물리 제약 설계 기반 광리소그래피 결함 데이터셋 자동 생성 방법
읽는 시간: 2 분
...
📝 원문 정보
- Title: A Physics-Constrained, Design-Driven Methodology for Defect Dataset Generation in Optical Lithography
- ArXiv ID: 2512.09001
- 발행일: 2025-12-09
- 저자: Yuehua Hu, Jiyeong Kong, Dong-yeol Shin, Jaekyun Kim, Kyung-Tae Kang
📝 초록 (Abstract)
** 인공지능(AI)을 활용한 마이크로·나노 제조 기술은 고품질이며 물리적으로 타당한 학습 데이터가 부족하다는 근본적인 제약에 직면해 있다. 반도체 산업에서 리소그래피 결함 데이터는 연구 목적에 공개되지 않아 공개 데이터셋이 심각하게 부족한 상황이다. 이러한 병목 현상을 해소하기 위해 본 연구에서는 픽셀 수준의 주석을 갖는 대규모 물리적으로 유효한 결함 데이터셋을 생성하는 새로운 방법론을 제안한다. 이 프레임워크는 설계 레벨 레이아웃에 물리적 제약을 반영한 수학적 형태학 연산(침식·팽창)을 적용해 결함 레이아웃을 처음부터 합성하는 단계로 시작한다. 합성된 레이아웃과 결함이 없는 레이아웃을 고정밀 디지털 마이크로미러 장치(DMD) 기반 마스크리스 리소그래피를 이용해 물리적 샘플로 제작한다. 제작된 결함 샘플과 결함‑없는 기준 샘플의 광학 현미경 영상을 비교하여 일관된 결함 구분 주석을 생성한다. 본 방법론을 통해 3 530장의 광학 현미경 이미지와 13 365개의 주석된 결함 인스턴스를 포함하는 포괄적인 데이터셋을 구축했으며, 결함 종류는 브리지, 버, 핀치, 오염 네 가지 클래스로 구분한다. 각 결함 인스턴스는 픽셀 정확도의 세분화 마스크를 갖추어 형태와 윤곽을 완전하게 보존한다. 이 데이터셋은 세그멘테이션 기반 Mask R‑…**
💡 논문 핵심 해설 (Deep Analysis)
이 논문은 현재 AI 기반 결함 검출·분류 연구에서 가장 큰 걸림돌 중 하나인 ‘데이터 부족 문제’를 근본적으로 해결하려는 시도로 평가할 수 있다. 전통적으로 반도체 리소그래피 공정에서 발생하는 결함은 설계 단계와 공정 단계가 복합적으로 작용해 발생하며, 실제 결함 이미지는 기업 비밀에 해당해 외부에 공개되지 않는다. 따라서 공개된 데이터셋이 거의 없으며, 연구자들은 소수의 라벨링된 이미지에 의존해 모델을 학습시키는 경우가 많다. 이는 과적합(overfitting)과 일반화 한계로 이어져 실험실 수준의 성능은 좋지만 실제 생산 라인에 적용하기 어렵다.
본 연구는 이러한 한계를 ‘물리‑제약 설계 기반’이라는 두 축으로 접근한다. 첫 번째 축은 수학적 형태학 연산을 이용해 결함을 설계 레벨에서 인위적으로 생성한다는 점이다. 침식(erosion)과 팽창(dilation) 연산은 픽셀 단위의 구조 변형을 정량적으로 제어할…