by NeuralChainX(뉴럴체인엑스)
Semiconductor
Display
AI
기술 난제 해결부터
R&D 기획과 사업 기회 발굴까지
반도체·디스플레이 연구개발을 위한 Agentic AI
반도체·디스플레이·AI 연구원이 기술 난제를 입력하면, ChipInsight가 글로벌 특허, 논문, 공급망, 기업활동, 사용자 문서를 통제된 환경에서 자율 조사·검증하여 난제 해결 아이디어, 연구 기획, 사업 개발 기회를 도출합니다. 그 중심에는 산업 도메인과 사용자의 판단 이력을 학습하며 진화하는 Anneal과 스스로 목표를 달성하는 Agentic AI가 있습니다.
도메인
Agentic AI
6
신호 차원
Evidence
설계 단계부터 근거 추적
Externally Validated
혁신 성장형 벤처기업
KIBO 기술보증 기업
AI 바우처사업 공급기업
머니투데이 '우수 스타트업'
01 —The Arc
하나의 연속된 흐름 — 기술 난제 해결에서 영업 기회 발굴까지.
02 —Use Cases
하나의 기술 문제에서,의사결정용, 근거 추적 산출물로.
실행할 때마다 구체적인 산출물을 제공합니다 — 후보 목록, 클레임 스페이스 맵, FTO 워치리스트, 실험 계획, 경영진용 Decision Pack입니다. 하나를 선택해 실제 샘플을 미리 확인하세요.
9개의 샘플 출력 · 에이전트 역할당 하나
하나를 선택하세요 — 샘플이 아래에 표시됩니다 ↓
Decision Pack · cycle 07
HBM 열 리스크 — 자체 가속 vs 파트너십
Writer · EXEC · convergence apex논거
12단 HBM의 열 여유가 다음 계획 주기 안에 한계에 도달합니다 — 내재화 가속은 수율 리스크를 감수하고 속도를 얻는 선택이며, 파트너 경로는 일정 확실성을 위해 마진을 양보하는 선택입니다.
Evidence · cited
— 출처 추적 완료 · ! 검토 필요 · 태그 = 측정값 vs 주장값
01Vendor thermal spec —junction limit벤더 주장
02파운드리 공정 노트측정값
03Analyst supply outlook —single source주장!검토
시나리오 옵션 · options prepared —you decide
가속MED
장점: 가장 빠른 사양 달성 · 리스크: 수율 위험
협업유력
HIGH장점: 일정 확실성 · 리스크: 마진 감소
관망LOW
장점: 낮은 초기 부담 · 리스크: 주도권 상실
미결 사항 · needs a human call
FY 예산을 내재화 열 재설계에 투입할 것인가?검토
이번 분기에 협업 NDA를 체결할 것인가?검토
!FTO 의견이 아닌 스크리닝 결과 · 조건 정규화 완료 · 측정값 태그가 없는 수치는 공급업체 주장값입니다.
RP
Sample Decision Pack · evidence redacted담당
R&D 기획
Output · sample
비교표
Analyst · Verifier
HBM 12단 열 완화 · 옵션 비교
마이크로채널과 공동설계 옵션의 열 여유는 유사합니다 — 수율 리스크와 일정의 트레이드오프는 담당자가 판단해야 합니다.
출처 추적됨!검토 필요태그 = 측정값 vs 주장값
!조건 정규화 완료 · 측정값과 주장값 구분 · 일부 항목은 직접 비교 불가
AN
Sample · evidence redacted에이전트
Analyst · Verifier
출력 - 샘플
선행기술 / 신규성
스크리닝 대상: GAA nanosheet 접촉저항 저감
선행기술근거 추적됨
선행기술 검색 결과 순위 - 샘플
— 출처 추적 완료 · ! 검토 필요 · 태그 = 측정값 vs 주장값
01
US 11,842,917 B2특허
gate-all-around source/drain 콘택용 실리사이드 계면 엔지니어링
HIGH추적됨
02
US 11,508,621 B2특허
nanosheet FET용 저저항 메탈 충전 wrap-around 콘택
MED추적됨
03
KR 10-2487654 B1특허
적층 채널 접촉저항 저감을 위한 Ti계 라이너 anneal
MED!검토
04
IEDM 2023, 11.3논문
2nm 노드 GAA nanosheet용 100Ω·µm 미만 콘택 방식
LOW추적됨
미점유 영역 - 사람이 평가할 사항
위 검색 결과는 실리사이드/라이너 방식에 집중되어 있으며, 본 개시의 특정 in-situ doped epi + 저온 anneal 시퀀스는 이번 스크리닝에서 매칭되지 않았습니다. 표시된 gap은 사람이 평가할 사항이며 - 신규성 판단이 아닙니다.
