外延晶圆的缺陷检测方法、装置、系统及其制造方法与流程

1.本发明实施例涉及半导体制造技术，尤其涉及一种外延晶圆的缺陷检测方法、装置、系统及其制造方法。


背景技术：

2.作为半导体器件的制造工序中所使用的基板，硅晶圆等由半导体构成的晶圆被广泛地使用。作为这种晶圆，已知有对单晶锭进行切片并进行镜面研磨、清洗等流程而成的拋光晶圆(pw晶圆)，以及在pw晶圆表面通过化学气相沉积等方式形成具有单晶硅外延层从而得到外延晶圆。
3.随着芯片制程的不断缩小，对于晶圆平整度(flatness)的要求也越来越高，以光刻机为例，对于能够实现纳米级成像分辨率的光刻机来说，通常需要增加镜头中镜片的数值孔径(na，numerical aperture)，那么就相应导致聚焦深度(焦深)下降。为了保证光刻图像清晰，晶圆表面的高低起伏必须处于焦深范围内，因此，如果晶圆表面不够平坦，厚度不均匀，那么就会导致在晶圆高低起伏处的光刻出现问题。因此，为了制造能够适用于更小芯片制程的高品质晶圆，必须严格监控晶圆的平整度。
4.通常情况下，针印(pin nano)缺陷对于晶圆的平整度以及外观有着明显影响。详细来说，针印缺陷是指由外延成长装置的起模针形状或起模针与晶圆的接触状况引起的缺陷，是起模针形式的外延成长装置所特有的，产生在外延晶圆背面外周部的如磨损痕迹那样的微小划痕的集合体或者由附着物构成的圆形状的点状缺陷所组成的组。尽管pin nano缺陷所形成的磨损痕迹以及划痕极为细微和微小，但是对于更加严格的平整度要求而言，这些细微和微小程度无法被忽视。


技术实现要素：

5.有鉴于此，本发明实施例期望提供一种外延晶圆的缺陷检测方法、装置、系统及其制造方法；能够在外延生长过程中及时检测到针印(pin nano)缺陷的产生，降低生产资源的浪费。
6.本发明实施例的技术方案是这样实现的：
7.第一方面，本发明实施例提供了一种外延晶圆的缺陷检测方法，所述方法包括：
8.在抛光晶圆表面形成外延层以生成外延晶圆的生产过程中，采集外延设备在所述生产过程中的加热功率数据；
9.判断所述加热功率数据是否出现波动；
10.相应于所述加热功率数据出现波动，确认所述生产过程所生成的外延晶圆存在针印pin nano缺陷的风险；
11.基于所述生产过程所生成的外延晶圆存在pin nano缺陷的风险，生成停机指令，以停止所述外延设备的生产状态。
12.第二方面，本发明实施例提供了一种外延晶圆的缺陷检测装置，所述装置包括：采
集部分、判断部分、确认部分以及生成部分；其中，
13.所述采集部分，经配置为在抛光晶圆表面形成外延层以生成外延晶圆的生产过程中，采集外延设备在所述生产过程中的加热功率数据；
14.所述判断部分，经配置为判断所述加热功率数据是否出现波动，以及，相应于所述加热功率数据出现波动，触发所述确认部分；
15.所述确认部分，经配置为确认所述生产过程所生成的外延晶圆存在针印pin nano缺陷的风险；
16.所述生成部分，经配置为基于所述生产过程所生成的外延晶圆存在pin nano缺陷的风险，生成停机指令，以停止所述外延设备的生产状态。
17.第三方面，本发明实施例提供了一种外延晶圆的缺陷检测系统，所述系统包括：采集器件以及控制器，所述控制器与所述采集器件电子通信；其中，
18.所述采集器件，经配置为在抛光晶圆表面形成外延层以生成外延晶圆的生产过程中，采集外延设备在所述生产过程中的加热功率数据；
19.所述控制器，经配置为判断所述加热功率数据是否出现波动；
20.相应于所述加热功率数据出现波动，确认所述生产过程所生成的外延晶圆存在针印pin nano缺陷的风险；
21.基于所述生产过程所生成的外延晶圆存在pin nano缺陷的风险，生成停机指令，以停止所述外延设备的生产状态。
22.第四方面，本发明实施例提供了一种计算机存储介质，所述计算机存储介质存储有外延晶圆的缺陷检测程序，所述外延晶圆的缺陷检测程序被至少一个处理器执行时实现第一方面所述外延晶圆的缺陷检测方法步骤。
