10월 '이달의 과학기술인상'에 신영수 KAIST 교수

기계학습 이용한 반도체 리소그래피 최적화 기술 개발

[이데일리 강민구 기자] 기계학습을 적용해 기존보다 10배 이상 빠르고 해상도가 높은 반도체 리소그래피 최적화 기술을 개발한 연구자가 공로를 인정 받았다.

과학기술정보통신부와 한국연구재단은 ‘이달의 과학기술인상’ 10월 수상자로 신영수 KAIST 전기전자공학부 교수를 선정했다.

신영수 KAIST 교수.(사진=KAIST)

‘이달의 과학기술인상’은 우수한 연구개발 성과로 과학기술 발전에 공헌한 연구개발자를 매월 1명씩 선정해 과기정통부 장관상과 상금 1000만원을 주는 상이다.

신영수 교수가 연구한 반도체 포토리소그래피는 패턴이 새겨진 마스크에 빛을 비춰 웨이퍼에 소자를 형성해가는 과정으로 반도체 수율을 결정하는 가장 중요한 공정이다.

웨이퍼에 다각형을 만들기 위해서는 마스크에 훨씬 복잡한 패턴을 그려 넣어야 한다. 이런 패턴을 찾아가는 과정을 OPC(Optical Proximity Correction)라고 한다. 기존 OPC는 마스크 형상을 고치고 시뮬레이션으로 웨이퍼 이미지를 확인하는 과정을 반복해야 해 시간이 걸린다.

이에 신 교수는 마스크 형상과 웨이퍼 이미지의 집합을 이용해 기계학습 모델을 만들었다. 이후 더 빠르고 해상도가 높은 OPC 최적화 기술을 개발했다. 마스크 형상과 웨이퍼 이미지 집합을 대량으로 갖고 있다면 이 집합을 이용해 뇌를 훈련하듯 기계학습 모델을 만들 수 있다는 점에 착안해 성과를 냈다.

신 교수는 또 생성형 인공지능으로 기존에 없었던 레이아웃 패턴을 생성하는 방법도 개발했다. 이렇게 생성된 레이아웃 패턴과 기존 샘플 패턴을 같이 활용해 리소그래피 최적화에 적용하자 모델 정확도가 높게 나타났다.

이 기술은 반도체 공정을 개선하고 해외 의존도가 높은 OPC 솔루션의 자립도를 높여 국내 반도체 산업 발전에 기여할 전망이다.

신 교수는 “기존 반도체 리소그래피 연구와 달리 머신러닝과 인공지능을 적용했다는 점에서 차별성이 크다”며 “소수 외국회사가 독점하면서 발생하는 라이선스 비용과 기술개발 정체 문제를 해결하는 데 기여하기를 기대한다”고 했다.