반도체 공정 설계 돕는 AI 개발한 10월의 과학기술인, 신영수 교수

(서울=뉴스1) 김승준 기자 = 과학기술정보통신부와 한국연구재단은 이달의 과학기술인상 10월 수상자로 신영수 한국과학기술원(KAIST) 전기및전자공학부 교수를 선정했다고 4일 밝혔다.

과기정통부와 연구재단은 신영수 교수가 기계학습을 적용해 기존보다 10배 이상 빠르고 해상도가 높은 반도체 리소그래피 최적화 기술을 개발한 공로를 높게 평가했다고 설명했다.

반도체 포토리소그래피(Photolithography)는 빛을 이용해 반도체 웨이퍼(기판)에 소자를 형성해 가는 과정으로 수율을 결정하는 가장 중요한 공정이다.

기판에 증착물질을 올리고 그 위에 감광액을 도포한다. 감광액에 빛이 닿으면 기판에 증착물질이 남게 된다.

증착물질의 형태(패턴)에 따라 정밀 회로 및 특성이 결정되게 된다. 복잡한 패턴을 만들기 위해 빛을 가리는 등 조절하는 역할을 하는 설비를 마스크(Mask)라고 한다.

웨이퍼에 다각형을 만들기 위해서는 마스크에 그보다 훨씬 복잡한 패턴을 그려 넣어야 한다. 마스크의 패턴을 찾아가는 과정을 OPC라고 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 데이터로 기계학습 모델을 만들고 그 모델을 이용해 더 빠르고 해상도가 높은 OPC 최적화 기술을 개발했다. 원하는 정밀 회로를 만드는 데 필요한 마스크 찾기가 더 수월해진 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 전기 전자 기술자 협회 반도체 제조 회람(IEEE TSM)에 2021년 개재됐다. 해당 논문은 그해 동 학술지에서 1편만 선정하는 최우수 논문상(Best Paper Award)을 받았다.

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"고 말했다.

seungjun241@news1.kr