-
기존 반도체 전자소자 공정과 호환되는 신축성 전도체 포토패터닝 방법 개발
우리 대학 신소재공학과 스티브 박, 전기및전자공학부 정재웅 교수 공동 연구팀이 기존의 반도체공정을 이용하여 고해상도로 패터닝할 수 있는 초기전도성이 확보된 액체금속 기반의 신축성 전도체 필름 제작 방법을 개발했다고 밝혔다.
신축성 전도체는 최근 각광받고 있는 사용자 친화형 웨어러블 소자, 신축성 디스플레이, 소프트 로봇의 전자 피부 개발에 핵심 요소로 여겨져 활발하게 연구가 진행되어왔다. 최근 신축성 전도체 중 하나로 높은 전기전도성과 신축성, 낮은 기계적 강성을 동시에 만족하고 안정성도 어느정도 확보가 된 갈륨기반의 액체금속 입자가 전도성 필러로 각광받고 있다. 하지만 액체금속 입자의 경우에는 기계적 불안정성으로 인하여 제한된 형태의 용액공정으로만 사용이 가능했기 때문에, 기존의 금속을 전자소자에 통합하는 방법인 반도체 공정을 이용하는 것이 어려웠다. 이런 이유로, 액체금속 입자 기반의 전자소자는 지금까지 연구실 수준에서 노즐 프린팅, 스크린 프린팅과 같은 제한된 방법으로 제작되는 것에 그쳤다. 나아가서 액체금속 입자는 초기에는 산화막의 존재로 인하여 전기전도성이 없기 때문에, 추가적인 후처리를 통해 전기전도성을 확보해야했다. 이런 추가적인 공정은 이 새로운 전자재료의 범용성 높은 사용을 막는 큰 장애물이었다.
이런 기존의 문제를 극복하여, 연구팀은 기존의 반도체 공정 (포토리소그래피 기반의 패터닝, 에칭을 이용한 다층구조 통합)과 호환이 가능한 안정적인 형태의 액체금속입자 필름을 코팅하는 방법을 제안하였다. 연구진은 먼저 안정적인 필름을 증착하기 위해 고분자로 쌓인 액체금속 마이크로입자 현탁액을 제작하였다. 용액전단 방법을 이용하여 이 현탁액을 미리 반도체공정을 이용하여 패터닝이 되어있는 기판 위에 대면적으로 균일하게 코팅을 할 수 있었다. 특히 현탁액을 물 기반으로 만들어 코팅 과정에서 포토레지스트 (Photoresist)에 손상을 가하지 않게 하여, 정밀한 패터닝이 가능하게 했다. 포토레지스트 위에 코팅된 액체금속 입자필름은 유기용매를 이용한 lift-off를 통해 최소 10um의 높은 해상도로 패터닝이 가능했다. 특히, 연구진은 이 과정에서 극성유기용매인 DMSO (dimethyl sulfoxide)를 사용하여, 액체금속과 고분자간의 상분리를 유도하였다. 이 과정에서 액체금속 입자 표면의 고분자와 산화막이 제거되어 다른 추가적인 공정없이 초기 전도성을 갖는 도선을 기판 위에 패터닝할 수 있었다. (그림1)
이 공정을 이용해 제작된 신축성 전도체는 기존의 고체 금속 전도체기반 섬유들과는 다르게 50%의 인장이 가해져도 전기저항변화가 거의 없어 이상적인 신축성 도선의 성질을 보였다. 또, 기계적, 화학적으로 안정적이어서 다양한 기판에 전이 (transfer) 공정이 가능하였e다. 액체금속 입자가 패턴된 기판을 마스크 얼라이너 (Mask aligner) 장비 및 에셔 (Asher) 장비를 이용해 고해상도 멀티레이어 회로를 제작할 수 있었다. 연구진은 이 기술을 이용하여 (그림 2)와 같이 신축성 디스플레이, 유연 로봇에 사용할 수 있는 고해상도 전자 피부 등의 구현이 가능함을 보여주었다.
우리 대학 이건희 박사, 김현지 석사가 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `머터리얼즈 투데이 (Materials Today)' 온라인 버전에 7월 14일 출판됐다. (논문명: Large-area photo-patterning of initially conductive EGaIn particle-assembled film for soft electronics)
연구팀은 "새로운 전자재료를 기존의 표준공정이라할 수 있는 반도체공정에 적용하여 차세대 전자소자의 양산화 가능성을 보여준 의미있는 연구ˮ라고 말했다. 또, "최근에 각광받고 있는 신축성 전도체인 액체금속의 고해상도 패터닝 및 초기전도성을 얻을 수 있는 방법을 제시하여 유연 전자소자 연구의 새로운 방향성을 제시할 수 있을 것으로 기대된다ˮ 라고 말했다.
한편 이번 연구는 한국연구재단의 지원을 받아 수행됐다. 이건희 박사는 포스코청암재단의 지원을 받고 있다.
2023.07.17
조회수 6200
-
연어 DNA를 활용해서도 위조방지 가능
30년이 걸린 천경자 화백의 미인도 관련 위작 스캔들을 보면 알 수 있듯이, 복제방지 분야에 문외한일 가능성이 큰 예술창작자에게 추가적인 짐을 지우고 있다. 이를 해결하기 위한 전자적 방식보다는 광학적 방식으로 예술가에게 친화적인 방식인 브러시로 바르는 즉시 형성되는 물리적 복제 방지 기능(PUF)의 위조 방지 플랫폼 기술이 필요하다.
우리 대학 화학과 윤동기 교수 연구팀이 연성 소재(Soft material)의 자기조립(Self-assembly) 시 발생하는 무작위 패턴을 이용해 보안․인증 원천기술을 개발했다고 23일 밝혔다.
최근 사물인터넷의 발달로 다양한 전자기기 및 서비스가 인터넷으로 연결되어 신기능 창출이 가능하게 되는 동시에 개인의 프라이버시를 침해하는 위조 기술도 발달되어 그 피해를 입는 사례가 빈번하게 보고되고 있다. 그에 따라 더욱 강력하고 높은 보안성을 갖춘 위조 방지 기술에 대한 요구가 꾸준히 증가하고 있다.
연구팀이 개발한 이번 연구는 두 종류의 연성 소재가 자기조립되는 과정에서 자발적으로 발생하는 무작위 패턴을 활용해 사람의 지문과 같이 복제 불가능한 보안 기능을 할 수 있다는 것으로, 보안 분야의 전문가가 아니라도 마치 그림을 그리듯이 위조 방지 기술을 구현할 수 있다는 측면에서 큰 의의를 갖는다. 연구팀은 두 가지 방법을 개발했다.
