back 수상자 상세정보

신영수

KAIST, 전기및전자공학부

기계학습 이용한 고성능 반도체 리소그래피 최적화 기술 개발

공적 요약

신영수 교수는 기계학습(machine learning) 을 이용한 고속·고해상도 반도체 리소그래피 최적화 기술을 개발해 국내 반도체 산업 발전에 기여함.

구체적 내용

신영수 교수가 기계학습(machine learning)을 적용해 기존보다 10배 이상 빠르고 해상도가 높은 반도체 리소그래피 최적화 기술을 개발했다.
반도체 포토리소그래피(Photolithography)는 패턴이 새겨진 마스크에 빛을 비추어 웨이퍼 상에 소자를 형성해가는 과정으로 반도체 수율을 결정하는 가장 중요한 공정이다.
웨이퍼에 다각형을 만들기 위해서는 마스크에 그보다 훨씬 복잡한 패턴을 그려 넣어야 하는데, 이런 패턴을 찾아가는 과정을 OPC(Optical Proximity Correction)라고 부른다. 기존의 모델 기반 OPC는 마스크 형상을 고치고 시뮬레이션을 통해 웨이퍼 이미지를 확인하는 과정을 반복하게 되는 만큼 많은 시간이 소요된다. 신영수 교수는 마스크 형상과 그에 대응하는 웨이퍼 이미지의 집합을 이용해 기계학습 모델을 만들고, 그 모델을 이용해 더 빠르고 해상도가 높은 OPC 최적화 기술을 개발했다. 만약 마스크 형상과 그에 대응하는 웨이퍼 이미지의 집합을 대량으로 갖고 있다면 이 집합을 이용해 마치 뇌를 훈련하듯 기계학습 모델을 만들 수 있다는 점에 착안한 것이다.
이와 함께 신영수 교수는 생성형 인공지능(AI)을 통해 기존 레이아웃 패턴과 구조적으로 유사한 특정을 가졌지만, 기존에는 존재하지 않던 레이아웃 패턴을 생성하는 방법도 개발했다. 동시에 이렇게 생성된 레이아웃 패턴과 기존의 샘플 패턴을 같이 활용해 리소그래피 최적화에 적용했을 때 모델 정확도가 높아진다는 것을 확인했다.
해당 기술은 반도체 공정을 개선하고 해외 의존도가 높은 OPC 솔루션의 자립도를 높여 국내 반도체 산업 발전에 기여할 전망이다. 관련 연구성과는 국제학술지인 IEEE TSM(Transactions on Semiconductor Manufacturing)에 2021년 개재되었으며, 해당 논문은 그해 동 학술지에서 1편만 선정하는 베스트 페이퍼 어워드(Best Paper Award)를 수상했다.
신영수 교수는 “이번 연구는 기존 반도체 리소그래피 연구와 달리 머신러닝과 인공지능을 적용했다는 점에서 차별성이 크다”라며 “소수의 외국회사가 독점하면서 발생하는 라이센스 비용과 기술개발의 정체 문제를 해결하는 데 이바지할 수 있기를 기대한다”라고 밝혔다.

주요경력
2004.07 ~ 현재 KAIST 전기및전자공학부, 조교수/부교수/교수, 석좌교수
2018.03 ~ 현재 LX Semicon, 사외이사
2016.01 ~ 현재 Baum Design Systems, 창업자 및 CEO
2011.03 ~ 2014.02 LG전자, 미래기술포럼 자문교수
2001.07 ~ 2004.06 IBM T.J. 왓슨 연구소, 연구원
2000.03 ~ 2001.06 동경대학교 연구원
주요학력
1996.03 ~ 2000.02 서울대학교 전자공학 박사
1994.03 ~ 1996.02 서울대힉교 전자공학 석사
1987.03 ~ 1994.02 서울대학교 전자공학 학사

오는 10월 넷째 주 목요일은 제16회 반도체의 날입니다. 지난 1994(1029) 우리나라의 반도체 수출 100억 달러 달성을 기념해 제정된 날인데요. 반도체는 여전히 대한민국 수출의 핵심 산업이자 IT강국 코리아의 기술적 근간입니다. 최근 들어 미국과 중국의 기술패권 경쟁 등으로 우리나라의 반도체 산업도 위기를 맞고 있는 것이 사실입니다. 하지만 초격차 기술로 반도체 분야에서의 우위를 점하기 위해 국내 산··연은 여전히 연구실을 환하게 밝히며 연구개발에 매진하고 있습니다. KAIST 신영수 교수도 그중 한 명입니다. 신영수 교수는 반도체의 핵심 공정 가운데 하나인 포토리소그래피, 특히 기계학습(machine learning)OPC(Optical Proximity Correction)에 적용한 연구를 다년간 발표하며 국내외 관련 분야의 주목을 받아왔습니다. 국내 반도체 산업의 더 큰 도약을 꿈꾸고 준비하는 신영수 교수를 만나보겠습니다.

