kikuchipy: an open-source toolbox for analysis of EBSD patterns

본 논문은 스테인리스강과 알루미늄 합금의 미세구조 특성 분석에 대한 적용 사례를 통해 증명된 후프 및 사전지식 인덱싱, 방향 정제, 검증을 지원하는 오픈 소스 파이썬 툴박스인 kikuchipy 를 전자 후방 산란 회절 (EBSD) 패턴 분석을 위해 소개한다.

핵심

작고 보이지 않는 세계 안에서 미스터리를 해결하려는 형사가 되어 상상해 보세요. '용의자'는 금속과 합금을 구성하는 미세한 결정체들입니다. 이들을 잡기 위해 전자 후방 산란 회절 (EBSD) 기계라는 강력한 현미경 내부에 있는 특수 카메라를 사용합니다. 금속 시료에 전자 빔을 비추면 빔이 튕겨 나와 화면에 복잡한 빛나는 선과 띠의 패턴을 만들어냅니다. 이러한 패턴은 모든 종류의 결정에 대한 고유한 지문과 같습니다.

문제는 이러한 지문을 읽는 것이 매우 어렵다는 것입니다. 조각들이 흐릿하고 조명이 나쁘며 일부 조각은 다른 조각과 거의 동일하게 보이는 퍼즐을 푸는 것과 같습니다. 보통 과학자들은 이러한 퍼즐을 해결하기 위해 값비싼 '블랙박스' 소프트웨어를 사용해야 합니다. 데이터를 입력하면 기계가 답을 내놓지만, 어떻게 해결했는지 볼 수 없으며 답이 틀렸다면 그 이유를 전혀 알 수 없습니다.

'kikuchipy'의 등장입니다.

kikuchipy를 이러한 형사들을 위한 새로운 오픈 소스 '스위스 아미 나이프'로 생각하세요. 이는 파이썬 프로그래밍 언어로 작성된 무료 도구상자로서, 과학자들이 퍼즐 해결 과정을 단계별로 분해할 수 있게 해줍니다. 마법 같은 블랙박스 대신, 과학자들은 모든 움직임을 조정, 테스트, 개선할 수 있는 투명하고 명확한 작업대를 제공합니다.

다음은 이 도구상자가 무엇을 할 수 있는지 설명하는 논문에서 제시한 간단한 비유들입니다:

1. 지저분한 사진 정리하기

퍼즐을 풀기 전에 종종 사진을 정리해야 합니다. 현미경에서 나오는 원시 패턴은 노이즈가 있거나 흐릿한 배경 (더러운 유리창을 통해 찍은 사진과 같은) 을 가질 수 있습니다.

• 비유: 별이 빛나는 밤을 찍으려는데, 짙은 안개와 가로등 번쩍임이 별들을 희미하게 만들어버린 상황을 상상해 보세요.
• kikuchipy 가 하는 일: 이 '안개' (배경 보정) 를 제거하고 이미지를 선명하게 만드는 도구를 갖추고 있습니다. 흐릿한 사진을 이웃 사진과 혼합하여 별들 (결정 선) 이 선명하게 드러나도록 할 수도 있습니다.

2. 카메라 보정하기

결정이 정확히 어디를 향하고 있는지 알기 위해서는 시료에 대한 카메라의 위치를 정확히 알아야 합니다.

• 비유: 도시 지도를 작성하려 한다면 나침반이 정확히 어디를 가리키고 건물로부터 얼마나 떨어져 있는지 알아야 합니다. 나침반이 몇 도만 틀어져도 지도는 잘못될 것입니다.
• kikuchipy 가 하는 일: 지도가 현실과 일치하도록 카메라의 위치 (투영 중심이라고 함) 를 '보정'하는 데 도움을 줍니다. 심지어 지도의 각 지점마다 이 위치를 조정할 수 있는데, 이는 운전하면서 위치를 업데이트하는 GPS 와 같습니다.

3. 퍼즐 풀기 (인덱싱)

이미지가 정리되고 카메라가 보정되면, 패턴을 알려진 결정들의 라이브러리와 매칭해야 합니다.

