Wafer Defect Map을 분석하는 AI 모델을 만든다면 어떤 모델 아키텍처와 데이터 증강 기법을 적용하시겠습니까?

웨이퍼 결함 맵은 공간적 패턴이 중요한 이미지 데이터라서 CNN 기반 모델이 기본 출발점이 된다고 생각합니다. 결함 유형마다 패턴이 다르고—중심 집중형, 링형, 산포형 등—공간 구조를 잘 잡아야 분류 정확도가 올라가기 때문입니다. 데이터 측면에서는 불량 웨이퍼 자체가 부족한 경우가 많아 클래스 불균형 문제가 거의 어김없이 따라옵니다. 저는 합성 데이터 생성(GAN 혹은 기하학적 변환 기반 증강)과 focal loss 적용을 병행하는 방향을 고려하겠습니다. 실험 설계 단계에서 웨이퍼 크기와 해상도에 따른 입력 정규화도 챙겨야 합니다. 성능 측정은 단순 정확도보다 클래스별 F1과 혼동행렬을 우선 보겠습니다. 오탐이 실제 제조 공정에서 어떤 비용을 만드는지에 따라 precision/recall 우선순위를 다르게 설정해야 하는 경우도 있습니다. 공부 과정에서 유사한 이상 탐지 과제를 다뤄본 경험이 이 접근의 기반입니다.