10월 과학기술인상,
한국과학기술원 신영수 교수 선정

ㅇ 빠르고 정확한 머신러닝 기반 OPC 기술
반도체 리소그래피는 패턴이 새겨진 마스크에 빛을 비추어 그림자를 웨이퍼상에 새기는 과정이다. 마스크에 정사각형을 새겨 놓고 빛을 비추면 그림자는 정사각형이 아니기 때문에, 정사각형의 그림자를 만들기 위해서는 마스크에 복잡한 패턴을 그려 넣어야 하는데, 그 패턴을 찾는 과정을 OPC라고 한다. 웨이퍼이미지가 정확하게 만들어져야 반도체 공정이 원활하게 진행되기 때문에 OPC는 수율을 결정하는 가장 중요한 단계 중 하나이다. 기존의 모델기반 OPC는 마스크형상을 고치고 시뮬레이션을 통해 웨이퍼이미지를 확인하는 과정을 반복하게 되어 많은 시간이 소모된다. 만일 마스크형상과 그에 대응되는 웨이퍼이미지의 집합을 대량으로 가지고 있다면, 이 집합을 이용해 마치 뇌를 훈련하듯 머신러닝 모델을 만들 수 있다. 그 모델에 원하는 웨이퍼이미지를 알려주면 대응되는 마스크형상을 손쉽고 빠르게 찾아낼 수 있는데, 이것이 머신러닝을 이용한 OPC의 기본 개념이다.

ㅇ 생성형 AI를 이용한 레이아웃 패턴 합성 기술

반도체 분야는 회로 정보를 담고 있는 레이아웃 패턴의 다양성이 부족한 경우가 대부분이다. 본 연구진은 생성형 AI를 통해서 기존 레이아웃 패턴과 구조적으로 유사한 특징을 가졌지만 기존에 존재하지 않던 레이아웃 패턴을 생성하는 방법을 개발하였다. 이렇게 생성된 레이아웃 패턴과 기존의 샘플 패턴을 같이 활용해 리소그래피 최적화에 적용했을 때 패턴 coverage 향상에 따른 모델 정확도 증가를 확인할 수 있었다.

-----이하 생략

<본 사이트에는 일부 내용이 생략되었습니다. 자세한 내용은 세라믹코리아 2023년 11월호를 참조바랍니다. 정기구독하시면 지난호보기에서 PDF를 다운로드 하실 수 있습니다.>