23.第五方面，本发明实施例提供了一种外延晶圆的制造方法，所述方法包括：
24.使用外延设备在抛光晶圆表面形成外延层以获得外延晶圆；
25.在抛光晶圆表面形成外延层以生成外延晶圆的生产过程中，采集外延设备在所述生产过程中的加热功率数据；
26.判断所述加热功率数据是否出现波动；
27.相应于所述加热功率数据出现波动，确认所述生产过程所生成的外延晶圆存在针印pin nano缺陷的风险；
28.基于所述生产过程所生成的外延晶圆存在pin nano缺陷的风险，生成停机指令，以停止所述外延设备的生产状态；
29.相应于所述加热功率数据不出现波动，则继续进行下一个抛光晶圆的外延层生长过程以生产获得下一个外延晶圆，并且在生产下一个外延晶圆的过程中，采集外延设备的加热功率数据。
30.本发明实施例提供了一种外延晶圆的缺陷检测方法、装置、系统及其制造方法；通过对当前外延晶圆生产过程中所采集加热功率数据是否产生波动进行判断，当确定出现波动时，确认当前生产的外延晶圆存在pin nano缺陷的风险，并依据该风险生成停机指令以停止外延设备后续的外延生产状态，无需相关方案中长时间的滞后期，从而避免更多存在pin nano缺陷风险的外延晶圆被生产出来，进而降低生产资源的浪费。
pin自身老化或损伤、lift pin高度不一致导致受力不均以及基座中容置lift pin的孔出现异常。但是，随着对外延晶圆生产过程以及对应检测的历史数据进行分析，发现在生产过程中，反应腔室rc内的加热功率数据与温度数据同样会导致pin nano缺陷的产生，基于该发现，本发明实施例期望能够在外延生产过程中通过采集反应腔室rc与加热功率相关的数据进行判断，以能够及时检测到pin nano缺陷，从而及时停机以避免更多存在pin nano缺陷风险的外延晶圆被生产出来，进而降低生产资源的浪费。
44.基于此，参见图3，其示出了本发明实施例提供的一种外延晶圆的缺陷检测方法，该方法可以包括：
45.s301：在抛光晶圆表面形成外延层以生成外延晶圆的生产过程中，采集外延设备在所述生产过程中的加热功率数据；
46.s302：判断所述加热功率数据是否出现波动；
47.s303：相应于所述加热功率数据出现波动，确认所述生产过程所生成的外延晶圆存在pin nano缺陷的风险；
48.s304：基于所述生产过程所生成的外延晶圆存在pin nano缺陷的风险，生成停机指令，以停止所述外延设备的生产状态。
49.对于图3所示的技术方案，结合图1所示的外延设备1，需要说明的是，基于历史外延晶圆生产以及检测数据发现：在外延晶圆的生产过程中，加热功率的波动也会导致pin nano缺陷的生成；并且，pin nano缺陷的发生通常伴有加热功率波动现象发生，准确来说，约90％的具有pin nano缺陷的外延晶圆，其生产过程中均会伴有加热功率的波动的现象发生。由上述发现可知，加热功率波动现象与pin nano缺陷的发生呈正向的相关关系。基于此，本发明实施例期望通过对当前外延晶圆生产过程中所采集加热功率数据是否产生波动进行判断，当确定出现波动时，确认当前生产的外延晶圆存在pin nano缺陷的风险，并依据该风险生成停机指令以停止外延设备后续的外延生产状态，无需相关方案中长时间的滞后期，从而避免更多存在pin nano缺陷风险的外延晶圆被生产出来，进而降低生产资源的浪费。
50.结合图1所示的外延设备1为例，在一些示例中，可以针对多个加热灯泡60的每一个分别设置电参数采集装置(比如采集各加热灯泡的电流和电压值)以获得各加热灯泡的加热功率数据，从而基于所有加热灯泡所采集到的电参数获取外延晶圆生产过程中反应腔室rc内的加热功率数据；此外，在一些示例中，可以在反应腔室rc内或者外延设备1的内部设置温度传感器，基于温度值与功率数据之间的正相关关系，就能够通过采集到的温度值表征加热功率数据。
51.对于图3所示的技术方案，“波动”可以通过数据曲线的标准差进行表征和判断。基于此，在一些示例中，所述判断所述加热功率数据是否出现波动，包括：
52.获取外延设备在所述生产过程中的加热功率数据曲线与标准曲线之间的标准差值；
