미터랩 연구진이 박막 두께 측정의 정확성을 크게 향상시킨 딥러닝 알고리즘을 개발했습니다. 이번 연구는 실험 환경을 적극적으로 반영한 데이터셋을 활용하여 딥러닝 알고리즘의 분석 신뢰성을 높인 것이 특징입니다.
그림 1. 배터리, 반도체 및 디스플레이
일상생활에서 흔히 사용되는 핸드폰, TV, 모니터 등의 전자 제품들, 이러한 제품들 안에 포함되는 그림1과 같은 배터리, 반도체 및 디스플레이들이 제작되는 공정에서 박막의 정밀한 두께 측정은 품질과 직결되는 매우 중요한 과정입니다. 이번 연구는 박막 두께 측정을 위해 분광 반사계 기반인 ㈜미터랩의 t-Nova-SR 모델을 활용하여 수행하였습니다.
그림 2. 반사율 떨림을 반영한 학습 데이터의 생성
연구진은 그림 2와 같이 기존의 이론 반사율 스펙트럼에 실험적으로 측정된 반사율의 떨림(최대 ±1%)을 반영하여 학습 데이터를 생성했습니다. 이는 기존의 이론적인 스펙트럼보다는 실제 실험환경과 유사한 스펙트럼으로 볼 수 있습니다. 이렇게 생성된 데이터를 활용하여 인공신경망(artificial neural network) 알고리즘을 학습시켰고, 이를 통해 반사율 스펙트럼으로부터 박막의 두께를 분석할 수 있게 되었습니다. 개발된 모델의 신뢰성을 확인하기 위해 인증 표준 물질(certified reference material, CRM)을 사용하여 불확도 평가를 수행하였고, 이를 통한 측정 불확도 분석 결과로 딥러닝 알고리즘의 분석 두께와 박막 CRM 인증 값 간의 차이에 의한 불확도가 약 30%의 획기적인 개선을 이루었습니다. 이러한 결과는 측정 환경을 반영한 데이터셋이 측정의 신뢰도를 높이는 데 핵심적인 역할을 하고 있음을 입증합니다. 해당 실험을 통해, 딥러닝 알고리즘에 측정환경을 적극적으로 반영하면 높은 신뢰도의 측정이 가능함을 보여줍니다.
미터랩은 정밀 측정 분야의 혁신적인 기술 개발을 통해 자체 설계 및 제작한 분광 모듈 기반의 하드웨어 뿐만 아니라 데이터 분석에서도 보다 높은 신뢰성을 갖는 측정 솔루션을 제공할 수 있는 전문연구 기업으로 성장하기 위해 끊임없이 노력하겠습니다. 감사합니다.
*논문 링크: https://ijpem-st.org/upload/pdf/ijpem-st-2024-00164.pdf
