| 초록 |
플라즈마 건식 식각 공정에 기반한 반도체 산업은 고부가 가치 달성을 위해 고집적화 기술을 요구하며, 그에 따라 공정의 제어 요구 범위가 10nm급 초미세 선폭제어로 변화하였다. 일반적인 화학공정과는 달리 플라즈마 활용 공정은 제어 대상인 식각 공정 결과물이 센서에서 측정되는 값들과 일치하지 않기 때문에 공정에서의 조작 변수와 센서에서 측정되는 플라즈마 인자 간의 관계를 먼저 파악하여야 하고 그 다음 플라즈마에 대한 해석을 통해 식각률 예측모델을 도출하여야 한다. 본 연구에서는 공정의 조작변수들과 OES(Optical Emission Spectroscopy)간의 모델을 도출하는 것을 목표로 한다. 플라즈마 공정의 경우 현상학적으로 명확히 해석된 바가 없고 관여하는 인자가 매우 많기 때문에 비 선형 블랙박스 모델이 필수적이다. 실제 본 연구에서 쓰일 실험 데이터의 입력 변수의 개수는 12개, 출력변수의 개수는 22개로 매우 복잡한 모델을 필요로 함을 알 수 있다. 그리고 공정 데이터의 경우 time series data이기 때문에 특정 시간에서 주어진 입력값이 출력값의 다양한 시간영역에 영향을 미치는 것이 가능하다. 재귀 신경망 모델은 time-series data를 분석할 수 있으며 입력값과 출력값의 높은 차원에도 관계없이 비 선형 블랙박스 모델을 구현할 수 있는 유용한 모델이다. 본 연구에서는 재귀 신경망 모델을 통해 플라즈마 system identification을 수행하고자 한다. |