53.将所述获取到的标准差值与标准差阈值进行比较：
54.如果所述获取到的标准差值不大于所述标准差阈值，则判断所述加热功率数据没有出现波动；
55.如果所述获取到的标准差值大于所述标准差阈值，则判断所述加热功率数据出现
波动。
56.针对上述示例中所阐述的“标准差阈值”，在具体实施过程中，可以通过外延设备的历史生产数据进行获取；比如，以历史生产10000片无pin nano缺陷的外延晶圆为例，将这些外延晶圆生产过程中所采集到的加热功率数据曲线进行叠图处理，从而能够获得如图4所示标准曲线，该标准曲线表示除去其他pin nano缺陷的产生因素以外，在外延晶圆生产过程中，若加热功率数据曲线与所述标准曲线相吻合，那么生产所得到的外延晶圆几乎不(或认为是极小概率)会出现pin nano缺陷。而如果加热功率数据曲线中的“波动”较明显，如图5所示，那么生产所得到的外延晶圆几乎一定(或认为是极大概率)会出现pin nano缺陷。对于上述例子，“叠图处理”可以被实施为将10000个无pin nano缺陷的外延晶圆的加热功率数据曲线放在相同尺寸的坐标轴下，从而能够基于10000个数据曲线的拟合获得标准曲线，并获取标准差阈值。在图4和图5所示的加热功率曲线中，横坐标表示时间，纵坐标表示加热功率。
57.因此，在本发明实施例中，可以将该标准曲线的标准差作为所述标准差阈值。可以理解地，标准差阈值可以用来作为表征是否出现“波动”的评价标准；形成标准曲线所采用的无pin nano缺陷外延晶圆的历史生产数据的数目可以根据实际生产需要进行选择，本发明实施例中选择10000片无pin nano缺陷外延晶圆的历史生产数据；当然也可以选择1000片，100000片，本发明实施例对此不做具体限定。
58.对于图3所示的技术方案，“波动”也可以根据适应新的分类器或机器学习算法进行评判，基于此，在一些示例中，所述判断所述加热功率数据是否出现波动，包括：
59.将所述加热功率数据输入至经过训练的机器学习模型中，以使得所述机器学习模型根据所述加热功率数据识别是否出现波动。
60.对于上述示例，需要说明的是，可以对历史生产10000片外延晶圆为例，将这些外延晶圆生产过程中的加热功率数据以及对应的外延晶圆进行缺陷检测是否出现pin nano缺陷的检测结果进行记录，并将这些记录的历史数据训练机器学习模型直至达到设定的检测准确度阈值。当机器学习模型训练完毕之后，就能够根据输入的加热功率数据判定是否出现“波动”现象。在一些例子中，机器学习模型所采用的机器学习技术可以包括回归模型(例如，用于估计变量之间的关系的一组统计过程)、分类模型和/或现象模型中的一或多个；另外，机器学习技术可包含二次回归分析、逻辑回归分析、支持向量机、高斯过程回归、集合模型或任何其它回归分析；此外，在另外其它实施例中，机器学习技术可包含决策树学习、回归树、增强树、梯度增强树、多层感知器、一对一、朴素贝叶斯、k最近邻、关联规则学习、神经网络、深度学习或任何其它类型的机器学习。对于上述机器学习模型的训练过程，具体来说，可以在历史生产10000片外延晶圆的加热功率数据及对应的检测结果中，选取90％作为训练集，另外10％作为验证集进行机器学习模型训练。可以理解地，根据机器学习模型的训练速度以及实际需要，当然也可以选择历史生产1000片、100000片外延晶圆的加热功率数据进行训练，本发明实施例对此不做限定。
61.在一些示例中，当判断确定加热功率数据出现波动，那么就可以确认所述生产过程所生成的外延晶圆存在pin nano缺陷的风险，进而可以基于该风险按照s304的阐述生成停机指令，以停止所述外延设备的生产状态；结合图1所示的外延设备1，所述停止所述外延设备的生产状态的具体操作可以包括：关闭加热灯泡60从而使得反应腔室rc降温，将生产
得到的外延晶圆装回晶圆盒(cassette)，将该外延晶圆进行清洗后，可以通过检测工序进行平整度(flatness)检测，以确定该外延晶圆是否存在pin nano缺陷。如存在，则调整外延设备的加热功率之后进行下一个外延晶圆的外延层生长过程；如不存在则不对外延设备的加热功率进行调整而直接进行下一个抛光晶圆的外延层生长过程。