첫 번째 방법은 액정물질을 이용한 것이다. 액정물질이 패턴 기판 속에 갇혀있을 때, 자발적으로 구조체의 대칭 파괴가 발생해 미로와 같은 구조체가 형성된다(그림 1). 오른쪽으로 트인 구조를 0(파랑), 왼쪽으로 트인 구조를 1(빨강)으로 정의하면, 이를 머신러닝을 이용한 객체 인식을 통해 디지털 코드(0과 1)로 변환돼 지문과 같은 역할을 할 수 있다고 연구팀은 확인했다. 본 연구의 경우 기존의 복잡한 반도체 패턴이 필요하지 않고, 핸드폰 카메라 정도의 해상도로 관찰할 수 있기에 비전문가도 사용할 수 있는 획기적인 기술이다. 이들은 기존의 반도체 칩을 이용한 방법에 비해 쉽게 정보를 재구성할 수 있다는 특이점을 가지고 있다.
두 번째 방법은 연어에서 추출한 DNA를 이용한 것이다. 추출된 DNA를 물에 녹여 붓으로 바르게 되면 좌굴 불안정성(Buckling instability)이 발생해 얼룩말의 무늬와 같은 무작위 패턴을 형성하게 된다. 이때, 무작위한 패턴들은 지문의 특징인 능선 끝 (Ridge Ending)과 분기점 (Bifurcation)이 나타나며 이 또한, 0, 혹은 1로 정의하여, 머신러닝을 통해 디지털화를 할 수 있다. 연구팀은 기존에 널리 사용되고 있는 지문 인식 기술을 이 패턴에 적용해 인공지문과 같이 사용했다. 이 방법은 쉽게 붓으로 제작 가능하며 다양한 색을 혼입시킬 수 있으므로 새로운 보안 잉크로 사용될 수 있다.
연구팀이 개발한 보안기술은 간단한 유기 물질만 사용하고 공정이 단순해 저비용으로 쉽게 보안 코드를 제작할 수 있다. 또한, 제조자의 목적에 따라 원하는 모양 및 크기대로 만들 수 있을 뿐만 아니라 같은 방법으로 제작하더라도 형성되는 무작위 패턴은 모두 다르므로 높은 보안 기능을 가능하게 함으로써 무궁무진한 시장성과 잠재력을 가지고 있다.
윤동기 교수는 “이번 연구들은 자기조립 시 발생하는 자연의 무작위성을 있는 그대로 받아들여 제조자조차 복제할 수 없는 인간의 지문과 같은 역할을 하는 패턴을 제작한 것ˮ이라며, “이러한 아이디어는 자연계에 존재하는 수많은 무작위성을 보안 시스템에 적용할 수 있는 기술의 초석이 될 수 있다ˮ고 설명했다.
한편, 두 연구는 모두 국제 학술지 어드밴스드 머터리얼즈(Advanced Materials)에 “1Planar Spin Glass with Topologically-Protected Mazes in the Liquid Crystal Targeting for Reconfigurable Micro Security Media”와 “2Paintable Physical Unclonable Function Using DNA”의 이름으로 5월 6일과 5일 자에 각각 게재됐다.
1박건형, 최윤석, 권석준*, 윤동기* / 2박순모†, 박건형†, 윤동기* : 공동 제1 저자, * 교신저자.
한편 이번 연구는 과학기술정보통신부-한국연구재단의 지원을 받은 멀티스케일 카이랄 구조체 연구센터, BRIDGE융합연구개발사업, 함께달리기사업, 삼성미래기술육성사업 등의 지원을 받아 수행됐다.
2023.05.23
조회수 9314
-
챗GPT에 사용된 트랜스포머로 다공성 소재 예측
다공성 소재는 넓은 공극과 표면 면적을 지니고 있어, 가스 흡착, 분리, 촉매 등 다양한 에너지 및 환경 분야에서 적용된다. 다공성 소재 중 한 종류인 금속 유기 골격체(MOF)는 무한대에 가까운 경우의 수를 갖는 넓은 물질 공간(materials space) 안에 존재하기에, 인공지능을 사용해 최적의 물질을 추출하고 특성을 예측하려는 연구가 활발히 진행되고 있다. 하지만 이러한 모델들은 대부분 특정한 물성 한 종류만 학습할 수 있으며, 모든 재료 특성에 보편적으로 적용할 수 없다는 단점이 존재한다.
우리 대학 생명화학공학과 김지한 교수 연구팀이 세계 최초로 멀티모달 트랜스포머를 적용한 인공지능(AI)을 통해 다공성 소재의 다양한 물성을 예측하는 기술을 개발했다고 5일 밝혔다. 멀티모달 트랜스포머는 비디오 프레임과 오디오 트랙, 웹 이미지와 캡션, 교육용 비디오와 음성 대본과 같이 서로 다른 형태의 정보를 효과적이고 효율적으로 결합하도록 설계된 신경망 모델의 일종이다.
김지한 교수 연구팀은 챗GPT(ChatGPT)에서 사용된 모델인 트랜스포머를 다공성 소재에 도입해 모든 성능을 예측할 수 있는 멀티모달 인공 신경망을 개발했다. 멀티모달은 사진(이미지)과 설명(자연어)같이 서로 다른 형태의 데이터를 함께 학습하며, 이는 인간과 비슷하게 입체적이고 종합적인 사고를 할 수 있도록 도와준다. 연구팀이 개발한 멀티모달 트랜스포머 (MOFTransformer)는 원자 단위의 정보를 그래프로 표현하고, 결정성 단위의 정보를 3차원 그림으로 전환 후 함께 학습하는 방식으로 개발했다. 이는 다공성 소재의 물성 예측의 한계점이었던 다양한 물성에 대한 전이 학습을 극복하고 모든 물성에서 높은 성능으로 물성을 예측할 수 있게 했다.
김지한 교수 연구팀은 다공성 소재를 위한 트랜스포머를 개발해 1백만 개의 다공성 소재로 사전학습을 진행했으며, 다공성 소재의 가스 흡착, 기체 확산, 전기적 특성 등의 다양한 소재의 물성을 기존의 발표된 머신러닝 모델들보다 모두 더 높은 성능으로 (최대 28% 상승) 예측하는 데 성공했고, 또한 논문으로부터 추출된 텍스트 데이터에서도 역시 높은 성능으로 예측하는 데 성공했다.