• 비유: 1 만 개의 서로 다른 지문이 있는 도서관이 있다고 상상해 보세요. 범죄 현장에서 흐릿한 지문을 얻었는데, 이에 맞는 지문을 찾아야 합니다.
• 두 가지 방법:
  • Hough 인덱싱: 이는 선들의 일반적인 모양을 위해 도서관을 빠르게 스캔하는 것과 같습니다. 빠르지만 미묘한 세부 사항을 놓칠 수 있습니다.
  • 사전 (Dictionary) 인덱싱: 이는 흐릿한 지문 전체를 라이브러리의 모든 지문과 픽셀 단위로 비교하여 완벽한 매칭을 찾는 것과 같습니다. 더 느리지만 특히 까다로운 경우 훨씬 더 정확합니다.
• 정교화: 매칭이 근접하지만 완벽하지 않다면, kikuchipy 는 정적 (정전기 잡음) 이 사라지고 음악이 선명해질 때까지 라디오 다이얼을 조정하듯 답을 약간 '밀어' 정확한 맞춤을 찾을 수 있습니다.

4. '진실 확인'

kikuchipy 의 가장 강력한 부분은 시각적으로 작업을 이중 점검할 수 있게 해준다는 점입니다.

• 비유: 컴퓨터의 답을 맹신하는 대신, 컴퓨터의 '최선의 추측'을 가져와 그 결정이 어떻게 보여야 하는지 완벽한 시뮬레이션 버전을 투영할 수 있습니다. 그런 다음 실제 사진과 시뮬레이션을 나란히 놓습니다.
• 보여주는 것: 시뮬레이션의 선과 그림자가 실제 사진과 완벽하게 일치하면, 문제를 올바르게 해결한 것을 알 수 있습니다. 만약 일치하지 않는다면 실수를 했다는 것을 알게 되고 다시 돌아가 수정할 수 있습니다.

논문에서 제시된 실제 사례

저자들은 이 도구상자를 세 가지 어려운 금속 미스터리에 테스트했습니다:

1. '슈퍼' 강철: 그들은 내부에 원치 않는 취성 결정체가 발달한 초강력 강철을 살펴보았습니다. kikuchipy 를 사용하여 이러한 나쁜 결정체가 정확히 어디서 형성되었고 좋은 결정체들과 어떻게 방향을 잡았는지 매핑할 수 있었습니다. 이는 건물의 약점의 청사진을 보는 것과 같았습니다.
2. 알루미늄 대 실리콘 혼합물: 일반적인 금속 합금에서 알루미늄과 실리콘은 결정 구조가 매우 유사하여 현미경 하에서 거의 동일하게 보입니다. 같은 옷을 입은 일란성 쌍둥이를 구별하려는 것과 같습니다. 대부분의 소프트웨어는 혼란을 겪습니다. 하지만 kikuchipy 는 선의 모양뿐만 아니라 '밝기'를 보기 때문에 쌍둥이를 성공적으로 구별하고 실리콘이 어디에 숨어 있는지 매핑할 수 있었습니다.
3. 노이즈가 많은 합금: 그들은 결정 패턴이 매우 흐릿하고 노이즈가 많은 정도로 강하게 압연되고 압착된 금속을 살펴보았습니다. 이는 허리케인 속에서 책을 읽으려는 것과 같았습니다. 도구상자를 사용하여 노이즈를 정리하고 패턴을 신중하게 비교함으로써, 신호가 매우 약할 때도 내부의 미세 입자를 식별할 수 있었습니다.

큰 그림

이 논문은 kikuchipy가 단순히 퍼즐을 더 빠르게 푸는 것에 관한 것이 아니라, 더 잘 풀고 어떻게 해결했는지 이해하는 것에 관한 것이라고 결론지었습니다. 이는 과학 커뮤니티가 공유하고 개선하며 적응할 수 있도록 설계되었습니다. 이는 EBSD 분석을 '기계를 신뢰하는' 과정으로 바꾸어 투명한, 유연하며 협력적인 조사로 전환시켜, 누구나 커튼 뒤를 엿보고 결정 세계를 명확하게 볼 수 있게 합니다.

