반도체 디지털 트윈이란?

바이든 행정부는 최근 미국 반도체 산업에서 디지털 트윈을 사용하기 위한 2억 8,500만 달러 규모의 자금 조달 기회를 발표했습니다. 이는 일본과 인도에서 반도체 제조를 위한 유사한 투자 이니셔티브에 따른 것입니다. 미국에서는 이 자금이 디지털 트윈 연구소를 설립하는 데 사용될 예정이며, 정부가 지원하는 금액에 연구소 회원들도 같은 금액을 지원할 것으로 예상됩니다.

광범위한 제조 업계에서는 이미 디지털 트윈을 사용하기 시작했지만, 반도체 칩 제조에는 아직 비교적 새로운 기술입니다. 백악관의 최근 이니셔티브는 미국 전역에 더욱 강력한 생태계를 구축하는 것을 목표로 합니다. 이를 통해 칩 제조업체는 디지털 트윈을 사용하여 다른 국가의 제조 공정에 대한 의존도를 줄이고 더욱 강력한 공급망을 구축할 것입니다.

디지털 트윈은 실시간으로 관리할 수 있는 실제 독립체 혹은 프로세스의 가상 표현이나 모델입니다. 가상 표현은 센서 스트림을 통해 물리적 자산에 연결되고 디지털 트윈이 되어, 이를 통해 시스템의 과거, 현재, 미래 동작을 분석하여 최적화 방법을 더 잘 이해할 수 있습니다.

디지털 트윈은 가상 환경을 최신 상태로 유지하고 디지털 트윈이 물리적 자산과 동일한 것을 경험하여 실시간으로 어떻게 작동할지 예측할 수 있도록 하는 물리적 센서 데이터를 사용하여 구축됩니다.

디지털 트윈을 구축하려면 여러 단계와 기술이 필요합니다. 

• 반도체 제조 장비에 물리적으로 부착되는 센서 네트워크를 포함한 인프라 단계
• 통신 인프라
• 컴퓨터 인프라
• 데이터 스토리지 인프라
• 애플리케이션 지원 단계

또한 디지털 트윈은 사물 인터넷(IoT)과 Microsoft, NVIDIA, Amazon Web Services(AWS)에서 제공하는 것과 같은 엣지 플랫폼을 사용하여 물리적 시스템의 가상 모델을 구축합니다. 

마지막 단계는 분석입니다. 이 단계에서는 수집된 모든 데이터가 엔지니어링 통찰력(예: 시뮬레이션에서 얻은 통찰력)과 결합되어 가상 표현 또는 모델을 구축한 다음 이를 사용하여 시스템에 대한 예측을 수행하고 작동에 대한 통찰력을 제공할 수 있습니다. 전반적으로 디지털 트윈을 사용하면 물리적 시스템에 적용해야 하는 최적화를 결정할 때 더 나은 의사 결정을 내릴 수 있습니다.

반도체 제조 공정은 고도로 전문화되고 글로벌화되어 있습니다. 예를 들어, 두 개의 파운드리(TSMC와 삼성 파운드리)가 전 세계 칩 제조의 약 70%를 차지하고 있으며, 첨단 노드 제조 공정에 필수적인 극자외선(EUV) 노광 장비는 한 회사(ASML)가 거의 전량을 제조하고 있습니다. 

시장의 몇몇 주요 업체에 대한 이러한 의존도는 코로나19 봉쇄 기간 동안 보았던 것처럼 잠재적으로 공급망 병목현상을 초래할 수 있습니다. 칩 제조의 60% 이상이 대만에 기반을 두고 있기 때문에 지정학적 긴장으로 인해 칩 부족 현상이 발생할 가능성도 있습니다. 

백악관의 자금 지원은 미국에 더 많은 반도체 제조 공장(팹으로 알려진)을 개발함으로써 이러한 공급 문제를 일부 완화할 수 있습니다. 이는 새로운 디지털 트윈 솔루션에 필요한 검증 프로세스를 수행하는 학술 기관에서 시작되지만, 최종 목표는 이미 미국에서 반도체 인력 양성 및 교육에 자금을 지원하고 있는 Intel과 같은 기업을 통해 더 많은 민관 파트너십이 이루어지도록 하는 것입니다.

디지털 트윈은 반도체 제조 공정에 다음과 같은 이점을 제공합니다.

• 공정 수율 개선
• 장비를 더 빠르게 온라인 상태로 전환
• 예측 유지보수 및 스마트 제조 기능 제공
• 유지보수 비용 및 예기치 않은 가동 중단 시간 감소 

이러한 수준의 최적화를 수행할 수 있는 능력은 몇몇 주요 칩 제조업체에 국한되어 있었지만, 디지털 트윈을 통해 전 세계 더 많은 지역에서 이러한 노하우를 활용할 수 있게 되었습니다.

디지털 트윈은 새로운 칩을 설계하고 프로토타입을 제작하는 데 사용할 수 있지만, 주요 이점은 제조 및 운영에서 확인할 수 있습니다. 디지털 트윈은 개별 장비 또는 대규모 공급망 환경의 가상 모델을 생성하여 프로세스의 출력을 개선하는 데 도움이 됩니다. 

민감한 칩 제조 공정에서 오염을 방지하는 HVAC 및 공기 중 분자 오염(AMC) 필터 시스템을 고려해 보십시오. 필터를 적절한 시기에 교체하지 않으면 칩의 품질이 떨어져 비용이 많이 드는 재작업이 필요합니다. 필터를 너무 빨리 교체하면 팹은 불필요하고 비용이 많이 드는 가동 중지 시간에 직면하게 됩니다. 디지털 트윈은 필터 및 HVAC 시스템을 보다 효율적으로 유지 관리할 수 있는 방법을 제공합니다.