연구팀이 개발한 기술은 물질의 특성을 계산 및 예측하는 새로운 방법론을 제시했으며, 이를 통해 소재 분야에서 새로운 소재의 설계와 개발에 도움이 될 뿐만 아니라, 기존의 소재에 대한 깊은 이해를 얻을 수 있을 것으로 기대된다. 더불어, 멀티모달 트랜스포머는 다공성 소재뿐만 아니라 다른 종류의 소재에도 확장 가능한 범용적인 모델이므로, 인공지능을 통한 소재 과학의 발전에 크게 이바지할 수 있을 것이다.
생명화학공학과 강영훈, 박현수 박사과정이 공동 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `네이처 머신 인텔리전스(Nature Machine Intelligence)'에 지난 3월 13일에 게재됐다. (논문명: A multi-modal pre-training transformer for universal transfer learning in metal–organic frameworks)
한편 이번 연구는 과학기술정보통신부의 지원으로 국가 소재 연구 데이터 사업단, 그리고 한국연구재단 (NRF) 중견 연구자 지원 사업의 지원을 받아 수행됐다.
2023.04.05
조회수 10133
-
종이보다 10,000배 얇은 신소재 맥신을 수직으로 세우는 데 성공
우리 대학 화학과 윤동기 교수팀과 한국과학기술연구원(KIST)김선준 박사 공동연구팀이 성균관대학교 구종민 교수와 고려대학교 강윤찬 교수팀과의 협업으로 전자파 차폐·흡수가 가능한 차세대 신소재인 맥신(MXene)을 세계 최초로 수직으로 세우고 한 방향으로 배향하는 데 성공했다고 11일 밝혔다.
종이 한 장 혹은 여러 장을 평평한 바닥에 수직으로 세우는 일은 불가능하다고 사람들은 말한다. 왜냐하면 얇고 유연하기 때문이다. 윤동기, 김선준 공동연구팀은 일반 종이의 만분의 일보다 더 얇고 유연한 맥신 나노 시트를 수직, 일렬 정렬시킬 수 있는 기술을 개발하였다.
맥신이란 전이 금속인 티타늄과 유기물인 탄소로 이루어진 이차원 물질이다. 전기적인 특성이 뛰어난 그래핀과 비슷하게 전도성이 좋으면서 가볍다는 특징 이외에도, 다양한 용매들에 잘 녹아 가공성이 좋다는 장점이 있지만, 종잇장과 같은 성질로 인해 수평으로만 배향된 연구가 지금까지 이뤄져 온 것이 지배적이었다. 이번 연구에서는 친환경 용매인 물에 분산된 맥신 나노 시트에 교류 전기장을 인가하면 전기장을 따라 일렬로 정렬되는 현상에 연구팀은 주목했다. (그림 1)
이때 맥신의 표면은 강한 음전하를 띠기 때문에, 100마이크로미터 두께의 얇은 셀에서 서로 최대한 멀어지기 위해서 맥신 시트는 수평이 아닌 수직으로 배열된다. 그리고 물에 분산된 맥신 나노 시트의 수직 배열은 전기장의 유무에 따라 가역적으로 조절될 수 있다.
전기장이 인가된 상태에서 맥신을 순간적으로 얼린 뒤 승화 현상을 이용해 건조시키는 동결 건조 방법을 사용할 경우, 맥신 나노 시트들이 나노미터(머리카락 두께의 십 만분의 1) 수준의 얇은 모서리로 바닥을 딛고 수직으로 서 있는 모습을 전자 현미경을 통해 직접 확인할 수 있다. (그림 2)
기존의 다른 연구들에서는 이를 수직으로 세우기 위해 다른 첨가물을 혼합해야 했기에 맥신이 가진 특성을 활용하기 어려웠고, 마이크로미터 단위의 매우 좁은 영역에서만 원하는 수직 배열이 만들어지는 한계점들이 있었다. 전기장을 사용하는 이번 연구 방식은 순수한 맥신으로 센티미터 단위의 대면적 제작이 가능하고 자동화 공정에도 유리하다는 장점이 있다.
게다가 수직으로 정렬된 맥신의 배향은 전기장의 방향에 따라서 자유롭게 조절할 수 있다. 연구팀은 전극을 다양하게 디자인함으로써 풍차 모양을 만들 수 있고, 심지어는 글자까지 쓸 수 있다는 것을 연구팀은 최초로 선보였다. (그림 3)
현재, 맥신을 수직으로 세우는 일은 이온의 빠른 이동을 유도해 높은 정전 용량을 가진 축전지를 제작할 수 있기에 많은 주목을 받고 있다. 이번 연구 결과를 통해 가역적 조절, 대면적 제작, 방향성 제어 등의 장점들을 이용하면 고용량 축전지 뿐만 아니라, 맥신의 가장 널리 알려진 응용처인 우수한 전자파 차폐 특성도 필요에 따라 가역적으로 조절할 가능성을 제시할 수 있을 것으로 기대된다. 이 외에도 광학, 센서, 전자 패키징 등 더 다양한 분야에 수직 정렬 맥신을 응용할 수 있을 것이다.
화학과 윤동기 교수는 "이차원 물질들이 전자파를 막을 수 있는 얇은 선글라스용 렌즈라고 했을 때, 기존의 연구는 수평으로 정렬된 맥신 시트들이기에 일반 선글라스와 마찬가지의 성능을 나타냈다면 이번 연구 결과를 통해 렌즈를 수직으로 세워서 그 방향으로 전자파를 흡수, 혹은 차폐시키는 효과를 낼 수 있기에 기존의 한계점들을 극복하면서 이차원 물질들의 장점을 극대화할 수 있을 것ˮ이라며, "이번 연구는 불가능하다고 여겨졌던 이차원 물질의 수직 정렬을 구현할 수 있는 효율적이면서 어디에나 쉽게 적용 가능한 혁신적인 플랫폼을 개발한 것이라고 볼 수 있다ˮ고 연구의 의의를 설명했다.
우리 대학 화학과 박사과정 이창재 학생, 나노과학기술대학원 석박사통합과정 박순모 학생이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `네이처 커뮤니케이션즈 (Nature Communications)'에 게재됐고 해당 저널에서 우수성을 인정받아 에디터 하이라이트(Editors’ Highlights)에 소개됐다. (논문명: Field-induced orientational switching produces vertically aligned Ti3C2Tx MXene nanosheet)
한편 이번 연구는 과학기술정보통신부-한국연구재단의 지원을 받아 수행됐다.
