http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
비대칭 금속배선에 의한 유전영동을 이용하여 마이크로 구조 표면에서의 입자 포집 시뮬레이션
이제민(J. M. Lee),김석(S. Kim),조영태(Y. T. Cho) Korean Society for Precision Engineering 2021 한국정밀공학회 학술발표대회 논문집 Vol.2021 No.11월
유전영동은 균일하지 않은 전기장에서 입자의 분극을 유도하여 입자의 움직임을 제어할 수 있는 기술로서 유전영동의 힘은 Clausious-mossotti Factor 에 의해 입자의 거동 방향이 결정되고, 입자의 크기와 인가전압에 비례하기 때문에 작은 입자에 대해서도 전기장의 강도가 높은 영역으로 당겨지는 양의 유전영동과 낮은 영역으로 밀려나는 음의 유전영동이 나타난다. 금속배선의 비대칭 구조에 의해 발생하는 불균일한 전기장은 전극 모서리(Edge)부분에서 전기장의 강도가 강하게 나타남에 따라 미세입자에 가해지는 유전영동 힘 또한 강하게 나타난다. 본 연구에서는 비대칭 금속배선에 전압을 인가하여 유전영동을 발생시키고, 나노임프린트 리소그래피 공정(Nanoimprint Lithography)으로 서로 연결된 마이크로공동(Microcavity) 구조를 형성하여 유전영동력을 이용해 공동 안으로 미세입자를 포집하는 기술을 제안한다. 입자의 거동을 확인하기 위해 COMSOL Multiphysics 프로그램을 통해 해석을 진행하였다. 시뮬레이션에서 사용한 금속배선의 형태는 Castellated 의 성곽구조를 이용하였으며, 입자에 가해지는 유전영동력의 변화와 입자의 움직임을 확인하기 위해 주요 변수를 금속배선 사이의 간격과 인가 전압의 크기, 임프린트한 마이크로공동 구조의 두께로 설정하였다. 입자는 2.5 μm 크기의 폴리에틸렌(Polyethylene), 매질은 공기(Air)인 상태에서 외력으로는 중력과 유전영동력을 주었다. 해석결과, 인가 전압의 크기에 따라 금속배선 모서리 부분으로 끌어당겨지는 힘이 커져 입자의 거동 속도가 빨라지고, 금속배선의 간격에 따라 배선에 수직한 방향으로의 유전영동력의 영향력 범위의 높이를 측정할 수 있었으며, 마이크로공동 구조의 두께로 인해 입자에 가해지는 유전영동력이 감소하나, 마이크로공동 중심부의 금속배선의 모서리 부분으로 미세입자의 응집거동을 확인하였다.
이제민(J. M. Lee),김석(S. Kim),서보욱(B. W. Seo),김우영(W. Y. Kim),이제민(J.M. Lee),조영태(Y. T. Cho) Korean Society for Precision Engineering 2021 한국정밀공학회 학술발표대회 논문집 Vol.2021 No.11월
최근 나노 임프린트 리소그래피를 통해 마이크로, 나노 패턴의 대면적화를 위한 연구가 많이 진행되고 있다. 이는 연속적인 임프린트 공정을 통해 패턴을 크게 제작하는 것인데, 이때 정렬 공정의 문제에 의해 패턴의 이음부에는 패턴이 없는 Seam 이 발생하게 된다. Seam 에는 패턴이 없기 때문에 초발수 특성 등과 같은 표면특성의 효율이 저하되거나 잃는 경우가 많기 때문에, 이는 표면 결함으로 분류된다. 따라서 본 논문에서는 패턴을 정렬하는 방법을 연구하였다. 이는 패턴 자체를 정렬마크로 활용하는 것으로, 임프린트된 패턴과 몰드상의 패턴을 겹쳐 일치시키는 방법으로 주기적이고 같은 형상을 가지는 두 패턴을 겹쳐서 일치시키는 것이다. 주기적인 두 패턴을 겹치면 무아레 무늬와 같은 형상이 나타나 이를 이용하여 패턴의 각도 정렬 오차를 측정하는 방법도 있지만, 주기적인 특성을 활용하여 주파수 영역에서 정렬 오차를 측정하는 것이 본 연구의 핵심이다. 이를 위해서는 이미지 전처리가 필수적이다. 이미지 전처리 방법으로는 고속 푸리에 변환(FFT) 분석을 이용하였고 FFT 이미지를 딥러닝을 통해 정렬 오차 분석을 진행하였다. 패턴과 패턴 사이의 각도는 0.1 도 간격으로 돌려가며 데이터 베이스를 확보하였으며, 딥러닝 훈련 모델은 분류 모델을 이용했다. 전체 데이터를 훈련 80%, 테스트 20%로 분할하여 학습하였고, SGDM 방법을 이용하였으며, 이에 따른 모델의 정확도를 확보하였다.