62.在一些示例中，当判断确定加热功率数据没有出现波动，那么就可以确认所述生产过程所生成的外延晶圆不存在pin nano缺陷的风险，外延设备可以继续进行下一个抛光晶圆的外延层生长过程以生产获得下一个外延晶圆，并且在生产下一个外延晶圆的过程中，仍旧按照前述技术方案及其示例对下一个外延晶圆生产过程的加热功率数据进行采集以及“波动”判断，本发明实施例对此不做赘述。
63.基于上述技术方案相同的发明构思，参见图6，其示出了本发明实施例提供的一种外延晶圆的缺陷检测装置60，该装置60可以包括：采集部分601、判断部分602、确认部分603以及生成部分604；其中，
64.所述采集部分601，经配置为在抛光晶圆表面形成外延层以生成外延晶圆的生产过程中，采集外延设备在所述生产过程中的加热功率数据；
65.所述判断部分602，经配置为判断所述加热功率数据是否出现波动，以及，相应于所述加热功率数据出现波动，触发所述确认部分603；
66.所述确认部分603，经配置为确认所述生产过程所生成的外延晶圆存在针印pin nano缺陷的风险；
67.所述生成部分604，经配置为基于所述生产过程所生成的外延晶圆存在pin nano缺陷的风险，生成停机指令，以停止所述外延设备的生产状态。
68.在一些示例中，所述判断部分602，经配置为：
69.获取外延设备在所述生产过程中的加热功率数据曲线与标准曲线之间的标准差值；
70.将所述获取到的标准差值与标准差阈值进行比较：
71.如果所述获取到的标准差值不大于所述标准差阈值，则判断所述加热功率数据没有出现波动；
72.如果所述获取到的标准差值大于所述标准差阈值，则判断所述加热功率数据出现波动。
73.在一些示例中，所述判断部分602，还经配置为：
74.将外延设备历史生产设定数目的无pin nano缺陷的外延晶圆过程中所采集到的加热功率数据曲线进行叠图处理，获得标准曲线；
75.将所述标准曲线的标准差作为所述标准差阈值。
76.在一些示例中，所述判断部分602，经配置为：
77.将所述加热功率数据输入至经过训练的机器学习模型中，以使得所述机器学习模型根据所述加热功率数据识别是否出现波动。
78.在一些示例中，所述判断部分602，还经配置为：
79.将外延设备历史生产设定数目的外延晶圆的生产过程中所采集的加热功率数据以及对应的外延晶圆进行缺陷检测是否出现pin nano缺陷的检测结果进行记录；
80.将记录的历史数据训练机器学习模型直至达到设定的检测准确度阈值在一些示
例中，所述停止所述外延设备的生产状态，包括：
81.关闭所述外延设备的加热灯泡从而使得所述外延设备的反应腔室降温；
82.将生产得到的外延晶圆装回晶圆盒，并将所述外延晶圆进行清洗；
83.通过检测工序将清洗后的外延晶圆进行平整度检测，以确定所述外延晶圆是否存在pin nano缺陷；
84.如存在，则调整所述外延设备的加热功率之后进行下一个外延晶圆的外延层生长过程；
85.如不存在，则不对外延设备的加热功率进行调整而直接进行下一个抛光晶圆的外延层生长过程。
86.在一些示例中，所述采集部分601，经配置为：
87.通过为所述外延设备中每个加热灯泡设置电参数采集装置以采集各加热灯泡的电参数，以及，基于所有加热灯泡所采集到的电参数获取所述外延晶圆生产过程中所述外延设备的反应腔室内的加热功率数据；
88.或者，通过在所述外延设备内部或者所述外延设备的反应腔室内设置温度传感器以采集获得所述外延设备内部或者所述外延设备的反应腔室内的温度值；其中，所述温度值用于表征加热功率数据。
89.可以理解地，在本实施例中，“部分”可以是部分电路、部分处理器、部分程序或软件等等，当然也可以是单元，还可以是模块也可以是非模块化的。
90.另外，在本实施例中的各组成部分可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
