한국마이크로전자및패키징학회(KMEPS)가 주최하고 전자신문이 후원하는 '2024 첨단 패키징 기술 미래 포럼'이 8월 21일 서울 과학기술컨벤션센터에서 개최되었다. 첨단 반도체 패키징은 회로 미세화 한계를 극복, 무어의 법칙을 이어갈 방법론일 뿐 아니라 국가·기업별 반도체 산업 주도권을 쥘 핵심 기술로 주목받고 있다.

권대일 성균관대 교수는 '첨단 반도체 패키징 AI응용 기술 분석'을 주제로 한 발표에서 패키징 설계 최적화에 AI 기술을 적용한 최신 연구 동향을 소개했다.

권 교수는 “AI를 활용하면 수많은 설계 변수 조합을 일일이 시뮬레이션하고 해석하지 않고도 최적의 조합을 찾을 수 있다”며 “AI가 사전에 패키징 설계 변수에 따른 출력값 간의 관계성을 학습한다면 해석시간을 크게 줄일 수 있다”고 말했다.

권 교수는 최근 저명한 국제 학회 및 저널에서 발표되었던 설계 최적화 연구 사례들을 소개하였다. 미국 일리노이대학교 어바나 샴페인(UIUC)과 인텔 연구진은 인쇄 회로 기판(PCB)의 구조 및 재료 최적화에 인공지능(AI) 모델을 활용하는 방안을 제시했다. 도금관통홀(PTH) 구조 설계 최적화에 제시한 방법을 적용해 검증한 결과, 기존 유한요소법(FEM)을 사용한 시뮬레이션보다 200배 빠른 속도로 90% 이상의 정확도를 달성했다고 밝혔다. 미국 조지아공대 연구진은 웨어러블 기기의 응력 변형을 완화할 수 있는 최적 구조를 AI 응용 기술로 찾는 연구를 진행했고, 미국 오번대 연구진은 초미세 솔더볼(SAC305) 변형을 예측하는데 AI를 활용해 의미있는 결과를 확보했다고 권 교수는 전했다.

권 교수는 패키징 산업에서 AI를 활용한 설계 변수 최적화 기술이 다른 공학 분야에 비해 아직 초기 단계에 있다고 지적했다. 또한, 현재 AI 기술은 제한된 범위의 학습 데이터를 바탕으로 최적의 모델을 찾는 데 중점을 두고 있어, 학습 데이터 범위를 벗어난 '혁신적' 결과를 도출하는 데 한계가 있다고 설명했다. 반도체 패키징 설계에 AI 기술을 도입하는 것 뿐만 아니라, 나아가 현재 AI 모델들의 본질적인 한계를 뛰어넘어야 한다는 것이다. 이를 해결하기 위해 고차원의 물성, 구조, 공정 변수로부터 스스로 데이터를 생성하여 학습 데이터 범위 밖의 결과를 예측할 수 있는 방법론을 연구해야 한다고 전했다. 특히 '조건부 생성적 적대 신경망(cGAN)'과 같은 생성형 AI 기술이 이러한 문제의 해결책이 될 수 있을 것으로 전망했다.

뉴스 링크

https://www.etnews.com/20240802000020

https://www.etnews.com/20240821000118