이정철 교수 연구팀(기계공학과·PRISM-AI InnoCORE 연구단)이 고온 반도체 공정 중 실리콘과 저마늄 나노구조에서 발생하는 표면확산과 형상변화를 실시간으로 측정하고 정량적으로 예측할 수 있는 공정 모니터링 기술을 개발했다. 김태영 박사후연구원이 제1저자로 참여한 이번 연구는 국제학술지 ACS Applied Materials & Interfaces에 게재됐으며, 연구의 학술적 우수성을 인정받아 표지논문으로 선정됐다.

 최근 반도체 소자가 나노미터 수준으로 미세화되고 3차원 구조가 복잡해지면서, 고온 열처리 과정에서 발생하는 미세한 형상변화를 정밀하게 제어하는 기술의 중요성이 커지고 있다. 특히 표면확산은 반도체 구조의 모서리 둥글림, 표면 거칠기, 공동 형성 및 박막 두께를 결정하며, 이는 3차원 반도체 및 나노포토닉스와 같은 차세대 반도체 소자의 성능과 직결된다.

 그러나 기존에는 어닐링이 끝난 뒤 관찰한 최종 형상을 단순화된 수학 모델에 대입해 표면확산 특성을 추정하는 방식이 주로 사용됐다. 이러한 사후 분석 방식은 공정 중 구조가 시간에 따라 어떻게 변화하는지를 직접 보여주지 못하며, 복잡한 곡률을 갖는 실제 3차원 반도체 구조에 적용할 때 정확도가 제한되는 문제가 있었다. 이 때문에 실리콘과 저마늄의 표면확산 계수 역시 측정 조건과 해석 방법에 따라 큰 편차를 보여 왔다.

 연구팀은 이를 해결하기 위해 줄 가열 기반 실시간 반사광 측정, 라만 분광 온도 측정 및 위상장 시뮬레이션을 하나의 프레임워크로 통합했다. 반도체 공정으로 제작한 실리콘과 저마늄 홀 배열에 전류를 흘려 고온으로 가열하고, 표면확산에 따라 홀의 크기가 감소하면서 나타나는 반사광 변화를 실시간으로 측정했다.

동시에 라만 스펙트럼의 피크 이동과 Stokes/anti-Stokes 신호비를 분석해 공정 중 반도체 표면 온도를 정량적으로 측정했다. 이후 연구팀은 실시간 반사광 신호를 주사전자현미경으로 측정한 홀 직경과 연계해 시간에 따른 나노구조의 형상변화 궤적으로 변환했다. 이렇게 얻은 실험 데이터와 다양한 표면확산 계수를 적용한 위상장 시뮬레이션 결과를 비교함으로써, 각 온도에서의 실리콘과 저마늄 표면확산 계수를 직접 도출했다. 이는 공정 전후의 형상만 비교하던 기존 방식과 달리, 공정이 진행되는 동안의 전체 형상변화 과정을 실험과 시뮬레이션으로 정량 비교한다는 점에서 차별화된다.

 연구 결과, 실리콘은 1050°C – 1200°C에서 5.5 × 10⁻¹² – 1.0 × 10⁻¹⁰ m²/s, 저마늄은 750°C – 900°C에서 5.0 × 10⁻¹² – 8.0 × 10⁻¹¹ m²/s의 표면확산 계수를 나타냈다. 실험에서 관찰한 형상과 시뮬레이션 결과 사이의 편차는 모든 조건에서 50 nm 이하로 유지됐다. 특히 저마늄의 표면확산 계수는 산화가 억제된 고진공 조건에서 기존 문헌값보다 최대 약 100배 높게 나타나, 그동안 크게 분산돼 있던 저마늄 표면확산 특성을 새롭게 해석할 수 있는 정량적 근거를 제시했다.

