저신호대잡음비 스펙트럼 데이터에 대한 박막 두께 측정의 안정성을 향상시키기 위해, 자기주의 신경망(Self-Attention-based Neural Network, SANN)을 기반으로 한 측정 방법이 제안되었다. 기존의 푸리에 변환 방법은 신호대잡음비가 낮아질 때 노이즈 성분이 주요 간섭 주파수를 가릴 수 있어 두께 정보를 정확하게 추출하기 어렵기 때문에, 스펙트럼 데이터를 입력으로 하고 박막 두께를 출력으로 하는 자기주의 신경망 모델을 구축하였다. 적응형 주의 메커니즘을 이용하여 서로 다른 파장의 스펙트럼 점에 동적 가중치를 부여함으로써 저신호대잡음비 스펙트럼 데이터에 대한 해석 능력을 향상시켰다. 스펙트럼 간섭 박막 두께 측정 시스템을 이용해 실험 데이터를 수집하였으며, 파장 이동 및 광 강도 정규화 동적 조정 전략을 통한 데이터 증강을 활용하여 학습 세트를 확장하고 모델의 일반화 능력을 향상시켰다. 본 시스템은 자기주의 메커니즘에 기반한 인코더 층 수와 은닉 노드 수를 최적화하였으며, 최종적으로 8개 인코더 층과 각 층 당 128개의 은닉 노드를 포함하는 모델을 선정하였다. 웨이퍼를 예로 검증하였으며, 이상값이 포함된 스펙트럼 데이터 집합을 테스트한 결과, 저신호대잡음비 테스트 세트에서 최대 상대 두께 측정 오차가 3.62%로 나타났으며, 이 방법이 노이즈 영향을 효과적으로 억제하고 푸리에 변환 방법에서 흔히 발생하는 이상값 편향을 방지하여 측정 안정성을 크게 향상시킴을 증명하였다. 제안된 방법은 보다 광범위한 박막 측정 응용 분야로 확장 가능하다.

간섭 측정;웨이퍼 두께;스펙트럼 간섭식;자기주의 신경망;노이즈 저항성;측정 안정성