- 열, 습도, UV등 다양한 자극을 감지하여 스스로 손상이 복원되는 소재 - UV 20분 조사시 95%이상 균열과 물성이 복원되는 투명 폴리이미드 수많은 사람들의 가슴을 아프게 한 스마트폰 액정 수리비... 더 이상 걱정거리가 아닐 수도 있게 됐다. 국내 연구진이 스스로 손상을 회복할 수 있는 스마트폰 액정 소재를 개발했다. 한국과학기술연구원(KIST, 원장 윤석진)은 구조용복합소재연구센터 정용채 센터장 연구팀이 연세대학교(연세대, 총장 서승환) 한학수 교수 연구팀과의 공동연구를 통해 소재에서 발생한 균열이나 손상된 기능을 스스로 복원할 수 있는 자가 치유 투명 전자소재를 개발했다고 밝혔다. 투명 폴리이미드(CPI, Colorless Polyimide)는 뛰어난 기계적, 전기적, 화학적 물성을 갖고 있다. 유리처럼 투명하고 강도가 세면서도 수십만 번 접어도 흠집이 나지 않아 폴더블, 플렉서블 디스플레이 등의 모바일 제품에도 이미 상용화되어 활용되고 있으며 항공우주, 태양전지 등 산업 전반에서 활용되고 있는 소재이다. 이처럼, 다양한 산업군에 폭 넓게 사용되는 소재이기 때문에 노출되는 다양한 환경에서 발생할 수 있는 균열과 지속적인 전자파에 의한 파괴 등을 해결하여 내구성을 확보하려는 노력이 끊이지 않고 있다. 일부 연구진에서는 첨가제를 넣거나 표면에 단단한 보호층을 코팅해 해결하고자 했으나, 근원적인 소재의 손상을 막을 수는 없었다. KIST-연세대 공동연구팀은 투명 폴리이미드의 장점은 유지하면서도 균열이나 손상된 기능을 어떠한 환경에서도 쉽고 빠르게 능동적으로 복원할 수 있도록 식물의 일종인 아마 씨에서 추출한 아마인유(Linseed oil)를 활용하여 자가 치유 투명 폴리이미드를 개발하였다. 아마인유는 상온(25℃)에서 쉽게 경화되는 특성이 있어 그림을 보존하기 위한 코팅 물질로도 많이 사용되고 있다. KIST 연구진은 아마인유를 담은 마이크로캡슐을 제조한 후, 제조한 마이크로 캡슐을 실리콘과 섞어 투명 폴리이미드 위에 코팅하여 보호층을 만들었다. 연구진이 개발한 소재는 손상이 생기면 마이크로 캡슐이 터져 아마인유가 흘러나와 손상된 부분으로 이동한 뒤 경화되어 스스로 복원될 수 있게 됐다. 이러한 자가치유 기능은 국소적인 손상에서 국부적인 손상범위까지 복원할 수 있다는 장점이 있다. 지금까지 알려진 다른 자가 복원 기능은 부드러운 소재에서만 구현할 수 있었으며 거기에 뜨거운 열을 가해야 복원될 수 있었다. 이와는 달리 공동 연구진이 개발한 소재는 단단한 소재임에도 자가 치유 기능을 갖고 있으며, 고온의 열을 가하지 않아도 상온에서도 스스로 복원되며 습도, 자외선에도 반응하여 치유 속도가 더 빨라지는 장점을 갖고 있어 최대 20분 이내에 손상의 95% 이상이 복원되었다. 정용채 센터장은 “손상된 고분자 소재의 물성과 수명을 근원적으로 해결할 수 있는 자가복원 투명 폴리이미드를 제조하였고, 유연디스플레이 및 전자재료 디바이스 등 그 소재의 응용범위를 제시했다는 데 의의가 있다.”라고 말하며 “향후 보다 향상된 물성확보를 위해서 추가적인 구조를 검토하고 응용범위를 확대할 예정이다.”라고 밝혔다. 본 연구는 과학기술정보통신부(장관 최기영) 지원으로 KIST 주요사업으로 수행되었으며, 연구결과는 재료과학 및 복합소재 분야 국제저널인 ‘Composite Part B: Engineering’(JCR 분야 상위 1.67%) 최신 호에 게재되었다. * (논문명) Interfacial Adhesion and Self-Healing Kinetics of Multi-Stimuli Responsive Colorless Polymer Bilayer Structure - (제 1저자) 한국과학기술연구원 김영남 연구원 - (제 1저자) 피츠버그대학교 