연세대학교(총장 서승환) 물리학과 김관표 교수 연구팀은 나노 물질의 구조 분석에 딥러닝 기반 인공지능을 적용해 전자현미경 이미지 분석 방법의 효율성과 정확성을 획기적으로 향상시킴으로써 실제 활용가치를 높인 방법론을 개발했다.

원자 단위 분해능을 갖춘 주사투과전자현미경(Scanning Transmission Electron microscopy. 이하, STEM)은 물질의 원자 구조를 관찰할 수 있는 매우 중요한 도구로, 다양한 학문 분야와 산업계에서 물질 분석에 활용되고 있다. 

최근 기술 발전에 따라 많은 양의 STEM 데이터를 얻을 수 있게 됐으나, 데이터 분석 및 해석 과정에는 전문가의 시간과 노력이 상당히 필요하다. 또한 잡음(noise)이 존재해 분석하기 힘든 데이터는 실제로 사용되지 못하고 버려지고 있다.

김관표 교수 연구팀은 딥러닝 기반 이미지 분석법을 차세대 반도체 소자로 주목받는 이황화몰리브덴(MoS2)에 적용해 황(S) 원자가 탈락하면서 발생하는 원자 결함(point defect) 및 다양한 종류의 구조 다형체(polymorph)를 확인했다. 

연구팀이 개발한 인공지능을 통해 전문가들이 수십 분 동안 분석해야 하는 데이터를 초당 수백 장 이상 분석 가능하며, 분석 정확도 또한 전문가의 정확도를 상회하는 수준으로 확보했다.

김관표 교수는 “본 연구는 이차원 소재를 분석하는 인공지능 개발 및 구현을 통해 실시간 물질 분석의 길을 열었을 뿐만 아니라, 버려지는 데이터 안에 숨어 있는 새로운 물리 현상을 발견하는 초석이 될 것으로 기대된다”고 연구의 의의를 밝혔다.

한편, 이번 연구는 한국연구재단 중견연구자 지원사업, 선도연구센터 지원사업(반데르발스 물질 연구센터) 및 기초과학연구원 나노의학 연구단의 지원으로 연세대 물리학과 김관표 교수, 이기현, 박진섭 통합과정생 및 최소연 연구원이 주도해 진행됐다. 

연구 결과는 나노 분야 세계적 학술지인 ‘나노 레터스(Nano Letters, IF 11.189)’에 '딥러닝 기반 STEM 이미지 분석: MoS 2 의 결손 및 다형체 식별(STEM Image Analysis Based on Deep Learning: Identification of Vacancy Defects and Polymorphs of MoS2-보기)'란 제목으로 지난 8일(현지시간) 게재됐다.