경희대 연구진과 딥러닝 기술 이용한 자성체 특성 연구... 전자현미경 사진으로 순식간에 자성체 물성 분석완료

KIST 스핀융합연구단 권희영 박사" “이러한 인공지능 기술을 활용해 자성 시스템을 분석하는 새로운 연구 방법은 실험과 이론의 연결을 강화하고, 나아가 인공지능 기술과 순수과학 연구의 융합이라는 새로운 연구 분야의 확장이 이루어질 수 있을 것으로 기대합니다"라고 말했다.

자성 시스템은 차세대 반도체 개발을 위한 잠재력, 높은 과학적 연구 가치 등으로 인해 집중적으로 연구되고 있다. 특히 나노 자성 시스템에서 나타나는 독특한 특성의 미시적 자성 도메인 구조들의 형성조건, 안정성, 동적 특성 등을 이해하고 분석하는 것은 스핀트로닉스의 개발과 발전을 위한 필수적 요소이다.

현재 사용되고 있는 실리콘 반도체의 집적도 한계를 극복하고 초저전력, 고성능 차세대 반도체 개발을 위해 전자의 ‘스핀(spin)’과 ‘전자공학(electronics)’을 함께 연구하는 스핀트로닉스(spintronics)에 관한 연구가 활발하다. 자성 메모리(MRAM) 등의 스핀트로닉스 소자를 개발하기 위해서는 자성을 띠는 물질인 자성체를 이용하는데, 이 자성체들의 온도에 대한 안정성, 변화에 대응하는 속도 등의 물성들을 정확히 파악해야 소자 개발에 이용할 수 있다.

특히, 이미지를 다루는 것에 최적화되어 있는 다수의 인공지능 기술들은 여러 과학적 분야의 이미지 데이터 분석에도 활용될 가능성이 높은 가운데국내 연구진이 스핀트로닉스의 소재인 자성체의 물성을 순식간에 분석하는 인공지능을 개발했다. 

한국과학기술연구원(KIST, 원장 윤석진)은 스핀융합연구단 권희영, 최준우 박사팀이 경희대학교 원창연 교수 연구팀과의 공동연구를 통해 인공지능 기술을 활용하여 자성체의 스핀구조 이미지로부터 자기적 물성을 추정하는 기술을 개발했다고 밝혔다. 개발한 인공지능은 딥러닝 기술로, 기존에는 수십 시간까지 걸리던 소재 분석을 순식간에 해결할 수 있다.

딥 인공신경망을 통한 자성 물성 추정에 관한 개념도
딥 인공신경망을 통한 자성 물성 추정에 관한 개념도

자성체는 물질을 구성하는 미세단위 자석인 스핀이 같은 방향으로 정렬된 영역인 ‘자성 도메인’들을 갖고 있는데, 이러한 자성 도메인들이 형성되고 변화함에 따라 다양한 자기적 현상들이 나타나는 것으로 알려져 있다. 그동안은 자성 도메인의 특성을 좀 더 정확하고 깊게 이해하기 위해 다양한 실험을 통해 직접 물성을 측정해왔으며, 이를 위해 많은 시간과 자원을 쏟아야 했다.

KIST-경희대학교 공동연구진은 딥러닝 기술을 활용하여 위와 같은 한계를 극복했다. 인공지능에 기계학습 알고리즘을 적용하여 기존 자성 도메인 이미지들을 학습시키고, 새로운 자성 도메인 이미지를 보면 그 물질의 자기적 물성을 추정하도록 했다. 그 결과 자성체의 전자현미경 이미지를 입력하고 실시간으로 해당 자성체의 자기적 물성을 추정할 수 있게 됐다. 뿐만 아니라 실제 관측한 데이터와 인공지능이 추정한 값을 비교했더니 그 오차가 1% 내외로 추정 정확도가 매우 높았다.

KIST 권희영 박사는 “인공지능 기술들이 자성 도메인의 특성을 분석하기 위해 어떻게 활용될 수 있는지에 관한 새로운 길을 제시하였다.”라고 말하면서, “이러한 인공지능 기술을 활용해 자성 시스템을 분석하는 새로운 연구 방법은 실험과 이론의 연결을 강화하고, 나아가 인공지능 기술과 순수과학 연구의 융합이라는 새로운 연구 분야의 확장이 이루어질 수 있을 것으로 기대한다.”라고 밝혔다.

이번 연구는 KIST 주요사업, 교육부 지원의 학문후속세대양성사업 등으로 수행되었다. 연구 결과는 과학분야의 국제 저널인 ‘Science Advances’ (IF: 13.116, JCR 분야 상위 4.93%)에 '딥러닝 기법을 사용한 자기 해밀턴 매개 변수 추정(Magnetic Hamiltonian parameter estimation using deep learning techniques-다운)'이란 제목으로 지난 9월 25일 게재됐다,

 

저작권자 © 인공지능신문 무단전재 및 재배포 금지