■ 주최: 대한금속∙재료학회 기술위원회
■ 주관: 대한금속∙재료학회 전산재료과학분과
■ 일시: 6/24(수) - 6/26(금)
■ 장소: 카이스트 응용공학동(W1) 2층 2501-3호
■ 등록신청: 2026. 5. 22 (금)까지 아래 지원서 링크를 활용해 접수, 등록 대상자 6. 1 (월) 개별통보
■ 지원서 링크: 접수 마감
■ 사전 등록(필수): 2025. 6. 9(화)까지. (환불불가, 미등록 시 후순위 지원자에게 기회 제공)
■ 참가비: 400,000원 (학생), 600,000원 (일반) (제공 : 강의+실습 17시간, Banquet)
■ 참가필요조건: 사전 지침 (구동 환경, 파일 설치 등)에 맞춰 준비된 개별 노트북 지참
■ 사용 소프트웨어: VASP, python 등


■일정   

6월 24일 (수)
09:30-10:00	등록
10:00-11:00	로직, 메모리 반도체 소자의 기초 및 시뮬레이션 (권용우, 강의)
11:00-12:00	반도체 소자 설계와 DFT (홍기하, 강의)
12:00-13:00	점심식사
13:00-15:00	DFT 기반 반도체 밴드구조 및 광학 물성 계산 (김동훈, 강의+실습)
15:00-15:15	커피 브레이크
15:15-17:15	DFT 기반 반도체 표면·계면 구조의 이론 및 실습 (이용혁, 강의+실습)
6월 25일 (목)
10:00-12:00	DFT 기반 반도체 결함 형성에너지 계산 (강영호, 강의+실습)
12:00-13:00	점심식사
13:00-15:00	DFT를 이용한 반도체 결함의 전하상태 및 특성 계산 (신용진, 강의+실습)
15:00-15:15	커피 브레이크
15:15-17:15	유전체 소재의 분극 특성 계산 (이정훈, 강의+실습)
17:15-20:00	Banquet
6월 26일 (금)
10:00-11:00	Machine learning potential 소개 (강준희, 강의)
11:00-12:00	반도체 공정 MLP 응용 연구 소개 (강영호, 강의)
12:00-13:00	점심식사
13:00-16:00	세븐넷 uMLIP의 활용과 fine-tuning 전략 (김지수, 강의+실습)

   
■ 조직위원회: 강영호(인천대), 강준희(부산대), 김동훈(KAIST), 신기현 (한밭대), 유수현(KRICT), 장우선(연세대), 홍기하(한밭대) 

■ 장소안내: 카이스트 응용공학동(W1) 2층 2501-3호
            (대전역 1호선 탑승 후 갈마역에서 104번, 또는 월평역에서 113번 버스 승차. 카이스트 정거장에서 하차 후 도보 약 6분)
             

■ 여름학교 지정숙소:
호텔 오노마 대전 (대전 유성구 엑스포로 1 호텔 오노마 대전)
스탕달호텔 (대전 유성구 온천북로 14 대전 유성 스탕달)
호텔인터시티 (대전 유성구 온천로 92)
대전라마다호텔 (대전 유성구 계룡로 127)
토요코인호텔 (대전 서구 둔산중로134번길)


 
■ 강의 내용
 
1. 로직, 메모리 반도체 소자의 기초 및 시뮬레이션

• 권용우 (홍익대학교)

집적회로 기술의 근간이 되는 MOSFET 소자와 이로부터 파생된 메모리 소자 기술, 그리고, 집적도 향상을 위한 소자 스케일링(scale), 즉, 단위 소자의 크기 감소와 소자 밀도의 증가로 인한 공정 및 소재 관련 문제들에 대하여 소자 시뮬레이션 기술과 함께 설명한다. 특히, 신공정, 신소재 관련하여 TCAD, Multiphysics 등의 소자 수준 시뮬레이션으로 다루기 어려운 점들에 대하여 중점적으로 소개하고자 한다. 

