2023년 10월 과학기술인상, KAIST 신영수 교수 선정 |
- 기계학습 이용한 고성능 반도체 리소그래피 최적화 기술 개발 - |
과학기술정보통신부(장관 이종호, 이하 ‘과기정통부’)와 한국연구재단(이사장 이광복, 이하 ‘연구재단’)은 이달의 과학기술인상 10월 수상자로 KAIST 전기및전자공학부 신영수 교수를 선정했다고 밝혔다.
‘이달의 과학기술인상’은 우수한 연구개발 성과로 과학기술 발전에 공헌한 연구개발자를 매월 1명씩 선정하여 과기정통부 장관상과 상금 1천만 원을 수여하는 상이다.
과기정통부와 연구재단은 신영수 교수가 기계학습(machine learning)을 적용해 기존보다 10배 이상 빠르고 해상도가 높은 반도체 리소그래피 최적화 기술을 개발한 공로를 높게 평가했다고 밝혔다.
반도체 포토리소그래피(Photolithography)는 패턴이 새겨진 마스크에 빛을 비추어 웨이퍼 상에 소자를 형성해가는 과정으로 반도체 수율을 결정하는 가장 중요한 공정이다.
웨이퍼에 다각형을 만들기 위해서는 마스크에 그보다 훨씬 복잡한 패턴을 그려 넣어야 하는데, 이런 패턴을 찾아가는 과정을 OPC(Optical Proximity Correction)라고 부른다. 기존의 모델 기반 OPC는 마스크 형상을 고치고 시뮬레이션을 통해 웨이퍼 이미지를 확인하는 과정을 반복하게 되는 만큼 많은 시간이 소요된다.
신영수 교수는 마스크 형상과 그에 대응하는 웨이퍼 이미지의 집합을 이용해 기계학습 모델을 만들고, 그 모델을 이용해 더 빠르고 해상도가 높은 OPC 최적화 기술을 개발했다. 만약 마스크 형상과 그에 대응하는 웨이퍼 이미지의 집합을 대량으로 갖고 있다면 이 집합을 이용해 마치 뇌를 훈련하듯 기계학습 모델을 만들 수 있다는 점에 착안한 것이다.
이와 함께 신영수 교수는 생성형 인공지능(AI)을 통해 기존 레이아웃 패턴과 구조적으로 유사한 특정을 가졌지만, 기존에는 존재하지 않던 레이아웃 패턴을 생성하는 방법도 개발했다. 동시에 이렇게 생성된 레이아웃 패턴과 기존의 샘플 패턴을 같이 활용해 리소그래피 최적화에 적용했을 때 모델 정확도가 높아진다는 것을 확인했다.
해당 기술은 반도체 공정을 개선하고 해외 의존도가 높은 OPC 솔루션의 자립도를 높여 국내 반도체 산업 발전에 기여할 전망이다. 관련 연구성과는 국제학술지인 IEEE TSM(Transactions on Semiconductor Manufacturing)에 2021년 개재되었으며, 해당 논문은 그해 동 학술지에서 1편만 선정하는 베스트 페이퍼 어워드(Best Paper Award)를 수상했다.
신영수 교수는 “이번 연구는 기존 반도체 리소그래피 연구와 달리 머신러닝과 인공지능을 적용했다는 점에서 차별성이 크다”라며 “소수의 외국회사가 독점하면서 발생하는 라이센스 비용과 기술개발의 정체 문제를 해결하는 데 이바지할 수 있기를 기대한다”라고 밝혔다.
