딥러닝을 활용한 반도체 웨이퍼 불량 유형 구분 모델에 관한 연구

국문 초록 (Abstract)

기존 산업현장에서는 반도체 웨이퍼 맵을 직접 확인하여 불량을 선별하였다. 육안을 통한 웨이퍼 선별과정은 폭증하는 시장의 수요를 충족시킬 수 없다. 따라서 인간보다 신속‧ 정확한 반도체 웨이퍼 불량을 검출하여, 자동화에 기여할 수 있는 AI 기술을 제시한다. 인공지능 모델의 입력 데이터로는 생성적 대립신경망(GAN)을 통해 다양한 유형의 균형 있는 실제로 수집된 웨이퍼 맵을 사용하였다. 반도체 웨이퍼 불량 유형 구분을 위해 다층퍼셉트론(MLP)과 합성곱 신경망(CNN)을 기반으로 한, 2가지 인공지능 모델을 고안하였고, 실험 결과 CNN 모델이 정확도가 평균 6.4% 더 높았음을 확인했다.