【브레이크뉴스 포항】박영재 기자=POSTECH(포항공과대학교)은 최근 신소재공학과 및 반도체공학과 최시영 교수 · 신소재공학과 통합과정 양동환 씨, 연세대 정밀의학과 및 보건대학원 양세정 교수 · 의공학과 통합과정 추유성 씨 공동 연구팀은 딥 러닝(deep learning)을 적용해 소재 점 결함 분석 전 공정 자동화를 구현하는 데 성공했다고 19일 밝혔다.

▲ 연구관련 그림   © 포스텍

이번 연구는국제 학술지인 ‘머티리얼즈 호라이즌스(Materials Horizons)’에 게재됐다.

스마트폰 반도체 소자에서 발생하는 결함을 정확하게 식별하고 분석한다면 제조 과정에서 발생하는 결함을 최소화해 완제품 성능을 향상할 수 있다. 또한, 결함이 생성·제어된 소재의 신물성 응용은, 장기적으로 더 우수한 제품을 개발할 수 있어 결함 생성과 제어는 소재 분야 연구에서 매우 중요하다.

소재 결정 구조 내에 원자가 하나 비어있거나 추가되는 0차원 결함을 ‘점 결함’이라고 하는데, 이는 소재의 고차원 결함 연구로 나아가기 위한 필수 선행 연구 대상이다.

원자 수준 점 결함을 관찰하기 위해 피코미터(10-12 m) 단위의 공간 분해능을 가진 구면 수차보정 주사투과전자현미경을 사용한다. 그러나, 이 현미경으로 촬영한 하나의 이미지에는 적게는 수백 개부터 많게는 수천 개까지의 원자가 포함되어 있어, 정확한 점 결함 종류와 개수 파악에 많은 시간과 노력이 필요했다.

연구팀은 반데르발스 반도체 소재(2H-MoTe2)의 원자 구조 이미지에서, 소재의 기본 반복 단위인 유닛 셀(unit cell)을 매우 정교하게 검출하는 딥 러닝 모델을 개발했다.

이 모델은 유닛 셀 인식 단계를 세분화해 인식 정확도를 높였으며, 연구팀은 인식된 유닛 셀마다 종류에 따른 다양한 점 결함 유형을 분류하도록 모델을 학습시켰다.

실험 결과, 연구팀의 딥 러닝 모델은 총 3,037개 유닛 셀 분류 실험에서 99.9%의 점 결함 분류 정확도를 보였다.이는 최근까지 문헌이나 논문으로 학계에 보고된 점 결함 분류 성능보다 높은 수준이다.

POSTECH 최시영 교수는 “이번 연구가 다양한 소재의 원자 결함 분석 및 원자 구조 분석 데이터베이스 구축 연구에 큰 도움이 되길 바란다”는 기대를 전했다.

한편, 이 연구는 한국기초과학지원연구원 국가연구시설장비진흥센터, 기초과학연구원, 한국연구재단과 과학기술정보통신부의 지원으로 수행되었다.

<구글 번역으로 번역한 영문 기사의 전문 입니다. 번역에 오류가 있을 수 있음을 밝힙니다.>

POSTECH and Yonsei University joint research team develops deep learning technology for analysis of point defects in materials

POSTECH (Pohang University of Science and Technology) recently launched a joint research team led by Professor Siyoung Choi of the Department of Advanced Materials Engineering and Semiconductor Engineering and Dong-Hwan Yang of the Department of Advanced Materials Engineering and Integrated Course, and Professor Sejeong Yang of Yonsei University's Department of Precision Medicine and Graduate School of Public Health and Yoo-Seong Choo of the Department of Biomedical Engineering and Integrated Course by applying deep learning. It was announced on the 19th that it had succeeded in implementing automation of the entire material point defect analysis process.

This study was published in the international academic journal ‘Materials Horizons’.

  If defects occurring in smartphone semiconductor devices are accurately identified and analyzed, defects occurring during the manufacturing process can be minimized and finished product performance improved. In addition, the application of new properties of materials with defects generated and controlled can develop better products in the long term, so defect generation and control are very important in materials research.

A zero-dimensional defect in which an atom is left empty or added within the crystal structure of a material is called a ‘point defect’, and this is an essential subject of prior research to advance into the study of high-dimensional defects in materials.

  To observe atomic-level point defects, we use a spherical aberration-corrected scanning transmission electron microscope with a spatial resolution of picometers (10-12 m). However, a single image taken with this microscope contains from hundreds to thousands of atoms, so it took a lot of time and effort to determine the exact type and number of point defects.

  The research team developed a deep learning model that very precisely detects the unit cell, the basic repeating unit of the material, from the atomic structure image of van der Waals semiconductor material (2H-MoTe2).

This model improved recognition accuracy by subdividing the unit cell recognition steps, and the research team trained the model to classify various point defect types according to the type of each recognized unit cell.

As a result of the experiment, the research team's deep learning model showed a point defect classification accuracy of 99.9% in a total of 3,037 unit cell classification experiments. This is a higher level than the point defect classification performance reported in academia in literature or papers until recently.

  Professor Siyoung Choi of POSTECH expressed his expectation, saying, “I hope that this research will be of great help in the research on atomic defect analysis of various materials and the construction of an atomic structure analysis database.”

  Meanwhile, this research was conducted with support from the National Research Facilities and Equipment Promotion Center of the Korea Basic Science Institute, the Korea Institute for Basic Science, the National Research Foundation of Korea, and the Ministry of Science and ICT.