왜 실제 인식이 필요한가?
가용 데이터 ≠ 표현된 실제
제조 데이터로 학습한 모델은 측정된 공정의 일부만 학습한다. 나머지는 전부 가정이다. 그 가정은 대개 보이지 않는다. 평가셋이 학습셋과 같은 편향된 샘플에서 뽑히기 때문이다 — 그래서 지표는 둘 다 본 적 없는 실제에 대해 모델과 의견이 일치한다.
샘플이 웨이퍼를 대변하지 못하는 다섯 가지 방식
1. 전수 검사는 불가능하다
웨이퍼 한 장에는 수천 개의 다이가 있고, 팹은 하루에 수백만 개를 생산한다. 이를 전부 측정하는 것은 경제적으로도 물리적으로도 불가능하다. 반도체 계측에서 샘플링은 지름길이 아니라 유일한 선택지다. 남는 질문은 어떤 샘플을 고를 것인가이다.
2. 샘플링은 공간적으로 편향되어 있다
샘플링 계획은 장비 처리량, 고정된 레시피, 관행에 따라 정해진다. 편한 위치는 반복해서 측정되고, 까다로운 위치 — 웨이퍼 edge, 특정 반경 구간, 특정 레티클 위치 — 는 드물게 측정된다. 그렇게 만들어진 데이터셋은 공정 거동이 벗어나기 쉬운 바로 그 영역을 체계적으로 과소 대표한다.
3. SEM과 TEM은 거의 아무것도 보지 못한다
고해상도 이미징은 얻을 수 있는 가장 신뢰받는 증거이면서 동시에 가장 좁은 증거다. 시야(FOV) 하나는 다이의 극히 일부만 담고, 다이 하나는 웨이퍼의 극히 일부만 차지한다. 이미지 한 장은 매우 국소적인 질문에 높은 확신으로 답하지만, 웨이퍼에 대해서는 통계적으로 아무것도 말해주지 않는다.
4. 누락되는 것은 행만이 아니라 피처다
공정, 설비, 계측 테이블은 여러 시스템에 걸쳐 조인되며, 그 조인은 불완전하다. 결측이 균일한 경우는 거의 없다. 결측은 장비, 레시피, 시간 구간, 재작업 경로와 상관관계를 갖는다. 이를 노이즈로 보고 대치하면 구조적인 공백이 확신에 찬 오답으로 바뀐다.
5. 시뮬레이션과 실제는 어긋난다
시뮬레이션은 조밀한 커버리지를 준다 — 모든 다이에 대한 값 — 그러나 모델 오차, 캘리브레이션 드리프트, 모델링되지 않은 물리를 함께 안고 있다. 측정은 희소한 ground truth를 준다. 어느 쪽도 혼자서는 웨이퍼를 설명하지 못한다. 둘 사이의 간극이 Sim2Real 격차이며, 이를 좁히는 일은 모델링 문제이기 이전에 측정 문제다.
문제를 감추는 라이프사이클
통상적인 AI 개발 라이프사이클(AI DLC)은 데이터 수집을 상류에서 이미 정해진 사실로 취급한다:
가용 데이터 수집 → 학습 → 평가 → 배포 → 모니터링, 모니터링은 학습으로만 되돌아간다. 수집 단계는 결코 다시 검토되지 않는다.
수집 이후의 모든 단계는 모델이 샘플에 얼마나 잘 맞는지를 개선할 수 있을 뿐이다. 샘플이 웨이퍼를 잘못 대변하고 있다면, 어느 단계도 그 사실을 말해주지 않는다. 평가셋은 같은 편향을 그대로 물려받고, 그래서 정확도는 올라가는 동안 실제와의 간극은 그대로 열려 있다.
NANO가 제안하는 라이프사이클
수집을 루프의 일부로 만들고, 불확실성이 그 루프를 이끌게 한다:
시뮬레이션 또는 prior(사전 정보) → 희소 측정 → 실제 추정 → 불확실성 → 다음 측정, 그리고 다시 희소 측정으로 돌아온다. 다음에 무엇을 수집할지를 이끄는 것은 학습 스케줄이 아니라 불확실성이다.
차이는 결정이 어디에 있느냐다. 통상적인 라이프사이클에서 모델은 무엇을 예측할지를 결정한다. 여기서 에이전트는 무엇을 학습할지까지 결정한다 — 다음 측정을 어느 다이에 쓸 가치가 있는지를.
정확도는 실제 신뢰도가 아니다
혼동하기 쉽지만, 이 사이트의 나머지 부분을 위해 구분해 둘 가치가 있는 두 가지 양이 있다:
| 양 | 답하는 질문 | 필요한 것 |
|---|---|---|
| 정확도 | 내가 수집한 데이터에 모델이 얼마나 잘 맞는가? | 같은 샘플에서 떼어낸 홀드아웃 분할 |
| 실제 신뢰도 | 웨이퍼 중 내가 실제로 아는 부분은 얼마이며, 어디가 사각지대인가? | 측정되지 않은 위치에 대한 캘리브레이션된 불확실성 맵 |
모델은 높은 정확도와 낮은 실제 신뢰도를 동시에 가질 수 있다. NANO는 두 번째 것을 보고하고 줄이기 위해 만들어졌다.
NANO는 이에 대해 무엇을 하는가
측정 예산이 주어지면, NANO는 편향된 prior와 희소한 관측으로부터 웨이퍼 전체를 추정하고, 그 추정이 약한 지점을 정량화하며, 다음에 측정할 다이를 선택한다.