전통적으론 웨이퍼에 적당한 위치마다 Vth를 찍어서 (scribe lane 이라고 die 사이마다 나중에 잘려나갈 공간에 test pattern 넣기도 합니다) mean/variance를 뽑아서 3-sigma 값 같은걸 제공하고 있고 (이걸 global variation이라 함)
좁은 공간에서 수천~수십만개의 Vth를 찍어서 local variation도 요즘엔 다 제공합니다. 이때 해석 및 모델링은 Pelgrom’ equation이 가장 대표적이고요.
근데 이건 소자 모델링하는 사람 입장이고, 일반 소자 엔지니어라면 왜 저런 variation이 발생하나, 예를들어, Vth의 경우는 ion implant 과정 중에 random dopant fluctuation이 주된 원인으로 알려져 있습니다. 그럼 저 variation을 어떻게 줄일 것이냐 머 이런 생각도 해야겠죠.
근데 이건 반도체 소자/공정분야의 통계적 분석의 하나의 예입니다. 통계분석이 활용되는 곳은 엄청나게 많고 공정이 미세화 되가며
더 늘고 있습니다.
그리고 잡 디스크립션 보니까 디램이나 플래시가 아닌 phase change memory네요. 아마 xpoint memory관련인 것 같네요.
이게 전극에 전류를 흘려서 열을 발생 (heating) 시켜서 물질을 녹이고 (melting), cooling profile따러서 결정/비결정 되는 애들인데, 당연히 같은 조건으로 heating하고 cooling해도 cell마다 크기/물질조성등의 차이로 열전도의 차이도 있고, 물질의 전기적인 특성 (저항)도 다를 겁니다. 아마도 어떠한 통계적인 특성을 띌테고, 어찌하면 분포를 좁게 만들 수 있는지, 어찌 하면 원하는 분포를 만들수 있는지 등에 대한 것을 하지 않을까 싶네요.
머 인턴이니까 모든 스킬을 갖추는걸 요구하진 않을텐데, 적어도 적당한 배경지식은 갖고 있어야 하지 않을까 싶네요. PCM 소자 (GST)에 관한 지식은 잡 디스크립션을 보니 필요 할 것 같네요.