!스크리닝이며 특허성 의견 아님 · US 범위
PA
샘플 - 근거 비공개 처리됨에이전트
선행기술 스크리너
출력 - 샘플
설계 회피 / 청구항 공간
클레임 스페이스 맵
EUV pellicle 멤브레인 — 청구항 커버리지 샘플, 변리사 검토용.
점유됨개방
FTO 주의
US [REDACTED]‑A1 — metal-mesh 프레임!검토
US [REDACTED]‑B2 — CNT 코어층!검토
설계 회피 경로 — 변리사 검토 후보
metal-mesh 지지체를 다음으로 대체: graphene-on-SiN 개방형 프레임 — 점유된 프레임 청구항 대비 변리사가 평가할 옵션.
capping 스택을 다음으로 전환: 단일 원소 산화물(다층 없음) — 미점유 영역으로의 후보 경로, 변리사가 확인할 사항.
!스크리닝이며 FTO 의견 아님 · US 청구항 한정 · 변리사 검토 필요
IL
샘플 - 근거 비공개 처리됨에이전트
IP 레버리지 분석가
출력 - 샘플
실험 계획(DOE)
주제 · ALD 전구체 스크리닝 — high-k 게이트 스택
anneal 및 precursor 변수를 bracketing하기 위해 4개의 후보 run을 작성했습니다. 아래 수준값은 장비에 설정할 조건이며 결과 예측이 아닙니다.
!candidate conditions —execution is human
ST
샘플 - 근거 비공개 처리됨에이전트
Strategist · Troubleshooter
출력 - 샘플
근본원인 분석
OLED 패널 mura 불량 · 수율 이상
트러블슈터근거 추적됨
후보 원인 - 사람이 확인할 사항
— 출처 추적 완료 · ! 검토 필요 · 태그 = 측정값 vs 주장값글래스 전반의 LTPS 백플레인 Vth 불균일
가능성 HIGHMura 맵은 해당 mother-glass 영역의 center-to-edge Vth shift ~0.42 V와 상관관계를 보입니다.측정값
확인 방법:보관 패널의 Vth 매핑 vs mura 좌표 비교; paired-region 비교는 사람이 수행.
emitter 증착 시 증발원 온도 drift
가능성 MED!
장비 로그상 증발원 set-point가 450°C 부근이며 해당 lot과 겹치는 이상 구간이 존재; 두께 균일도는 아직 추출되지 않음.주장! 검토
확인 방법:해당 구간의 QCM 두께 트레이스 추출; split-lot 재실행 여부는 사람이 결정.
패널 주변부의 FMM-기판 정렬 shadowing
가능성 LOW!
벤더 유지보수 노트는 mask-frame 장력이 spec 이내라고 기재; 주변부 한정 mura 패턴은 시사적이나 본 lot에서는 미검증.벤더 주장! 검토
확인 방법:shadow overlap 확인을 위한 edge sub-pixel 현미경 분석; 정렬 로그 대조 확인은 사람이 수행.
