일본산업뉴스요약

소니 계열사, AI로 화상센서 제조를 최적화
노이즈가 70% 개선

소니 그룹의 반도체 제조 부문인 소니세미컨덕터매뉴팩처링(SCK, 구마모토현)이 제조 공정을 AI(인공지능)로 최적화함으로써 화상센서의 성능을 개선했다. 실제 제조 라인에서 CMOS(상보형금속산화막반도체) 이미지센서를 시작(試作)한 결과, 기존 제품에 비해 노이즈 특성이 약 70% 향상되었다고 한다.

노이즈 특성이 나쁠 경우, 예를 들면, 어두운 곳에서 촬영한 화상의 화질이 나빠진다. 지금까지 노이즈 특성의 성능 개선은 연간 수 %에 불과했지만, AI 활용으로 단숨에 개선이 진행되고 있다. SCK 디바이스개발센터의 다니카와(谷川) 주간기사는 “반도체 분야의 프로들이 생각하지 못하는 조건을 AI는 제시할 수 있다. 그 제안을 바탕으로 제조해보니 디바이스의 특성이 크게 향상되어 놀랐다”라고 말한다.

-- 가상 공장에서 최적화 --
이번 성과는 SCK와 글로벌웨이퍼스 재팬(GWJ, 니가타현), 아이크리스탈(나고야), 나고야대학이 공동 개발한 결과이다. GWJ는 실리콘 웨이퍼 대기업인 대만의 글로벌웨이퍼스(環球晶圓)의 일본 법인이다. 아이크리스탈은 제조업의 디지털트랜스포메이션(DX)을 지원하는 스타트업이다.

제조 공정의 최적화에는 ‘메타팩토리(Mata-Factory)’라고 불리는 가상공간에 구축한 공장을 활용. 디지털트윈 기술을 이용해 CMOS 이미지센서 제조 공정 중 주요 30개 공정을 시뮬레이션할 수 있도록 했다. 기업 간의 협업을 통해 웨이퍼 가공이나 회로 형성, 열처리 등의 최적의 조건을 시뮬레이션을 통해 찾아낼 수 있었다.

최근 제조업을 중심으로 가상공장 도입이 추진되고 있다. 예를 들어, 세계적 자동차 기업인 독일의 BMW 그룹이 생산성을 높이는 수단으로 적극 이용하기 시작했다. 사전에 제조 조건과 공정을 시뮬레이션함으로써 생산 계획 및 생산 공정의 최적화를 도모할 수 있다.

이와 같이 제조업에서 디지털트윈 기술을 이용한 시뮬레이션 활용은 많이 있지만, 현실 세계에서 얼마나 개선할 수 있을지 미지수인 부분이 있었다. 이번 성과는 그 궁금증을 해소했다는데 의의가 있다. SCK 등은 가상공장을 통해 반도체 디바이스의 특성을 개선하는 방안을 검토하고 실제로 제조해 효과를 확인했다.

-- 맹점을 찌르는 AI --
화상센서의 노이즈를 줄이기 위해서는 웨이퍼에서 디바이스까지의 수십 공정에서 변동하는 결함이나 불순물 분포를 제어할 필요가 있다. SCK 등이 실시한 CMOS 이미지센서의 시작에서 흥미로운 것은 AI가 전혀 예상치 못한 제조 조건을 제시했다는 점이다.

단일 공정에서는 품질을 높이는데 필요한 적합한 조건이지만, 이후에 추가되는 공정이 포함되면 조건이 달라지는 케이스가 있다. AI는 선입견이나 반도체 업계의 관습, 기업간의 장벽을 허물고 최적화할 수 있는 조건을 찾아낸다.

향후, SCK는 노이즈 특성이 극적으로 개선된 이유에 대해 조사할 계획이다. 현재 상세한 구조까지는 밝혀지지 않은 상태이다. 구조를 해명함으로써 앞으로의 제조 및 연구 개발에 활용할 수 있을 것으로 SCK는 보고 있다.

-- 시뮬레이션을 고속화 --
30개 공정을 추산하는데 걸리는 시간이 AI로 크게 단축되었다. SCK는 AI를 통해 시뮬레이션 시간을 약 1,000분의 1로 단축할 수 있었다고 한다. 이전에는 메타팩토리 전체에서 1시간 정도 소요되었지만, AI는 약 3초 만에 완료. 이 시산을 반복함으로써 최적의 조건을 찾아내 화상센서의 성능 개선으로 연결했다.

메타팩토리 기술은 아이크리스탈과 나고야대학이 담당. 서로 다른 복수의 종류의 데이터를 최적화할 수 있는 알고리즘을 구축했다. 제조물의 특성뿐만 아니라, 제조 시간이나 비용 등 다른 조건에서도 알고리즘을 구축해 제조 공정의 최적화에 활용할 수 있다.

하지만, 모든 데이터를 완벽하게 시뮬레이션 할 수 있는 것은 아니다. 아이크리스탈의 다카이시(高石) 대표이사는 “최적화에서는 정밀도가 높은 결함 시뮬레이션 데이터를 사용했다. 데이터의 정밀도가 낮으면 최적화의 정밀도에도 영향이 미친다”라고 말한다.

핵심이 되는 결함 시뮬레이션은 SCK와 GWJ가 공동으로 개발했다. 디바이스의 최종 특성이 어떻게 되는지를 파악하는데 사용된다. 웨이퍼 제조나 디바이스 공정 시에 발생하는 실리콘 결정의 결함 및 불순물 등의 분포를 예측한다.

 -- 끝 –

Copyright © 2025 [Nikkei XTECH] / Nikkei Business Publications, Inc. All rights reserved.