국내 연구진이 차세대 반도체로 주목받으며 상용화 초기 단계에 진입하고 있는 자성메모리(M램) 등 스핀트로닉스(spintronics) 소자의 자기적 물성을 전자현미경 사진을 통해 분석하는 인공지능(AI) 기술을 개발했다.

한국과학기술연구원(KIST)은 스핀융합연구단 권희영·최준우 박사팀이 경희대 원창연 교수팀과 공동연구로 인공지능 기술을 활용해 자성체의 스핀 구조 이미지를 분석, 자기적 물성을 추정하는 기술을 개발했다.

스핀트로닉스 소자는 자성을 띠는 자성체 내 전자의 '스핀'(spin) 특성을 이용하는 반도체로, 이를 이용해 실리콘 반도체의 집적도 한계를 극복하고 초저전력, 고성능의 차세대 반도체를 개발하기 위한 연구가 활발히 진행되고 있다.

▲ 깊은 인공신경망을 통한 자성 물성 추정에 관한 개념도.

자성메모리 등 스핀트로닉스 소자를 개발하려면 자성체의 온도에 대한 안정성, 변화에 대응하는 속도 등 물성을 정확히 파악하는 게 중요하다. 하지만 다양한 실험을 통해 직접 물성을 측정하는 기존 분석법에는 각종 장비 등 자원과 수십 시간이 필요하다.

연구팀은 이 연구에서 인공지능에 기계학습 알고리즘을 적용해 자성체를 구성하는 미세단위 자석(스핀)이 같은 방향으로 정렬된 자성도메인의 전자현미경 사진을 학습시켰다. 그러고 나서 새로운 자성도메인 사진으로부터 자기적 물성을 추정하게 하는 방법으로 소재의 물성을 순식간에 분석할 수 있는 시스템을 개발했다.

이 AI는 연구팀이 자성 관련 변수를 조절하면서 시뮬레이션으로 만들어낸 8만 장의 자성도메인 전자현미경 사진을 학습하고 그로부터 자기적 물성을 추정하는 훈련을 거쳤다.

연구팀이 학습을 마친 AI에 실제 자성체의 자성도메인 전자현미경 사진을 제공하고 분석하도록 한 결과, AI가 내놓은 자기적 물성 추정치와 실제 물성 측정치의 차이가 1% 내외에 그칠 정도로 정확도가 높은 것으로 확인됐다.

권희영 박사는 "이 연구는 AI 기술이 자성 도메인 특성 분석에 어떻게 활용될 수 있는지에 관한 새로운 길을 제시한 것"이라며 "자성체 물성 측정을 위한 실험 과정을 줄여 연구효율을 높이고, AI 기술과 순수과학 연구의 융합이라는 새 연구 분야 확장에도 기여할 것으로 기대한다"고 말했다.

이 연구 결과는 최근 국제학술지 '사이언스 어드밴시스'(Science Advances)에 게재됐다.

윤승훈 기자  press@jeonpa.co.kr

<저작권자 © 전파신문, 무단 전재 및 재배포 금지>