91.所述集成的单元如果以软件功能模块的形式实现并非作为独立的产品进行销售或使用时，可以存储在一个计算机可读取存储介质中，基于这样的理解，本实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或processor(处理器)执行本实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
92.因此，本实施例提供了一种计算机存储介质，所述计算机存储介质存储有外延晶圆的缺陷检测程序，所述外延晶圆的缺陷检测程序被至少一个处理器执行时实现上述技术方案中所述外延晶圆的缺陷检测方法步骤。
93.基于前述技术方案相同的发明构思，参见图7，其示出了本发明实施例提供的一种外延晶圆的缺陷检测系统70，所述系统70包括：控制器701以及采集器件702，所述控制器701与所述采集器件702电子通信；其中，
94.所述采集器件702，经配置为在抛光晶圆表面形成外延层以生成外延晶圆的生产过程中，采集外延设备在所述生产过程中的加热功率数据；
95.所述控制器701，经配置为判断所述加热功率数据是否出现波动；
96.相应于所述加热功率数据出现波动，确认所述生产过程所生成的外延晶圆存在针
印pin nano缺陷的风险；
97.基于所述生产过程所生成的外延晶圆存在pin nano缺陷的风险，生成停机指令，以停止所述外延设备的生产状态。
98.在一些示例中，继续参见图7，控制器701可以包括处理器703及与处理器703电子通信的存储器704。所述采集器件702，具体可以实施为在所述外延设备内部或者所述外延设备的反应腔室内设置温度传感器或者为所述外延设备中每个加热灯泡设置电参数采集装置。基于此，所述采集器件702，经配置为：
99.通过为所述外延设备中每个加热灯泡设置电参数采集装置以采集各加热灯泡的电参数，以及，基于所有加热灯泡所采集到的电参数获取所述外延晶圆生产过程中所述外延设备的反应腔室内的加热功率数据；
100.或者，通过在所述外延设备内部或者所述外延设备的反应腔室内设置温度传感器以采集获得所述外延设备内部或者所述外延设备的反应腔室内的温度值；其中，所述温度值用于表征加热功率数据。
101.在上述示例中，控制器701可由硬件、软件及固件的任何组合实施。另外，其功能(如本文所描述)可由一个单元执行或在不同组件之间分配，组件中的每一者可又由硬件、软件及固件的任何组合实施。用于实施各种方法及功能的控制器701的程序代码或指令可存储于控制器701可读存储媒体中(例如存储器704)。
102.可以理解，本发明实施例中的存储器704可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，rom)、可编程只读存储器(programmable rom，prom)、可擦除可编程只读存储器(erasable prom，eprom)、电可擦除可编程只读存储器(electrically eprom，eeprom)或闪存。易失性存储器可以是随机存取存储器(random access memory，ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(static ram，sram)、动态随机存取存储器(dynamic ram，dram)、同步动态随机存取存储器(synchronous dram，sdram)、双倍数据速率同步动态随机存取存储器(double data rate sdram，ddrsdram)、增强型同步动态随机存取存储器(enhanced sdram，esdram)、同步连接动态随机存取存储器(synchlink dram，sldram)和直接内存总线随机存取存储器(direct rambus ram，drram)。本文描述的系统和方法的存储器704旨在包括但不限于这些和任意其它适合类型的存储器。