기술 요약

기술 요약: kikuchipy: EBSD 패턴 분석을 위한 오픈소스 툴박스

문제 제기
전자 후방 산란 회절 (EBSD) 은 주사 전자 현미경 (SEM) 에서 결정학적 특징을 특성화하기 위한 표준 기법입니다. 그러나 EBSD 패턴 (EBSP) 의 지수는 결정상 (crystallographic phases) 의 오지수, 입자 내 방향점의 산란, 유사한 결정 구조를 가진 상을 구별하는 어려움 등 다양한 오류 원인에 노출되어 있습니다. 상용 솔루션이 존재하지만, 이러한 솔루션들은 종종 유연성과 투명성을 희생하면서 자동화와 사용자 친화성을 우선시합니다. 이러한 "블랙박스" 접근법은 연구자가 문제 사례를 진단하고, 지수 단계를 최적화하거나, 기본 알고리즘을 이해하는 능력을 제한합니다. 오픈소스 대안 (예: EMsoft, EMSphinx, AstroEBSD, PyEBSDIndex) 이 존재함에도 불구하고, 과학적 파이썬 생태계와 원활하게 통합되어 반복적 워크플로우 개발과 결과 검증을 용이하게 하는 널리 접근 가능하고 유연한 파이썬 기반 툴박스에 대한 필요성은 여전히 존재합니다.

방법론
본 논문은 EBSP 분석을 위해 설계된 오픈소스 파이썬 툴박스인 kikuchipy를 소개합니다. 본 소프트웨어는 다차원 데이터셋 분석을 위한 HyperSpy 라이브러리를 확장하며, 회전 및 결정 대칭성 처리를 위해 orix에, 회절 시뮬레이션을 위해 diffsims에 의존합니다.

핵심 방법론은 유연한 반복적 오프라인 지수 워크플로우 (논문 Fig. 2 에 도시됨) 를 강조하며, 이는 다음을 포함합니다:

1. 데이터 로드 및 검사: 주요 벤더 (Bruker, EDAX, NORDIF, Oxford) 의 파일을 읽어들여 "사전 지수" 맵 (예: 평균 패턴 강도, 가상 후방 산란 전자 이미지, 이미지 품질 맵) 을 생성하여 사용자 편향 없이 상 선택을 안내하고 결과를 검증합니다.
2. 패턴 처리: 정적 및 동적 배경 보정 적용, 이웃 평균화를 통한 노이즈 감소, 그리고 신호 대 잡음비 (SNR) 또는 속도 개선을 위한 이진화 (binning) 를 수행합니다.
3. 기하학 보정: 투영 중심 (PC) 및 검출기 - 시료 기하학을 결정합니다. 여기에는 초기 추정을 위한 Hough 지수와 패턴 매칭을 통한 정밀 조정이 포함됩니다. 본 소프트웨어는 고정 PC 모델과 동적 PC 모델 모두를 지원합니다.
4. 지수:
   • Hough 지수: Kikuchi 밴드 감지를 기반으로 한 빠른 방향 추정을 위해 PyEBSDIndex 를 통해 구현됩니다.
   • 사전 지수 (Dictionary Indexing): EMsoft 에서 적응된 이 방법은 실험 패턴을 동적으로 시뮬레이션된 마스터 패턴의 사전과 비교합니다. 유사도 척도로 정규화 상호 상관 (NCC) 을 사용합니다.
5. 정밀 조정: 방향 및/또는 투영 중심 정밀 조정을 수행하여 정확도를 향상시키며, SciPy 및 NLopt 의 알고리즘을 사용하여 NCC 점수를 최적화합니다.
6. 검증: 결과는 실험 패턴을 기하학적, 운동학적 및 동적 시뮬레이션과 시각적으로 비교하고, 역 극점 (IPF) 맵을 분석함으로써 검증됩니다.

본 소프트웨어는 Dask 를 사용하여 가용 메모리보다 큰 데이터셋을 처리하도록 설계되었으며, 성능이 중요한 섹션의 즉시 (just-in-time) 컴파일을 위해 Numba 를 활용합니다.

