물질 표면을 3차원으로 정량적으로 매핑할 수 있는 방법은 원자력 현미경, 즉 AFM다. 하지만 AFM의 정밀도는 현미경의 프로브 크기에 따라 달라진다. 

사이언스테크 데일리는 이 한계를 극복하기 위해 새로운 인공지능 기술이 개발됐고, 이를 통해 현미경은 물질 분석에서 더 높은 해상도를 얻을 수 있다고 보도했다.

일리노이 대학교 어바나 샴페인의 연구원들에 의해 개발된 딥 러닝 알고리즘은 AFM 현미경 이미지에서 프로브 폭의 효과를 제거하도록 훈련 받는다.

저널 나노 레터스에 보고된 바와 같이, 이 알고리즘은 현미경 프로브 팁의 폭보다 낮은 해상도에서 최초의 진정한 3차원 표면 프로파일을 제공하는 다른 방법들을 능가한다.

△재료 표면 이미징의 획기적인 발전

미국 교수이자 프로젝트 책임자인 잉지에 장(Yingjie Zhang)은 "정확한 표면 높이 프로파일은 재료 및 생물학적 시스템에 대한 과학적 연구뿐만 아니라 나노 전자 개발에 중요하며, AFM은 프로파일을 비침습적으로 측정할 수 있는 핵심 기술"이라고 말했다.

또한 그는 "우리는 훨씬 더 정확하고 더 작은 것들을 보는 방법을 보여줬고, 우리는 어떻게 AI가 극복할 수 없어 보이는 한계를 극복하기 위해 활용될 수 있는지 보여줬다"고 덧붙였다.

종종, 현미경 기술은 본질적으로 연구자들에게 물질 표면의 항공 사진을 제공하는 2차원 이미지만 제공할 수 있다.

AFM은 표면 특징의 높이 프로파일을 정확하게 보여주는 전체 지형도를 제공한다.

이 3차원 이미지는 물질의 표면을 가로질러 프로브를 이동하고 수직 편향을 측정함으로써 얻어진다.

표면 특징이 탐침 끝의 크기인 약 10 나노미터에 접근하면 탐침이 너무 커서 특징을 ‘느낄’ 수 없기 때문에 현미경으로 해결할 수 없다.

현미경학자들은 수십 년 동안 이 한계를 알고 있었지만, 결정론적인 해결책을 제시한 것은 미국 일리노이 대학 연구원들이 처음이다.

장 교수팀의 대학원생이자 이 연구의 주요 저자인 랄리스 보나기리는 "우리는 더 전통적인 수학적 방법의 본질적인 한계 없이 정확한 거칠기인 키 프로파일을 얻기를 원했기 때문에 인공지능과 딥 러닝으로 눈을 돌렸다"고 말했다.

△딥러닝 알고리즘

연구원들은 인코더-디코더 프레임워크를 갖춘 딥 러닝 알고리즘을 개발했다. 그것은 먼저 원시 AFM 이미지를 추상적인 특징으로 분해하여 ‘부호화’한다.

특징 표현이 원하지 않는 효과를 제거하기 위해 조작된 후, 그것은 다시 ‘디코딩’되어 인식 가능한 이미지인 a로 돌아간다.

알고리즘을 훈련시키기 위해 연구원들은 3차원 구조물의 인공 이미지를 생성하고 AFM 판독값을 시뮬레이션했다.

그리고 나서 알고리즘은 시뮬레이션된 AFM 이미지를 프로브 크기 효과로 변환하고 기본 특징을 추출하기 위해 만들어졌다.

보나기리는 "우리는 실제로 이것을 달성하기 위해 비표준적인 것을 해야 했다"고 말했다.

또한 그는 "일반적인 인공지능 이미지 처리의 첫 번째 단계는 비교를 단순화하기 위해 이미지의 밝기와 대비를 일부 표준과 비교하여 재조정하는 것이다. 그러나 우리의 경우 절대적인 밝기와 대비가 의미 있는 부분이므로 그 첫 번째 단계를 포기해야 했다. 그것이 문제를 훨씬 더 어렵게 만들었다"고 덧붙였다.

그들의 알고리즘을 테스트하기 위해 연구원들은 실리콘 호스트에서 알려진 치수의 금과 팔라듐 나노입자를 합성했다.

그 알고리즘은 성공적으로 프로브 팁 효과를 제거하고 나노입자의 3차원적인 특징을 정확하게 확인했다.

장 교수는 "우리는 개념 증명을 부여하고 AFM 이미지를 크게 개선하기 위해 AI를 사용하는 방법을 보여줬지만, 이 작업은 시작에 불과하다"며 "모든 AI 알고리즘과 마찬가지로 더 많은 그리고 더 나은 데이터에 대해 훈련시켜 개선할 수 있지만, 앞으로 나아갈 길은 분명하다"고 전했다.