첨단 소자 제조 공정에서 박막 두께 측정은 첨단 제품의 성능과 품질 확보를 위해 필수적이다. 분광 반사계는 간단한 장치 구성으로 박막의 두께를 빠르게 측정할 수 있어 산업 현장에서 널리 활용되고 있다. 그러나 분광 반사계는 균일한 물성과 매끄러운 표면을 가정한 이론 모델을 기반으로 분석하기 때문에 실제 제조 환경의 공정품들은 이러한 이상적 조건을 충족하기 어렵다. 특히 롤투롤(Roll-to-roll) 공정에서는 롤러의 표면 상태와 접촉에 따른 눌림 및 휨 등으로 원치 않는 무작위 패턴이 생길 수 있다. 이러한 표면을 매번 수학적으로 정확히 모델링하는 것은 불가능하기 때문에 실제 측정 스펙트럼과 이론 스펙트럼 간 큰 불일치가 발생하고 두께 분석의 신뢰성을 저해한다. 따라서 본 연구에서는 이러한 문제를 해결하기 위해 표면 거칠기 효과가 반영된 이론 반사율 스펙트럼을 학습 데이터로 활용하여 딥러닝 기반 분석 기법을 개발하였다. 실제 실험에서 얻은 간섭 스펙트럼 분석 결과, 제안한 딥러닝 기법은 기존 모델 기반 방법으로는 스펙트럼 불일치로 인해 분석할 수 없었던 경우까지 해석이 가능하였고, 그 결과 동일한 측정 조건에서 분석 가능한 데이터 수가 약 5.3 배 향상되었다.
