핵심 요약

  • EUV defectivity의 핵심은 이제 드물지만 치명적인 stochastic failure를 얼마나 빨리 찾느냐입니다.
  • KLA 관련 SPIE 논문은 BBP optical inspection과 massive SEM metrology를 hotspot discovery에 사용합니다.
  • aiSIGHT는 defect classification과 SEM metrology 연결을 자동화하는 축으로 등장합니다.
  • 2026년에는 high-sigma probabilistic modeling이 defect detection과 repair까지 연결됩니다.

1. High-NA가 결함의 성격을 바꾸는 이유

High-NA로 갈수록 결함 검사의 초점은 눈에 잘 보이는 pattern defect에서, 확률적으로만 터지는 stochastic failure로 옮겨갑니다.

이런 결함은 평균값만 봐서는 잘 안 보이고, 특정 hotspot이나 extreme tail에서만 드러나는 경우가 많습니다.

그래서 High-NA 시대의 defect detection은 단순 분류가 아니라, 희귀 실패를 찾아내는 통계 문제에 가깝습니다.

2. KLA가 hotspot을 찾는 방식

2024년 SPIE 논문에서는 BBP optical inspection으로 hotspot을 찾고, massive SEM metrology로 변동성을 추적했습니다.

같은 논문에서 KLA의 aiSIGHT 패턴 중심 defect/metrology 소프트웨어가 defect classification과 SEM 측정을 연결하는 역할로 등장합니다.

내가 보기엔 이 구조가 중요한 이유는 '검사'와 '해석'이 더 이상 분리되지 않기 때문입니다.

3. 왜 probabilistic modeling이 필요한가

2026년 SPIE 논문은 advanced EUV nodes에서 very rare defect probability를 다루기 위한 high-sigma compact model을 제시합니다.

이 모델은 full-chip 수준에서 defect detection과 correction에 활용할 수 있고, mask synthesis와 stochastic process window optimization으로 이어집니다.

즉 결함을 단순히 찾아내는 것을 넘어서, 수정 가능한 설계/공정 입력으로 바꾸는 방향입니다.

4. 내가 보는 KLA의 실제 역할

KLA의 강점은 하나의 검사 장비가 아니라, 검사 데이터와 분석 소프트웨어, 그리고 수정 가능한 모델을 연결하는 데 있습니다.

High-NA 시대에는 이 연결이 더 중요해집니다. 왜냐하면 defectivity가 점점 stochastic하고, 한 번 놓치면 비용이 훨씬 커지기 때문입니다.

그래서 KLA의 방향은 '결함을 본다'보다 '결함을 예측하고 수정한다'에 더 가깝습니다.

5. 결론

High-NA EUV에서 중요한 것은 단순 결함 감지율이 아니라, rare defect를 얼마나 빨리 실무 가능한 형태로 바꾸느냐입니다.

KLA는 BBP optical inspection, SEM metrology, aiSIGHT, high-sigma probabilistic modeling을 묶어 이 문제를 풀고 있습니다.

내가 보기엔 이 글의 핵심은 inspection이 아니라, inspection이 데이터화되고 다시 repair로 이어지는 전체 루프입니다.

6. 앞으로의 관찰 포인트

앞으로는 모델이 얼마나 잘 맞는지보다, 그 모델이 실제 공정 조건 변화에 얼마나 빨리 적응하는지가 더 중요해질 것입니다.

또 hotspot을 찾는 것만으로 끝나지 않고, 설계 수정이나 공정 보정까지 자동으로 연결되는지가 관건입니다.

이 부분이 커질수록 KLA 같은 검사 업체는 장비 회사라기보다 공정 데이터 회사처럼 보이게 됩니다.

출처

목록으로 돌아가기EUV 기초로 이동