신뢰성 있는 딥러닝 기반 웨이퍼 불량 탐지 모델 개발

본 과제는 반도체 웨이퍼의 불량을 딥러닝으로 자동 판별해 공정 모니터링을 돕는 신뢰성 있는 탐지 모델 개발 연구임. 국내 반도체 산업의 웨이퍼 불량 판별을 보다 빠르고 일관되게 처리하기 위한 기반 마련 과제임. 연구 목표는 DRN 기반 이진 분류 모델, SSL 기반 다중 분류 모델, OOD 검출을 포함한 신뢰성 높은 최종 모델 구축에 있음. WM-811K 데이터 전처리 및 이미지화, 불균형 데이터와 unlabeled 데이터 활용, 데이터 증강과 손실 함수 최적화, 예측 확실성 출력 기능 고도화가 핵심 내용임. 기대 효과는 불량 탐지 자동화에 따른 수율 향상, 엔지니어 판단의 일관성 확보, 데이터 부족·클래스 불균형 문제 해결 기술의 타 분야 확장 가능성 확보임.