김호준 연구실
기계공학과 김호준
김호준 연구실은 기계공학과를 기반으로 반도체 및 디스플레이 공정 장비의 전산유체공학(CFD) 및 플라즈마 시뮬레이션을 선도적으로 수행하는 연구실입니다. 본 연구실은 플라즈마 공정의 복잡한 유체역학적 현상과 화학 반응을 정밀하게 해석하기 위해 2D/3D 수치해석, 입자-셀 몬테카를로(PIC-MCC), 밀도범함수이론(DFT) 등 다양한 시뮬레이션 기법을 활용합니다. 이를 통해 플라즈마 반응기 내의 플라즈마 분포, 반응종 이동, 박막 증착 및 식각 메커니즘 등 미세 스케일의 현상을 체계적으로 규명하고 있습니다.
특히, 반도체 및 디스플레이 제조 공정에서 요구되는 고정밀, 고효율 공정 개발을 위해 장비 내 주요 소재(웨이퍼, 전극, 사이드월 등)와 구조적 요소의 최적화 연구를 수행합니다. 소재의 유전율, 열전도도, 구조적 배치 등이 플라즈마 특성 및 박막 증착 균일성에 미치는 영향을 정량적으로 분석하며, 이를 바탕으로 실제 산업 현장에 적용 가능한 설계 가이드라인을 제시합니다. 또한, 실험적 데이터와의 비교 및 검증을 통해 시뮬레이션의 신뢰성을 확보하고 있습니다.
최근에는 데이터 기반 접근법과 기계학습(머신러닝)을 융합하여 차세대 촉매 및 소재의 설계와 최적화 연구도 활발히 진행 중입니다. DFT 계산을 통해 구축된 대규모 데이터베이스와 기계학습 모델을 결합하여, 수소 발생 반응(HER), 산소 발생 반응(OER) 등 에너지 변환 촉매의 활성 및 안정성을 신속하게 예측하고, 새로운 소재의 발굴 가능성을 확장하고 있습니다. 이러한 연구는 친환경 에너지 소재 개발과 반도체 공정 혁신에 중요한 역할을 하고 있습니다.
연구실은 산업통상자원부, 과학기술정보통신부 등 다양한 정부기관 및 연구기관과의 협력 프로젝트를 수행하며, 실제 산업 현장에서 요구되는 문제 해결과 기술 혁신에 적극적으로 기여하고 있습니다. 또한, 국내외 학회 및 컨퍼런스에서 활발한 연구 발표와 교류를 통해 최신 연구 동향을 선도하고 있습니다.
궁극적으로, 김호준 연구실은 전산유체공학과 플라즈마 시뮬레이션, 데이터 기반 소재 설계 등 첨단 융합기술을 바탕으로 반도체 및 디스플레이 산업의 미래를 이끌어갈 핵심 연구 역량을 갖추고 있습니다. 실험과 시뮬레이션, 데이터 과학의 유기적 결합을 통해 고부가가치 공정 기술과 혁신적 소재 개발에 앞장서고 있습니다.
전산유체공학 기반 반도체 및 디스플레이 플라즈마 공정 시뮬레이션
본 연구실은 전산유체공학(CFD)과 수치해석 기법을 활용하여 반도체 및 디스플레이 제조 공정에서의 플라즈마 반응 및 유체 흐름을 정밀하게 시뮬레이션합니다. 플라즈마 공정 장비 내에서 발생하는 복잡한 유체역학적 현상과 화학 반응을 해석하기 위해 2차원 및 3차원 수치 모델을 개발하고, 실제 장비의 구조와 작동 조건을 반영한 시뮬레이션을 수행합니다. 이를 통해 플라즈마 밀도, 전자 및 이온 분포, 반응종의 생성 및 이동 경로 등 다양한 물리적 파라미터를 예측하고, 공정의 균일성 및 효율성 향상을 위한 최적화 방안을 도출합니다.
특히, 반도체 박막 증착, 식각, 세정 등 다양한 플라즈마 기반 공정에서의 유체 흐름과 플라즈마 특성의 상호작용을 분석하여, 공정 조건 변화에 따른 반응 메커니즘과 장비 내 물질 이동 현상을 체계적으로 규명합니다. 또한, 전산유체공학적 접근을 통해 장비 설계 단계에서부터 최적화된 구조와 운전 조건을 제안함으로써, 실제 산업 현장에서의 생산성 향상과 품질 개선에 기여하고 있습니다.
이러한 연구는 반도체 및 디스플레이 산업에서 요구되는 고정밀, 고효율 공정 개발에 필수적인 기반 기술로, 실험적 접근이 어려운 미세 스케일의 현상까지 정량적으로 분석할 수 있다는 점에서 큰 의의를 지닙니다. 나아가, 시뮬레이션 결과를 바탕으로 실험적 검증을 병행하여, 실제 장비 및 공정에 적용 가능한 실질적 솔루션을 제공하고 있습니다.
