STEM-Bank-26: An Open Dataset of Analytical Scanning Transmission Electron Microscopy Images and Spectra

재료 과학의 보이지 않는 세계에서, 연구자들은 육안으로 보기에는 너무 작고, 표준 현미경으로도 너무 작으며, 심지어 인간의 정신이 쉽게 파악하기에도 너무 작은 것들을 보아야 합니다. 이러한 미세한 구조를 연구하기 위해 과학자들은 주사 투과 전자 현미경(scanning transmission electron microscopy)이라는 강력한 도구를 사용합니다. 물질을 통과할 수 있을 만큼 얇은 시편에 아원자 입자인 전자 빔을 발사하는 장면을 상상해 보십시오. 빔이 재료를 가로질러 스캔함에 따라, 빔은 원자들과 상호작용하며 시편의 내부 구조에 대한 상세한 이미지를 만들어냅니다. 하지만 형태를 보는 것은 이야기의 절반에 불과합니다. 재료를 진정으로 이해하기 위해서 과학자들은 그것이 무엇으로 구성되어 있는지, 그리고 원자들이 어떻게 행동하고 있는지도 알아야 합니다. 여기서 분광법(spectroscopy)이 등장합니다. 전자가 시편에 부딪힐 때 잃어버리는 에너지나 방출하는 X선 분석을 통해, 연구자들은 존재하는 특정 원소를 식별하고 심지어 화학적 상태까지 결정할 수 있습니다. 이러한 고해상도 이미징과 화학적 분석의 결합은 더 나은 배터리, 더 효율적인 촉매, 그리고 첨단 전자 기기를 개발하는 데 필수적입니다. 그러나 컴퓨터에게 이러한 복잡한 과업을 수행하도록 가르치는 것은 어려웠는데, 이는 학습에 필요한 데이터가 흩어져 있거나, 불완전하거나, 혹은 개인 보관소에 잠겨 있었기 때문입니다.

펜실베이니아 대학교의 한 연구팀은 바로 이러한 종류의 데이터를 대규모로 공개함으로써 지형을 바꾸어 놓았습니다. 그들은 5년에 걸쳐 수집된 거의 38,000개의 이미지와 수천 개의 분광 측정값을 포함하는 STEM-Bank-26이라는 데이터셋을 구축했습니다. 이 컬렉션은 단순히 무작위로 모아놓은 사진들의 집합이 아닙니다. 이는 과학자들이 실제로 어떻게 작업하는지를 보여주는 구조화된 기록입니다. 이 데이터셋은 1,499개의 별도 실험 세션에 걸쳐 1,095개의 서로 다른 재료 시편으로부터 얻은 37,921개의 이미지를 포함하고 있습니다. 연구진은 이 세션 중 3분의 2 이상에 대해 분광 데이터도 함께 캡처하여, 재료의 물리적 구조와 화학적 조성 모두에 대한 완전한 그림을 제공했습니다. 이 컬렉션의 총 크기는 929 기가바이트로, 이미징과 에너지 분산 분광법(EDS) 및 전자 에너지 손실 분광법(EELS)을 모두 통합한 유형 중 가장 큰 규모의 공개 데이터셋입니다.

이 작업의 진정한 가치는 단순히 파일의 개수가 아니라, 과학 이면에 숨겨진 인간의 의사결정 과정을 드러내기 위해 연구자들이 데이터를 어떻게 조직했는지에 있습니다. 전자 현미경 조작은 완전히 자동화된 과정이 아닙니다. 숙련된 운영자가 시편을 관찰하고, 어떤 영역이 흥미로운지 결정하고, 현미경 설정을 조调整한 다음, 특정 지점에 대해 화학 데이터를 수집하기로 선택하는 과정이 필요합니다. 이러한 결정의 연속은 일반적인 관찰에서 상세한 분석으로 이어지는 경로인 '궤적(trajectory)'을 형성합니다. 이러한 결정들은 단일 파일에 기록되는 경우가 드물기 때문에, 연구팀은 시간, 위치, 설정을 기록하는 디지털 태그인 메타데이터를 비교함으로써 이러한 경로를 재구성하는 방법을 개발했습니다. 이미지 사이의 간격을 분석함으로써, 그들은 운영자가 시편을 새로운 위치로 이동시켰는지 또는 생각하기 위해 멈추었는지를 추론할 수 있었고, 결과적으로 정적인 파일 아카이브를 과학적 탐구의 역동적인 기록으로 탈바꿈시켰습니다.

