저신호 대 잡음 비율 스펙트럼 데이터에 대한 박막 두께 측정의 안정성을 향상시키기 위해, 자유주의적주의 신경망(Self-Attention-based Neural Network, SANN)을 기반으로 한 측정 방법을 제안하였다. 기존의 푸리에 변환 방법은 신호 대 잡음 비율이 낮을 때 잡음 요소가 주요 간섭 주파수를 가리기 때문에 두께 정보를 정확하게 추출하기 어렵다. 이에, 스펙트럼 데이터를 입력으로 하고 박막 두께를 출력으로 하는 자유주의적주의 신경망 모델을 구축하였으며, 자동적 주의 메커니즘을 사용하여 다른 파장의 스펙트럼 포인트에 동적인 가중치를 할당하여 저신호 대 잡음 비율의 스펙트럼 데이터의 분석 능력을 강화하였다. 스펙트럼 간섭 막두께 측정 시스템을 사용하여 실험 데이터를 수집하였으며, 파장 이동 및 광 강도 정규화 동적 조정 전략을 통해 데이터를 강화하고, 훈련 세트를 확장하고 모델의 일반화 능력을 향상시켰다. 해당 시스템은 주의력 메커니즘을 기반으로 한 인코더 레이어 및 숨겨진 노드 수를 최적화하였으며, 마지막으로 8개의 인코더 및 각각 128개의 숨겨진 노드가 포함된 모델을 선택하였다. 웨이퍼를 예로 들어 검증하였으며, 저신호 대 잡음 비율 테스트 세트에서의 최대 상대 두께 측정 오차가 3.62%인 것으로 나타나, 해당 방법이 효과적으로 잡음 영향을 억제하고 푸리에 변환 방법에서 흔히 발생하는 비정상 값 편향을 피하며, 측정 안정성을 현격히 향상시켰음을 입증하였다. 해당 방법은 보다 넓은 범위의 박막 측정 응용으로 확장될 수 있다.

간섭 측정; 웨이퍼 두께; 스펙품 간섭식; 자유주의적주의 신경망; 잡음 저항력; 측정 안정성