광주과학기술원(GIST·총장 임기철)은 이은지 신소재공학과 교수팀이 인공지능(AI)을 투과전자현미경(TEM) 분석에 접목해 유기고분자 및 바이오 소재와 같은 '연성 물질'의 복잡한 자기조립 구조를 관찰하는 수준에서 자동 분석·예측하는 단계로 확장하는 새로운 분석 패러다임을 제시했다고 6일 밝혔다.
이번 연구는 전자빔에 민감해 분석이 어려웠던 연성 물질의 복잡한 자기조립 구조를 대상으로, 여러 전자현미경 기법과 AI를 통합해 구조 인식·3차원(3D) 재구성·시간에 따른 변화 분석을 자동화하고, 나아가 물성 예측까지 연계할 수 있는 분석 체계를 제안했다는 점에서 주목된다.
연성 물질은 단백질과 세포막 같은 바이오 소재부터 고분자, 액정 등 합성 소재까지 폭넓게 포함한다. 분자들이 스스로 모여 미세한 나노 구조를 형성하는 자기조립 특성으로 인해 다양한 첨단 산업 분야에서 핵심 소재로 각광받고 있다.
이러한 자기조립 구조는 차세대 백신에 사용되는 유전물질 전달 기술(mRNA 백신 전달체), 약물전달 시스템, 차세대 에너지 저장소재 등에서 소재의 성능을 좌우하는 핵심 요소이지만, 구조가 매우 작고 복잡해 이를 정확히 관찰하고 이해하는 데 한계가 있었다.
특히 연성 물질은 주로 탄소·수소·산소 등 가벼운 원소로 구성돼 전자현미경 영상에서 구조의 윤곽이 뚜렷하게 드러나지 않고, 전자빔에 의해 구조가 쉽게 변형되거나 손상되는 문제가 있다. 이로 인해 기존 전자현미경 분석만으로는 연성 물질 고유의 나노 구조와 자기조립 과정을 정밀하게 파악하기 어려웠다.
연구팀은 이러한 한계를 극복하기 위해 초저온 전자현미경(cryo-TEM), 전자단층촬영(ET), 실시간 액상 전자현미경(LP-TEM) 등 서로 다른 전자현미경 기법에 딥러닝 기반 AI 기술을 결합했다.
이를 통해 △복잡한 나노 구조를 자동으로 구분하는 구조 인식 △여러 장의 2D 전자현미경 영상을 바탕으로 나노 구조를 입체적으로 구현하는 3D 재구성 △자기조립이 진행되는 과정을 시간의 흐름에 따라 분석하는 동역학 해석을 자동화하고 더 나아가 구조 정보를 기반으로 소재의 성능을 미리 가늠할 수 있는 물성 예측까지 연계하는 통합 분석 전략을 구현했다.
연구팀은 여기에 AI를 접목해 방대한 고차원 전자현미경 데이터를 자동으로 처리·해석함으로써 단순한 이미지 관찰을 넘어 구조와 물성 간의 상관관계를 규명하고 향후 구조 변화를 예측할 수 있는 분석 체계를 구축했다. 이는 전자현미경을 '보는 도구'에서 '이해하고 예측하는 도구'로 확장한 것으로, 연성 물질 연구 전반에 새로운 연구 방향을 제시하는 성과로 평가된다.
이번 연구는 전자현미경 분석에 AI를 결합함으로써 연성 물질의 자기조립 메커니즘을 보다 체계적으로 이해하고 이미지 데이터를 바탕으로 소재의 물성을 예측하는 '이미지 기반 소재 설계'로 나아갈 수 있는 가능성을 제시했다는 점에서 학술적 의의가 크다.
연구팀은 향후 AI 기반 자동 분석 시스템을 고도화하고, 극한 환경에서도 안정적으로 작동하는 기능성 연성 소재 연구에 이를 적용함으로써 바이오의료 및 에너지 분야로의 확장을 추진할 계획이다.
이은지 교수는 “이번 연구는 전자빔에 민감한 연성 소재의 자기조립 과정을 실시간으로 관찰하고, 이를 AI로 정밀 분석해 물성 예측까지 연결할 수 있는 분석 체계를 마련했다는 점에서 의미가 크다”며, “이미지 관찰에 머물던 기존 분석을 넘어, 데이터 기반 소재 설계로 확장될 수 있는 새로운 연구 방향을 제시했다”고 말했다.
김영준 기자 kyj85@etnews.com