주요 기여 및 결과
본 논문은 세 가지 명확한 응용 사례를 통해 kikuchipy 의 능력을 입증합니다:

1. 초이중 스테인리스강 (SDSS) 의 방향 관계:

   • 원치 않는 2 차 상 (시그마, 카이, R, 파이, 및 크롬 질화물) 을 포함하는 SDSS 에 워크플로우가 적용되었습니다.
   • 사전 지수 맵은 판상 구조와 고원자 번호 (high-Z) 대비 입자를 포함한 미세구조 특징을 성공적으로 식별했습니다.
   • 사전 지수는 일반적으로 크기로 인해 투과 전자 현미경 (TEM) 이 필요한 (~0.52 $\mu$m 까지) 여러 상을 구별했습니다.
   • 연구는 축 - 각 공간에서의 오방향 분포를 사용하여 상 간의 방향 관계 (OR) (예: $\alpha$/$\gamma$, $\alpha$/$\sigma$, $\alpha$/$\chi$) 를 시각화했습니다. 이는 $\alpha$/$\gamma$에 대한 Kurdjumov-Sachs 관계를 확인하고, $\alpha$/$\chi$에 대한 "Cube-on-cube" OR 를 식별했으며, 카이와 페라이트 간의 이전에 보고되지 않았던 CSL3 관계를 확인했습니다.

2. Al–Si 합금의 상 구별:

   • 유사한 Kikuchi 밴드 위치를 가진 알루미늄 (FCC) 과 실리콘 (다이아몬드 입방정) 을 구별하는 과제가 다루어졌습니다.
   • 본 논문은 밴드 위치뿐만 아니라 상대 강도 분포를 활용하는 동적 시뮬레이션을 사용한 사전 지수가 EBSP 만으로 이러한 상을 성공적으로 구별할 수 있음을 입증했습니다.
   • 검증은 실험 패턴을 시뮬레이션 패턴과 비교하는 것을 포함했으며, Al 시뮬레이션 (Si 대비) 의 강도 불일치가 올바른 상을 명확히 나타냈음을 보여주었습니다.
   • 분석은 실리콘 섬유 내의 질감 (texture) 과 수정된 합금 내 Al 과 Si 간의 강한 방향 관계 부재를 드러냈습니다.

3. 노이즈가 많은 Al–Mn 합금의 상 구별:

   • 저장 에너지와 카메라 노이즈로 인해 EBSP 가 낮은 SNR 을 겪는 심하게 냉간 압연 및 어닐링된 Al–Mn 합금에서 마이크로 크기의 구성 입자 ($Al_6Mn$ 및 $\alpha$-AlMnSi) 를 지수하는 데 소프트웨어가 사용되었습니다.
   • 배경 보정, 이웃 평균화, 사전 지수를 결합함으로써 소프트웨어는 두 입자 상을 성공적으로 식별하고 구별했습니다.
   • 결과는 후방 산란 전자 (BSE) 이미징에서 파생된 독립적으로 생성된 "그라운드 트루스" 맵과 비교하여 검증되었습니다.
   • 분석은 $Al_6Mn$ 입자에 대한 선호 방향과 심한 변형으로 인한 특정 $\alpha$-AlMnSi 입자 내의 대규모 체계적 격자 회전을 드러냈습니다.

의의 및 주장
본 논문은 kikuchipy를 지수 속도를 극대화하는 도구가 아니라, 전자 현미경 커뮤니티가 유연성, 투명성 및 결과 검증을 개선하기 위한 자원으로 위치시킵니다.

• 유연성과 반복: 본 소프트웨어는 지수 단계를 최적화하고 오류 원인을 식별할 수 있는 사용자 정의 워크플로우 구축을 허용하여 상용 솔루션의 경직성을 해결합니다.
• 검증: 지수 정확도를 보장하기 위해 시각적 검증 (실험 및 시뮬레이션 패턴 비교) 과 독립적 검증 (예: 사전 지수 맵 또는 BSE 이미지 사용) 의 중요성을 강조합니다.
• 오픈 사이언스: 코드는 GitHub 에 호스팅되며, 예제의 원시 데이터 및 워크플로우 노트북은 FAIR 원칙을 준수하여 Zenodo 에서 공개적으로 제공됩니다.
• 커뮤니티 자원: 저자들은 본 소프트웨어가 누구나 코드를 개선하거나 자신의 분석 워크플로우에 통합할 수 있도록 개발되었으며, EBSD 분석에서의 협력과 발전을 장려한다고 명시합니다.

본 논문은 현재 한계 (사전 지수를 위한 상별 수동 설정 필요 및 네이티브 GUI 부재 등) 가 존재함에도 불구하고, 파이썬 과학 생태계의 통합이 kikuchipy 를 견고하고 유연한 EBSD 분석 워크플로우 개발을 위한 강력한 도구로 만든다고 결론지었습니다.