다음 레시피 추천받기

쓰는 순서

1. 1내 장비 데이터 탭에서 초기 측정값을 업로드합니다(데이터가 없으면 라틴 하이퍼큐브 DOE를 생성합니다).
2. 2다음 레시피 추천 패널(내 장비 데이터 3단계)을 열고 주 목표를 설정합니다.
3. 3이동 가능한 변수, 범위, 배치 크기를 구성합니다.
4. 4추천된 레시피를 장비에서 실행하고, 측정 결과를 입력한 뒤 「런 추가」를 클릭합니다.
5. 5반복합니다 — 매 라운드마다 모델이 재학습되며, 다음 배치는 공정 공간에서 가장 유익한 영역을 목표로 합니다.

예측은 어떻게 나오나

추천 엔진은 기대 개선량(expected improvement) 획득 함수를 사용하는 베이지안 최적화를 적용합니다. 허용 공정 공간에서 다음 실험이 현재 측정 결과를 개선할 가능성이 가장 높은 지점을 평가하며, 아직 테스트하지 않은 조건의 탐색과 이미 좋은 성능이 확인된 영역의 활용을 균형 있게 조절합니다.

각 배치는 레시피가 공간의 한쪽에 몰리지 않도록 다양성을 고려하여 선정됩니다. 두 목표가 활성화된 경우 설정한 가중치 비율에 따라 결합 점수가 산출됩니다. 레시피를 실행하고 결과를 입력하면 모델이 재학습되어 다음 배치가 이에 맞게 조정됩니다 — 능동 학습 루프입니다.

공정 설계 탭의 AI 레시피 역설계 패널은 이 워크플로의 간소화 버전입니다. 물리 모델만으로 학습하며 업로드된 측정 데이터는 반영하지 않습니다. 내 장비 데이터 탭에 측정이 축적되면 베이지안 최적화 경로로 전환하여 장비의 실제 거동에 기반한 추천을 받으십시오.

알고 쓰셔야 할 한계

• 추천 모델은 화면에 「데모 학습 모델 기반」으로 표기되어 있습니다 — 제안된 레시피는 근거 있는 출발점으로 활용하고 보장된 최적값으로 취급하지 마십시오.
• 공정 탭의 AI 레시피 역설계는 업로드된 측정값을 사용하지 않습니다. 데이터 기반 추천이 필요하면 내 장비 데이터 탭을 사용하십시오.
• 측정 건수가 매우 적을 경우 모델의 불확실성이 커서 초기 배치는 활용보다 탐색에 치우칩니다.
• 배치 크기는 라운드당 3, 5, 또는 8건입니다. 이보다 큰 맞춤 배치 크기는 지원하지 않습니다.

자주 묻는 질문

측정 데이터가 전혀 없으면 어떻게 시작하나요?

라틴 하이퍼큐브 실험 설계 옵션을 사용하십시오. 공정 공간을 고르게 채우는 8, 12, 또는 16건의 초기 레시피를 CSV로 생성합니다. 이를 장비에서 실행하고 결과를 입력하면 베이지안 최적화 루프가 이어집니다.

내 데이터를 업로드하지 않아도 레시피 추천을 받을 수 있나요?

예. 공정 설계 탭의 AI 레시피 역설계 패널이 물리 모델만으로 추천을 생성합니다. 빠른 방향성 확인에 유용하지만, 장비의 실측 거동은 반영하지 않습니다. 실측 기반 추천이 필요하면 내 장비 데이터 탭 버전을 사용하십시오.

한 번에 몇 개의 레시피를 추천받을 수 있나요?

배치 크기로 3, 5, 또는 8(기본값 3)을 선택합니다. 각 레시피 카드에 변경 조건과 기대 개선량이 표시됩니다. 다양성을 갖춘 배치 덕분에 매 라운드마다 공정 공간을 효율적으로 탐색할 수 있습니다.

다른 기능

• ALD 박막 두께 예측
• 트렌치·비아 단차 피복 예측
• CVD 박막 균일도 맵
• 식각 프로파일 예측
• 내 데이터로 보정하기