(대전=세종충청뉴스) 송윤영 기자 = KAIST는 바이오및뇌공학과 예종철 교수 연구팀이 삼성전자 종합기술원과 공동연구를 통해 나노입자의 3차원 형상과 조성 분포의 복원 성능을 획기적으로 향상한 인공지능 기술을 개발했다고 16일 밝혔다. 공동연구팀은 에너지 분산형 X선 분광법(EDX)을 주사 투과전자현미경(STEM)과 결합한 시스템을 활용했다. 

이번 연구를 통해 나노입자를 형성하고 있는 물질의 형상과 조성 분포를 정확하게 재구성함으로써, 실제 상용 디스플레이를 구성하는 양자점(퀀텀닷)과 같은 반도체 입자의 정확한 분석에 도움을 줄 것으로 기대된다. 

예종철 교수 연구팀의 한요섭 박사, 차은주 박사과정, 정형진 석사과정과 삼성종합기술원의 이은하 전문연구원팀의 장재덕, 이준호 전문연구원이 공동 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `네이처 머신 인텔리전스(Nature Machine Intelligence)' 2월 8일 字 온라인판에 게재됐다. (논문명 : Deep learning STEM-EDX tomography of nanocrystals)

에너지 분산형 X선 분광법(이하 EDX)은 나노입자의 성분 분석에 주로 이용되며, X선과 반응한 물체의 성분에 따라 고유한 방출 스펙트럼을 보인다는 점에서 화학적인 분석이 가능하다. 퀀텀닷 및 배터리 등 다양한 나노 소재의 열화 메커니즘과 결함을 해석하기 위해 형상 및 조성 분포 분석이 가능한 이 분광법의 필요성과 중요도가 급증하고 있다.

그러나 EDX 측정 신호의 해상도를 향상하기 위해, 나노 소재를 오랜 시간 전자빔에 노출하면 소재의 영구적인 피해가 발생한다. 이로 인해 나노입자의 3차원 영상화를 위한 투사(projection) 데이터 획득 시간이 제한되며, 한 각도에서의 스캔 시간을 단축하거나 측정하는 각도를 줄이는 방식이 사용된다. 기존의 방식으로 획득된 투사 데이터를 이용해 3차원 영상을 복원할 시, 미량 존재하는 원자 신호의 측정이 불가능하거나 복원 영상의 정밀도와 해상도가 매우 낮다. 

그러나 공동 연구팀이 자체 개발한 인공지능 기반의 커널 회귀(kernel regression)와 투사 데이터 향상(projection enhancement)은 정밀도와 해상도를 획기적으로 발전시켰다. 연구팀은 측정된 데이터의 분포를 네트워크가 스스로 학습하는 인공지능 기반의 커널 회귀를 통해 스캔 시간이 단축된 투사 데이터의 신호 대 잡음비(SNR)를 높인 데이터를 제공하는 네트워크를 개발했다. 그리고 개선된 고화질의 EDX 투사 데이터를 기반으로 기존의 방법으로는 불가능했던 적은 수의 투사 데이터로부터 더욱 정확한 3차원 복원 영상을 제공하는 데 성공했다.

연구팀이 개발한 알고리즘은 기존의 EDX 측정 신호 기반 3차원 재구성 기법과 비교해 나노입자를 형성하고 있는 원자의 형상과 경계를 뚜렷하게 구별했으며, 복원된 다양한 코어-쉘(core-shell) 구조의 퀀텀닷 3차원 영상이 샘플의 광학적 특성과 높은 상관관계를 나타내는 것이 확인됐다.

예종철 교수는 "연구에서 개발한 인공지능 기술을 통해 상용 디스플레이의 핵심 기반이 되는 퀀텀닷 및 반도체 소자의 양자 효율과 화학적 안정성을 더욱 정밀하게 분석할 수 있다ˮ고 말했다.

