초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

역전파 신경망 (BPNN)은 반도체 공정 모델링에 효과적으로 응용되고 있다. 뉴런의 활성화 함수는 동일한 값을 가지며, 이로 인해 예측정확도를 증진하는 데에는 한계가 있었다. 본 연구에서는 난수발생기(Random generator-RG)를 이용하여 뉴런 경사들이 다중값을 가지도록 최적화하였다. 본 기법은 은닉충의 뉴런수의 함수로 고찰하였으며, 종래의 고정된 경사를 갖는 모델과 그 성능을 비교 평가하였다. 평가에 이용된 데이터는 플라즈마 식각 공정데이터이며, 모델에 이용된 응답은 식각률과 프로파일 각이다. 비교결과 종래의 모델에 비해 예측정확도가, 식각률의 경우 19%-43%, 프로파일의 경우 10%-56% 정도 향상하였으며, 이는 제안된 기법이 모델개발에 매우 효과적으로 적용될 수 있음을 보여준다.

역전파 신경망 (BPNN)은 반도체 공정 모델링에 효과적으로 응용되고 있다. 뉴런의 활성화 함수는 동일한 값을 가지며, 이로 인해 예측정확도를 증진하는 데에는 한계가 있었다. 본 연구에서는 난수발생기(Random generator-RG)를 이용하여 뉴런 경사들이 다중값을 가지도록 최적화하였다. 본 기법은 은닉충의 뉴런수의 함수로 고찰하였으며, 종래의 고정된 경사를 갖는 모델과 그 성능을 비교 평가하였다. 평가에 이용된 데이터는 플라즈마 식각 공정데이터이며, 모델에 이용된 응답은 식각률과 프로파일 각이다. 비교결과 종래의 모델에 비해 예측정확도가, 식각률의 경우 19%-43%, 프로파일의 경우 10%-56% 정도 향상하였으며, 이는 제안된 기법이 모델개발에 매우 효과적으로 적용될 수 있음을 보여준다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 한편, 최적화된 경사는 모든 뉴런에 대해서 동일한 값을 가지고 있어, 예측정확도를 더 중진하는데에는 한계가 있었다. 경사값을 다중값울 갖게 할 경우, 예측정확도의 중진을 기대할 수 있으며, 이를 본 연구에서 고찰하고자 한다
• 각 모델에 대해서 초기웨이트의 값은 동일하게 설정하였다. 본 기법은 종래의 모델기법 과 비교하여, 그 우수성을 확인한다.

제안 방법

• 4 연구에서는 RG를 이용하여 모델예측성능이 뉴런 경사가 단일 값이 아닌 다중값에서 최적화가 되게하는 기법을 제안한다. 출력충의 뉴런은 선형함수로 구성이 되었으며, 그 경사는 1로 고정하였다.
• RG를 이용하여 다중경사값을 갖는 BPNN 모델을 개발하였다. BPNN의 성능을 난수의 범위와 뉴런수의 함수로 고찰하였으며, 결정된 모델은 종래의 고정경사모델 과 비교하였다. 두 종류의 식각공정데이터에 적용하여 비교한 결과, 다중경사 모델이 고정 경사모델에 비해 더 우수한 예측성능을 보였다.
• RG를 이용하여 다중경사값을 갖는 BPNN 모델을 개발하였다. BPNN의 성능을 난수의 범위와 뉴런수의 함수로 고찰하였으며, 결정된 모델은 종래의 고정경사모델 과 비교하였다.
• 모텔성능의 경 사에의 의존도는 공정데이터 모델링중에 고찰한 바 있으며, 상당한 영향을 주고 있음이 발표된 바 있다. [2], 이 연구에서는, 경사값을 일정한 범위에서 실험적으로 변화시켜 그 영향을 최적화하였다. 최적화한 모델의 경사값은 모든 뉴런에 대해서 동일한 값을 가지게 된다.
• 본 연구에서, RG를 이용하여 활성화 함수경사값을 최적화하는 기법을 제얀한다. 제안된 기법은 난수발생 범위와 뉴런수의 인자로 고찰하였다.
• 본 연구에서, RG를 이용하여 활성화 함수경사값을 최적화하는 기법을 제얀한다. 제안된 기법은 난수발생 범위와 뉴런수의 인자로 고찰하였다. 기법의 우수성을 확인하기 위해 종래의 모델과 비교하였다.