이달의 과학기술인상 수상을 진심으로 축하드립니다. 10월 넷째 주 목요일 ‘반도체의 날’을 앞두고, 관련 분야 전문가이신 교수님께서 이달상을 수상하셔서 더욱 뜻깊은 데요. 수상소감 한 말씀 부탁드립니다.

우리나라 핵심 산업인 반도체 분야에 있는 사람으로서 이 상을 받게 되어 매우 기쁩니다. 그동안 같이 연구해왔던 대학원생들, 졸업생들과 함께 기쁨을 나누고 싶고, 앞으로도 반도체 분야에 크게 기여하도록 노력하겠습니다.

반도체 리소그래피와 관련한 다양한 연구를 진행해 오셨습니다. 독자들에게 교수님의 주요 연구 분야와 연구 주제를 소개해주세요.

반도체 리소그래피는 수율(yield)을 결정하는 가장 중요한 단계 중 하나로서, 이 과정을 최적화하기 위해 마스크 제작, 시뮬레이션, 모델링 등이 필요합니다. 저희 연구실에서는 머신러닝(machine learning)을 적용해 기존 이러한 과정들을 더 빠르고 더 정확하게 하기 위한 연구를 해왔습니다.
또 다른 연구 분야는 집적회로설계자동화(EDA, Electronic Design Automation)인데, 반도체 집적회로는 워낙 복잡해 이제는 컴퓨터를 이용해 자동으로 설계하고 있으며 그 과정을 연구하고 있습니다.

본격적인 연구소개에 앞서 독자들에게‘OPC’란 무엇이고, 반도체 공정에서 왜 중요한지 설명해 주세요.

반도체 리소그래피는 기본적으로 패턴이 새겨진 마스크에 빛을 비추어 그림자를 웨이퍼 상에 새기는 과정입니다. 마스크에 정사각형을 새겨 놓고 빛을 비추면 그림자는 정사각형이 아니기 때문에, 정사각형의 그림자를 만들기 위해서는 마스크에 복잡한 패턴을 그려 넣어야 합니다. 그 복잡한 패턴을 찾는 과정을 OPC (optical proximity correction)이라고 합니다. 웨이퍼 이미지가 정확하게 만들어져야 그 이후 반도체 공정이 원활하게 수행될 것이기 때문에 수율을 결정하는 가장 중요한 단계 중 하나입니다.

머신러닝을 OPC에 적용한 연구를 다년간 수행하셨습니다. 처음 관련 주제에 관심을 두게 된 이유나 계기가 있나요?

OPC는 마스크 형상을 고치고 시뮬레이션을 통해 웨이퍼 상에 어떤 이미지가 맺혀질지 확인하는 과정을 반복하게 되므로 시간이 오래 걸립니다. 만일 마스크 형상과 그에 대응되는 웨이퍼 이미지의 집합을 무수히 많이 가지고 있다면, 이 집합을 이용해 마치 뇌를 훈련하듯 머신러닝 모델을 만들 수 있습니다. 그 모델에 내가 원하는 웨이퍼 이미지를 알려주면 대응되는 마스크 형상을 인간이 기억으로부터 끄집어 내듯이 손쉽고 빠르게 찾아낼 수 있을 것입니다.

머신러닝을 OPC에 적용하여 기존보다 10배 이상 빠르고, 해상도가 높은 OPC 최적화 기술을 개발하셨습니다. 연구의 주요 내용을 소개해 주세요.

첫 번째 방향은 위에 말씀드렸듯이 마스크 형상과 그에 대응되는 웨이퍼 이미지의 집합을 이용해 머신러닝 모델을 만들고, 그 모델을 이용해 빠르게 OPC를 하는 것입니다. 어떤 머신러닝 모델을 어떻게 구축하는 게 좋을지, 어떤 마스크형상과 웨이퍼이미지 집합을 찾아 놓아야 할지 등의 세부 연구 주제들이 있습니다.

두 번째 연구 방향은 기존의 OPC 과정(마스크 형상 수정과 시뮬레이션을 반복)을 그대로 사용하는 것입니다. 대신에 마스크형상을 수정할 때 인공지능을 적용해 기존보다 더 효율적으로 수정하는 방향을 생각할 수 있습니다. 이건 마치 다음 바둑 수를 인공지능으로 판단하는 것과 유사하다고 하겠습니다.

교수님의 연구 성과가 기존 반도체 리소그래피 연구와 다른 차별성은 무엇인가요? 더불어 연구 성과에 따른 기대효과도 들려주세요.

머신러닝 또는 인공지능을 적용했다는 게 차별성이라고 할 수 있습니다. 물론 저희 연구실만 이 방향으로 연구하는 것은 아니지만 리소그래피 전반의 다양한 주제들에 대해 계속 가시적 성과를 보이는 연구실은 거의 없습니다. 기대효과는 당연히 산업화인데, 저나 저희 학생들이 직접 창업할 수도 있겠고, 저희가 발표한 기술들이 실제 상용제품에 적용될 수도 있겠습니다.

