성균관대학교 신소재공학과 이정헌 교수 연구팀은 노재철 교수, 시스템경영공학과 이종석 교수팀과 함께 AI 기술을 전자 현미경 이미지 분석 기술에 적용하여 나노입자의 형태학적 특성을 높은 정확도로 분석할 수 있는 알고리즘을 개발하고 수십만 개에 달하는 나노입자의 형태와 관련된 다양한 통계적 분석을 진행했습니다. 이번 연구는 'ACS Nano'에 게재됐습니다. 

AI로 나노 소재 형태 통계적으로 분석한다

신재생에너지, 나노의약품, 촉매, 센서 등 다양한 분야에서 활용되는 나노신소재는 그 형태가 물리‧화학적 특성에 매우 큰 영향을 끼치지만 이의 형태학적 정보를 대량으로 정확하게 읽고 정량적으로 분석할 수 있는 기술은 현재까지 존재하지 않았습니다.

이에 연구진은 자연에서의 진화를 모방한 유전 알고리즘이라는 기계학습 기법을 활용해 이미지 분석에 사용되는 다양한 방법 및 변수들을 자동적으로 최적화함으로써 투과전자현미경 이미지로 얻은 나노입자의 형태적 정보를 99.75%의 높은 정확도와 0.25%의 낮은 오인식률로 분석해내는 기술을 개발했습니다. 특히 본 알고리즘은 전자현미경 이미지에서 붙어있거나 포개어져 있는 나노입자를 스스로 찾아 분리하고, 분리되지 않으면 제거함으로써 나노입자의 밀도와 분석 정확도를 동시에 크게 높이는 것이 가능합니다. 

이후 이 기술을 활용하여 나노입자의 형태적 특성에 대한 다양한 통계적 분석을 진행했습니다. 우선 베이지안 통계학을 기반으로 수행되는 마르코프 체인 몬테카를로를 사용하여 16만여 개나 되는 많은 수의 나노입자 형태에 대한 분포를 추정했습니다. 신뢰수준에서 대표성을 갖기 위해 필요한 나노입자의 개수를 찾아냈습니다. 또한 통계 분포 분석과 푸리에 변환을 통하여 샘플에 존재하는 다양한 형태의 나노입자들을 자동으로 분류하고 군집화하는 알고리즘을 개발했으며 이러한 통계적 정보를 활용하는 경우 나노입자의 광학적 물성을 상당히 정확하게 계산할 수 있음을 확인했습니다.

본 연구는 전자 현미경 이미지 분석에 머신러닝 기법을 적용해 수십만 개의 나노입자의 형태적 특성을 정밀하게 분석하고 통계적 분석을 수행한 최초의 연구로, 다양한 나노소재의 주요 물성을 정량화해 빅데이터를 구축하는 데 필요한 핵심기술 중 하나가 될 것입니다. 특히 개별 나노소재의 형태가 광학적 특성이나 표면에서의 반응 등과 같은 물리‧화학적 특성에 큰 영향을 끼치기 때문에 본 기술은 나노소재의 신뢰성을 평가할 뿐 아니라 새로운 나노소재를 개발하는 데 활용될 것으로 기대를 모으고 있습니다.

##참고자료##

• Lee, Byoungsang, et al. "Statistical Characterization of the Morphologies of Nanoparticles through Machine Learning Based Electron Microscopy Image Analysis." ACS nano (2020).

함예솔 다른기사 보기