Projects

본 과제의 목표는 반도체 소자 제작 과정에서 요구되는 실험 횟수를 최소화하고 효율성을 극대화하기 위해, 인공지능 기반의 반도체 소재 레시피 예측 모델을 개발하는 것이다.

반도체 핵심 소재인 HfO₂, AlScN, Perovskite를 중심으로, 조성 및 공정 조건의 복합적 상호작용을 학습하는 데이터 기반 모델을 구축한다. 이를 통해 다음과 같은 핵심 기능을 구현한다:

- 반도체 소재 레시피 자동 생성

- 생성된 레시피의 합성 가능성 및 실현 가능성 예측

- 메타러닝 기반 실험 설계 최적화 및 성공 확률이 높은 실험 구성 추천

본 연구는 소재 설계–실험–검증의 전 과정을 지능화하여, 반도체 소재 개발의 시간·비용을 획기적으로 절감하고 데이터 기반 소재 연구 패러다임 전환을 촉진하는 것을 목표로 한다. 이를 통해 차세대 반도체 공정 최적화 및 지능형 소재 연구 생태계 구축에 기여할 것으로 기대된다.

본 과제의 목표는 복잡하고 파편화된 데이터 환경에서 인간 수준의 논리적 근거를 스스로 도출하기 위해, 옴니 데이터(Omni-data) 기반의 귀추적 추론(Abductive Inference) 프레임워크를 개발하는 것이다.

다양한 도메인에서 발생하는 방대한 데이터를 통합하고, 데이터 간의 멀티 레벨 인과관계를 정밀하게 학습하는 지능형 알고리즘을 구축한다. 이를 통해 다음과 같은 핵심 기능을 구현한다:

옴니 데이터 기반 가설 및 논리적 근거 자동 생성

도메인 간 멀티 레벨 인과관계 추론 및 구조화

데이터 잠재 패턴 분석을 통한 미인지 영역의 신규 지식 추출 및 검증

본 연구는 단순한 결과 예측을 넘어 '결과에 대한 최적의 이유'를 찾아내는 추론 기술을 지능화하여, 창작·의료 등 고도의 전문성이 요구되는 분야에 인공지능 도입을 가속화하는 것을 목표로 한다. 이를 통해 데이터로부터 새로운 가치를 발견하는 지식 추출 패러다임의 전환을 선도하고, 차세대 설명 가능한 AI(XAI) 기반의 지능형 추론 생태계 구축에 기여할 것으로 기대된다.