2. 반도체 소자 설계와 DFT

• 홍기하(국립한밭대학교)

본 강의에서는 반도체 소자의 작동 원리와 개발 방향을 소자 물리 관점에서 설명하고, 이에 대한 원자 수준의 이해와 예측 도구로서 DFT가 어떻게 활용되는지 소개한다. 앞선 TCAD 강의가 다룬 device-level 연속체 시뮬레이션이 거시적 동작 특성을 다룬다면, DFT는 이를 결정짓는 재료·계면·결함의 원자 수준 특성을 정량적으로 제공한다는 점에서 상호 보완적이다. 트랜지스터 및 메모리 소자의 결함 특성 및 분극 거동 등 대표적인 연구사례를 통해, 여름학교에서 다루게 될 밴드구조·표면/계면·결함·분극·기계학습 퍼텐셜이 각각 어떤 소자 개발 문제에 대응되는지 제시하고자 한다.


3. DFT 기반 반도체 밴드구조 및 광학 물성 계산 (강의+실습)

• 김동훈 (KAIST)

본 강의에서는 DFT를 활용하여 반도체의 밴드구조와 광학 물성을 계산하고 해석하는 기본 절차를 다룬다. 먼저 reciprocal space, Brillouin zone, Bloch 정리의 개념을 바탕으로 밴드구조와 상태밀도(DOS)의 물리적 의미를 설명한다. 이어서 Si를 예시로 구조 최적화, SCF/non-SCF 계산, high-symmetry k-path 기반 밴드구조 분석, k-point sampling에 따른 DOS 변화를 실습한다. 또한 직접/간접 밴드갭 판별, 밴드 곡률 기반 유효질량 추출, 유전함수 기반 광흡수계수 계산을 통해 DFT 결과가 반도체 전하 수송 및 광응답 특성 이해에 어떻게 연결되는지 살펴본다.

4. DFT 기반 반도체 표면·계면 구조의 이론 및 실습

• 이용혁 (동국대학교)

본 세미나에서는 밀도범함수이론(DFT)을 이용한 표면 및 계면 계산의 핵심 개념과 실용적 접근법을 소개한다. 슬랩 모델 구축, 구조 최적화, 표면 에너지, 흡착 에너지, 계면 안정성 평가의 기본 원리를 설명한다. 실습에서는 산화물 반도체 표면을 예시로 하여 표면 구조 생성과 사전 계산된 결과의 해석을 통해 표면 특성과 전자구조를 분석한다. 이를 통해 수강자들이 반도체 소재의 표면 및 계면 현상을 이해하고 실제 연구에 적용할 수 있도록 한다.

5. DFT 기반 반도체 결함 형성에너지 계산

• 강영호 (인천대학교)

본 교육에서는 반도체 결함의 물리적 중요성을 이해하고, 밀도범함수이론(DFT)을 기반으로 한 결함 모델링 및 해석 방법을 체계적으로 학습한다. 결함 형성에너지의 열역학적 의미와 계산 방법을 소개한 뒤, 이를 통해 결함의 평형 농도가 어떻게 결정되는지를 설명한다. 또한, 성장 및 어닐링 환경에 따른 형성에너지의 의존성을 분석하고, 전하 중성 조건을 활용한 평형 결함 농도 산정 방법을 다룬다. 

6. DFT를 이용한 반도체 결함의 전하상태 및 특성 계산

• 신용진 (단국대학교)

본 강의에서는 DFT를 활용하여 반도체 소재 내에서 발생하는 결함 특성을 계산하고 성질을 예측하는 방법을 다룬다. 먼저 다양한 전하상태를 모사하고 반도체 소재에 가해지는 Fermi level에 따라 전하 어떻게 변화하는지를 설명한다. 이어서 결함의 안정성이 소재 물성 해석에 미치는 영향을 논의하고, 마지막으로 configuration coordinate diagram을 그려서 광학적/전기적 성질에 대한 예측을 통해 실험 결과와 비교분석하는 방법에 대하여 학습한다.