대상 데이터

• 표 1에 24 전인자 실험계획을 적용하였으며, 그 결과 수 집된 16개의 실험과 중심점에 해당하는 실험을 포함한 17번의 실험이 모델개발을 위한 학습인자로 이용되었다. 모델예측능력을 평가하기 위한 테스트 데이터는 총 15개 로 구성이 되었으며, 따라서 모델개발에 이용된 전체 실 험수는 32개이었다.
• 기법의 우수성을 확인하기 위해 종래의 모델과 비교하였다. 평가에 이용 된 데이터는 silicon carbide (SiC)의 플라즈마 삭각 공정을 통해 수집한 식각률과 프로파일 각이다. 체계적인 데이터 수집을 위해, 통계적인 실험계획법이 이용되었다.
• 표 1에 24 전인자 실험계획을 적용하였으며, 그 결과 수 집된 16개의 실험과 중심점에 해당하는 실험을 포함한 17번의 실험이 모델개발을 위한 학습인자로 이용되었다. 모델예측능력을 평가하기 위한 테스트 데이터는 총 15개 로 구성이 되었으며, 따라서 모델개발에 이용된 전체 실 험수는 32개이었다.

데이터처리

• 제안된 기법은 난수발생 범위와 뉴런수의 인자로 고찰하였다. 기법의 우수성을 확인하기 위해 종래의 모델과 비교하였다. 평가에 이용 된 데이터는 silicon carbide (SiC)의 플라즈마 삭각 공정을 통해 수집한 식각률과 프로파일 각이다.
• 제안된 기법의 우수성을 입중하기 위해, 각 뉴런에 대해서 결정된 최적의 모델을 상호 비교한다. 그림 5는 식각률의 경우, 그 비교를 보이고 있다.

이론/모형

• 체계적인 데이터 수집을 위해, 통계적인 실험계획법이 이용되었다. 식각응답의 측정에는 scanning Section microscopy (SEM)이 이용퇴었다.
• 평가에 이용 된 데이터는 silicon carbide (SiC)의 플라즈마 삭각 공정을 통해 수집한 식각률과 프로파일 각이다. 체계적인 데이터 수집을 위해, 통계적인 실험계획법이 이용되었다. 식각응답의 측정에는 scanning Section microscopy (SEM)이 이용퇴었다.

성능/효과

• 8% 중진되었다. 결국 다중 경사모델이 예 측정확도를 향상하는데 더 효과적임을 알 수 있었다.
• BPNN의 성능을 난수의 범위와 뉴런수의 함수로 고찰하였으며, 결정된 모델은 종래의 고정경사모델 과 비교하였다. 두 종류의 식각공정데이터에 적용하여 비교한 결과, 다중경사 모델이 고정 경사모델에 비해 더 우수한 예측성능을 보였다. 이는 제안된 기법이 BPNN 의 예측성능을 크게 증진하는데 기여하고 있음을 의미한다.
• 8%에 해당한다. 이 두 가지 비교에서 RG-기초 다중 경사 모델이 고정경사 모델에 비해 더 우수한 모델임을 입증하였다
• 두 종류의 식각공정데이터에 적용하여 비교한 결과, 다중경사 모델이 고정 경사모델에 비해 더 우수한 예측성능을 보였다. 이는 제안된 기법이 BPNN 의 예측성능을 크게 증진하는데 기여하고 있음을 의미한다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기