2022.10.11
조회수 9295
-
인공지능 활용 고용량 배터리 소재 역설계 기술 개발
우리 대학 신소재공학과 홍승범 교수 연구팀이 우리 대학 조은애 교수, 변혜령 교수, 이혁모 교수, 신종화 교수, 육종민 교수, 그리고 미국의 르하이 대학교(Lehigh University), 죠수아 C 에이가(Joshua C. Agar) 교수와 협업해 기존 문헌에 발표된 실험값들을 추출하는 데이터 마이닝 과정과 이런 실험값들을 입력변수로 하는 다변수 선형회귀 모형을 기반으로 배터리 소재 역설계 머신러닝(기계학습) 모델을 수립했다고 23일 밝혔다.
인공지능은 고차원의 변수 공간에서 각 매개변수 간의 정량적인 상관관계를 신속하고 정확하게 추출할 수 있다. 이를 공정-구조-물성 간의 상관관계를 기반으로 발전하는 신소재공학에 적용하면 신소재 개발 시간을 단축할 수 있으며, 이런 이유로 많은 연구자가 인공지능을 신소재 개발에 활용하려고 노력하고 있다. 특히, 배터리 소재 개발에 인공지능을 활용하는 예가 가장 많은데, 주로 제1 원리 계산(양자화학에 기반한 계산법으로 계산 시 다른 경험적 수량을 전혀 사용하지 않음)과 머신러닝을 융합해 수많은 전극 소재 조합을 대량으로 스크리닝하는 기술 개발이 주를 이루고 있다.
그런데, 인공지능을 활용해서 새로운 배터리 소재를 탐색하고, 탐색한 소재를 합성 및 특성 평가에 있어 가장 큰 문제점은 데이터의 신뢰성과 양이다. 제1 원리 계산으로 예측한 값들은 실험으로 검증이 돼야 하며, 실험데이터의 경우 실험실마다 편차가 있고, 중요한 공정변수들을 공개하지 않은 경우가 많아 인공지능이 학습할 수 있는 데이터의 크기가 한정적이라는 문제가 대두되고 있다.
연구팀은 배터리 양극재 원료조성, 1차 및 2차 소결 온도와 시간 등의 공정 변수와 컷오프 전위 및 충․방전률과 같은 측정 변수, 그리고 1차 및 2차 입자의 크기와 같은 구조 변수, 마지막으로 충․방전 용량과 같은 성능 변수 간의 상관관계를 정량적으로 수립했고, 이를 활용해 요구되는 에너지 용량에 맞는 합성 조건을 찾는 알고리즘을 개발했다.
홍 교수 연구팀은 고니켈 함량 양극재 관련 논문 415편 안에 발표된 주요 변수들을 추출하고, 그중 16% 정도의 정보가 기입되지 않음을 발견했으며, 머신러닝 기법 중에서 k-최근접 이웃 알고리즘(k-nearest neighbors (KNN)), 랜덤 포레스트(random forest (RF)), 연쇄등식을 이용한 다중대치(multiple imputations by chained equations (MICE))를 활용해 빠진 정보를 예측하여 기입했다. 그리고, 가장 신뢰도가 높은 MICE를 선택해 얻은 입력 데이터 셋을 기반으로 주어진 공정 및 측정 변수에 대해서 성능 변수를 예측하는 순방향 모델을 얻었다.
이어서 입자 군집 최적화(particle swarm optimization, PSO) 알고리즘을 활용하여 주어진 성능 변수에 대응하는 공정 및 측정 변수를 추출하는 역방향 모델을 수립했고, 이 모델을 검증하기 위해 소재를 실제로 합성하여 타깃 용량인 200, 175, 150 mAh/g과 11% 정도의 오차를 보여 상당히 정확하게 역설계할 수 있음을 입증했다.
교신 저자인 홍승범 교수는 "인공지능을 활용해 대량의 논문 및 특허 내에 있는 공정-구조-물성 변수들을 자동으로 분류하고 실험값들을 추출해 각 변수 간의 다차원 상관관계를 기반으로 모델을 수립하는 것이 차세대 배터리 소재의 역설계의 핵심ˮ이라며 "향후 데이터 마이닝 기술, 머신러닝 기술 그리고 공정 자동화 기술을 융합하는 것이 미래의 신소재공학ˮ이라고 말했다.
신소재공학과 치 하오 리오우(Chi Hao Liow) 박사가 제1 저자로 참여한 이번 연구는 국제 학술지 `나노에너지(Nano Energy)'에 게재됐다. (논문명: Machine learning assisted synthesis of lithium-ion batteries cathode materials)
한편 이번 연구는 KAIST 글로벌 특이점 사업의 지원을 받아 수행됐다.
2022.08.23
조회수 8658
-
뇌 모방 스핀 소자 핵심기술 개발
우리 대학 물리학과 김갑진 교수와 신소재공학과 박병국 교수 공동연구팀이 뇌 모방 소자로 개발 중인 스핀토크발진기 주파수 대역을 증대시킬 핵심 기술을 개발했다고 18일 밝혔다.
두 연구팀은 비자성체/강자성체/산화물 3중층 구조의 자기발진소자에 게이트 전압을 인가하여 GHz 수준의 발진주파수 조절에 성공하였다. 이는 기존 기술보다 약 10배 이상 향상된 결과로 스핀토크 기반 뉴로모픽 소자가 가진 학습 효과의 휘발성, 좁은 주파수 대역 등의 문제를 해결할 핵심 기술로 제안되었다.
본 소자는 게이트 전압이 영구적으로 수직자기이방성을 변화시켜 소자에 전류가 흐르지 않아도 학습 내용이 저장되어 있는 비휘발성 특성을 가지고 있으며 그 폭이 GHz 수준으로 넓어 뉴로모픽 소자 활용성을 증대시켜줄 것으로 기대된다.
신소재공학과 최종국 박사과정과 물리학과 박재현 박사가 공동 제1저자로 참여하고, KAIST 신소재공학과 강민구 연구원, 고려대학교 이재성 교수와 김도윤 연구원, KAIST 물리학과 이경진 교수가 공동저자로 참여한 본 논문은 국제학술지 ‘네이처 커뮤니케이션즈(Nature Communications)’에 6월 30일 온라인 게재됐다. (논문명 : Voltage-driven gigahertz frequency tuning of spin Hall nano-oscillators)
기존의 스핀토크발진기 기반 뉴로모픽 소자는 학습 대상을 주파수 대역에 대응시켜 학습하는 소자로, 전류가 흐르지 않으면 학습 내용이 사라지는 휘발성과 200MHz 이내의 제한적인 학습 가능 대역폭을 가지고 있어 이에 대한 개선이 필요한 상황이다.
