KAIST 물리학과 양용수 교수 연구팀이 인공신경망을 이용한 주사투과전자현미경(STEM) 기반 원자분해능 전자토모그래피 기술을 개발, 이를 적용해 백금 나노입자 표면과 내부의 3차원 원자 구조를 15 pm(피코미터)의 정밀도로 규명했다.
1 pm(피코미터)는 1 미터의 1조 분의 일에 해당하는 단위로, 15 pm의 정밀도는 수소 원자 반지름의 약 1/3 정도에 해당하는 매우 높은 수준이다.
전자토모그래피는 전자현미경으로 다양한 각도에서 측정된 2차원 투영된 이미지로부터 3차원 이미지를 얻어내는 기술이다.
최근 주사투과전자현미경과 3차원 토모그래피 재구성 알고리즘의 기술 발전으로 전자토모그래피의 분해능은 단일 원자까지 구분할 수 있는 수준에 이르렀다. 이를 통해 많은 나노물질의 구조와 물성의 근본적인 이해가 가능해졌다.
그러나 일반적인 전자토모그래피 실험에서는 시편을 탑재한 홀더 또는 그리드가 전자빔을 가리게 되는 실험적 제약으로 인해 고 각도(약 75도 이상)의 이미지 측정이 불가능하다.
이로 인해 고 각도 방향의 분해능이 저하되고, 재구성된 3차원 이미지에 원치 않는 노이즈들이 생겨난다. 이러한 현상을 손실 웨지 문제(missing wedge problem)라 부르며, 이러한 문제 때문에 기존의 전자토모그래피 방법으로는 표면/계면의 3차원 원자 구조를 고분해능으로 측정하기 힘들었다.
양용수 교수 연구팀은 인공신경망을 이용해 고 각도 방향의 데이터를 복원함으로써 이러한 손실 웨지 문제(missing wedge problem)를 해결하는 데 성공했다.
이를 통해 고분해능 3차원 표면/계면 원자 구조의 결정이 가능하게 됐고, 나노물질의 표면/계면에서 나타나는 물성의 메커니즘을 단일 원자 수준에서 근본적으로 해석할 수 있게 됐다.
연구팀은 모든 물질은 원자들로 구성돼 있다는 원자성(atomicity)에 근거해 원자 구조 토모그래피 3차원 데이터를 시뮬레이션을 통해 생성했다.
고 각도의 데이터가 손실된 불완전한 원자 구조 토모그래피 3차원 데이터와 이상적인 원자 구조 3차원 데이터 사이의 상관관계를 학습시키기 위해 인공지능 신경망(3d-unet기반 모델)을 지도학습했다.
원자성에 기반해 학습된 인공지능 신경망은 손실된 고 각도 데이터를 성공적으로 복원함으로써 손실 웨지 문제로 인한 분해능 저하 문제를 해결했다. 이는 높은 정밀도의 3차원 표면/계면 원자 구조 규명을 가능하게 한다.
연구팀은 개발된 인공신경망 기반 전자토모그래피 기술을 이용해 실제 백금 나노입자의 3차원 표면 및 내부 구조를 단일 원자 수준에서 규명할 수 있었다. 원자 구조의 정밀도는 인공신경망 적용 전 26 pm에서 적용 후 15 pm으로 큰 폭으로 향상됐다.
연구를 주도한 양용수 교수는 "인공신경망 기반 전자토모그래피는 구성 원소, 물질의 구조/형태에 의존하지 않는 매우 일반적인 방법으로서, 전자토모그래피로 얻은 원자 구조 부피데이터에는 종류에 상관없이 바로 적용할 수 있다ˮ며 "이를 통해 많은 물질의 3차원 표면/계면 원자 구조가 정밀하게 규명되고, 표면/계면에서 일어나는 물성과 이에 연관된 메커니즘의 근본적인 이해를 바탕으로 고성능 촉매 개발 등에 응용될 것ˮ이라고 설명했다.
물리학과 이주혁 석박사통합과정 학생이 제1 저자로 참여한 이번 연구는 국제 학술지 `네이처 커뮤니케이션즈(Nature Communications)' 3월 30일 자에 게재됐다.
