[충청뉴스 이성현 기자] 원자 한 층 수준으로 매우 얇은 차세대 2D 반도체를 인공지능(AI)이 공정진단 결과를 기반으로 스스로 분석하고 제어할 수 있는 기술이 개발됐다.
기존에는 공정 조건에 따라 품질 차이가 발생해 균일한 생산이 어려웠지만, 이번 연구는 플라즈마 공정과 AI 기반 데이터 분석 기술을 결합해 공정 재현성과 생산성을 동시에 높일 수 있는 기반을 마련했다.
특히 합성·식각·모니터링·공정 예측을 하나의 시스템으로 통합함으로써, 향후 반도체 공정의 자동화·지능화 기술로 확장할 수 있는 토대를 확보했다.
한국기계연구원 반도체장비연구센터 김형우 선임연구원 연구진은 저온 플라즈마 기반 PECVD 및 RIE 장비를 활용해 6인치 차세대 2D 반도체(MoS₂, WS₂)의 합성·식각 공정을 개발하고, 이를 AI 기반 지능화 시스템으로 구현했다.
연구진은 공정 중 발생하는 빛과 가스 질량 변화를 실시간으로 측정하고, 이를 머신러닝 기반으로 분석해 공정 상태를 예측하는 기술을 개발했다.
특히 OES, ToF-MS, QMS 등 다양한 실시간 진단 장비를 활용해 시계열 다중모달 데이터를 확보하고, 이를 머신러닝 모델에 적용함으로써 반도체 두께를 원자층 수준으로 정밀하게 예측하는 데 성공했다.
기존 차세대 2D 반도체 공정은 주로 고온 기반 방식으로 진행돼 현재 반도체 생산라인과의 호환성이 낮고, 대면적 균일 공정 구현에도 한계가 있었다. 또 원자층 단위 식각 기술은 공정 시간이 길고 생산성이 낮은 문제가 있었다.
반면 이번 연구는 저온 플라즈마 기반 공정을 적용해 기존 양산 장비와의 호환성을 높이고, 단일 공정 기반 원자층 식각을 구현해 공정 효율성과 생산성을 동시에 확보했다는 점에서 차별성을 가진다.
이번 기술은 AI 반도체와 차세대 전자소자, 디스플레이 등 다양한 반도체 산업 분야에 활용될 수 있다.
아울러 기존 양산 장비의 OES용 view port를 사용하기 때문에 장비 구조변경없이 활용할 수 있어 산업 적용성이 높고, 향후 공정 데이터가 축적되면 반도체 제조 공정의 자율화·지능화 기술로 발전할 수 있을 것으로 기대된다.
김형우 선임연구원은 “이번 연구는 저온 환경에서 6인치 웨이퍼 규모의 2D 반도체 공정을 원자층 수준으로 구현한 데 의미가 있다”며 “다중모달 데이터 기반 머신러닝 기술을 통해 공정 예측과 최적화를 동시에 구현함으로써 공정 재현성과 생산성을 크게 향상시켰다”고 밝혔다.
이어 “앞으로 차세대 반도체 제조 공정의 자동화·지능화를 위한 핵심 기술로 확장해 나갈 계획”이라고 말했다.
한편 이번 연구는 한국기계연구원 창의도전과제 및 영프런티어 사업, KIMM-SKKU 학연협력, 기본사업 및 산업통상부 반도체 인력양성사업의 지원을 받아 수행됐다. 연구진은 총 5개 과제를 통해 30편 이상의 SCI 논문 성과를 도출하며 관련 기술을 지속적으로 발전시켜 왔다.