!후보 원인 — 실험으로 확인
TS
샘플 - 근거 비공개 처리됨에이전트
트러블슈터
출력 - 샘플
변화 모니터링
모닝 다이제스트
HBM / 어드밴스드 패키징검토관망
06-24특허경쟁사 출원이 HBM4 base die 스택용 hybrid-bond 피치 축소를 기술
06-24표준HBM4 채널 / 열 시험 조건에 관한 JEDEC 초안 개정안 회람 중
06-23공급망stacked-die 조립 라인용 TC-NCF 소재 소싱 변화 보고됨
06-23공시파운드리 capex 공시가 어드밴스드 패키징 캐파 증설 확대를 시사
!모니터링 요약 · 결론이 아닌 검토 대상 신호
WA
샘플 - 근거 비공개 처리됨에이전트
워처
출력 - 샘플
R&D 기획 문서
초안 개요
후면 전력공급(BSPDN) 도입 계획 · 직접 작성할 골격
!인용 근거로부터 구성된 초안 — 의사결정은 직접 작성
ST
샘플 - 근거 비공개 처리됨에이전트
전략가
출력 - 샘플
제안서 초안
공동개발 제안서 — 어드밴스드 패키징 방열
작성자근거 추적됨
출처 추적됨·!검토 필요·태그 = 측정값 vs 주장값
요약
본 초안은 HBM-on-logic 어드밴스드 패키징용 방열 interposer를 공동개발하기 위한 협력 프로그램의 개요로, 실측 105C junction 구간 부근에서의 지속 동작을 목표로 합니다 [1]. 아래 범위 및 파트너 약정 사항은 사람이 확인할 사항입니다.
목표
스택 전반의 hot-spot 구배를 저감하고 후면 전력공급(BSPDN) 호환 방열 경로를 인증합니다. 벤더 데이터는 독립 확인 대기 중인 샘플 thermal-interface 전도도 수치를 인용합니다 [2]!.
기술적 접근법
fan-out 테스트 비히클을 대상으로 microfluidic 및 vapor-chamber 내장 옵션을 평가하고, 열 모델링을 쿠폰 실측치와 교차 검증합니다 [3]. down-select은 각 게이트에서 사람이 수행하도록 단계화되어 있습니다.
산출물
특성평가된 테스트 비히클, 열 모델 리포트, 그리고 공유 IP 조건은 파트너 간 협의에 맡긴 인증 계획.
측정값주장벤더 주장우선순위HIGH
!인용 근거로부터 구성된 초안 — 의사결정은 직접 작성
출처 · [1] Junction 열 쿠폰 로그 — 비공개 처리됨 · [2] TIM 벤더 데이터시트 rev. — 비공개 처리됨 · [3] Fan-out TV 모델 리포트 — 비공개 처리됨
WR
샘플 - 근거 비공개 처리됨에이전트
제안서 작성자
03 —Domain Expertise
범용 AI를 넘어,딥테크 기술 전략에 최적화된 Agentic AI 엔진.
Anneal Model은 반도체·디스플레이·AI 하드웨어 도메인의 용어, 지표, 트레이드오프와 고장 모드를 매 실행에 반영합니다 — 따라서 에이전트는 단순 문서 요약이 아니라 도메인 맥락을 바탕으로 추론합니다.
01
반도체
공정, 소자 물리, 수율과 첨단 패키징 — 트랜지스터 스케일링부터 공급망까지.
핵심 커버리지
OSAT · 첨단 패키징기판 · 인터커넥트설계 · 팹리스EDA · IP테스트 · 수율파워 · 아날로그EUV · 패터닝메모리파운드리 · IDM소재로직 · 첨단 노드RF · 센서장비 · 설비실리콘 웨이퍼
현재 프런티어
HBM4 / HBM4ECoWoS / CoWoS-LHigh-NA EUV후면 전력공급 (BSPDN)2나노 공정 (N2)하이브리드 본딩 (SoIC)
지속적으로 학습 — 분야의 변화에 따라 커버리지가 업데이트됩니다
02
디스플레이
OLED와 차세대 자발광 디스플레이 전반의 패널 소재, 백플레인, 결함 물리를 다룹니다.
핵심 커버리지
모듈 · 조립증착 · FMM캡슐화세트 · 수요발광 소재패널 메이커백플레인마이크로LED · 차세대 자발광검사 · 리페어드라이버 IC · ToF컬러필터 · 편광판기판 · 글라스
현재 프런티어
8.6세대 OLED올레도스 (OLEDoS)마스크리스 OLED (eLEAP)텐덤 OLED청색 인광 OLED마이크로LED 전사
지속적으로 학습 — 분야의 변화에 따라 커버리지가 업데이트됩니다
03
AI
AI 워크로드와 실리콘이 만나는 지점 — 로드맵을 좌우하는 메모리·패키징·열 한계.