이번 연구에서 연구팀은 게이트 전압 인가가 소자의 수직자기이방성을 영구적으로 조절하고 이를 통해 자기공명주파수가 조절된다는 사실을 이용하여 기존 보고의 10배 이상인 2.1 GHz 이상의 광대역 조절 가능한 발진기를 실현하였다. 본 기술은 스핀-홀 나노 발진기 기반 뉴로모픽 소자 개발에 핵심 기술로 활용될 것이라 기대된다.
한편 이번 연구는 KAIST 글로벌 특이점 연구사업, 삼성미래기술육성사업, 한국연구재단 선도연구센터/중견연구자지원사업의 지원을 받아 수행됐다.
2022.07.29
조회수 8935
-
암의 조기 진단, 치료방향 결정 등을 위한 표적 마이크로RNA 다중 검출 기술 개발
우리 대학 생명화학공학과 박현규 교수, 신소재공학과 정연식 교수 공동 연구팀이 암 관련 마이크로RNA를 다중 검출할 수 있는 다색 양자점(퀀텀닷) 어레이를 개발했다고 20일 밝혔다.
신소재공학과 남태원 박사와 생명화학공학과 박연경 박사가 공동 제1 저자로 참여한 이번 연구는 미국화학회(American Chemical Society)가 발행하는 국제 학술지 `ACS 나노(ACS Nano)'에 2022년도 6월 15일 字 온라인판에 게재됐다. (논문명: Polychromatic quantum dot array to compose a community signal ensemble for multiplexed miRNA detection)
마이크로RNA는 18~25개의 염기서열로 이루어진 짧은 RNA로, 유전자 발현을 조절함으로써 세포 성장 및 분화와 같은 다양한 세포 활동을 제어한다. 마이크로RNA의 비정상적인 발현은 암을 포함한 다양한 질병과 밀접하게 연관돼있어, 여러 가지 질병을 진단하는 차세대 바이오마커로 크게 주목을 받고 있다.
마이크로RNA를 검출하는 가장 일반적인 기존의 방법은 역전사 중합효소 연쇄반응(qRT-PCR)이다. 하지만 이 기술은 역전사 반응을 수반하기 때문에 정량의 정확도가 떨어지고 다중 분석이 제한된다. 다중 핵산 분석에 특화되어 개발된 마이크로 어레이 기술 또한 여전히 역전사 단계를 수반하고 있으며 민감도와 특이도에 있어서 한계가 있다.
연구팀은 이러한 현행 기술의 한계를 극복하기 위해서, 트랜스퍼 프린팅 기법을 활용해 초고해상도의 다색 양자점 어레이(이하 PQDA)를 제작했고 이를 마이크로RNA를 분석하는 기술로 발전시켰다. 그 결과 연구팀은 표적 마이크로RNA를 높은 민감도와 특이도로 다중 검출하는 데 성공하였다.
PQDA는 표적 마이크로RNA에 상보적인 DNA프로브/양자점 복합체가 고정된 고분자 패턴으로, 이중가닥 특이적 뉴클레아제(이하 DSN) 효소에 의해서 표적 마이크로RNA에 특이적인 양자점을 방출하도록 설계됐다. 연구팀은 방출된 양자점들의 형광 신호 앙상블을 기반으로 유방암에 관련된 세 종류의 마이크로RNA를 펨토(10-15) 몰 수준으로 검출하는 데 성공했다. 또한, 혈청과 유방암세포로부터 마이크로RNA를 검출함으로써 기술의 임상 활용도를 입증했다.
PQDA는 각각 독립적인 정량화가 가능한 DNA프로브-양자점 모듈로 이뤄져 있다는 점에서 다중 분석에 적합하다. 특히, PQDA 기반 검출은 역전사 단계 없이 원상태의 마이크로RNA에서 수행하기 때문에 정확한 정량 분석이 가능하고, DSN 효소를 활용해 별도의 증폭 절차 없이 높은 감도를 달성했다. 또한, DSN 효소의 우수한 표적 식별 능력을 이용해 매우 높은 특이도로 표적 마이크로RNA를 검출할 수 있었다.
연구팀 관계자는 "특히 마이크로RNA는 혈액, 타액 및 소변과 같은 체액에도 존재하기 때문에 액체생검(Liquid biopsy)을 위한 핵심 바이오마커로 작용할 수 있다ˮ며 "따라서 이번 기술은 암의 조기 진단, 치료 방향 결정, 치료 효과 모니터링 등을 위한 액체생검 기술로 널리 활용될 수 있을 것으로 기대된다ˮ고 연구의 의의를 설명했다.
한편 이번 연구는 한국연구재단의 기초연구사업, 글로벌프론티어사업, 중견연구자지원사업의 일환으로 수행됐다.
2022.07.20
조회수 8815
-
헬스케어용 액체금속 전자문신 기술 개발
우리 대학 신소재공학과 스티브 박, 전기및전자공학부 정재웅 교수 공동 연구팀이 높은 전도도와 내구성을 가지는 액체금속 복합체를 이용해 건강 모니터링 및 치료를 위한 개인 맞춤형 전자문신을 즉석으로 구현할 수 있는 기술을 개발했다고 4일 밝혔다.
기존의 전자문신 (e-tattoo)은 주로 얇은 박막 위에 전도성 물질을 패터닝 하는 방식으로 만들어졌다. 하지만 소자를 일률적인 공정을 통해 제작해야 하기 때문에, 시술자의 요구를 즉석에서 반영할 수 없었다. 또 기판의 존재로 인한 제한된 신축성과 통기성은 사용을 제한하는 단점이 있었다. 나아가서 기존의 비싸거나 상대적으로 전도성이 낮은 신축성 재료들과 달리 금속처럼 전도성이 높으면서도 상대적으로 저렴한 재료를 이용해야 전자문신의 적용성을 높일 수 있었다.
이 문제를 해결하기 위해 연구팀은 액체금속 복합체 기반의 현탁액(suspension)을 이용해 전자문신을 구현할 수 있는 기술을 개발했다. 연구팀은 전도성이 우수하고 상대적으로 저렴하면서 생친화성도 우수한 갈륨기반의 액체금속을 백금으로 기능화된 탄소나노튜브와 함께 팁소니케이션을 통해 현탁액을 만들어 전자문신에 사용될 수 있는 잉크를 제작하였다. 추가로 연구팀은 잉크의 용매로 에탄올을 이용하여 높은 습윤성과 입자간의 낮은 전기적 반발력, 그리고 빠른 증발을 가능하게 하여 10초 이내에 피부 위에 발릴 수 있는 전자문신을 개발하였다.