기술 패권 시대, 반도체 연구는 세계적으로 경쟁이 치열한데요. 교수님의 만의 연구 경쟁력은 무엇인가요? 더불어 새로운 아이디어를 발굴하고 연구에 매진할 수 있었던 원동력은 무엇인가요?

저희의 연구경쟁력은 연구의 깊이가 아닐까 생각합니다. 산업체도 그렇지만 학계도 양을 중요시하는 풍토가 분명히 있는데, 저희는 다양한 주제를 연구하면서도 각 주제를 충분히 깊이 있게 탐구하려고 노력합니다. 그리고 그럴 수 있는 원동력은 집중력, 끈기가 아닐까 생각합니다. 인텔 창업자 앤디 그로브가 “Only the Paranoid Survive(편집광만이 살아남는다)”라고 말했다고 하는데, 아마 애플의 스티브 잡스의 생각도 비슷했다고 봅니다.

연구를 진행하며 어려웠던 경험과 고비는 없으셨나요? 있었다면 어떤 어려움이 있으셨는지, 어떻게 극복하셨는지 관련 경험을 나누어주세요.

어려웠던 경험과 고비는 없었습니다. 연구는 사실 즐거움입니다. 새로운 사실을 발견하고, 어떤 현상을 새로운 각도로 이해하게 되고, 새로운 아이디어를 만들고 그것을 검증하고, 그리고 이 모든 과정을 다른 사람들에게 들뜬 마음으로 설명할 때 느끼는 즐거움은 어마어마합니다. 그렇기 때문에 이 과정을 수십 년 동안 반복하고 있는지 모르겠습니다.

반도체는 국가경쟁력을 좌우하는 기간산업인 만큼 산업화에 대한 기대도 큰데요. 교수님이 개발하신 기술이 앞으로 반도체 산업, 또는 국민들의 삶에 어떤 기여를 할 수 있을까요?

리소그래피 최적화(computational lithography)는 수율과 직결되는 중요한 분야임에도 불구하고, 소수의 외국회사가 독점하고 있는 실정입니다. 그에 따른 대가는 1년에 최대 1,000억 원에 이르는 라이선스 비용과 기술개발의 정체 문제일 것이라고 생각합니다. 저희 연구를 통해 이러한 문제를 (직접적으로든 간접적으로든) 해결할 수 있기를 기대하고 있습니다.

반도체 전력분석 EDA 솔루션 스타트업인 바움디자인시스템즈 공동대표이십니다. 창업 동기와 함께 현재 창업과 관련해 어떤 활동을 하시는지, 그리고 앞으로의 계획도 듣고 싶습니다.

공대 교수가 본인이 연구한 기술을 직접 산업화시켜 보고 싶은 욕심은 자연스럽게 가질 수밖에 없는데 그걸 적극적으로 행동에 옮긴 게 창업의 동기라고 말씀드릴 수 있겠습니다. 바움은 series-A 투자까지 마쳤고, 국내외 다수의 반도체 회사를 고객으로 확보한 상태이며, 이대로 기업공개까지 가는 것이 목표입니다.

연구자이자 인재를 양성하는 교육자이십니다. 평소 연구실 학생들에게 강조하는 내용이 있다면 무엇인가요?

학생들이 보통 뭔가를 설명할 때 어려운 단어와 어려운 표현을 써가며 이해 안 되는 얘기를 자주 합니다. 어떤 이론이든 핵심을 이해하게 되면 오히려 가장 쉽게 설명할 수 있게 되는데, 그런 노력을 하라고 자주 강조합니다.

연구자로서 궁극적으로 도전하고 싶은 연구, 또는 해결하고 싶은 문제가 있다면 무엇인가요?

현재 전자산업은 ‘반도체’와 ‘그 반도체를 이용한 계산과 정보처리’라는 틀 안에 만들어져 있습니다. 이 틀의 한계는 명확합니다. 예를 들어 인간의 감정은 이 틀 안에서는 구현이 어렵거나 불가능합니다. 이 너머에는 어떤 세계가 있을까, 그것이 늘 궁금한데 저나 제 세대가 도전할 주제는 아직 아닌 것 같습니다.

교수님은 과학자의 꿈을 어떻게 키우셨나요? 미래 과학자를 꿈꾸는 학생들에게 당부 또는 조언도 한 말씀 부탁드립니다.

공학자든 과학자든 가장 중요한 마음가짐은 호기심인 것 같습니다. 어떤 현상을 주의 깊게 관찰하고, 이렇게 해보면 어떨까 저렇게 해보면 무슨 일이 생길까 호기심을 자주 갖는다면 미래에 훌륭한 공학자, 과학자가 될 가능성이 높을 것입니다.

위로