남기호 박사후연구원 - (교신저자) 연세대학교 한학수 교수 - (교신저자) 한국과학기술연구원 정용채 책임연구원 <그림설명> [그림1] 자가복원 투명 폴리이미드 제조방법 [그림2] <p class="p1" style="text-align: justify; font-variant-numeric: normal; font-variant-east-asian: normal; font-stretch: normal; line-height: normal; font-family: " helvetica="" neue";"="">(좌) 자가복원 투명 폴리이미드의 형상자유도, (우) 개발된 투명 폴리이미드의 자가복원 특성

- 열, 습도, UV등 다양한 자극을 감지하여 스스로 손상이 복원되는 소재 - UV 20분 조사시 95%이상 균열과 물성이 복원되는 투명 폴리이미드 수많은 사람들의 가슴을 아프게 한 스마트폰 액정 수리비... 더 이상 걱정거리가 아닐 수도 있게 됐다. 국내 연구진이 스스로 손상을 회복할 수 있는 스마트폰 액정 소재를 개발했다. 한국과학기술연구원(KIST, 원장 윤석진)은 구조용복합소재연구센터 정용채 센터장 연구팀이 연세대학교(연세대, 총장 서승환) 한학수 교수 연구팀과의 공동연구를 통해 소재에서 발생한 균열이나 손상된 기능을 스스로 복원할 수 있는 자가 치유 투명 전자소재를 개발했다고 밝혔다. 투명 폴리이미드(CPI, Colorless Polyimide)는 뛰어난 기계적, 전기적, 화학적 물성을 갖고 있다. 유리처럼 투명하고 강도가 세면서도 수십만 번 접어도 흠집이 나지 않아 폴더블, 플렉서블 디스플레이 등의 모바일 제품에도 이미 상용화되어 활용되고 있으며 항공우주, 태양전지 등 산업 전반에서 활용되고 있는 소재이다. 이처럼, 다양한 산업군에 폭 넓게 사용되는 소재이기 때문에 노출되는 다양한 환경에서 발생할 수 있는 균열과 지속적인 전자파에 의한 파괴 등을 해결하여 내구성을 확보하려는 노력이 끊이지 않고 있다. 일부 연구진에서는 첨가제를 넣거나 표면에 단단한 보호층을 코팅해 해결하고자 했으나, 근원적인 소재의 손상을 막을 수는 없었다. KIST-연세대 공동연구팀은 투명 폴리이미드의 장점은 유지하면서도 균열이나 손상된 기능을 어떠한 환경에서도 쉽고 빠르게 능동적으로 복원할 수 있도록 식물의 일종인 아마 씨에서 추출한 아마인유(Linseed oil)를 활용하여 자가 치유 투명 폴리이미드를 개발하였다. 아마인유는 상온(25℃)에서 쉽게 경화되는 특성이 있어 그림을 보존하기 위한 코팅 물질로도 많이 사용되고 있다. KIST 연구진은 아마인유를 담은 마이크로캡슐을 제조한 후, 제조한 마이크로 캡슐을 실리콘과 섞어 투명 폴리이미드 위에 코팅하여 보호층을 만들었다. 연구진이 개발한 소재는 손상이 생기면 마이크로 캡슐이 터져 아마인유가 흘러나와 손상된 부분으로 이동한 뒤 경화되어 스스로 복원될 수 있게 됐다. 이러한 자가치유 기능은 국소적인 손상에서 국부적인 손상범위까지 복원할 수 있다는 장점이 있다. 지금까지 알려진 다른 자가 복원 기능은 부드러운 소재에서만 구현할 수 있었으며 거기에 뜨거운 열을 가해야 복원될 수 있었다. 이와는 달리 공동 연구진이 개발한 소재는 단단한 소재임에도 자가 치유 기능을 갖고 있으며, 고온의 열을 가하지 않아도 상온에서도 스스로 복원되며 습도, 자외선에도 반응하여 치유 속도가 더 빨라지는 장점을 갖고 있어 최대 20분 이내에 손상의 95% 이상이 복원되었다. 정용채 센터장은 “손상된 고분자 소재의 물성과 수명을 근원적으로 해결할 수 있는 자가복원 투명 폴리이미드를 제조하였고, 유연디스플레이 및 전자재료 디바이스 등 그 소재의 응용범위를 제시했다는 데 의의가 있다.”