피부에 증착된 전자문신은 높은 전도성, 내구성, 신축성 및 생친화성을 가져 사용자의 신체에 맞춰 최적화된 생체전극으로 사용될 수 있다. 연구팀은 전자문신을 피부에 증착하여 생체의 심전도신호 (ECG)를 측정하거나 근육에 전기자극을 전달할 수 있는 생체전극을 제작했다. 또한 액체금속 복합체가 빛에 반응하여 열을 발생시킬 수 있다는 점(photothermal effect)을 이용하여 물리치료에 적용될 수 있는 빛-열 전환 패치도 제작하는데 성공하였다. 나아가서 액체금속 복합체에 효소를 부착하여 땀에 많이 포함되어 있는 바이오마커인 포도당(glucose), 젖산(lactate), 알코올(ethanol)을 측정하는 웨어러블 바이오 센서로서의 가능성도 구현하였다.
우리 대학 신소재공학과 이건희(스티브 박, 정재웅 교수 공동 지도) 박사과정, 우희진 석사과정 학생이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `어드밴스드 머터리얼즈(Advanced Materials)' 온라인 버전에 6월 14일 字 출판됐다. (논문명: Personalized electronic tattoo for healthcare realized by on-the-spot assembly of intrinsically conductive and durable liquid-metal-composite)
스티브 박 교수는 "최근 주목받고 있는 액체금속 입자의 한계점을 극복하고, 액체금속-탄소 복합체 기반 현탁액의 다양한 적용 가능성을 보여주었다ˮ라고 말했다. 정재웅 교수는 "헬스케어에 대한 관심이 증가하면서 각광받고 있는 맞춤형 전자소자의 새로운 방향성을 제시한 의미있는 결과ˮ 라고 말했다.
한편 이번 연구는 한국연구재단의 지원을 받아 수행됐다.
2022.07.04
조회수 8910
-
다공성 나노소재를 활용한 고신뢰성 시냅스 소자 개발
우리 대학 전기및전자공학부 최신현 교수 연구팀이 다공성 구조를 갖는 *차세대 저항 변화 소자(멤리스터)를 활용해 우리 뇌의 신경전달물질 시냅스를 모방한 고신뢰성 소자(시냅스 소자)를 개발했다고 25일 밝혔다.
☞ 멤리스터(Memristor): 메모리와 레지스터의 합성으로 이전의 상태를 모두 기억하는 메모리 소자. 전원공급이 끊어졌을 때도 직전에 통과한 전류의 방향과 양을 기억한다.
최 교수 연구팀은 기존 양이온 저항 변화 방식과 음이온 저항 변화 방식을 혼합한 하이브리드 형태로 매개체를 구성해, 비정질로 이루어진 다공성 구조 및 버퍼 층을 이용해 고신뢰성 시냅스 소자를 설계했다. 해당 구조는 저온 공정을 통해 형성함으로써 기존 실리콘 상보형 산화금속 반도체(CMOS)에 집적 및 적층 가능해 집적도 높은 대용량 로직/인공신경망 컴퓨팅 시스템 제작에 활발히 응용될 수 있을 것으로 기대된다.
우리 대학 최상현 연구원과 박시온 연구원이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `사이언스 어드밴시스(Science Advances)' 1월호에 출판됐다. (논문명 : Reliable multilevel memristive neuromorphic devices based on amorphous matrix via quasi-1D filament confinement and buffer layer)
멤리스터는 저전력으로 인메모리(In-memory) 컴퓨팅, 가중치 저장, 행렬 계산 능력(vector-matrix multiplication) 등으로 차세대 논 폰노이만 구조에 쓰일 수 있는 차세대 소자로 주목받고 있다.
그러나 현존하는 멤리스터로 실용적인 대용량 인공신경망 컴퓨팅 (Large-scale neural computing) 시스템을 만들기 위해서는 멤리스터 단위 소자의 신뢰성을 확보할 수 있는 연구가 필요하다.
소자의 신뢰성 저하는 전통적으로 비정질 물질 내에 무작위적으로 움직이는 결함 및 이온의 배치에서 기인한다. 최신현 교수는 이러한 문제를 단결정 물질을 사용해 결함 및 이온의 무작위적인 움직임을 제어함으로써 소자 신뢰성 확보에 성공한 바 있다. 하지만 단결정을 이용하는 문제 및 제작에 고온 공정이 필요하므로 기존 실리콘 CMOS에 집적 및 적층이 어려워 집적도를 높이는 데 한계가 있었다.
연구팀은 이번 연구를 통해 기존의 비정질 물질을 사용해 신뢰성을 확보할 수 있는 다공성 구조의 양이온 제어층 및 버퍼층으로 이용되는 음이온 제어층을 설계했고, 이를 통해 적층 및 집적 가능한 소자를 제작했다. 연구팀은 기존 소자 대비 6배 이상 신뢰성을 개선할 수 있었으며, 이와 동시에 인공 시냅스 소자로서 필요한 다른 특성들도 확보할 수 있었다.
연구를 주도한 최신현 교수는 "이번에 개발한 고신뢰성 시냅스 소자는 안정적인 대용량 어레이 제작의 방향성을 제시할 수 있을 것으로 기대되며, 차세대 신소자를 기반으로 한 뉴로모픽 컴퓨팅 등 빅데이터 처리가 필요한 응용 분야에 적합한 플랫폼을 구축하는 데에 기여할 수 있기를 바란다. 또한, 미국, 대만 기업에서 활발히 진행 중인 차세대 신소자 기반 기술 개발이 국내에서도 활성화되기를 희망한다ˮ며 "다른 물질계에서도 구조적으로 적용할 수 있는 방법론을 제시함으로써 활발히 연구가 진행될 것으로 생각된다ˮ고 연구의 의의를 설명했다.
한편 이번 연구는 한국연구재단, 나노종합기술원, 삼성미래기술육성재단의 지원을 받아 수행됐다.
2022.01.25
조회수 11259
-
전하 전달 복합체를 이용한 신개념 디스플레이 소재 개발
우리 대학 신소재공학과 정연식 교수, 전덕영 명예교수, 한국전자통신연구원(ETRI) 권병화 박사 공동 연구팀이 차세대 디스플레이 소자에 적용 가능한 신개념 금속 산화물 복합 나노소재 개발에 성공했다고 19일 밝혔다.
