'인코더-디코더 구조'로 현미경 사진을 3D로 계산해 표현
속도 10배 높이고, 고온에도 강하다
기존보다 현미경 사진 측정 속도를 10배 높였을 뿐만 아니라 고온에서도 잘 작동되는 '나노 스케일 3D 표면 예측 딥러닝 기술'이 제시됐다.
KAIST(한국과학기술원)는 17일 '내외방송'에 보낸 자료에서 "이정철 기계공학과 교수 연구팀이 현미경 사진을 이용해 나노 스케일(10억분의 1 규모) 3D 표면을 예측하는 딥러닝(컴퓨터가 스스로 데이터를 분석해 학습) 기반 방법론을 제시했다"고 밝혔다.
연구팀은 물리적 접촉 방식에서 나타났던 느린 속도 문제를 해결하기 위해 비접촉 측정 방법을 활용했다.
광 현미경에서 딥러닝을 이용해 원자 현미경으로 얻을 수 있는 나노 스케일 3D 표면을 예측했다.
이어 인공지능 모델로 입력 데이터에서 대상의 특징을 추출하고, 이 특징을 바탕으로 출력 데이터를 표현하는 '인코더-디코더 구조'를 통해 광 현미경 사진을 하나의 변수로 표현하고, 이 변수에서 현미경 사진을 3D 표면으로 계산할 수 있게 된 것이다.
이 연구는 측정 가능한 나노 스케일 표면을 넓혔을 뿐만 아니라 기존 원자현미경 측정 속도보다 10배 높아졌다.
특히, 광학을 이용한 비접촉 관측이이어서 극한의 열 환경에서도 측정이 가능한 방법을 제시한 데 의의가 있다고 연구팀은 말한다.
앞으로 빛의 파장 이하인 작은 나노 스케일에서도 현미경으로 분석할 수 있을 것으로 예상돼 다양한 분야에서 연구를 촉진할 수 있을 것으로 보인다.
이 교수는 "이 기술은 시간에 따라 변화하는 반도체 표면과 내부 구조에 대해 불연속적인 저해상도 광학 현미경 사진만을 이용해서 연속적은 고해상도 원자현미경 동영상을 생성하는 최초의 연구"라고 말했다.
이어 "극한 공정 중 실시간으로 나노 측정을 대체할 수 있는 효과를 가져와 반도체와 첨단센서 산업 발전에 기여할 수 있을 것"이라고 덧붙였다.
한국연구재단 등의 지원을 받아 수행된 이 연구는 국제학술지인 '어드밴스드 인텔리전트 시스템(Advanced Intelligent Systems)'에 최근 온라인 게재됐으며 올해 1분기 표지 논문으로 선정됐다.