[더팩트ㅣ대전=이병수 기자] 국립한밭대학교 기계공학과 노진성 교수 연구팀이 소수의 데이터만으로 반도체 장비의 결함을 자동 분류하는 인공지능(AI) 기술을 제안해 산학협력 연구대회에서 수상했다.

국립한밭대는 노진성 교수 연구팀이 대한기계학회(KSME)와 세메스(SEMES)가 공동 주관한 '제11회 오픈이노베이션 챌린지(Open Innovation Challenge) 2026'에서 장려상을 수상했다고 11일 밝혔다.

이번 챌린지는 산업계가 제시한 실제 현장 문제를 학생과 청년 연구자들의 창의적인 연구로 해결하고 미래 핵심 인재를 발굴하기 위해 마련됐다.

노 교수 연구팀에는 김도윤, Quyen Dinh Quyet, 김택균 석사과정생이 참여했다. 연구팀은 전문가 그룹 부문에 참가해 '제로샷·퓨샷 학습 모델 기반 정전척(Electrostatic Chuck·ESC) 결함 자동 분류 기술 개발'을 주제로 연구 성과를 선보였다.

정전척(ESC)은 반도체 제조 과정에서 웨이퍼를 고정하는 핵심 부품이다. 포토리소그래피와 식각, 증착 등 진공 공정에서 사용되며 표면의 미세 돌기에 크랙과 치핑, 파티클, 오염 등의 결함이 발생할 경우 웨이퍼 고정 불안정과 가스 누설 등을 일으킬 수 있다. 이는 공정 불량률 증가와 반도체 제조 수율 저하로 이어질 수 있다.

기존 자동 결함 분류(ADC) 시스템은 대규모 학습 데이터와 수작업 라벨링에 의존하는 경우가 많아 발생 빈도가 낮은 결함이나 기존에 없던 새로운 결함 유형에 대응하기 어렵다는 한계가 있었다.

연구팀은 이 같은 문제를 해결하기 위해 소수의 사례만으로 학습할 수 있는 '퓨샷 러닝(Few-shot learning)'을 적용했다.

특히 단 한 장의 결함 이미지로 해당 결함의 클래스 프로토타입을 생성하는 '1-shot 결함 분류 기술'을 제안했다. 새로운 결함 유형이 추가되더라도 모델 전체를 다시 학습할 필요 없이 프로토타입을 등록하는 것만으로 즉시 분류할 수 있도록 한 것이 핵심이다.

여기에 연구팀이 자체 개발한 선택적 노이즈 제거 전처리 기술을 적용해 결함 분류의 신뢰도도 높였다.

연구팀의 기술은 대규모 데이터 확보와 반복적인 라벨링이 어려운 반도체 장비 현장의 문제를 AI 기술로 해결했다는 점에서 실용적인 연구 성과로 평가받았다.

노진성 교수 연구팀은 지난해에 이어 올해까지 2년 연속 오픈이노베이션 챌린지에서 수상하며 연구 역량을 입증했다.

이번 수상을 계기로 산학연 협력 네트워크 강화에도 힘이 실릴 전망이다. 수상자 전원에게는 세메스 입사 지원 시 가산점이 부여되며 우수 아이디어 제안자는 세메스 연구개발 관련 산학 과제와 연계해 후속 연구를 진행할 수 있는 기회도 제공된다.

국립한밭대 관계자는 "이번 수상은 실제 산업 현장의 문제를 AI 기술과 접목해 해결하고자 한 연구팀의 노력이 인정받은 결과"라며 "앞으로도 산업체와 연계한 실용적인 연구와 미래 기술 인재 양성에 힘쓰겠다"고 말했다.

tfcc2024@tf.co.kr