 연구팀은 도출한 표면확산 계수를 별도의 퍼니스 열처리 실험에 적용해 기술의 예측 정확도도 검증했다. 그 결과 시뮬레이션은 실리콘과 저마늄 웨이퍼 내부에서 형성되는 박막 – 공동 구조의 막 두께와 공동 높이를 8% 이내의 편차로 재현했다. 이는 이번 기술이 특정 실험 결과를 설명하는 데 그치지 않고, 목표 형상을 구현하기 위한 열처리 온도와 시간을 사전에 설계하는 데 활용될 수 있음을 보여준다.

 이번 연구는 경험과 시행착오에 의존하던 고온 반도체 형상 제어 공정을 실시간 측정 데이터와 물리 모델에 기반한 예측형 공정으로 전환할 수 있는 기반을 마련했다. 개발된 기술은 반도체 공정 내에서 소자의 표면 평탄화와 형상 안정성 제어에도 활용될 수 있다. 특히 실시간 반사광과 라만 신호에서 얻어지는 공정 시계열 데이터에 위상장 시뮬레이션의 물리 정보를 결합하면, 향후 AI 모델이 공정 중 나노구조의 형상과 표면 확산 상태를 빠르게 추정하도록 학습시킬 수 있다. 나아가 목표 형상에 필요한 온도·전력·공정시간을 AI가 역으로 도출하고, 측정 결과에 따라 공정조건을 자동 보정하는 폐루프 제어 시스템으로 확장할 수 있다. 이에 따라 이번 연구는 반도체 공정 상태 진단, 공정조건 최적화 및 자율 제조를 구현하기 위한 물리·데이터 융합 기반 기술로 활용될 것으로 기대된다.

 본 연구는 과학기술정보통신부 InnoCORE 프로그램(N10260002)과 과학기술정보통신부 재원의 한국연구재단 연구과제(RS-2025-00560250, RS-2024- 00416835, RS-2024-00442068) 의 지원을 받아 수행됐다.

논문정보: Kim, T., Lee, B. J., & Lee, J. (2026). In situ monitoring of diffusive morphology transformation of semiconductor materials under Joule heating. ACS Applied Materials & Interfaces, 18(14), 21172–21182. https://doi.org/10.1021/acsami.5c25601

KAIST Research Team Led by Professor Jungchul Lee Develops Real-Time Quantification Technology for Morphological Changes in Semiconductor Nanostructures

 Professor Jungchul Lee’s research team in the Department of Mechanical Engineering and the PRISM-AI InnoCORE Center at KAIST has developed a real-time process-monitoring framework for measuring and quantitatively predicting surface diffusion and morphological changes in silicon and germanium nanostructures during high-temperature semiconductor processing. Dr. Taeyeong Kim participated as the first author. The study was published in ACS Applied Materials & Interfaces and selected as a cover article.

 The research team integrated real-time optical reflectance monitoring during Joule heating, Raman thermometry, and physics-based phase-field simulations. Changes in optical reflectance caused by the shrinkage of semiconductor hole arrays were correlated with structural measurements, enabling the team to reconstruct the complete time-dependent evolution of the nanostructures. The experimentally measured trajectories were then compared with phase-field simulations to determine the temperature-dependent surface-diffusion coefficients of silicon and germanium.

 The proposed method achieved agreement between experiments and simulations within 50 nm. The extracted diffusion coefficients also reproduced membrane–cavity structures formed in independent furnace-annealing experiments with deviations below 8%, demonstrating the predictive capability of the framework. In particular, the measured surface-diffusion coefficients of germanium under oxide-suppressed high-vacuum conditions were up to approximately 100 times higher than previously reported values.

 This work provides a foundation for replacing trial-and-error-based thermal processing with predictive semiconductor manufacturing based on real-time measurements and physical models. By combining time-series optical data with phase-field simulations, the framework could be further extended to AI-assisted process-state estimation, inverse design of temperature and processing conditions, and closed-loop process control. It is therefore expected to contribute to semiconductor process diagnosis, optimization, and autonomous manufacturing.

 This research was supported by National Research Foundation of Korea grants funded by the Ministry of Science and ICT and by the InnoCORE Program.