[학회 후기]

2026년 일본 교토에서 열린 ICIEA 학회에 참가하였다. 첫 해외 학회 참가였기에 설렘과 긴장이 공존하는 마음으로 비행기에 올랐다. 특히 이번 학회는 생애 첫 영어 발표였던 만큼, 잘할 수 있을거라는 확신이 부족해 평소보다 많은 시간과 공을 들여 철저히 준비하고자 했다. 발표 중 긴장한 탓에 간혹 말이 매끄럽지 못하거나 실수가 있기도 했지만 준비한 내용을 끝까지 차분하게 전달하며 무사히 발표를 마쳤다. 이번 경험을 통해 영어 발표에 대한 막연한 두려움을 떨쳐낼 수 있었고 할 수 있다는 자신감을 얻은 것이 무엇보다 큰 수확이라고 생각한다. 한 단계 더 성장할 수 있었던 소중한 시간이었다.

[발표 후기]

주제 : Unsupervised Anomaly Detection for Collector Mirror Contamination in Semiconductor EUV Lithography

이번 발표에서는 EUV Lithography system in Semiconductor Manufacturing 분야의 Collector Mirror Contamination 이슈를 해결하기 위한 이상치 탐지 연구를 소개하였다. 반도체 장비의 특성상 잦은 Preventive Maintenance(PM)과 장비 최적화로 인해 센서 평균 값 자체가 Shift되는 시점이 발생하게 되는데, 이러한 시점을 Change point, 이러한 변화를 Concept drift라고 한다. 이러한 Concept drift는 데이터셋의 Inter- 그리고 Intra-Distribution shift를 유발하고 불안정한 학습과 일반화 성능을 저하시키는 원인이 된다. 이를 해결하고자 입력데이터에 Instance Normalization을 진행 후 Dual attetention을 통해 채널 간의 관계와 시간 의존성을 학습하게 하였고, 동시에 1D-Convolution을 통해 Local Feature 포착과 함께 Instance Normalization에서 제거된 원본 입력 데이터의 통계적 정보를 보완할 수 있게 설계한 모델을 통해 이상치 탐지를 진행하는 연구이다. 이번 발표에서는 청중 대다수가 반도체 산업에 익숙하지 않을 점을 고려해, 도입부에 배경 지식을 설명하는 순서를 마련하였으나, 비종사자의 관점에서 볼 때 준비한 장표가 다소 이해하기 어려울 수 있었겠다는 생각이 든다. 연구의 핵심 내용만 간추려서 눈높이에 맞춰 쉽게 풀어서 설명했다면 청중과 더욱 깊이 공감할 수 있는 발표가 되지 않았을까 하는 아쉬움이 남았다. 이번 경험을 통해 청중의 기대와 수준을 정확히 파악하는 것이 발표의 질을 높이는데 매우 중요하다는 것을 알게 되었다.

질문 : 제안하는 모델의 한계점(Limitation)과 앞으로의 계획(Future works)이 있다면 무엇인가?

답변 : 현재 모델은 Static 모델이므로 Unseen data에서 True anomalies와 Concept Drift를 정확히 구별하는데에 한계가 있다. 따라서, 추후 Concept drift를 모델이 구별하고 스스로 파라미터를 업데이트할 수 있는 Concept Drift Adaptation에 대한 연구를 진행해보고자 한다.

[청취 후기]

주제 : Queueing Theory as Operational Physics: Toward Foundation Models for Manufacturing and Service Systems

Queueing Theory이라는 전통적인 수학적 토대와 최근의 화두인 Foundation Model을 결합하려는 시도를 다루어 인상적이었다. 특히 제조 및 서비스 운영을 단순히 데이터의 나열이 아닌 Congestion과 Capacity이라는 Operational Physics가 지배하는 Flow로 정의한 점이 신선했고  범용적인 AI 시스템이 산업 현장에 적용되기 위해서는 공정의 물리적 특성을 반영한 설계가 필수적임을 다시 한번 확인할 수 있었다.