멤리스터 기반 레저버 컴퓨팅 시뮬레이션의 구현 및 반도체 웨이퍼 결함 유형 분류에 대한 응용

Abstract

현대 사회에서 데이터의 양이 급증함에 따라 처리해야 될 데이터 양 또한 폭발적으로 증가하고 있다. 이러한 대량의 데이터는 인간의 능력으로는 처리가 어려우며, 인공지능이 필수적으로 필요하게 되었다. 인공 신경망은 인공지능의 일종으로 대량의 데이터를 처리하는 데 쓰일 수 있으며, 크게 피드 포워드 신경망과 회귀 신경망으로 두 종류가 있다. 하지만 피드 포워드 신경망은 한 방향으로만 데이터가 흘러서, 기울기 소실이 발생한다. 이를 해결하기 위해서 레저버 컴퓨팅 이 도입 되었다. 레저버 컴퓨팅은 입력 층과 레저버 층간의 가중치는 고정되고, 레저버 층과 아웃풋 층간의 가중치만 훈련하면 되기 때문에 순환 신경망 대비하여 간단한 구조를 가진다. 최근에는 레저버 층을 멤리스터를 활용하여 구성하는 추세이며, 멤리스터를 활용하면 빠른 연산이 가능하다. 본 연구에서는 레저버 컴퓨팅을 이용한 반도체 웨이퍼 결함 분류 시뮬레이션을 진행하였다. 웨이퍼 결함 분류는 공개된 811,520 개의 데이터 세트(WM-811K Dataset)를 활용하여 진행하였고, 펄스의 폭 및 펄스의 주기를 최적화하고, 학습 최적화까지 진행하여 레저버 컴퓨팅으로 구현 가능한 결함 분류의 정확도를 구하고, 그 의의에 대해 살펴 볼 것이다.