AI 요약
SK하이닉스는 반도체 제조 공정의 효율을 극대화하고 R&D 속도를 높이기 위해 제조와 연구 전방위에 걸쳐 인공지능(AI) 기술을 전격 도입하고 있습니다. 최근 고려대학교 연구진과 공동으로 개발한 '웨이퍼 투과전자현미경(TEM) 이미지용 초고해상도 모델'은 구글 등 기존 모델보다 평균 10.3%포인트 높은 68.2%의 분석 정확도(mIoU)를 기록하며 웨이퍼 결함 분석의 정밀도를 획기적으로 높였습니다. 또한, AI 물성 예측 시스템(AIPS)을 통해 반도체 신소재 발굴에 소요되는 시간을 기존 대비 75% 단축하고, 연구원 3인 팀당 연간 소재 개발 수를 7종에서 10종으로 확대하는 성과를 거두었습니다. 이는 삼성전자 및 마이크론과의 주도권 경쟁에서 앞서기 위한 전략으로, 2030년까지 설계부터 양산까지 자동화되는 자율형 팹 구축을 최종 목표로 하고 있습니다.
핵심 인사이트
- 웨이퍼 결함 분석 AI 개발: 지난달 30일 '사이언티픽 리포트'에 공개된 모델은 mIoU 68.2%를 달성하며 구글 등 기존 9개 모델 대비 성능이 평균 10.3%p 높습니다.
- AI 물성 예측 시스템(AIPS) 고도화: 신소재 물성 예측 정확도를 90%까지 달성했으며, 이를 통해 작업 시간(Turnaround Time)을 기존 대비 75% 단축했습니다.
- 연구 효율성 400배 증대: 이성훈 부사장은 '세미콘 코리아 2026'에서 AI 도입 결과 신물질 탐색 시간을 기존 방식 대비 400분의 1로 줄이는 데 성공했다고 밝혔습니다.
- 2030 자율형 팹 구축: 2030년까지 설비 유지보수 및 결함 분석 시간을 50% 이상 단축하고 부품 재고를 약 30% 절감하는 자율형 공장 구현을 추진 중입니다.
주요 디테일
- 초미세 구조 분석: 나노미터(㎚) 단위의 원자 배열을 파악하는 투과전자현미경(TEM) 이미지를 분석하기 위해 광학 이미지 중심의 기존 AI와 차별화된 특화 모델을 구축했습니다.
- 인프라 확충: SK텔레콤 주도로 엔비디아의 최신 GPU 2,000장 규모를 투입한 '제조 AI 클라우드'를 통해 AI 팹 구현을 뒷받침할 계획입니다.
- 수율과 수익의 직결: 반도체 수율 1% 차이가 수백억 원의 연매출 차이로 이어지는 만큼, AI를 통한 결함 분석 자동화는 수익성 개선의 핵심 동력입니다.
- 데이터 기반 R&D: 과거 인력이 논문과 데이터베이스를 일일이 탐색하던 방식에서 탈피하여, AI가 전이금속 수십 종의 정보를 학습해 최적의 조합을 제시합니다.
향후 전망
- 용인 및 이천 공장에 AI 시스템을 우선 도입하여 고대역폭메모리(HBM) 등 주력 제품의 생산 규모를 확대하고 제조 원가를 획기적으로 절감할 것으로 보입니다.
- 단순 제조 공정 자동화를 넘어, 소재 탐색부터 양산 결정까지 AI가 주도하는 '자율형 반도체 제조' 시대의 표준을 선점할 것으로 예상됩니다.