지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김창욱
- 발행연도
- 2019
- 저작권
- 연세대학교 논문은 저작권에 의해 보호받습니다.
이용수4
이 논문의 연구 히스토리 (3)
2019
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
반도체 제조의 중요 단위 공정인 화학적 기계적 평탄화 (chemical mechanical planarization, CMP)는 설비의 노후화와 예방 정비에 의한 프로세스 드리프트(process drift)와 시프트 (shift)가 뚜렷하게 발생하여 높은 공정 품질을 달성하기 어렵다. R2R (Run-to-run) 제어는 그러한 공정 변동 (process variations) 효과를 제거하여 공정 품질이 큰 변동없이 타깃을 유지하는 것을 목표로 한다. 기존의 R2R 제어기는 공정의 입력과 출력의 관계를 학습하는 가상 계측(virtual metrology, VM) 모델에 기반하여 최적 제어 값을 찾는다. 하지만 이 접근방법은 VM 모델의 예측 정확도에 의해 제어기의 성능이 좌우된다. 본 논문은 최소제곱 생성적 적대 신경망(least squares generative adversarial networks,
LSGANs)을 활용하는 새로운 R2R 제어기를 제안한다. 제안 모델은 VM 에 의한 간접 제어 방식이 아닌 LSGANs 에 의해 제어 값의 분포를 직접 학습하여 제어기의 성능을 향상시킨다. 특히, 이 모델은 합성곱 신경망(convolutional neural network)를 통해 CMP 공정의 변화 추세를 추출하여 제어값을 생성하는데 반영하고 또한 베이지안 최적화 (Bayesian optimization)을 이용하여 모델의 하이퍼 파라미터 (hyper-parameters)를 결정하기 때문에 공정변동에 대해서 준수하게 대응하면서 우수한 성능을 보인다. 반도체 회사의 CMP 장비에서 얻는 실제 데이터를 이용한 실험 결과, 제안 모델은 인공
신경망 기반 제어기 대비 제어 오차가 매우 적었음을 확인하였다.
LSGANs)을 활용하는 새로운 R2R 제어기를 제안한다. 제안 모델은 VM 에 의한 간접 제어 방식이 아닌 LSGANs 에 의해 제어 값의 분포를 직접 학습하여 제어기의 성능을 향상시킨다. 특히, 이 모델은 합성곱 신경망(convolutional neural network)를 통해 CMP 공정의 변화 추세를 추출하여 제어값을 생성하는데 반영하고 또한 베이지안 최적화 (Bayesian optimization)을 이용하여 모델의 하이퍼 파라미터 (hyper-parameters)를 결정하기 때문에 공정변동에 대해서 준수하게 대응하면서 우수한 성능을 보인다. 반도체 회사의 CMP 장비에서 얻는 실제 데이터를 이용한 실험 결과, 제안 모델은 인공
신경망 기반 제어기 대비 제어 오차가 매우 적었음을 확인하였다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0