[디지털데일리 김문기 기자] “계측장비는 전체 설비투자(CAPEX)에서 10% 가량을 차지한다. 물리적인 공간도 많이 차지한다. 이같은 난제를 인공지능(AI)이 해결할 수 있다. 실제 양산라인에 적용한 결과 공정 산포 개선율이 30% 올랐다."

김무성 가우스랩스 총괄프로그램관리(PMO) 부사장은 22일 서울 코엑스에서 옴디아 주최로 열린 ‘2023년 한국 테크놀로지 콘퍼런스’에서 기자들과 만나 반도체 공정에서 AI의 효용성에 대해 실제 양산 사례를 중심으로 설명하며 이같이 말했다.

가우스랩스는 지난 2020년 8월 SK하이닉스의 시드 펀딩(seed funding)과 함께 출범했다. AI 전문기업으로 발돋움하겠다는 최태원 SK 회장의 목표를 실현하는 첨병으로 나선 셈이다. 반도체를 시작으로 제조 산업의 난제를 데이터와 AI를 통해 해결하는 것을 미션으로 삼고 있다. 가우스랩스는 지난해 데이터를 통해 증착 공정 결과를 예측할 수 있는 ‘판옵테스’ VM을 발표한 바 있으며, SK하이닉스가 이를 양산라인에 적용한 바 있다.

실 사례 통한 효과 확신…AI 10만대 모델 실시간 접목

지난해 12월 기준 가우스랩스는 자동공정제어(APC)에 연동된 판옵테스 VM의 데이터 결과값을 토대로 공정 산포 평균 21.5%를 개선했다고 했으나, 현재 데이터 분석 고도화에 따라 30%까지 향상된 것으로 확인된다.

김 부사장은 “반도체와 디스플레이 업계에서 쓰이는 장비 투자비용 중 10%가 계측 관련 장비일 정도로 비용이 많이 쓰이며, 공간도 많이 차지할 뿐만 아니라 계측 장비가 가져오는 데이터가 5조 페이지 분량일 정도로 방대하지만 데이터 활용율은 10~15% 수준에 그치고 있다”라며, “AI로 가상 계측과 이미지 기반 계측을 통해 문제를 해결해나가고 있다”고 말했다.

아울러, “작은 팹(파운드리 공장)은 500대, 큰 팹은 2000대의 장비들이 있는데 그 팹 속에서 나오는 웨이퍼가 월당 10만장이라고 보면 수십만장의 활동이 일어나는 것이며, 이를 측정하는 파라미터도 수만개가 된다는 의미다”라며, “기본적으로 가상계측을 각 팹의 스케일로 쓰려면 그에 상응하는 모델을 자동으로 관리할 수 있는 플랫폼을 구축하지 않으면 어렵다”고 덧붙였다.

이를 두고 김 부사장은 상징적 의미로 AI를 통해 10만대의 모델을 통한 실시간 데이터 결과 산출 및 응용이 가능하다고 강조했다.

또한 “컴퓨팅 리소스를 효율적으로 디자인하기 때문에 큰 비용이 드는 하드웨어가 필요치 않다”라며, “이미지 역시 딥러닝을 활용하기 때문에 GPU 투자가 필요하가는 하지만 가상 계측의 경우 CPU로도 대응이 가능하기 때문에 컴퓨터 인프라가 최대한 적게 쓸 수 있도록 디자인했다”고 설명했다.

팹 내에서 활용하기 때문에 대체적으로 온프레미스 환경이나 프라이빗 클라우드 환경에서 쓰인다. 김 부사장은 “데이터 유출 우려가 없다”라며, 알고리즘적 노하우는 쌓이지만 IP 자체를 뺄 수 없기 때문에 할 수 있는게 없다”고 단언했다.

이어, “현장에 직접 엔지니어가 모델링하도록 하고, 가우스랩스는 트레이닝을 돕는 차원으로 접근한다”고 언급했다.

증착 넘어 타 공정까지…다른 산업군 접근 유연성 갖춰

가우스랩스의 비즈니스 모델은 여타 AI 소프트웨어 기업과 마찬가지로 라이선스 방식이다. 고객에 따라 라이선스 비용의 차이가 있을 뿐이라는 설명이다. 또한 꼭 집어 경쟁할 수 있는 기업이라기 보다는 제조업체 안에서 AI 솔루션을 다루는 조직과 경쟁하기 때문에 오히려 협력할 수 있는 관계에 놓여 있다고 지목했다. 즉, 신규 시장이기에 확장할 수 있는 기회가 넓다. 가우스랩스 역시 시장 확장에 자신감을 내비쳤다.

김 부사장은 “가상 계측이 10년 넘게 기술 니즈가 있었지만 활용 못했던 이유는 시간에 따른 변화를 따라 만들기가 어렵기 때문이다. 장비도 세대마다 미세한 변화가 있어 따라가기가 쉽지 않다”라며, “가우스랩스는 온라인 방식의 알고리즘을 통해 시간 변화를 잘 따라갈 수 있도록 설계했고, 장비 하나하나 변화를 따라갈 수 있도록 설계했다”고 강조했다.

특히, “실제 양산에도 적용할 수 있었던 이유는 두가지 알고리즘으로 정확도를 높이고, 판옵테스 하이퍼스케일 AI 플랫폼으로 10만개 모델을 관리할 수 있게 디자인했으며, 엔지니어들이 이를 쓰면서 유지보수 등을 메뉴얼 없이도 자동화해 유지할 수 있게 했기 때문이다”라며, “3가지 방법론으로 구축해 양산 적용에도 성공할 수 있었다”고 자신했다.

그는 “적용 사례는 구체적으로 박막에 있으나 그걸 가능하게 하는 CVD뿐만 아니라 식각, 노광 등의 공정도 활발하게 평가하고 있고 내년에는 가능하지 않을까 한다”라며, “이전 공정 영향을 많이 받는 식각 등에는 부가적 데이터가 필요하고 이를 적절하게 데이터를 넣어주는 작업이 필요한 정도”라고 설명했다.

타 공정뿐만 아니라 타 산업에게도 문이 열려 있다고 말했다. 김 부사장은 “AI 솔루션 제공 사업자이기 때문에 특정 장비나 공정에 의존하지 않는다”라며, “장비 센서 데이터를 가지고 예측하기 때문에 다른 장비에도 충분히 활용될 수 있고, 다른 산업군과 구체적인 활동을 염두에 두고 있지 않지만 가능성은 열어두고 있기에 좋은 기회가 생기면 다른 산업에도 충분히 가능하리라고 본다”고 덧붙였다.