DEVOCEAN

화학과 딥러닝의 환상적인 조합을 통해 단일화합물의 물성을 예측하는 모델을 개발하는 과정을 소개합니다

• 반도체 공정소재 물성 예측 모델

  반도체 분야에서 물성 예측은 새로운 소재 개발과 공정 최적화를 위해 중요한 역할을 합니다. 반도체 증착 공정을 예로 들면, 새로 개발한 소재가 특정 온도 및 압력 조건에서 어떤 물리적인 특성을 보이는지 예측하는 것은 해당 소재가 증착 공정 소재로 활용 가능한 지 평가하는 정보가 됩니다.

  소재의 녹는점은 해당 소재가 고체에서 액체로 전환되는 온도를 나타내며, 반도체 증착 공정에서 중요하게 평가하는 물성인데, 우리는 화학정보와 딥러닝 기술을 활용하여 반도체 증착공정 소재의 녹는점과 같은 물성을 예측하는 모델을 개발하였습니다.

  소재의 물리/화학적 특징과 물성 데이터를 기반으로 딥러닝 알고리즘을 사용하여 분자의 물리적인 특성을 예측한다면, 소재의 합성 과정 없이도 개발의 타당성을 평가하고 불필요한 실험을 대체하거나 실험 과정을 보완하여 연구 및 개발 프로세스를 더욱 효율적으로 만들어주는 역할을 할 수 있을 것입니다.

  이 연구의 물성 예측 모델은 시간과 비용을 절감하여 새로운 소재의 발견을 도울 수 있고, 다양한 산업 및 연구 분야에 확장 가능한 잠재성을 가지고 있기에 우리는 새로운 분야에 대해 활용성을 높이려는 시도를 하고 있습니다. 각 분야마다 고려해야 할 사항은 조금씩 다를 수 있지만, 신소재 개발, 환경 분야, 에너지 분야에서의 물성 예측 모델을 개발하고 활용할 때 고려해야 할 몇 가지 공통된 사항들을 소개하도록 하겠습니다

■ 발표자 소개

허자영 (SK주식회사 C&C)

화학 공학을 전공하며 물질의 상평형 실험/모델링 연구를 하였고, ML/DL보다 '데이터마이닝' 이라는 단어가 익숙했던 시절부터 데이터 분석가의 길을 걷고 있습니다.

배터리/화학제품 제조공정 데이터 분석, 원재료 가격 예측, ESS 이상진단 등의 분석 프로젝트 수행 경험이 있고, 개인적으로는 배울점 많은 동료 그리고 열정적인 하이닉스 연구원 분들과 함께하는 물성예측 모델 개발 프로젝트를 가장 즐기는 마음으로 임하고 있습니다.