7. 유전체 소재의 분극 특성 계산

• 이정훈 (한국과학기술연구원)

본 강의에서는 density functional theory(DFT)를 이용하여 고체 물질의 polarization을 계산하는 이론과 실습 방법을 소개한다. 먼저 주기적 결정계에서 전기분극을 정의하는 데 필요한 Berry phase 이론의 기본 개념을 설명하고, 분극의 물리적 의미와 계산상 유의점을 다룬다. 이어서 실제 DFT 코드를 활용하여Berry phase 기반 polarization 계산 전 과정을 실습한다. 마지막으로 계산된 polarization 값을 바탕으로 강유전체 및 극성 소재의 특성을 이해하고, 구조 변화와 분극 응답의 상관관계를 분석하는 방법을 학습한다. 이를 통해 수강자는 polarization 계산의 이론적 배경과 실제 구현 방법을 함께 익히고, 관련 소재 연구에 직접 활용할 수 있는 기초 역량을 갖추게 될 것이다.

8. Machine learning potential 소개

• 강준희 (부산대학교)

머신러닝 포텐셜은 원자 간 상호작용을 데이터로부터 학습하여 양자역학 수준의 정확도와 고전 분자동역학의 효율을 동시에 추구하는 기술이다. 본 강의에서는 경험적 포텐셜의 한계에서 출발해, 밀도범함수 이론 기반 데이터와 결합한 신경망 포텐셜로의 발전 과정을 살펴본다. 또한 대칭성 보존, 로컬 환경 기술자, 학습 과정 등 핵심 이론을 직관적으로 설명하고, 대표적인 모델과 실제 소재 연구 적용 사례를 소개한다. 이를 통해 머신러닝 포텐셜의 장점과 한계, 그리고 향후 발전 방향까지 균형 있게 이해할 수 있도록 돕는다. 

9. 반도체 공정 MLP 응용 연구 소개

• 강영호 (인천대학교)

본 강연에서는 실리콘 및 화합물 반도체 공정의 주요 개념을 소개하고, 기계학습 포텐셜(MLIP)을 활용한 원자 수준 시뮬레이션 방법을 다룬다. 특히, 선행 연구를 기반으로 습식 식각(wet etching), 건식 식각(dry etching), 원자층 증착법(atomic layer deposition) 공정의 모델링 접근법과 그 응용 사례를 심도 있게 살펴본다. 또한, 이러한 시뮬레이션이 실제 공정 이해 및 공정 최적화에 어떻게 기여할 수 있는지도 함께 논의한다.

10. 세븐넷 uMLIP의 활용과 fine-tuning 전략

• 김지수 (서울대학교)

본 강의에서는 SevenNet 기반 universal machine-learning interatomic potential (uMLIP)의 활용과 fine-tuning 기법을 다룬다. 먼저 SevenNet uMLIP의 기본 구조와 사용법을 소개하고, 다양한 소재 시스템에 대해 사전학습 모델의 예측 정확도 살펴본다. 이어서 경량화 모델인 SevenNet-Nano를 활용하여 표적 시스템에 대한 일반적인 fine-tuning을 수행하고, 적은 계산 비용으로 정확도를 향상시키는 과정을 학습한다. 마지막으로 fine-tuning 과정에서 발생하는 catastrophic forgetting 문제와 이를 해결하기 위한 reEWC(Replay + Elastic Weight Consolidation) 기법의 원리를 설명하고, 사전학습 모델이 일부 영역에서는 정확하지만 특정 소재나 구성에 대해 정확도가 떨어지는 경우 해당 데이터에 대한 선택적 fine-tuning을 통해 기존 일반화 성능을 보존하면서 표적 시스템의 정확도를 향상시키는 전략을 실습한다.