플라즈마 공정 장비의 소재 및 구조 최적화 연구
연구실에서는 플라즈마 공정 장비의 성능 향상과 공정 균일성 확보를 위해, 장비 내 주요 소재(웨이퍼, 전극, 사이드월 등)와 구조적 요소의 최적화 연구를 수행하고 있습니다. 다양한 유전체 및 금속 소재의 전기적, 열적 특성이 플라즈마 분포와 박막 증착 특성에 미치는 영향을 수치적으로 분석하며, 이를 통해 최적의 소재 조합과 구조 설계를 제안합니다. 예를 들어, 웨이퍼 및 전극 소재의 유전율 변화가 플라즈마 밀도 분포와 전기장 형성에 미치는 영향, 사이드월 소재의 조합에 따른 플라즈마 균일성 개선 효과 등을 정량적으로 평가합니다.
이와 함께, 플라즈마 반응기 내에서의 온도 분포, 전극 간격, 가스 유량 및 압력 등 다양한 공정 파라미터가 박막 증착 및 식각 균일성에 미치는 영향을 체계적으로 해석합니다. 이를 위해 2D/3D 유체 모델, 입자-셀 몬테카를로(PIC-MCC) 시뮬레이션, 밀도범함수이론(DFT) 등 다양한 수치해석 기법을 활용하여, 실제 공정 환경을 정밀하게 모사합니다. 또한, 실험적 데이터와의 비교를 통해 시뮬레이션의 신뢰성을 확보하고, 산업 현장에 적용 가능한 설계 가이드라인을 도출합니다.
이러한 연구는 반도체 및 디스플레이 제조 공정의 고도화와 장비의 신뢰성 향상에 직접적으로 기여하며, 차세대 공정 장비 개발 및 스마트 제조 시스템 구축의 핵심 기반 기술로 자리매김하고 있습니다. 궁극적으로, 소재 및 구조 최적화를 통한 공정 효율 극대화와 불량률 최소화에 중점을 두고 있습니다.
데이터 기반 촉매 및 소재 설계와 기계학습 응용
본 연구실은 전통적인 수치해석과 더불어, 데이터 기반 접근법과 기계학습(머신러닝)을 융합하여 차세대 촉매 및 소재의 설계와 최적화 연구를 수행하고 있습니다. 밀도범함수이론(DFT) 계산을 통해 다양한 전이금속 산화물, 단일원자 촉매(SAC), 박막 소재의 전자구조 및 반응 특성을 분석하고, 이를 대규모 데이터베이스로 구축합니다. 이 데이터베이스를 기반으로 기계학습 모델을 학습시켜, 수소 발생 반응(HER), 산소 발생 반응(OER) 등 에너지 변환 촉매의 활성 및 안정성을 신속하게 예측할 수 있습니다.
특히, 고성능 촉매 후보군의 선별, 소재의 내산성 및 내구성 평가, 최적의 원자 구조 및 전자적 특성 도출 등 다양한 연구 주제에 기계학습을 적극적으로 적용하고 있습니다. 이를 통해 실험적 탐색에 소요되는 시간과 비용을 획기적으로 절감하고, 새로운 촉매 및 소재의 발굴 가능성을 크게 확장하고 있습니다. 또한, 분자동역학(AIMD) 시뮬레이션을 통해 실제 공정 조건에서의 소재 안정성 및 반응 메커니즘을 심층적으로 분석합니다.
이러한 데이터 기반 연구는 에너지 소재, 반도체 박막, 표면 개질 등 다양한 분야에 적용될 수 있으며, 기계학습과 전산모델링의 융합을 통해 미래 지향적 소재 설계 패러다임을 제시합니다. 궁극적으로, 인공지능 기반의 소재 혁신과 친환경·고효율 에너지 시스템 개발에 기여하고 있습니다.
1
Evaluation and prediction of superhydrophobic surface durability using rolling wear tests and finite element analysis
김호준
MATERIALS & DESIGN, 2025
2
Multi-Scale Computational Insights into SinH2n+1 Adsorption in SiH4/H2/Ar Plasma Environments
김호준
SURFACES AND INTERFACES, 2025
3
Accelerating hydrogen evolution catalyst discovery via data-driven strategy for high-performance single-atom catalysts embedded in h-BN
김호준
JOURNAL OF ENERGY CHEMISTRY, 2025
1
공정내 불순물 농도를 실시간 분석 가능한 일체형 저전력 고성능 극저온 고진공 배기장치 개발
2
장비 최적화를 위한 simulation DB 개발
3
[이관과제] 장비 최적화를 위한 simulation DB 개발