news

Featured

반도체 제조에서 AI 활용을 위한 데이터 탐구

2021.11.22

|

Series 2. RHEED 이미지 데이터와 센싱 데이터

 

아이브이웍스는 에피텍시 기술에 인공지능(AI)을 접목시켜 차별화된 고품질 에피웨이퍼 파운드리 서비스를 제공합니다. 본 연재에서는 반도체 제조와 AI 시리즈를 데이터, 모델, 플랫폼으로 나눠 각 세편에 걸쳐 발행합니다. DOMM AI Epitaxy System 연구에 직접 참여 중인 연구원 시각에서 전하는 화합물 반도체 제조는 어떤 모습일까요.

 


 

아이브이웍스는 화합물반도체 제조 시에 발현되는 물리·화학적 변화를 제어해 양질의 반도체 소재를 구현해내고자 데이터 기반 의사결정을 접목했습니다. 지난 칼럼에서 자세히 언급했듯이 ‘RHEED’ 패턴은 옹스트롱 단위의 화합물 반도체 간 격자상수의 변화를 담고 있습니다. 고품질 데이터는 곧 효과적인 AI 모델 적용으로 이어지므로, 우리는 이 RHEED 이미지 데이터를 이해할 필요가 있습니다.

 

 

화합물 반도체 제조 과정 속 RHEED 패턴은 기판의 표면 상태 정보를 담고 있습니다. 표면 상태에 따라 패턴 모양은 달라지며 ‘Ring’, ‘Spot’, ‘Streaks’, ‘Modulated Streaks’, ‘Satellite Streaks’ 등으로 구분할 수 있습니다. 화합물 반도체 제조는 기본적으로 이종 성장(Hetero Epitaxy)이므로 모든 종류의 패턴이 특정 상황(성장 조건 및 챔버 상태)에 따라 발생될 수 있습니다.

 

성장 단계를 비추는 거울 ‘패턴(Pattern)’

: Ring 패턴

 

Ring 패턴의 경우 비정질 상태를 나타냅니다. 비정질 상태의 패턴은 화합물 반도체 제조 시 가장 피해야 하는 패턴입니다. 기판과 화합물 반도체 사이의 큰 부정합(격자, 열팽창 등)들 때문에 초기 성장 시 발생될 가능성이 큽니다. 초기 성장 시 Ring 패턴이 나타나지 않았다면 이후에도 ring 패턴이 발생할 가능성이 매우 낮습니다. DOMM AI Epitaxy System에서는 Ring 패턴이 발생되는 과정을 인식하도록 학습 시키고 있으며, 학습된 시스템을 이용해서 Ring 패턴 발생 전에 엔지니어에게 경고(Level 3)를 보내거나 DOMM 시스템 스스로 레시피를 수정(Level 5) 하여 생산성을 현저히 상승시킬 수 있습니다.

 

실제 표면과 RHEED 패턴 비교 ⓒ 아이브이웍스 (IVWorks)

 

: Spot 패턴

 

Spot 패턴은 Ring 패턴과 달리 전 제조 과정에서 어디서든 (성장 조건 및 챔버 상태에 따라) 나타날 수 있습니다. Ring 패턴은 무조건 피해야 하는 패턴이지만 Spot 패턴은 상황에 따라 긍정적인 역할을 하기도 합니다. 예를 들어, 초기 성장 시 핵 층(Nucleation layer)을 의도적으로 형성하게 된다면 결함과 변형(strain)을 줄일 수 있습니다. 또한 화합물 반도체 제조 중간에 의도적으로 quantum dot을 형성해서 성장 도중 발생된 결함을 차단하고 이후에 성장되는 층(layer)의 결정성을 높일 수 있습니다.