KAIST-ETRI 공동 연구팀은 특정 금속 산화물 나노입자가 다른 산화물 내부에서 나노미터(nm) 크기로 분산될 경우, 접촉면(인터페이스)에서 전하가 교환되면서 전하 전달 복합체(Charge transfer complex)를 형성하는 새로운 현상을 발견했다. 연구팀은 이를 유기발광다이오드(OLED) 등 고부가가치 디스플레이에 적용해 기존 상용 유기 소재 기반의 소자 성능을 뛰어넘는 데 성공했다.
오는 2월에 우리 대학 신소재공학 박사학위 취득 예정인 김무현 연구원이 주도하고 조남명 박사, ETRI 주철웅 선임연구원 등이 참여한 이번 연구는 국제학술지 `네이처 커뮤니케이션스(Nature Communications)' 1월 10일 字 온라인판에 게재됐다. (논문명: Metal Oxide Charge Transfer Complex for Effective Energy Band Tailoring in Multilayer Optoelectronics)
디스플레이 발광 셀 등 다층구조를 가지는 광전자소자에서 금속 산화물은 우수한 전기적 특성 및 안정성 덕분에 전하 수송 및 주입 층으로 널리 활용되고 있다. 하지만, 유기 발광 다이오드(OLED)에서 퀀텀닷 발광다이오드(QLED), 페로브스카이트 발광다이오드(PeLED)로 이어지는 미래 디스플레이 산업에서 이러한 금속 산화물 소재를 더 유용하게 활용하기 위해서는 에너지 레벨 및 전기전도도와 같은 특성들이 더 넓은 범위에서 제어될 수 있어야 한다.
이는 유기 발광 소재, 퀀텀닷, 페로브스카이트 등으로 발광층 소재가 매우 다양해짐에 따라 디스플레이 소자들의 성능을 극대화하기 위해서는 각각의 시스템에 최적화된 전기적 특성을 제공해야 하기 때문이다.
연구팀은 에너지 레벨 차이가 있는 두 금속 산화물 사이에서 일어나는 전하 전달(Charge transfer) 현상에 주목했다. 전하 전달 복합체는 마치 건포도 빵의 형태와 유사한 구조로 되어 있는데, 건포도(나노입자)를 더 넣게 되면 더 많은 당분(전하)이 빵(매트릭스)으로 이동하여 빵 전체가 더 달콤해지는 원리로 비유될 수 있다.
이 새로운 개념을 산화 몰리브덴(MoO3) 나노입자와 산화니켈(NiO)의 조합으로 구현해 두 금속 산화물의 전하 전달 현상을 효과적으로 유도했으며, 광범위한 에너지 레벨 조절 능력 및 최대 2.4배의 전기전도도 향상을 달성했다. 이를 녹색과 청색 OLED에 적용했고 기존의 상용 유기 소재를 적용한 소자보다 32% 더 우수한 외부양자효율을 달성함으로 높은 범용성과 성능을 입증했다.
신소재공학과 정연식 교수는 "이번 기술은 핵심 소재의 성능 제어 방법을 혁신함으로써, 실감형 메타버스 구현에 꼭 필요한 최첨단 디스플레이 구현에 기여할 것ˮ이라고 전망했다.
이번 연구는 과학기술정보통신부 및 한국연구재단이 추진하는 미래소재디스커버리지원사업(단장 최성율), 글로벌프런티어 사업(단장 김광호) 및 나노·소재기술개발사업, 그리고 산업통상자원부에서 추진하는 소재부품장비혁신 Lab기술개발사업의 지원을 받아 수행됐다.
2022.01.24
조회수 13320
-
신소재 데이터 고속 분석을 위한 인공지능 훈련 방법론 개발
우리 대학 신소재공학과 홍승범 교수 연구팀이 시뮬레이션을 기반으로 한 신소재 데이터 분석을 위한 인공지능을 개발했다고 24일 밝혔다.
최근 컴퓨팅 파워가 기하급수적으로 증가함에 따라 인공지능을 활용한 다양한 응용들이 실생활에 활용되고 있으며, 이에 인공지능을 활용해 신소재 데이터를 고속으로 분석하고 소재를 역설계하는 기술의 연구 역시 가속화되고 있다.
최근 인공지능의 효율 및 정확도를 증가시키는 연구를 바탕으로 자율주행 자동차, 데이터베이스 기반의 마케팅 및 물류 시스템 보조 등의 분야에 인공지능의 활용이 높아지고 있다. 특히 신소재 개발에 장시간이 소요되는 점을 고려할 때, 소재 및 공정 개발에 인공지능을 활용해 다양한 구조 및 물성 데이터 사이의 상관관계를 빠르게 분석해 신소재 개발 소요 시간을 획기적으로 줄일 수 있는 인공지능 방법론이 주목을 받고 있다.
그러나 신소재 데이터의 경우, 대량의 유의미한 실험 데이터를 구하기 어렵고 기업들이 중요한 데이터는 대외비로 취급하고 있어서 인공지능을 소재 데이터 영역에 적용하는 것이 상당히 어려운 것이 현실이다. 이런 데이터의 다양성, 크기 및 접근성 문제가 해결돼야 하며, 이를 보완하기 위해 생성 모델 및 적절한 데이터의 합성에 관한 연구가 진행되고 있다. 인공지능의 성능 향상을 위해 생성되는 데이터 또한 실제 소재가 가지는 물리적 제약을 따라야 하며, 소재 데이터의 재료적 특징을 파악할 수 있는 기술이 필요하다.
홍승범 교수 연구팀이 이번에 개발한 인공지능 훈련 방법론은 훈련을 위해 생성되는 데이터가 물리적 제약을 공유하도록 위상 필드 시뮬레이션을 활용해 기초 데이터를 형성하고 소재 데이터가 가지고 있는 실제 측정 과정에서 발생하는 다양한 잡음, 입자의 분포 정보 및 입자의 경계를 모사해 크기가 작은 소재 데이터의 한계를 해결했다. 기존에 수작업으로 작성한 소재 데이터를 활용한 인공지능과의 상 분리 성능을 비교했으며, 생성된 데이터의 모사 요소가 상 분리에 영향을 미치는 영향을 파악했다.
아울러 이번 연구에서 제시하는 소재 데이터 생성을 활용한 인공지능 훈련 방법은 기존의 수작업으로 훈련 데이터를 준비하는 시간을 크게 단축할 수 있으며, 인공지능의 전이 학습 및 다양한 물리적 제약을 바탕으로 하는 위상 필드 시뮬레이션 활용을 바탕으로 다양한 소재 데이터에 빠르게 적용할 수 있는 장점이 있다.
