반도체 업계가 첨단 패키지를 위한 디지털 트윈을 구축하려 할 때 직면하는 문제는 시뮬레이션의 정확성을 넘어선다. 엔지니어들이 설계하려고 했던 패키지가 아니라 실제로 제조된 패키지와 모델을 어떻게 연결해 유지할 것인가가 문제다. Semiconductor Engineering이 2026년 9월 17일에 게재한 분석에 따르면, 이를 위해서는 설계, 제조, 소재, 조립, 테스트, 운영 데이터를 업데이트 가능한 하나의 표현으로 통합해야 한다.
chiplet과 이기종 통합이 확산되면서 이 문제의 중요성은 더욱 커지고 있다. chiplet은 특정 패키지에서 정의되고 테스트되어 성공적으로 작동할 수 있지만, 다른 기판에 재사용하거나 다른 열 인터페이스와 결합하거나 더 높은 전력 예산 안에서 사용하면 전기적·열적·기계적 환경이 완전히 달라질 수 있다. 따라서 패키지 모델을 다이 또는 die의 경계에서 멈출 수는 없다.
여기서 패키징은 시스템 아키텍처의 일부다
Synopsys의 제품 관리 수석 디렉터인 Kenneth Larsen은 제어된 플로를 갖춘 공장 내부의 전공정 제조 디지털 트윈과, 실리콘·기판·소재·조립·제조 편차·테스트·신뢰성 데이터를 분산된 시스템으로 표현해야 하는 패키지 디지털 트윈을 구분한다. 이는 공장 모델링이 쉽다는 뜻이 아니라, 패키징 문제는 연결해야 하는 요소와 맥락의 수가 더 많다는 뜻이다.
각각의 전기적·열적·기계적 거동을 분석하는 효과적인 도구는 이미 팀들이 보유하고 있다. 그러나 이러한 도구를 나란히 실행한다고 해서 통합된 디지털 트윈이 만들어지는 것은 아니다. 모델이 동일한 가정과 데이터를 사용하고, 제조 결과를 받아 패키지의 변경에 따라 갱신될 때 비로소 가치가 나타난다. 그렇지 않으면 디지털 트윈은 특정 적층이나 신규 제품에 대한 결정을 내리기 전에 도움을 주는 도구가 아니라, 뒤늦은 검증 도구로 전락한다.
문제는 단순히 데이터 부족이 아니다
Amkor의 글로벌 공장 IT 및 자동화 기술 부문 부사장인 Joon Ahn은 완전한 디지털 트윈에는 웨이퍼 제조부터 조립과 테스트, 시스템 운영까지 이어지는 시야가 필요하다고 말한다. 그러나 필요한 데이터는 공장, 기판 및 소재 공급업체, 외주 반도체 조립·테스트 업체(OSAT), 고객 사이에 분산되어 있다. 조립 업체에는 다이 치수와 웨이퍼 테스트 결과가 전달되더라도 전력 밀도나 국부 응력에 대한 상세한 맵은 없을 수 있다.
마찬가지로 기판이 명목상 사양에 맞더라도 각 배치의 실제 휨 데이터가 없을 수 있으며, 소재 데이터시트가 최종 장치 내부에서의 소재 거동을 반드시 보여주는 것도 아니다. 동일한 물리적 대상을 분야별로 서로 다르게 설명하기도 한다. 칩 제조업체는 한 방식으로 다이의 거동을 설명하고, 기판 공급업체는 다른 방식으로 설명하며, 소재 공급업체는 특정 조건에서 측정한 특성을 제공한다. ASE의 기업 연구개발 부문 부사장인 CP Hung은 가장 어려운 인계가 항상 데이터가 부족한 경우가 아니라, 서로 다른 엔지니어링 분야 사이에서 데이터가 이동하는 경우라고 지적했다.
여기에 데이터에 민감한 지식재산이 포함될 수 있다는 점도 복잡성을 키운다. Mitsubishi Chemical Group의 마케팅 및 사업개발 수석 디렉터인 Sanjiv Bhatt에 따르면 공급업체와 기업은 완전히 공유하기를 원하지 않는 지식을 보유하고 있다. 따라서 공통 파일 형식을 마련한다고 해서 측정되지 않은 데이터나 전달되지 않은 맥락의 문제가 해결되지는 않는다.
제조가 시작되면 무엇이 달라지는가?