모델링하고 최적화할 수 있는 기타 측면은 다음과 같습니다.

• 가스 흐름 네트워크
• 각 제조 장비 내부의 부품
• 에칭 및 납땜 프로세스
• 웨이퍼 작동 온도

칩이 제조되면 가상 환경을 사용하여 칩이 효율적으로 작동하는지 확인할 수 있습니다.

디지털 트윈이 가치를 더하는 중요한 영역 중 하나는 가상 센서와 함께 사용하는 것입니다. 디지털 트윈은 물리적 센서만으로는 얻을 수 없는 데이터에 대한 액세스를 제공합니다. 

액세스 가능한 관심 지점에서 물리적 센서를 사용한 다음 알고리즘을 사용하여 물리적 센서로 접근이 불가능한 나머지 환경을 "가상으로 감지"하거나 시뮬레이션할 수 있습니다. 물론 사용 가능한 물리적 데이터가 검증되어야 합니다.

한 가지 예로, 내부 온도를 가상으로 감지하여 용광로(예: PECVD의 용광로)가 제대로 작동하는지 확인하는 것입니다. 양호한 수율을 얻으려면 웨이퍼의 온도를 엄격하게 유지해야 합니다. 웨이퍼 표면의 온도를 물리적으로 감지하는 것은 제조 공정에 영향을 미칠 수 있기 때문에 쉽지 않습니다. 그러나 디지털 트윈을 사용하면 가상 센서가 생산 중 최적의 온도를 감지하고 유지할 수 있습니다. 

이러한 디지털 트윈에 사용되는 기본 모델은 물리학을 기반으로 하기 때문에 상당히 넓은 범위의 작동에 대해 정확한 예측을 할 수 있습니다. 또한 Bayesian 보정과 같은 통계적 보정 기술을 사용하면 디지털 트윈의 정확도를 개선할 수 있습니다. 예를 들어 일반적인 1,200~2,000°C 용광로에서 오차는 1~2°C에 불과합니다. 

머신 러닝과 신경망 알고리즘이 시뮬레이션을 보강하고 품질을 개선하여 가상 센서가 실제 센서에 최대한 가깝게 구현되도록 합니다.

지금까지 반도체 제조에 디지털 트윈을 도입한 사례는 많지 않았습니다. 이는 복잡한 비선형 물리학 모델링이 어렵기 때문이기도 합니다. 그러나 시뮬레이션 기술의 발전으로 반도체 제조 장비 내의 중요한 하위 시스템 중 몇 가지를 최첨단 기술로 모델링할 수 있습니다. 더 큰 문제는 모델의 가용성에 있었습니다. 이는 장비 제조업체가 장비에 대한 자세한 모델과 도메인 지식을 갖고 있는 반면, 장비를 사용하려는 파운드리는 이 정보에 접근할 수 없기 때문입니다.

디지털 트윈은 지식 공유를 가능하게 하는 메커니즘을 제공하여 장비 제조업체가 운영자가 장비를 사용하는 방식을 더 잘 이해할 수 있도록 해주고, 그 반대의 경우도 마찬가지입니다. 잠재적인 IP 문제는 디지털 트윈이 제공하는 정보에 대한 액세스를 제한하거나 한정함으로써 해결할 수 있습니다.

Ansys는 고객이 보유한 기존 시뮬레이션을 가져와 반도체 제조에 적합한 형태로 변환한 다음 이를 IoT 스택이나 엣지 컴퓨팅에 연결하는 데 중점을 둡니다. 이러한 접근법을 ROM(Reduced-Order Modeling)이라고 하며, 복잡한 시뮬레이션 또는 기존 시뮬레이션을 가져와 실시간 모델로 변환합니다. 

Ansys 소프트웨어는 측정 데이터 또는 계측기 다이어그램과도 연동할 수 있습니다. 이는 배포하기 전에 디지털 트윈 빌드의 각 단계를 검증하는 시작부터 끝까지의 프로세스입니다.

Ansys는 디지털 트윈 모델을 구축하는 데 함께 사용되는 두 가지 소프트웨어 패키지인 Ansys Twin Builder 소프트웨어와 Ansys TwinAI 소프트웨어를 보유하고 있습니다. 더 강력한 시뮬레이션 환경을 위해 이들 소프트웨어 패키지를 다른 시뮬레이션 소프트웨어 패키지와 결합할 수 있습니다. 

Twin Builder 소프트웨어는 디지털 트윈의 시뮬레이션과 물리적 측면에 초점을 맞추는 반면, TwinAI 소프트웨어는 시뮬레이션과 데이터를 결합하여 정확하며 진화하는 디지털 트윈을 생성합니다. 머신 러닝은 모델의 정확도를 높이고 디지털 트윈이 장비의 노후화에 따라 변화하는 장비의 동작에 맞게 자체 보정할 수 있도록 합니다. 두 도구가 디지털 트윈을 생성하면 컨테이너, Python 앱 또는 웹 앱을 사용하여 이를 내보낼 수 있습니다. Microsoft 및 AWS 디지털 트윈 플랫폼에 미리 구축된 커넥터 덕분에 대규모로 쉽게 배포할 수 있습니다.

백악관의 이니셔티브를 통해 반도체 제조의 장벽을 낮추려는 지금이 바로 행동에 나설 때입니다. 확장할 수 있는 기술의 대부분은 이미 다른 제조 업계에서 채택하고 있기 때문에 이미 존재합니다. 머지 않아 전 세계 반도체 업계에 디지털 트윈이 대규모로 도입되는 것을 보게 될 것입니다.

관련 리소스