LLM 에이전트 TCAD 워크플로 공개… 산화물 반도체 오차 14.3배 개선

2026년 9월 14일 인공지능 에이전트가 반도체 소자 시뮬레이션(TCAD) 보정 작업을 자동화하는 워크플로가 공개됐다. 연구진이 하단 게이트 인듐-텅스텐 산화물 트랜지스터에 적용한 결과 5번의 업데이트만으로 다중 지표 목표 오차를 14.3배 낮췄다. 차세대 산화물 반도체 모델 개발 기간을 획기적으로 줄일 단초가 열렸다.

누가 어떤 소자로 검증했나

Gyujun Jeong 등 연구진 14명이 2026년 9월 14일 공개한 논문(arXiv:2609.12184v2)의 핵심 팩트는 다음과 같다.

이 자동화 기법이 왜 산화물 반도체 공정에서 필수적인 단계로 꼽히는지 배경으로 이어진다.

산화물 반도체 시뮬레이션에 AI 에이전트가 필요한 이유는 무엇인가

반도체는 도체와 부도체 사이의 전기 전도도를 갖는 물질이다. 반도체의 결정 구조에 불순물을 첨가하는 도핑(doping)을 통해 전도도를 조절한다. 도핑은 특성을 바꾼다.

동일한 결정 안에서 서로 다른 도핑 농도를 가진 두 영역이 만나면 반도체 접합을 형성한다. 반도체 장치는 마이크로칩과 컴퓨터 프로세서 같은 기기를 지칭하는 데 쓰인다.

새로운 산화물 반도체를 설계할 때는 물리 기반 TCAD 시뮬레이션으로 측정한 전달 특성을 맞추는 캘리브레이션이 필수다. 기존에는 여러 물리 모델과 매개변수가 동일한 측정 곡선을 도출해 전문가 수작업에 의존했다. 모델 모호성이 컸다.

연구진의 자동화 기술이 현장 엔지니어의 작업 방식에 어떤 실질적 차이를 만드는지 다음 문단에서 다룬다.

반도체 엔지니어의 연구 시간은 어떻게 줄어드나

연구진은 거대언어모델(LLM) 에이전트가 전체 워크플로를 지휘하도록 설계했다. 연구진은 논문 초록에서 "LLM 에이전트가 워크플로를 조율하는 동안, 센타우루스(Sentaurus)가 소자 물리를 관할한다"라고 밝혔다. 오차를 줄이는 제안만 선별 채택한다.

하단 게이트 인듐-텅스텐 산화물(BG-IWO) 트랜지스터에서 에이전트는 5회의 매개변수 수정만으로 물리적으로 타당한 고정 모델을 완성했다. 시뮬레이션 보정 시간이 획기적으로 줄어든다. 개발 속도가 빨라진다.

소프트웨어 자동화로 도출된 정량적 오차 개선율과 검증 데이터는 다음 수치로 구체화된다.

보정 정확도와 오차 감소율은 어느 수준인가

2% 텅스텐(W) 기준 소자에서 다중 지표 목표값(J)은 기존 대비 14.3배 감소했다. 초기 오차 대비 개선율을 계산하면 (1 - 1 ÷ 14.3) × 100 = 약 93.01% 오차가 줄어든 수치다. 정밀도가 대폭 상승했다.

바이어스 및 소자 크기 변화에 따른 최대 오차 검증 결과는 아래와 같다.

단순 국소 피팅을 넘어 다양한 전압과 형상에서도 모델 전이성을 입증한 연구의 향후 추진 일정은 다음과 같다.

다음 심사 단계와 기술 적용 계획은 무엇인가

연구진이 공개한 논문은 현재 IEEE 저널에 심사 목적으로 제출된 상태다. 학술지 공식 게재 여부는 동료 평가(Peer review)를 거쳐 확정된다. 심사 절차가 진행 중이다.

연구진은 텅스텐(W) 조성비 테스트를 통해 공정 민감도에 대한 분석도 함께 수행했다. 신흥 산화물 반도체 소자 개발 모델 구축에 이 워크플로를 지속해서 확장할 방침이다. 공식 저널 심사 통과 여부가 다음 분기점이 된다.

출처

1. Agentic TCAD Calibration Workflow for Oxide Semiconductor Transistors — arXiv cs.AI 신규 논문
2. Semiconductor — Wikipedia (en)

이 기사는 AI 보조 도구로 초안을 작성하고 편집 책임자가 1차 출처와 대조해 사실을 확인한 뒤 수정·게재했습니다. 사실과 다른 내용이 있으면 정정 요청을 보내주세요.