핵심 커버리지
가속기시스템 OEM다이 간 (UCIe)발열 · 전력AI 파운드리HBM 메모리엣지 추론첨단 패키징스위치 실리콘Co-packaged opticsSmartNIC · DPU하이퍼스케일러칩렛랙스케일 시스템
현재 프런티어
NVLink / UALink액체냉각글래스 기판HBM4 대역폭실리콘 포토닉스CXL 풀링
지속적으로 학습 — 분야의 변화에 따라 커버리지가 업데이트됩니다
04 —The Stack
원시 데이터에서 비즈니스 성과까지 —네 개의 레이어, 하나의 연속된 흐름.
모든 결과는 왼쪽에서 오른쪽으로 동일한 경로를 거칩니다 — 다중 소스 데이터가 Anneal Model에서 도메인 의미를 얻고, 에이전트 팀이 이를 추론한 뒤, 모델의 지속적인 학습을 지원하는 의사결정용 산출물로 반환합니다.
원천 데이터
비즈니스 성과
01
Layer 01 · Source
Data Layer
특허, 논문, 공개 자료와 시장 신호 — 지속적으로 수집하고 신뢰도 기준으로 선별합니다.
특허논문신호
02
Layer 02 · Domain코어
Anneal Layer
도메인 용어, 지표와 트레이드오프를 내재화한 자기학습 모델 — 기록되는 모든 의사결정과 함께 지식이 축적됩니다.
임베딩온톨로지의사결정 이력
03
Layer 03 · Reasoning
Agentic AI 레이어
8개의 전문 에이전트가 근거를 검색하고 추론하며 계획합니다 — 하나의 R&D 팀으로 오케스트레이션됩니다.
검색추론계획
04
Layer 04 · Outcome
의사결정용 산출물
실행할 때마다 구체적인 산출물을 제공합니다 — 후보 목록, 클레임 스페이스 맵, FTO 워치리스트와 실험 계획입니다.
후보 목록IP 맵계획
팀이 내리는 모든 의사결정은 상류의 Anneal Model을 정교화하도록 되돌아갑니다.
05 —Anneal Model
대부분은 데이터 정규화를 합니다.Anneal은 산업 도메인과 당신의 의사결정을 학습하며 진화합니다.
스스로 학습하는 도메인 모델입니다. 모든 소스와 팀의 의사결정을 하나의 의미 공간에 통합한 뒤, 매 사이클마다 정교해지는 6단계 루프를 실행합니다.
다섯 개의 소스 스트림
특허논문 & 표준출원 & 공급망귀사의 문서팀 의사결정
The Anneal engine · self-learning loop
정렬된 출력
하나의 의미 공간 —모든 주장이 근거에 결속.
검증된 의사결정이 피드백됩니다 — 모델은 사이클마다 축적됩니다
01도메인 학습
공개 웹이 아닌 자체 반도체 코퍼스를 기반으로 구축했습니다.
02자가 학습
팀이 내리는 모든 의사결정으로 정교해집니다.
03출처 추적
모든 주장이 검증 가능한 근거에 결속됩니다.
06 —Operating Model
단일 챗봇이 아닌, 오케스트레이션된 에이전트 팀.8명의 전문가, 하나의 추론 체인.
각 에이전트는 추론의 한 단계를 담당하고 단일 오케스트레이터 아래에서 다음 에이전트로 넘깁니다. Anneal Model 근거가 모든 에이전트에 공급되며, 각 출력은 출처까지 추적할 수 있습니다.
Outputs · Artifacts
시그널 맵
차원 매트릭스
시나리오 옵션
검증 게이트
의사결정 팩
플래닝 메모리
One reasoning chain · eight specialists
Anneal 근거가 모든 단계에 공급됩니다 · 각 산출물은 출처까지 추적됩니다