프로젝트 소개
본 과제는 반도체 제조 과정에서 발생하는 웨이퍼 불량을 딥러닝으로 자동 탐지하고, 인공지능의 예측 결과를 신뢰할 수 있도록 만드는 연구임. 웨이퍼 이미지를 분석해 정상과 불량을 구분하고 불량 종류까지 판별하는 스마트 팩토리용 기술 개발에 해당함.
연구 목표는 국내 반도체 산업에 필요한 신뢰성 있는 딥러닝 기반 웨이퍼 불량 탐지 모델 개발임. 핵심 연구 내용은 WM-811K 데이터를 활용한 웨이퍼 불량 이미지 구축, DRN 기반 이진 분류 모델 개발, Semi-Supervised Learning을 활용한 다중 분류 모델 고도화, 데이터 불균형 대응 및 웨이퍼 특화 데이터 증강과 손실 함수 설계임. 또한 out-of-distribution 검출을 적용해 학습하지 않은 새로운 유형의 불량을 선별하고 예측 확실성을 함께 제시하는 기능 구현임. 목표 성능은 이진 분류 정확도 0.99 이상, 다중 분류 정확도 0.95 이상, 새로운 불량 검출 AUROC 95% 이상임. 기대 효과는 웨이퍼 불량 탐지 자동화를 통한 반도체 수율과 생산성 향상, 국내 제조 기업의 스마트 팩토리 구축 지원, SCI급 연구성과 창출 및 전문 인력 양성임.