TY - THES AU - 유가은 DA - 2017/08 PY - 2017 UR - http://hdl.handle.net/20.500.11754/33389 UR - http://hanyang.dcollection.net/common/orgView/200000431219 AB - 반도체 산업에서 핵심 재료로 사용되는 웨이퍼 위에는 격자 구조의 회로가 집적된다. 이러한 구조를 정확히 측정하는 기술은 정교한 구조의 웨이퍼를 생산하는 데에 필수적이다. 구조 측정을 위해 일반적으로 적용되는 Optical Critical Dimension(OCD)은 광학적 특성을 사용하는 방법이다. 웨이퍼에 입사 된 빛의 반사 스펙트럼을 측정하고, 이를 Rigorous Coupled-Wave Analysis(RCWA) 시뮬레이터에서 계산된 스펙트럼과 비교, 분석하여 웨이퍼의 최소 특성 크기인 Critical Dimension(CD, 임계차원) 값을 추정한다. 하지만 이러한 접근 방법은 다음과 같은 한계점이 존재한다. 첫째, RCWA 시뮬레이터로부터 표본 관측값을 획득하기 위한 계산 실행 시간이 길다. 따라서 실제 공정 상황에 적용하였을 때 측정 과정에서 발생하는 불필요한 시간 소모로 인하여 효율성이 저하된다는 단점이 있다. 둘째, CD 값을 추정하기 위한 비선형 모수 추정 문제에 적합한 새로운 최적화 방법론이 필요하다. 전통적으로 사용되는 방법론에는 변화율 증감에 기초한 방법론이 있다. 하지만 목적함수에서 자코비안(Jacobian) 행렬 계산이 어려운 불량조건(ill-condition)이 발생하는 경우 부정확한 모수 추정값을 출력한다는 단점이 존재한다. 휴리스틱 방법론으로는 Particle Swarm Optimization(PSO)이 있으며, 이는 초기해 설정에 따라 모수 추정 성능에 영향이 있다는 특징이 있다. 본 연구에서는 위와 같은 한계점을 보완하기 위한 새로운 접근법과 그에 대한 결과를 다음과 같이 제안한다. RCWA 시뮬레이터를 대체할 수 있는 인공신경망 모델의 생성 및 모델 평가 방법을 제시하였다. 이를 통해 RCWA 시뮬레이터로부터 얻는 표본 관측값의 획득까지 소모되는 시간을 단축하고, 획득된 관측값의 정확도를 확보하였다. 비선형 모수 추정 관점에서는 새로운 방법을 제안 및 적용하였다. 새로운 방법은 (1) 문제의 영역을 분할해나가는 방법에 기초한 시뮬레이션 최적화를 선행하여 초기해 집합을 생성하고 (2) 이를 기반으로 PSO를 통해 최적화를 시행하는 단계를 거친다. 이에 대한 결과로 CD 값 예측의 효율성과 정확도를 동시에 확보하였다. PB - 한양대학교 TI - 기계학습 기법을 이용한 OCD 예측 정확도 향상 TT - Improving accuracy of optical dimension measurement via machine learning techniques TA - You, Ga-eun ER -