103.而处理器703可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器703中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器703可以是通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储
介质位于存储器704，处理器703读取存储器704中的信息，结合其硬件完成上述方法的步骤。
104.可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(application specific integrated circuits，asic)、数字信号处理器(digital signal processing，dsp)、数字信号处理设备(dsp device，dspd)、可编程逻辑设备(programmable logic device，pld)、现场可编程门阵列(field-programmable gate array，fpga)、通用处理器、控制器、微控制器、微处理器、用于执行本技术所述功能的其它电子单元或其组合中。
105.对于软件实现，可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
106.在一些示例中，所述控制器701，经配置为：
107.获取外延设备在所述生产过程中的加热功率数据曲线与标准曲线之间的标准差值；
108.将所述获取到的标准差值与标准差阈值进行比较：
109.如果所述获取到的标准差值不大于所述标准差阈值，则判断所述加热功率数据没有出现波动；
110.如果所述获取到的标准差值大于所述标准差阈值，则判断所述加热功率数据出现波动。
111.在一些示例中，所述控制器701，还经配置为：
112.将外延设备历史生产设定数目的无pin nano缺陷的外延晶圆过程中所采集到的加热功率数据曲线进行叠图处理，获得标准曲线；
113.将所述标准曲线的标准差作为所述标准差阈值。
114.在一些示例中，所述控制器701，经配置为：
115.将所述加热功率数据输入至经过训练的机器学习模型中，以使得所述机器学习模型根据所述加热功率数据识别是否出现波动。
116.在一些示例中，所述控制器701，还经配置为：
117.将外延设备历史生产设定数目的外延晶圆的生产过程中所采集的加热功率数据以及对应的外延晶圆进行缺陷检测是否出现pin nano缺陷的检测结果进行记录；
118.将记录的历史数据训练机器学习模型直至达到设定的检测准确度阈值
119.在一些示例中，所述控制器701，经配置为：
120.关闭所述外延设备的加热灯泡从而使得所述外延设备的反应腔室降温；
121.将生产得到的外延晶圆装回晶圆盒，并将所述外延晶圆进行清洗；
122.通过检测工序将清洗后的外延晶圆进行平整度检测，以确定所述外延晶圆是否存在pin nano缺陷；
123.如存在，则调整所述外延设备的加热功率之后进行下一个外延晶圆的外延层生长过程；
124.如不存在，则不对外延设备的加热功率进行调整而直接进行下一个抛光晶圆的外延层生长过程。
125.可以理解地，上述外延晶圆的缺陷检测装置60以及外延晶圆的缺陷检测系统70的示例性技术方案，与前述外延晶圆的缺陷检测方法的技术方案属于同一构思，因此，上述对于外延晶圆的缺陷检测装置60以及外延晶圆的缺陷检测系统70的技术方案未详细描述的细节内容，均可以参见前述外延晶圆的缺陷检测方法的技术方案的描述。本发明实施例对此不做赘述。
126.此外，本发明实施例还提供了一种外延晶圆的制造方法，所述方法包括：
127.使用外延设备在抛光晶圆表面形成外延层以获得外延晶圆；
128.在抛光晶圆表面形成外延层以生成外延晶圆的生产过程中，采集外延设备在所述生产过程中的加热功率数据；
129.判断所述加热功率数据是否出现波动；
130.相应于所述加热功率数据出现波动，确认所述生产过程所生成的外延晶圆存在针印pin nano缺陷的风险；