이러한 재구성은 데이터셋이 인공지능의 훈련장이 될 수 있게 합니다. 과거에는 인간이 어떻게 정보를 탐색하고 새로운 정보에 적응하는지를 보여주는 데이터의 부족으로 인해, 현미경을 작동할 수 있는 'AI 과학자'를 구축하려는 노력이 난항을 겪었습니다. 기존의 데이터셋은 이미지나 분광 데이터 중 하나만을 포함하는 경우가 많아, 둘 사이의 결정적인 연결 고리를 놓치고 있었습니다. 이 새로운 컬렉션은 광범위한 조사에서 특정 특징에 대한 집중적인 분석으로 넘어가는 과학자의 움직임을 현실적으로 보여줌으로써 그 간극을 메워줍니다. 데이터에 따르면 대부분의 실험 세션은 10개에서 100개 사이의 이미지를 포함하며, 상당 부분은 화학적 매핑을 포함합니다. 시편 자체도 화학 반응에 사용되는 불균일 촉매에서 리튬 이온 배터리 구성 요소에 이르기까지 다양하여, 머신러닝 모델이 학습할 수 있는 폭넓은 토대를 제공합니다.

연구진은 또한 이처럼 큰 데이터셋을 공유할 때 발생하는 물류적 과제들도 해결했습니다. 현미경 사용 시간은 비용이 많이 들며, 생성되는 파일은 종종 너무 커서 전체를 출판하기 어렵기 때문에, 과학자들은 대표적인 이미지 몇 장만을 공유하곤 합니다. 이 새로운 작업은 과학계에 부담을 주지 않으면서 전체 아카이브를 공유하는 것이 가능하다는 것을 보여줍니다. 연구팀은 다른 연구자들이 자신의 아카이브 데이터를 유사한 궤적 데이터셋으로 쉽게 변환할 수 있도록 도구와 스크립트를 제공하여, 현미경 커뮤니티가 작업 내용을 공유하는 방식의 변화를 독려했습니다. 저자들은 이 데이터를 오픈 라이선스로 공개함으로써, 지능형 시스템이 인간의 전문성을 학습하여 새로운 재료를 더 빠르고 효율적으로 탐구하는 자율적 재료 연구의 발전을 가속화하기를 희망하고 있습니다.

이 데이터셋이 중요한 진전임은 분명하지만, 저자들은 그 한계에 대해서도 명확히 밝히고 있습니다. 재구성된 궤적은 운영자의 행동을 보여주는 연속적인 영상이라기보다 현미경 상태의 스냅샷입니다. 즉, 과학자가 특정 구역을 검사하기 위해 스테이지를 움직였지만 사진을 찍기로 결정하지 않은 순간들은 포착되지 않으므로, 데이터는 고해상도 캡처가 가치 있다고 판단된 영역을 약간 편향되게 보여줄 수 있습니다. 또한, 원래 파일에서 현미경 렌즈 설정에 관한 일부 기술적 세부 사항이 누락되어 있어, 기기의 정밀한 튜닝과 관련된 작업에 이 데이터셋을 사용하는 데 제한이 있습니다. 이러한 제약에도 불구하고, 이 컬렉션은 이미징과 분광법 사이의 복잡한 상호작용을 이해하기 위한 견고한 자원으로서 자리 잡고 있습니다. 이는 재료 과학의 일상적인 워크플로우를 엿볼 수 있는 드문 기회를 제공하며, 기계가 인간 전문가와 같은 호기심과 판단력을 가지고 나노 세계를 보고, 분석하고, 이해하도록 가르치는 데 필요한 원재료를 제공합니다.