한밭People
기계공학과 노진성 교수 연구팀, 대한기계학회-세메스 주관 ‘제11회 오픈이노베이션 챌린지’ 장려상 수상
작성자기획과 조회수42 등록일2026-09-11
사진설명: (왼쪽부터) 국립한밭대학교 기계공학과 노진성 교수, 김도윤, Quyen Dinh Quyet, 김택균 석사과정생
- 퓨샷 AI 기반 반도체 정전척(ESC) 결함 자동 분류 기술 제안
□ 우리 대학 기계공학과 노진성 교수 연구팀이 대한기계학회(KSME)와 세메스(SEMES)가 공동 주관한 ‘제11회 오픈이노베이션 챌린지(Open Innovation Challenge) 2026’에서 장려상을 수상했다고 11일 밝혔다.
○ 대한기계학회와 세메스는 이번 오픈이노베이션 챌린지를 통해 산업계가 제시한 현장의 문제를 학생과 청년 연구자들의 창의적인 연구로 해결 방안을 마련하고, 미래 핵심 인재를 발굴하고자 했다.
□ 노진성 교수 연구팀에는 김도윤, Quyen Dinh Quyet, 김택균 석사과정생들이 참여했으며, 이번 대회에 ‘제로샷․퓨샷 학습 모델 기반 정전척(Electrostatic Chuck, ESC) 결함 자동 분류 기술 개발’을 주제로 전문가 그룹 부문에 참가했다.
○ 정전척(ESC)은 정전기력을 이용해 포토리소그래피․식각․증착 등 진공 공정에서 웨이퍼를 고정하는 반도체 장비의 핵심 부품으로, 표면의 미세 돌기에 크랙․치핑․파티클․오염 등의 결함이 발생하면 웨이퍼 고정 불안정과 가스 누설을 유발해 공정 불량률을 높이고 반도체 제조 수율을 저하시킬 수 있다.
○ 또, 기존의 자동 결함 분류(ADC, Automatic Defect Classification) 시스템은 대규모 학습 데이터와 수작업 라벨링에 의존하기 때문에 발생 빈도가 낮은 ESC 결함이나 새롭게 나타나는 결함 유형에 대응하기 어렵다는 한계가 있었다.
□ 연구팀은 소수의 예시만으로 학습이 가능한 퓨샷 러닝(Few-shot learning)을 적용해, 단 1장의 결함 이미지로 클래스 프로토타입을 생성하는 1-shot 결함 분류 기술을 제안했다.
○ 이 기술은 새로운 결함 유형이 추가되더라도 모델 전체를 다시 학습할 필요 없이 프로토타입 등록만으로 즉시 분류가 가능하며, 자체 개발한 선택적 노이즈 제거 전처리를 통해 분류 신뢰도를 향상시켰다.
○ 본 연구는 반도체 장비 현장의 실제 문제를 인공지능 기술로 해결하는 실용적 연구 성과로 평가받았으며, 노 교수 연구팀은 지난해에 이어 2년 연속 본 챌린지에서 수상하는 성과를 거뒀다.
□ 한편, 이번 챌린지는 산학연 네트워크 강화에 기여했다는 점에서 큰 의미가 있으며, 수상자 전원에게는 세메스 입사 지원 시 가산점이 부여되고, 우수 아이디어 제안자는 세메스 연구개발 관련 산학 과제와 연계 진행도 가능하다.