131.基于所述生产过程所生成的外延晶圆存在pin nano缺陷的风险，生成停机指令，以停止所述外延设备的生产状态；
132.相应于所述加热功率数据不出现波动，则继续进行下一个抛光晶圆的外延层生长过程以生产获得下一个外延晶圆，并且在生产下一个外延晶圆的过程中，采集外延设备的加热功率数据。
133.对于上述制造方法，具体来说，结合图1所示的外延设备1，其具体实施过程如图8所示，包括：
134.s801：将抛光晶圆衬底传输至反应腔室rc；
135.s802：开启加热灯泡以提高反应腔室的温度；
136.s803：向反应腔室rc中输送反应气体，以便在抛光晶圆表面生长一层外延层；
137.具体来说，反应气体包括硅源气体、氢气、掺杂剂气体；通过硅源气体与氢气反应生成硅原子并沉积在抛光晶圆w表面上以在抛光晶圆w表面生长一层外延层。
138.s804：在抛光晶圆表面形成外延层以生成外延晶圆的生产过程中，采集外延设备在所述生产过程中的加热功率数据；
139.s805：判断所述加热功率数据是否出现波动；若所述加热功率数据出现波动，转至s806；若所述加热功率数据不出现波动，则转至s812；
140.s806：确认所述生产过程所生成的外延晶圆存在针印pin nano缺陷的风险；
141.s807：基于所述生产过程所生成的外延晶圆存在pin nano缺陷的风险，生成停机指令，以关闭所述外延设备的加热灯泡从而使得所述外延设备的反应腔室降温；
142.s808：将生产得到的外延晶圆装回晶圆盒，并将所述外延晶圆进行清洗；
143.s809：通过检测工序将清洗后的外延晶圆进行平整度检测，以确定所述外延晶圆是否存在pin nano缺陷；
144.若存在，则执行s810：调整所述外延设备的加热功率之后转至s812进行下一个外延晶圆的外延层生长过程；
145.如不存在，则执行s811：不对外延设备的加热功率进行调整并转至s812；
146.s812：继续进行下一个抛光晶圆的外延层生长过程以生产获得下一个外延晶圆，并且在生产下一个外延晶圆的过程中，采集外延设备的加热功率数据；即返回s801，针对下
一个抛光晶圆执行相同的实施过程。
147.需要说明的是：本发明实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
148.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种外延晶圆的缺陷检测方法，其特征在于，所述方法包括：在抛光晶圆表面形成外延层以生成外延晶圆的生产过程中，采集外延设备在所述生产过程中的加热功率数据；判断所述加热功率数据是否出现波动；相应于所述加热功率数据出现波动，确认所述生产过程所生成的外延晶圆存在针印pin nano缺陷的风险；基于所述生产过程所生成的外延晶圆存在pin nano缺陷的风险，生成停机指令，以停止所述外延设备的生产状态。2.根据权利要求1所述的方法，其特征在于，所述判断所述加热功率数据是否出现波动，包括：获取外延设备在所述生产过程中的加热功率数据曲线与标准曲线之间的标准差值；将所述获取到的标准差值与标准差阈值进行比较：如果所述获取到的标准差值不大于所述标准差阈值，则判断所述加热功率数据没有出现波动；如果所述获取到的标准差值大于所述标准差阈值，则判断所述加热功率数据出现波动。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：将外延设备历史生产设定数目的无pin nano缺陷的外延晶圆过程中所采集到的加热功率数据曲线进行叠图处理，获得标准曲线；将所述标准曲线的标准差作为所述标准差阈值。4.根据权利要求1所述的方法，其特征在于，所述判断所述加热功率数据是否出现波动，包括：将所述加热功率数据输入至经过训练的机器学习模型中，以使得所述机器学习模型根据所述加热功率数据识别是否出现波动。