이 글의 사례들은 명목 모델이 정확할 수는 있지만 실제 제조된 제품을 반드시 설명하지는 않는다는 점을 보여준다. 이는 포토닉스에서 특히 분명하게 나타난다. 치수, 박막 두께, 측벽 형태의 작은 변화도 광손실이나 분광 응답에 영향을 줄 수 있다. Silvaco의 TCAD 부문 수석 부사장 겸 총괄 책임자인 Eric Guichard는 큰 생산 공차를 반영하면 도면에 표시된 형상에 맞춰 최적화된 설계가 반드시 제조된 장치를 나타내는 것은 아니라고 말한다.
문제는 포토닉스에만 국한되지 않는다. 습도, 세정 물질의 농도, 불완전한 식각 또는 새로운 소재의 특성이 성능에 영향을 줄 수 있다. 또한 패키징 소재의 특성이 항상 고정된 수치인 것도 아니다. 열팽창계수, 탄성계수, 접착 강도는 공정, 온도, 시간, 경화도에 따라 변할 수 있다. 따라서 모델은 값 자체를 저장하는 데 그치지 않고 각 값이 유효한 조건을 알아야 한다.
결합 모델에는 지속적인 보정이 필요하다
패키지 내부의 영향들은 서로 독립적으로 작용하지 않는다. 전류가 열을 발생시키고, 열이 저항을 변화시키며, 이러한 변화가 다시 전력 분포를 재구성한다. 따라서 수렴할 때까지 전기적·열적 계산을 반복해야 한다. 제조 편차도 비선형적으로 상호작용할 수 있어, 여러 편차가 결합된 영향은 각 편차의 개별 영향의 합보다 크거나 다른 형태로 나타날 수 있다.
이 때문에 통합에서 가장 어려운 지점은 반드시 개별 물리 분야 내부에 있는 것이 아니라 소재, 구조, 공정, 공급업체, 시스템 의사결정 사이의 인터페이스에 있다. 두 모델이 각자의 분야에서는 모두 정확하더라도 하나의 표현으로 통합하려 할 때 가정이 일치하지 않을 수 있다.
Intel의 하이브리드 본딩 관련 작업은 측정이 모델 개선에서 어떤 역할을 하는지 보여주는 사례다. 실험적으로 측정한 변형 데이터를 유한요소 모델에 입력한 뒤, 개선된 모델을 사용해 실제로 테스트하기 어려운 변경 사항을 탐색할 수 있다. 그러나 휨 측정만으로는 충분하지 않다. Ahn은 보정 세트에 접합부와 범프의 측정값, 다이 위치, 기판 특성, 언더필과 몰드, 열 관리 인터페이스 소재, 그리고 열 측정 및 전기 테스트를 포함해야 한다고 제안한다.
Hung은 측정이 모든 단계에서 무차별적으로 이루어져서는 안 되며, 본딩, 몰딩, 경화, 다이 박막화, 열 전환과 같이 패키지 상태가 변하는 지점에서 이루어져야 한다고 본다. 또한 보정이 반드시 고정된 일정에 따라 이루어지는 것도 아니다. Brewer Science의 연구 과학자이자 팀 리더인 Hanlin Chen에 따르면, 새로운 패키지 또는 기판 구조, 열 예산, 제조 플로가 모델을 승인받은 조건의 범위를 벗어나게 할 때 보정을 다시 수행해야 한다.
왜 이 소식이 중요한가?
이러한 자료에서 도출되는 편집상의 결론은 패키지 디지털 트윈의 성공 여부가 한 번 정확한 결과를 내는 능력으로 측정되는 것이 아니라, 제품·소재·제조가 변해도 유효성을 유지하는 능력으로 측정된다는 것이다. 이는 여러 기업으로 구성된 공급망에 실질적인 부담을 준다. 측정값을 맥락과 연결하고, 모델의 유효 조건을 정의하며, 실제 패키지가 변할 때 보정을 다시 수행해야 한다.
축약 모델이나 인공지능 기반 대체 모델은 분석을 가속할 수 있지만, 사용 범위를 파악해야 할 필요성을 없애지는 않는다. Larsen이 경고하듯 맥락을 잃은 빠른 모델은 잘못된 결정을 신속하게 내리는 수단이 될 수 있다. 여전히 해결되지 않은 문제는 파트너들이 공유할 수 있는 데이터의 범위, 인터페이스에서 가정을 통일하는 방법, 제조 주기를 비현실적으로 만들지 않으면서 가장 큰 가치를 제공하는 측정 지점을 선택하는 방법과 관련되어 있다.