첨단 소자 제조 공정에서 박막 두께 계측은 제품의 성능과 신뢰성을 결정짓는 핵심 지표이다. 분광 반사계(Spectroscopic Reflectometry)는 광학 간섭 현상을 이용해 두께를 신속하게 측정하지만, 매끄러운 표면과 균일한 물성을 가정하는 프레넬 식에 기반한 이론 모델에 절대적으로 의존한다. 그러나 기능성 향상을 위해 실제 공정에 도입되는 입자 도핑 박막(Particle-doped Thin Films)의 경우, 도핑된 입자로 인해 표면 거칠기와 내부 불균일성이 발생한다. 이러한 비이상적 구조는 빛의 산란을 유발하여 실제 측정 스펙트럼과 이론 스펙트럼 간의 극심한 불일치를 초래하며, 초기치가 필요하고 연산 시간이 긴 기존 모델 피팅 방식으로는 실시간 공정 대응 및 신뢰성 있는 두께 도출이 불가능하다. 본 연구는 이러한 기존 광학 모델의 한계를 극복하기 위해, 표면 거칠기 및 입자 산란 효과가 반영된 이론 반사율 스펙트럼을 학습한 AI 기반 실시간 두께 측정 기법을 제안한다. 제안된 딥러닝 모델은 왜곡된 간섭 스펙트럼의 패턴을 효과적으로 해석하여, 기존 분석법으로는 해석이 불가능했던 입자 도핑 박막의 두께를 안정적으로 예측한다. 실험 결과, 제안한 AI 기법은 기존 모델 기반 분석 대비 간섭 스펙트럼의 분석 가능성(해석 가능한 유효 데이터 수)을 약 5배 향상시켰으며, 이는 생산 공정 내 실시간 초박막 모니터링 기술로서의 높은 효용성을 입증한다.
