Finding the invisible defects in silicon with deep learning from HAADF-STEM focal series

실리콘은 현대 기술의 조용한 중추이며, 지구 궤도를 도는 위성부터 휴대폰 속 마이크로칩에 이르기까지 모든 것에 동력을 공급하는 물질입니다. 하지만 이 물질은 파괴되지 않는 불멸의 존재가 아닙니다. 우주의 가혹한 환경이나 원자력 발전소의 강렬한 방사선에 노출되면, 보이지 않는 손상이 축적되기 시작합니다. 고에너지 입자들이 실리콘 원자에 충돌하여 완벽한 격자 구조에서 원자들을 튕겨내고, 작고 무질서한 클러스터(덩어리)를 생성합니다. 이러한 클러스터는 방사선의 주요한 흉터이며, 이들이 거주하는 장치의 성능을 서서히 저하시킬 수 있습니다. 과학자들에게 문제는 이러한 흉터가 너무 희미해서 눈에 잘 띄지 않는다는 점입니다. 원자 세계를 위한 강력한 카메라 역할을 하는 표준 전자 현미경 이미지에서, 이러한 손상된 영역은 매우 약한 신호를 생성하여 배경 속에 매끄럽게 섞여 버리며, 사실상 시야에서 사라져 버립니다. 이러한 결함을 볼 수 없다면, 엔지니어들은 방사선이 물질을 어떻게 손상시키는지 이해하거나, 가혹한 환경에서 장치가 얼마나 오래 지속될지 예측하는 데 어려움을 겪게 됩니다.

이러한 '보이지 않음'의 문제를 해결하기 위해, 핀란드의 알토 대학교 연구진은 첨단 이미징과 인공지능을 결합하여 실리콘을 관찰하는 새로운 방법을 개발했습니다. 그들은 고각 환상 암시야 주사 투과 전자 현미경(high-angle annular dark-field scanning transmission electron microscopy)이라는 특정 유형의 전자 현미경 기술에 집중했습니다. 카메라를 움직이는 대신 렌즈의 초점을 약간씩 바꾸며 단일 물체의 사진을 여러 장 찍는다고 상상해 보십시오. 이 방식에서 현미경은 다양한 초점 수준에서 일련의 이미지들을 촬영하여 하나의 초점 계열(focal series)을 생성합니다. 단일 이미지는 아무것도 없는 흐릿하고 균일한 회색으로 보일 수 있지만, 전체 계열에 걸친 밝기와 대비의 미묘한 변화에는 결함의 3차원 형태와 위치에 대한 숨겨진 단서가 담겨 있습니다. 그러나 이러한 단서들은 너무 희미하고 노이즈 속에 파묻혀 있어 인간의 눈으로는 이를 조합해낼 수 없습니다.

연구진은 이 숨겨진 신호들을 위한 번역가 역할을 하도록 딥 러닝 모델의 일종인 신경망(neural network)이라 불리는 컴퓨터 시스템을 훈련시켰습니다. 그들은 실제 세계의 이미지로 시작한 것이 아니라, 방대한 양의 시뮬레이션 데이터 라이브러리를 활용했습니다. 강력한 컴퓨터 시뮬레이션을 사용하여 방사선이 실리콘의 원자를 어떻게 튕겨내어 현실적인 손상 클러스터를 만드는지 모델링했습니다. 그런 다음 전자 현미경이 이러한 시뮬레이션된 클러스터를 촬영한다면 무엇을 보게 될지를 시뮬레이션하여, 실제 실험에서 발견되는 것과 동일한 유형의 흐림과 노이즈를 포함한 수천 개의 초점 계열을 생성했습니다. 컴퓨터는 이러한 보이지 않는 결함이 서로 다른 초점 수준에 걸쳐 만들어내는 빛과 그림자의 특정 패턴을 인식하는 법을 배웠습니다. 훈련을 마친 시스템은 새로운 이미지 계열을 보고 결함이 정확히 어디에 있는지 예측하여 각 초점 평면에 대한 지도를 만들 수 있었습니다.

이 접근 방식의 결과는 '보이지 않는 것을 보는 것'에 있어 중요한 진전입니다. 연구진이 훈련된 시스템을 시뮬레이션 데이터에 적용했을 때, 시스템은 결함 클러스터의 3차원 형태를 성공적으로 재구성했습니다. 시스템은 손상된 영역의 중심을 실리콘 원자 몇 개의 너비인 1나노미터 미만의 오차로 정확히 짚어냈습니다. 또한 실제 실험실의 어려운 조건과 유사하게 이미지가 노이즈가 많고 흐릿한 상황에서도 클러스터의 크기와 모양을 상당히 정확하게 추정했습니다. 연구진은 이 시스템이 결함의 모든 개별 원자를 완벽하게 재구성할 수는 없지만, 결함의 전체적인 부피와 방향을 신뢰성 있게 식별할 수 있다는 것을 발견했습니다. 이는 과학자들이 단순히 결함이 존재한다는 사실뿐만 아니라, 그것이 대략 어느 정도 크기이며 물질 내 어디에 위치하는지까지 알 수 있는, 거칠지만 유용한 3D 모델을 생성할 수 있음을 의미합니다.

이 연구는 이전에는 불가능했던 방사선 손상 특성 분석을 위한 새로운 경로를 제시합니다. 이 방법은 종종 존재하지도 않는 단일하고 선명한 결함 이미지를 찾는 것에 의존하지 않습니다. 대신, 전체 이미지 시리즈로부터 얻은 약하고 분산된 정보를 수집하고 학습된 물리적 패턴을 사용하여 일관된 그림을 조립합니다. 연구진은 자신들의 결과가 시뮬레이션으로부터 나온 것임을 주의 깊게 명시하며, 다음 단계는 방사선을 조사한 실제 실리콘 샘플에 대해 시스템을 테스트하는 것입니다. 만약 이 방법이 실제 세계에서도 유효하다면, 이는 우주 및 원자력 분야에서 전자 기기의 신뢰성을 확보하기 위한 필수적인 도구가 되어, 보이지 않는 위협을 가시적이고 측정 가능한 데이터로 바꿔놓을 수 있을 것입니다. 보이지 않는 것을 보이게 함으로써, 이 접근 방식은 우리 기술 세계를 움직이는 물질의 근본적인 한계를 이해하는 방법을 제공합니다.