국립한밭대 노진성 교수 연구팀, 세메스·대한기계학회 챌린지 장려상

사진설명: (왼쪽부터) 국립한밭대학교 기계공학과 노진성 교수, 김도윤, Quyen Dinh Quyet, 김택균 석사과정생

국립한밭대학교(총장 오용준) 기계공학과 노진성 교수 연구팀이 대한기계학회(KSME)와 세메스(SEMES)가 공동 주관한 ‘제11회 오픈이노베이션 챌린지(Open Innovation Challenge) 2026’에서 장려상을 수상했다.

대한기계학회와 세메스는 이번 챌린지를 통해 산업 현장에서 제시된 문제를 학생과 청년 연구자들의 창의적인 연구로 해결하고, 미래 핵심 인재를 발굴하기 위해 대회를 마련했다.

노진성 교수 연구팀에는 김도윤, Quyen Dinh Quyet, 김택균 석사과정생이 참여했다. 연구팀은 전문가 그룹 부문에 참가해 ‘제로샷·퓨샷 학습 모델 기반 정전척(Electrostatic Chuck, ESC) 결함 자동 분류 기술 개발’을 주제로 연구 성과를 제안했다.

정전척(ESC)은 정전기력을 이용해 포토리소그래피, 식각, 증착 등 진공 공정에서 웨이퍼를 고정하는 반도체 장비의 핵심 부품이다. 정전척 표면의 미세 돌기에 크랙, 치핑, 파티클, 오염 등의 결함이 발생하면 웨이퍼 고정이 불안정해지거나 가스 누설이 발생할 수 있으며, 이는 공정 불량률 증가와 반도체 제조 수율 저하로 이어질 수 있다.

기존 자동 결함 분류(ADC·Automatic Defect Classification) 시스템은 대규모 학습 데이터와 수작업 라벨링에 의존하는 경우가 많아 발생 빈도가 낮은 정전척 결함이나 새롭게 나타나는 결함 유형에 신속하게 대응하기 어렵다는 한계가 있었다.

연구팀은 이러한 문제를 해결하기 위해 소수의 예시만으로 학습할 수 있는 퓨샷 러닝(Few-shot learning)을 적용했다. 특히 단 한 장의 결함 이미지만으로 클래스 프로토타입을 생성하는 ‘1-shot 결함 분류 기술’을 제안했다.

이 기술은 새로운 결함 유형이 추가되더라도 모델 전체를 다시 학습할 필요 없이 프로토타입을 등록하는 방식으로 즉시 분류할 수 있는 것이 특징이다. 또한 연구팀이 자체 개발한 선택적 노이즈 제거 전처리 기술을 적용해 결함 분류의 신뢰도를 높였다.

이번 연구는 반도체 장비 현장의 실제 문제를 인공지능 기술로 해결하는 실용적인 연구 성과라는 점에서 높은 평가를 받았다. 특히 노진성 교수 연구팀은 지난해에 이어 올해까지 2년 연속 오픈이노베이션 챌린지에서 수상하며 연구 역량을 인정받았다.

이번 챌린지는 산학연 네트워크 강화에도 의미를 더했다. 수상자 전원에게는 세메스 입사 지원 시 가산점이 부여되며, 우수 아이디어 제안자의 경우 세메스 연구개발 관련 산학 과제와 연계해 연구를 이어갈 수 있는 기회도 제공된다.