홍승범 교수는 "인공지능은 분야를 막론하고 다양한 영역에서 활용되고 있으며, 소재 분야 역시 인공지능의 도움을 바탕으로 신소재 개발을 더욱 빠르게 완료할 수 있는 세상을 맞이할 것이다ˮ라며, "이번 연구 내용을 신소재 개발에 바로 적용하기에는 데이터 합성 측면에서의 여전히 보강이 필요하지만, 소재 데이터 활용에 큰 문제가 됐던 훈련 데이터를 준비하는 긴 시간을 단축해 소재 데이터의 고속 분석 가능성을 연 것에 연구의 의의가 있다ˮ고 말했다.
신소재공학과 염지원 연구원, 노스웨스턴(Northwestern) 대학의 티베리우 스탄(Tiberiu Stan) 박사가 공동 제1 저자로 참여한 이번 연구는 노스웨스턴 대학의 피터 부리스(Peter Voorhees) 교수 연구실과 함께 진행됐으며 연구 결과는 국제 학술지 `악타 머터리얼리아(Acta Materialia)'에 게재됐다. (논문명: Segmentation of experimental datasets via convolutional neural networks on phase field simulations)
한편 이번 연구는 KAIST 글로벌특이점 연구 지원으로 수행됐다.
2021.08.24
조회수 10677
-
신소재 영상화 및 머신러닝을 활용한 미래 개척
우리 대학 신소재공학과 홍승범 교수 연구팀이 KAIST 10대 플래그쉽 분야이자, 글로벌 특이점 과제인 `KAIST 신소재 혁명: M3I3 이니셔티브' 과제의 배경, 역사, 진행 상황 그리고 미래 방향을 제시했다고 31일 밝혔다.
홍 교수 연구팀은 다중스케일 다중모드 영상화 기술과 머신러닝(기계학습) 기법을 융합해서 고차원의 구조-물성 및 공정-구조 상관관계를 도출했다. 그리고 이를 인공지능과 3차원 다중 스케일 프린팅 기술을 활용해서 신소재 디자인부터 시장 진입까지의 기간을 획기적으로 단축할 수 있는 비전과 실행 플랫폼을 제안했다. M3I3 플랫폼은 고용량 에너지 소재 디자인에서 시작해서, 고밀도 메모리 소재, 고성능 자동차/항공 소재에도 응용 가능할 것으로 기대된다.
우리 대학 신소재공학과 홍승범 교수가 제1 저자로, 리오치하오 박사가 제2 저자로 참여하고, 육종민 교수, 변혜령 교수, 양용수 교수, 조은애 교수, 최벽파 교수, 이혁모 교수가 공동 저자로 참여한 이번 연구는 국제 학술지 `에이씨에스 나노(ACS Nano)' 2월 12일 字 온라인 출판됐다. (논문명 : Reducing Time to Discovery: Materials and Molecular Modeling, Imaging, Informatics, and Integration)
역사의 큰 흐름을 결정한 신소재는 시행착오와 도제식의 비결 전수를 통해서 발견 및 개발돼왔다. 각종 무기와 그릇, 그리고 장신구들이 좋은 예다. 광학현미경이 발명되면서 검의 미세구조와 검의 강도 혹은 경도 간의 상관관계를 이해하기 시작했고, 투과전자현미경과 원자간력 현미경의 발명으로 원자 수준의 분해능으로 신소재를 영상화하기 시작했다.
고려청자를 현재 재현하지 못하는 것은 고려 시대의 장인들이 그 비결을 남기지 않았기 때문이라고 우리는 가르치고 있다. 그러나, 미래에는 고려청자의 다중 스케일 구조를 영상화해서 데이터화 하고, 구조를 구현할 수 있는 공정 과정을 머신러닝의 힘을 빌려 역설계한다면, 고려청자를 재현하는 일은 가능할 것으로 보인다.
우리 대학 M3I3 플랫폼은 이처럼 다중 스케일 및 다중 모드 영상화 기술, 데이터 마이닝과 머신러닝, 그리고 다중 스케일 제조 기술을 접목해 미래에 필요한 신소재를 역설계해서 빠르게 공정 레시피를 확보할 수 있게 만들어준다.
이번 논문에서는 M3I3 플랫폼의 유효성을 확인하기 위해 배터리 소재에 적용하는 연구를 진행했다. 고용량 배터리 소재의 개발 기간을 단축할 수 있다는 것을 검증하기 위해서 20년간의 논문 자료를 50여 명의 학생이 읽고 데이터를 추출해 양극재의 에너지 밀도와 소재 조성 간의 상관관계를 도출했다. 그리고 논문에 나와 있는 공정, 측정 및 구조 변수들을 머신러닝 기법을 활용해 모델을 수립한 후, 무작위 조건에서 합성해 모델의 정확도를 측정함으로써 데이터 마이닝과 머신러닝의 우수성을 입증했다.
또한 투과전자현미경(TEM), 주사투과전자현미경(STEM), 원자간력현미경(AFM), 광학현미경 등의 다양한 현미경과 엑스레이(X-ray), 라만(Raman), UV/Visible/IR 등 다양한 분광 장비들을 통해 얻은 영상과 스펙트럼 데이터를 기반으로 다중 스케일 구조↔물성 상관관계를 도출하고, 여러 가지 공정변수 데이터를 수집해, 공정↔구조 상관관계를 수립하는 것이 M3I3 플랫폼의 중요한 핵심이다. 특히, 실험데이터와 시뮬레이션 데이터를 융합하고, 머신러닝으로 생성한 가상의 데이터를 과학적인 기준에 맞춰 유의미한 빅데이터로 만들면, 머신러닝을 활용해 물성→구조→공정으로 연결되는 역설계 알고리즘을 개발하는 것이 가능해지며, 이를 통해 미래에 필요한 물성을 갖는 신소재 공정 레시피를 신속하게 확보할 수 있게 된다.
제1 저자인 홍승범 교수는 "과학은 날카로운 관찰과 정량적 측정에서 시작한 학문이며, 기술의 발전으로 현재는 눈에 보이는 소재의 모양과 구조뿐만 아니라 눈에 보이지 않는 소재의 구조를 볼 수 있는 시대가 왔고, 물성마저 공간과 시간의 함수로 영상화할 수 있는 시대가 도래했다ˮ라며 "신소재 영상화 기술과 머신러닝 기술을 융합하고 3D 프린팅 기술을 다중 스케일 자동 합성 기술로 승화시키게 되면 20년 걸리던 신소재 개발 기간을 5년 이내로 단축할 수 있을 것이다ˮ 라고 말했다.
한편, 이번 연구는 글로벌 특이점 사업의 지원을 받아 수행됐다.
2021.04.01
조회수 91265