본 연구과제를 통해 수행하고자 하는 연구 목표 및 세부 연구 내용은 다음과 같이 세 가지임. 1. 1차년도에는 웨이퍼 불량 이미지 데이터를 구축하고 DRN 기반의 불량 탐지 모델을 개발하고자 함. - 데이터 구축: 실제 반도체 제조과정에서 취득한 다량의 반도체 웨이퍼 맵으로 구성된 공개 데이터 WM-811K 데이터를 사용하며 데이터 전처리 후 이미지로 만들어서 사용하고자 함. 1차년도 학습 데이터는 이진 분류 (i.e., 정상 혹은 불량) 학습을 위한 데이터로 모든 불량 유형을 하나로 통합하고자 함. - 모델 고도화: 반도체 웨이퍼 맵 데이터에 적합한 DRN 구조와 변수들 (e.g., 모델 깊이, dilation factor 값)을 찾아서 모델을 고도화하고자 함. 2. 2차년도에는 1차년도에 생성된 모델에 SSL을 이용한 고도화된 불량 탐지 모델을 개발하고자 함. - 데이터 구축: 전체 WM-811K 데이터 중에 78.7%에 해당하는 데이터가 unlabeled 데이터로 1차년도 학습에 사용된 labeled 데이터와 함께 SSL 학습에 사용하고자 함. 2차년도 학습 데이터는 다중 분류 학습을 위한 데이터로 다양한 유형의 불량이 존재함. - 모델 개발: 최신 SSL 방법에 데이터 클래스간 불균형을 해결할 수 있는 방법을 접목하여 고도화된 불량 탐지 모델을 개발하고자 함. - 모델 고도화: 기존에 사용된 데이터 증강기법 이외에도 웨이퍼 불량 데이터에 적합한 증강기법 탐색 및 효율적인 형태의 손실 함수 설계를 통해 모델 학습을 최적화 하고자 함. 3. 3차년도에는 2차년도에 생성된 모델에 새로운 유형의 불량 이미지를 선별하는 기능을 추가해서 신뢰성 있는 최종 모델을 개발하고자 함. - 새로운 유형의 이미지 선별: 모델의 예측값을 기반으로 하는 out-of-distribution (OOD) 검출 방법을 이용하여 예측값이 특정 수준 (threshold) 이하이면 알려주는 모델임.