。然而，由于挤出或未填充发生在非常小的区域，因此需要确认由具有小检测范围的高倍率显微镜获得的大量观察图像，并且难以手动进行此确认。因此，需要如下技术：在无需人力干预的情况下根据观察图像检查挤出或未填充并且确定由挤出或未填充引起的图案形成失败。由挤出或未填充引起的图案形成失败在下文中有时被称为“异常”。
4、该异常根据压印条件以不同方式出现。为了调整包
技术实现思路
1、本专利技术提供一种有利于详细地获得基板上的通过膜形成处理获得的组合物的异常的位置和形状的技术。
2、本专利技术的第一方面提供一种评价装置，所述评价装置被构造为，针对已经过使用模具在基板的膜形成区域上形成组合物的膜的膜形成处理的基板，对所述膜进行评价，所述装置包括：获得单元，其被构造为获得包括膜形成区域的评价区域的图像，通过膜形成处理在膜形成区域上形成所述膜；以及处理器，其被构造为处理图像以进行评价，其中，处理器根据学习模型输出关于图像中的异常的特征，并且表示膜形成区域的几何特征的图像和设计信息被输入到学习模型。
3、本专利技术的第二方面提供一种计算机可读存储介质，其存储程序，所述程序被构造为使计算机充当评价装置，所述评价装置被构造为针对已经过使用模具在基板的膜形成区域上形成组合物的膜的膜形成处理的基板，对所述膜进行评价，所述程序使计算机充当：获得单元，其被构造为获得包括膜形成区域的评价区域的图像，通过膜形成处理在膜形成区域上形成膜；以及处理器，其被构造为处理图像以进行评价，其中，处理器根据学习模型输出关于图像中的异常的特征，并且表示膜形成区域的几何特征的图像和设计信息被输入到学习模型。
4、本专利技术的第三方面提供了一种信息处理装置，所述信息处理装置包括：获得单元，其被构造为针对已经过使用模具在基板的膜形成区域上形成组合物的膜的膜形成处理的基板，获得包括膜形成区域的评价区域的图像和表示膜形成区域的几何特征的设计信息；以及学习单元，其被构造为针对所述图像与所述设计信息之间的关系以及关于图像中的异常的特征进行机器学习并创建学习模型。
5、本专利技术的第四方面提供一种计算机可读存储介质，其存储程序，所述程序被构造为使计算机充当：获得单元，其被构造为针对已经过使用模具在基板的膜形成区域上形成组合物的膜的膜形成处理的基板，获得包括膜形成区域的评价区域的图像和表示膜形成区域的几何特征的设计信息；以及学习单元，其被构造为对图像与设计信息之间的关系以及关于图像中的异常的特征进行机器学习并创建学习模型。
6、本专利技术的第五方面提供一种膜形成系统，所述膜形成系统包括：膜形成装置，其被构造为使用模具在基板上形成组合物的膜的膜形成处理；以及根据第一方面的评价装置。
7、本专利技术的第六方面提供一种物品制造方法，所述方法包括：通过根据第五方面的膜形成系统中的膜形成装置在基板上形成膜；以及对形成膜的基板进行处理，其中由处理后的基板制造物品。
8、根据以下(参照附图)对示例性实施例的描述，本专利技术的进一步特征将变得明显。
本文档来自技高网...【技术保护点】
1.一种评价装置，所述评价装置被构造为，针对已经过使用模具在基板的膜形成区域上形成组合物的膜的膜形成处理的基板，对所述膜进行评价，所述装置包括：
2.根据权利要求1所述的评价装置，其中，学习模型是针对作为输入的包含膜形成区域的评价区域的图像与膜形成区域的设计信息之间的关系和作为输出的关于异常的特征通过机器学习而获得的模型。
3.根据权利要求1所述的装置，所述装置还包括机器学习单元，其被构造为通过机器学习生成学习模型。
4.根据权利要求3所述的评价装置，其中，机器学习单元针对作为输入的包含膜形成区域的评价区域的图像与膜形成区域的设计信息之间的关系和作为输出的关于异常的特征进行机器学习。
5.根据权利要求1所述的评价装置，其中，学习模型计算表示检测出的异常的可靠性的似然度。
6.根据权利要求5所述的评价装置，其中，关于异常的特征包括图像中的异常的类型、位置、大小和似然度的信息。
7.根据权利要求6所述的评价装置，其中，异常的类型包括组合物从膜形成区域挤出和组合物在膜形成区域中未填充。
8.根据权利要求
9.根据权利要求1所述的评价装置，其中，所述设计信息包括膜形成区域中的标记部分的位置和形状的信息。
10.根据权利要求1所述的评价装置，其中，以图像的形式表示所述设计信息。
11.根据权利要求1所述的评价装置，其中，膜形成处理是将作为供给到膜形成区域的组合物的压印材料与模具的图案部分相互接触并将模具的图案转印到压印材料的压印处理。
12.根据权利要求1所述的评价装置，其中，膜形成处理是将供给到膜形成区域的组合物与模具的平坦表面相互接触从而通过基板上的组合物形成平坦化膜的平坦化处理。
13.一种计算机可读存储介质，其存储程序，所述程序被构造为使计算机充当评价装置，所述评价装置被构造为针对已经过使用模具在基板的膜形成区域上形成组合物的膜的膜形成处理的基板，对所述膜进行评价，所述程序使计算机充当：
14.一种信息处理装置，其包括：
15.一种计算机可读存储介质，其存储程序，所述程序被构造为使计算机充当：
16.一种膜形成系统，其包括：
17.一种物品制造方法，其包括：
...【技术特征摘要】
1.一种评价装置，所述评价装置被构造为，针对已经过使用模具在基板的膜形成区域上形成组合物的膜的膜形成处理的基板，对所述膜进行评价，所述装置包括：
2.根据权利要求1所述的评价装置，其中，学习模型是针对作为输入的包含膜形成区域的评价区域的图像与膜形成区域的设计信息之间的关系和作为输出的关于异常的特征通过机器学习而获得的模型。
3.根据权利要求1所述的装置，所述装置还包括机器学习单元，其被构造为通过机器学习生成学习模型。
4.根据权利要求3所述的评价装置，其中，机器学习单元针对作为输入的包含膜形成区域的评价区域的图像与膜形成区域的设计信息之间的关系和作为输出的关于异常的特征进行机器学习。
5.根据权利要求1所述的评价装置，其中，学习模型计算表示检测出的异常的可靠性的似然度。
6.根据权利要求5所述的评价装置，其中，关于异常的特征包括图像中的异常的类型、位置、大小和似然度的信息。
7.根据权利要求6所述的评价装置，其中，异常的类型包括组合物从膜形成区域挤出和组合物在膜形成区域中未填充。
8.根据权利要求1所述的评价装置，其中，所述设...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。