□ 연구개요
1. 연구 배경
나노 기술은 의료, 바이오, 항공 등 여러 분야에서 적용 사례가 늘어나고 있다. 특히 재료과학 분야에서 나노입자는 디스플레이, 바이오 영상, 촉매제 등 다양한 역할을 하고 있으며, 특히 뛰어난 물리 화학적 성질을 지닌 양자점(Quantum Dot, QD)을 이해하기 위해서는 나노스케일 단위의 시각화가 필수적이다.
에너지 분산형 X-선 분광법(Energy dispersive X-ray spectroscopy, EDX)을 투과전자현미경(Scanning transmission electron microscopy, STEM)과 결합한 시스템은 나노입자의 분석과 시각화를 위한 대표적인 시스템이다. 이 시스템으로 나노입자의 촬영 시, 신호 대 잡음비(signal-to-noise, SNR)을 향상시키기 위해 QD를 오랜 시간 전자빔에 노출하면 소재에 영구적인 피해를 입힌다. 따라서, EDX를 이용하여 나노입자의 형상 및 조성 분포 분석을 정확히 하기 위해서는 제한된 각도에서 짧은 시간 내에 측정한 투사 데이터를 기반으로 3차원 복원에 관한 관심이 급속히 증가하고 있다.

2. 연구내용
  본 연구에서는 나노입자의 3차원 영상화를 위해 두 가지 비지도 학습 기반 인공지능 모델을 이용하여 문제를 해결하였다. 우선, 신호 대 잡음비가 매우 낮은 투사 데이터의 해상도 향상을 위해 인공지능 기반의 커널 회귀(kernel regression) 방법을 제안하였다. 이를 통해 잡음 제거를 학습함으로써, 투사 영상의 해상도를 비약적으로 향상시킬 수 있음을 보였다. 이는 기존의 커널 회귀 방식과 다르게 나노입자의 형상을 정확히 파악할 수 있게 하며, 이를 통해 고화질 3차원 영상화를 위한 초석을 마련한다.

나아가, 연구팀은 얻어진 EDX 투사 데이터를 이용하여 3차원 영상화를 하는 과정에서 새롭게 고안한 비지도 학습 기반의 인공신경망 학습 방식을 제안하였다. 먼저 낮은 해상도의 3차원 영상으로부터 2차원 투사공간으로 투영하여 360개의 저해상도 투사 영상을 얻은 후, 이를 인공지능 알고리듬을 통해 고해상도로 변환시킨 후 상기 방식으로 얻어진 고해상도 투사 영상들을 이용해 필터보정역투영(filtered backprojection, FBP)를 통해 고해상도의 3차원 영상화에 이용될 수 있다.

이 연구는 아주 적은 수의 저해상도 투사 영상만으로도 고해상도의 3차원 나노입자 영상화를 가능케 하여 디스플레이 등에 이용되는 QD 및 반도체 소자의 효율 및 안정성을 정밀하게 분석할 수 있게 한다는 점에서 큰 의의가 있다.

□ 용어설명

에너지 분산형 X-선 분광법 (Energy dispersive X-ray spectroscopy, EDX)
X-ray와 반응한 샘플의 성분에 따라 고유한 방출 스펙트럼을 보이는 것을 활용하여 샘플의 화학적 조성을 분석하는 기법

양자점 (Quantum dot, QD)
지름이 2~10nm에 불과한 반도체 입자로 특이한 전기적 및 광학적 성질을 지닌 입자

비지도 학습 (Unsupervised learning)
특정 입력에 대해 레이블(label)로 사용할 수 있는 올바른 정답이 존재하지 않는 데이터 집합이 주어진 경우의 학습

심층신경망 (Deep neural network, DNN)
뇌의 생물학적인 신경 연결망을 모방해 다층의 인공세포를 구성하고, 빅 데이타를 이용해 연결망의 강도를 학습시키는 인공지능 알고리즘

필터보정역투영 (Filtered backprojection, FBP)
역투영에 의한 신호의 중첩 현상을 보정하고, 고주파 성분도 복원하는 필터를 적용한 영상 복원 기술

송윤영 기자 다른기사 보기