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：将外延设备历史生产设定数目的外延晶圆的生产过程中所采集的加热功率数据以及对应的外延晶圆进行缺陷检测是否出现pin nano缺陷的检测结果进行记录；将记录的历史数据训练机器学习模型直至达到设定的检测准确度阈值。6.根据权利要求1所述的方法，其特征在于，所述停止所述外延设备的生产状态，包括：关闭所述外延设备的加热灯泡从而使得所述外延设备的反应腔室降温；将生产得到的外延晶圆装回晶圆盒，并将所述外延晶圆进行清洗；通过检测工序将清洗后的外延晶圆进行平整度检测，以确定所述外延晶圆是否存在pin nano缺陷；如存在，则调整所述外延设备的加热功率之后进行下一个外延晶圆的外延层生长过程；如不存在，则不对外延设备的加热功率进行调整而直接进行下一个抛光晶圆的外延层生长过程。7.根据权利要求1所述的方法，其特征在于，所述采集外延设备在所述生产过程中的加热功率数据，包括：
通过为所述外延设备中每个加热灯泡设置电参数采集装置以采集各加热灯泡的电参数，以及，基于所有加热灯泡所采集到的电参数获取所述外延晶圆生产过程中所述外延设备的反应腔室内的加热功率数据；或者，通过在所述外延设备内部或者所述外延设备的反应腔室内设置温度传感器以采集获得所述外延设备内部或者所述外延设备的反应腔室内的温度值；其中，所述温度值用于表征加热功率数据。8.一种外延晶圆的缺陷检测装置，其特征在于，所述装置包括：采集部分、判断部分、确认部分以及生成部分；其中，所述采集部分，经配置为在抛光晶圆表面形成外延层以生成外延晶圆的生产过程中，采集外延设备在所述生产过程中的加热功率数据；所述判断部分，经配置为判断所述加热功率数据是否出现波动，以及，相应于所述加热功率数据出现波动，触发所述确认部分；所述确认部分，经配置为确认所述生产过程所生成的外延晶圆存在针印pin nano缺陷的风险；所述生成部分，经配置为基于所述生产过程所生成的外延晶圆存在pin nano缺陷的风险，生成停机指令，以停止所述外延设备的生产状态。9.一种外延晶圆的缺陷检测系统，其特征在于，所述系统包括：采集器件以及控制器，所述控制器与所述采集器件电子通信；其中，所述采集器件，经配置为在抛光晶圆表面形成外延层以生成外延晶圆的生产过程中，采集外延设备在所述生产过程中的加热功率数据；所述控制器，经配置为判断所述加热功率数据是否出现波动；相应于所述加热功率数据出现波动，确认所述生产过程所生成的外延晶圆存在针印pin nano缺陷的风险；基于所述生产过程所生成的外延晶圆存在pin nano缺陷的风险，生成停机指令，以停止所述外延设备的生产状态。10.一种外延晶圆的制造方法，其特征在于，所述方法包括：使用外延设备在抛光晶圆表面形成外延层以获得外延晶圆；在抛光晶圆表面形成外延层以生成外延晶圆的生产过程中，采集外延设备在所述生产过程中的加热功率数据；判断所述加热功率数据是否出现波动；相应于所述加热功率数据出现波动，确认所述生产过程所生成的外延晶圆存在针印pin nano缺陷的风险；基于所述生产过程所生成的外延晶圆存在pin nano缺陷的风险，生成停机指令，以停止所述外延设备的生产状态；相应于所述加热功率数据不出现波动，则继续进行下一个抛光晶圆的外延层生长过程以生产获得下一个外延晶圆，并且在生产下一个外延晶圆的过程中，采集外延设备的加热功率数据。

技术总结
本发明实施例公开了一种外延晶圆的缺陷检测方法、装置、系统及其制造方法；该缺陷检测方法包括：在抛光晶圆表面形成外延层以生成外延晶圆的生产过程中，采集外延设备在所述生产过程中的加热功率数据；判断所述加热功率数据是否出现波动；相应于所述加热功率数据出现波动，确认所述生产过程所生成的外延晶圆存在针印Pin Nano缺陷的风险；基于所述生产过程所生成的外延晶圆存在Pin Nano缺陷的风险，生成停机指令，以停止所述外延设备的生产状态。以停止所述外延设备的生产状态。以停止所述外延设备的生产状态。


技术研发人员：成航航 王力 张奔 刘晨阳 刘宝阳
受保护的技术使用者：西安奕斯伟硅片技术有限公司
技术研发日：2023.04.27
技术公布日：2023/7/18