Use Cases
레이판 Sim · 반도체 부문
공정조건과 최종 물성의 비선형 관계를 Physics-aware Hybrid AI 폐루프로 예측·역설계합니다.
사례 개요
반도체 소재 4대 적용 도메인
공정조건 ↔ 최종 물성의 비선형 관계 예측·역설계
본딩·몰딩·언더필 공정조건 ↔ 접합 신뢰성·휨(warpage)·보이드
조성·소결·경화 조건 ↔ 전기·기계·신뢰성 물성 및 조성 역설계
필러 함량·분산·경화 ↔ 열전도도·접촉저항·내구성 최적화
증착·코팅·건조 조건 ↔ 두께 균일도·밀착력·광학 물성 제어
Physics-aware Hybrid AI 폐루프
물리규칙 → 합성데이터 → ML/DL 보정 → XAI → 역설계
도메인 물리·경험식으로 공정–물성 관계를 규칙화
Physics-Consistent 합성데이터 생성으로 데이터 부족 보완
실측 기반 Hybrid 모델로 정밀 보정
SHAP 기반 변수 기여도와 불량 원인 설명
목표 물성 → 공정조건·recipe window 추천
→ Closed-loop Feedback · 예측·역설계 결과를 실측으로 검증하고 규칙·모델을 지속 갱신
사용 사례 및 응용 프로그램
신규 패키징 공정에서는 본딩, 몰딩, 언더필 조건에 따라 접합 신뢰성, Warpage, Void 등이 크게 달라집니다. 반복적인 실험과 경험에 의존한 공정 개발은 시간과 비용이 많이 소요되며 최적의 Recipe를 찾기 어렵습니다.
공정조건과 물성 데이터를 Physics-aware AI로 학습하여 접합 신뢰성, Warpage, Void를 예측합니다. 목표 물성을 입력하면 최적의 공정조건(Recipe Window)을 역설계하고, SHAP 기반 XAI를 통해 품질에 영향을 미치는 핵심 변수를 함께 제공합니다.
전자재료는 조성, 소결, 경화 조건에 따라 전기적·기계적 특성이 크게 달라집니다. 새로운 소재를 개발할 때마다 반복적인 실험이 필요하며 개발 기간이 길어집니다.
조성 및 공정조건과 물성 데이터를 기반으로 목표 성능을 만족하는 소재 조성과 공정조건을 예측합니다. Physics-aware AI를 활용하여 데이터가 부족한 환경에서도 신뢰도 높은 결과를 제공합니다.
고성능 반도체의 열 관리 성능을 확보하기 위해서는 열전도도와 접촉저항을 동시에 만족하는 공정조건을 찾아야 합니다.
필러 함량, 분산, 경화 조건을 분석하여 열전도도와 접촉저항을 예측하고 최적의 제조 조건을 추천합니다. 다양한 공정을 가상으로 시뮬레이션하여 개발 기간과 실험 비용을 절감합니다.
증착 및 코팅 공정에서는 두께 균일도, 밀착력, 광학 특성 확보가 매우 중요하며 공정 조건 변화에 민감하게 영향을 받습니다.
공정조건과 품질 데이터를 기반으로 박막 품질을 예측하고 최적의 증착·코팅 조건을 추천합니다. 불량 원인을 분석하고 양산 가능한 Process Window를 제공합니다.
분리막 제조에서는 두께, 통기도, 천공강도 등 핵심 물성을 만족하는 공정조건을 빠르게 확보해야 합니다.
공정조건과 물성 데이터를 기반으로 목표 성능을 만족하는 Recipe를 역설계합니다. 실험 횟수를 줄이고 개발 리드타임을 단축하며 품질 안정성을 높입니다.
노광(Dose), Focus, PEB 조건에 따라 Critical Dimension(CD)이 달라지므로 최적의 공정조건을 찾기 위해 많은 반복 실험이 필요합니다.
공정조건과 측정 데이터를 기반으로 목표 CD를 만족하는 Recipe를 추천합니다. Process Window를 시각화하고 XAI 분석을 통해 수율 향상에 영향을 주는 핵심 변수를 제공합니다.
기대 효과 (목표 지표)
작동 방식 요약 · 수집 → 물리규칙 예측 → 합성데이터 보완 → AI 보정 → XAI 원인 설명 → recipe window 역설계 → 실측 검증·재갱신