 

DOMM edge device는 MBE 성장 장비와 같은 위치에 설치되어 에피텍셜 성장 중 발생하는 모든 센싱 데이터를 수집·학습하는 역할을 한다. 수집된 센싱 데이터는 RHEED 이미지 데이터와 매칭해 관리된다. ⓒ 아이브이웍스 (IVWorks)

 

하지만 의도하지 않은 Spot 패턴은 Ring 패턴과 마찬가지로 피해야 합니다. 의도하지 않은 Spot 패턴은 주로 챔버 상황(각종의 센싱 데이터: 소스 온도, 기판 온도, 챔버 압력, 잔여 가스 등)에 따라 달라지므로 센싱 데이터에 대한 수집과 분석도 매우 중요합니다. DOMM은 현재 센싱 데이터를 적용하기 위해 DOMM edge device로부터 모든 센싱 데이터를 시계열에 따라 수집, 관리, 학습을 적용하고 있습니다.

 

: Streak 패턴

 

Streak 패턴은 화합물 반도체 표면이 매우 평탄하게 성장되고 있음을 의미합니다. 층이 바뀌는 구간, 즉 조성이 달라지는 경우에도 streak 패턴이 지속적으로 유지된다면 화합물 반도체 제조가 문제없이 진행되고 있음을 의미합니다.

 

DOMM WEB에 나타난 실제 Streak 패턴의 모습 ⓒ 아이브이웍스 (IVWorks)

 

Streak 패턴이 유지된다 해도 DOMM의 역할은 끝이 아닙니다. 격자 상수, 열팽창 계수 차이에 의한 간격 변화 관찰이 매우 중요하기 때문입니다. 지난 칼럼에서 짚었듯이, RHEED 이미지 데이터의 간격은 격자 상수, 열팽창 계수 변화를 내포하고 있습니다. 그래서 DOMM은 기판의 회전 상황에서도 멈춤 없이 층이 바뀌는 구간에서 스페이싱을 분석하여 조성 및 기판의 변형 정도를 분석합니다.


 

장비가 보내는 신호 ‘센싱 데이터’

: 센싱 데이터

 

RHEED 패턴은 특정 시간 내 주변 상황들의 변화(온도, 압력, 잔여 가스)를 내포하여 나타나기 때문에, 센싱 데이터 없이 제조 완료된 화합물 반도체의 다양한 분석 결괏값을 이용하여 예측 모델을 개발-관리할 수 있습니다. 여기서 ‘센싱 데이터’란 화합물 반도체 소재 성장 시에 각종 장비 들로부터 발생하는 데이터를 뜻합니다.

 

이렇게만 보면 센싱 데이터가 불필요한 것처럼 보이지만 전혀 그렇지 않습니다. DOMM을 통한 예측 모델 결과의 해석이나 고도화된 모델의 개발 및 수정을 위하여, 센싱 데이터는 RHEED 이미지 데이터를 시계열로 관리하듯이 1 대 1 매칭하여 관리해야 합니다. 관리되고 있는 센싱 데이터 종류에는 ‘온도(성장 온도, 원재료 온도)’, ‘소스 셔터의 열림/닫힘 상태’, ‘가스의 흐름 양’, ‘압력’, ‘잔류가스 양’이 있습니다. 센싱 데이터는 주로 Modbus (TCP/IP) 통신 프로토콜을 이용, 앞서 설명한 DOMM edge device로 수집하여 RHEED 이미지 데이터와 매칭합니다. 이렇게 센싱 데이터와 RHEED 이미지 데이터를 실시간으로 매칭하고 관리함으로써 예측 모델의 해석, 보강뿐 아니라 RHEED 이미지 데이터가 변하기 전 장비의 이상 유무 경고는 물론, 장비 유지 보수 시점을 미리 알려 줄 수도 있습니다.

 

높은 단계의 인공지능을 통한 레시피 수정 및 개발을 위해서 실시간 데이터 수집과 관리는 필수적입니다. 현재 아이브이웍스에서는 화합물 반도체 제조 중 RHEED 이미지의 패턴들을 높은 확률로 올바르게 인식하고 실시간으로 시각화하는 서비스가 적용되고 있습니다. 여기서 더 나아가 센싱 데이터와 인식된 방대한 양의 데이터들을 조합하여 패턴 변화를 미리 파악함으로써 한 단계 높은 인공지능 제조 기술이 확보될 것으로 기대하고 있습니다.

 


 

Byung-Guon Park / Artificial Intelligence team