"AI로 원자 테두리까지 뚜렷하게 측정"…KAIST·삼성종기원 나노소재 분석기법 공동연구

삼성전자 '퀀텀닷(QD·quantum dot) 디스플레이'같은 차세대 디스플레이 소자의 결함을 더 잘 찾아낼 수 있는 인공지능(AI) 기술이 개발됐다. 한국과학기술원(KAIST)과 삼성종합기술원이 이달 8일 국제학술지를 통해 공개한 공동연구 성과다.

16일 KAIST는 바이오및뇌공학과 예종철 교수 연구팀이 삼성전자 종합기술원과 공동연구를 통해 나노입자 3D 형상과 조성 분포의 복원성능을 높여 주는 AI 기술을 개발했다고 밝혔다. 이번 연구를 통해 나노입자를 형성하는 물질의 형상·조성 분포를 정확하게 재구성함으로써, 디스플레이를 구성하는 QD 등 반도체 입자의 분석 정확도를 높일 것으로 기대된다. QD는 지름 2~10나노미터(㎚) 크기의 특이한 전기적·광학적 성질을 지닌 입자를 뜻한다.

공동연구팀은 AI 기술을 개발하기 위해 '에너지분산형 X선 분광법(EDX)'을 '주사 투과전자현미경(STEM)'과 결합한 시스템을 활용했다.

EDX는 X선과 반응한 샘플 성분에 따라 방출되는 스펙트럼의 고유성을 이용해 샘플의 화학적 조성을 분석하는 기법으로, 나노입자 성분분석에 주로 쓰인다. QD와 배터리 등 나노소재의 열화 메커니즘·결함 해석을 위해 필요성과 중요도가 급증하고 있는 기법이다.

관련기사

• 우주항공청-KAIST, '우주항공 연구개발임무센터 제1호 지정식' 개최
• KAIST, 한·미 과학기술동맹 추진 모색한다

기존 EDX 기법을 활용시 3D 영상화를 위해 전자빔에 나노소재를 노출시키게 되는데 이 시간이 길어지면 소재가 영구 손상된다. 이를 방지하기 위해 한 각도에서의 스캔시간 또는 측정각도를 줄일 수 있는데, 이 경우 3D 영상화시 미량의 원자신호 측정이 불가능하거나 해상도가 매우 낮은 결과물을 얻게 된다.

공동연구팀은 커널회귀(kernel regression)·투사데이터향상(projection enhancement), 두 가지의 딥러닝 AI모델을 개발해 결과물의 정밀도와 해상도를 높였다. 측정 데이터의 분포를 스스로 학습하는 커널 회귀를 통해 스캔 시간이 짧은 투사 데이터에서 신호 대 잡음비(SNR)를 높인 고화질 투사데이터를 얻고, 이를 통해 3D 영상화 복원 정확도를 끌어올렸다.

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

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

연구팀은 EDX 투사 데이터를 이용하여 3D 영상화를 하는 과정에서 새로운 AI 신경망 학습방식을 제안했다. 저해상도의 3D 영상으로부터 2D 투사공간에 투영한 360개의 저해상도 투사 영상을 얻어 AI로 통해 해상도를 높이고, '필터보정 역투영(FBP·filtered backprojection)'을 고해상도의 3D 영상화에 이용하는 방식이다. FBP는 역투영에 의한 신호중첩을 보정하고 고주파성분을 복원하는 필터를 적용하는 영상복원기술이다.

연구팀은 아주 적은 수의 저해상도 투사 영상만으로도 고해상도의 3D 나노입자 영상화를 가능케해 디스플레이 등에 이용되는 QD 및 반도체 소자의 효율 및 안정성을 정밀하게 분석할 수 있게 한다는 점에서 큰 의의가 있다고 강조했다.
 

상용 퀀텀닷의 투사 데이터 및 개발한 알고리즘으로 복원한 3차원 복원결과. [사진=KAIST 제공]