라고 말하며 “향후 보다 향상된 물성확보를 위해서 추가적인 구조를 검토하고 응용범위를 확대할 예정이다.”라고 밝혔다. 본 연구는 과학기술정보통신부(장관 최기영) 지원으로 KIST 주요사업으로 수행되었으며, 연구결과는 재료과학 및 복합소재 분야 국제저널인 ‘Composite Part B: Engineering’(JCR 분야 상위 1.67%) 최신 호에 게재되었다. * (논문명) Interfacial Adhesion and Self-Healing Kinetics of Multi-Stimuli Responsive Colorless Polymer Bilayer Structure - (제 1저자) 한국과학기술연구원 김영남 연구원 - (제 1저자) 피츠버그대학교 남기호 박사후연구원 - (교신저자) 연세대학교 한학수 교수 - (교신저자) 한국과학기술연구원 정용채 책임연구원 <그림설명> [그림1] 자가복원 투명 폴리이미드 제조방법 [그림2] <p class="p1" style="text-align: justify; font-variant-numeric: normal; font-variant-east-asian: normal; font-stretch: normal; line-height: normal; font-family: " helvetica="" neue";"="">(좌) 자가복원 투명 폴리이미드의 형상자유도, (우) 개발된 투명 폴리이미드의 자가복원 특성

- 열, 습도, UV등 다양한 자극을 감지하여 스스로 손상이 복원되는 소재 - UV 20분 조사시 95%이상 균열과 물성이 복원되는 투명 폴리이미드 수많은 사람들의 가슴을 아프게 한 스마트폰 액정 수리비... 더 이상 걱정거리가 아닐 수도 있게 됐다. 국내 연구진이 스스로 손상을 회복할 수 있는 스마트폰 액정 소재를 개발했다. 한국과학기술연구원(KIST, 원장 윤석진)은 구조용복합소재연구센터 정용채 센터장 연구팀이 연세대학교(연세대, 총장 서승환) 한학수 교수 연구팀과의 공동연구를 통해 소재에서 발생한 균열이나 손상된 기능을 스스로 복원할 수 있는 자가 치유 투명 전자소재를 개발했다고 밝혔다. 투명 폴리이미드(CPI, Colorless Polyimide)는 뛰어난 기계적, 전기적, 화학적 물성을 갖고 있다. 유리처럼 투명하고 강도가 세면서도 수십만 번 접어도 흠집이 나지 않아 폴더블, 플렉서블 디스플레이 등의 모바일 제품에도 이미 상용화되어 활용되고 있으며 항공우주, 태양전지 등 산업 전반에서 활용되고 있는 소재이다. 이처럼, 다양한 산업군에 폭 넓게 사용되는 소재이기 때문에 노출되는 다양한 환경에서 발생할 수 있는 균열과 지속적인 전자파에 의한 파괴 등을 해결하여 내구성을 확보하려는 노력이 끊이지 않고 있다. 일부 연구진에서는 첨가제를 넣거나 표면에 단단한 보호층을 코팅해 해결하고자 했으나, 근원적인 소재의 손상을 막을 수는 없었다. KIST-연세대 공동연구팀은 투명 폴리이미드의 장점은 유지하면서도 균열이나 손상된 기능을 어떠한 환경에서도 쉽고 빠르게 능동적으로 복원할 수 있도록 식물의 일종인 아마 씨에서 추출한 아마인유(Linseed oil)를 활용하여 자가 치유 투명 폴리이미드를 개발하였다. 아마인유는 상온(25℃)에서 쉽게 경화되는 특성이 있어 그림을 보존하기 위한 코팅 물질로도 많이 사용되고 있다. KIST 연구진은 아마인유를 담은 마이크로캡슐을 제조한 후, 제조한 마이크로 캡슐을 실리콘과 섞어 투명 폴리이미드 위에 코팅하여 보호층을 만들었다. 연구진이 개발한 소재는 손상이 생기면 마이크로 캡슐이 터져 아마인유가 흘러나와 손상된 부분으로 이동한 뒤 경화되어 스스로 복원될 수 있게 됐다. 이러한 자가치유 기능은 국소적인 손상에서 국부적인 손상범위까지 복원할 수 있다는 장점이 있다. 지금까지 알려진 다른 자가 복원 기능은 부드러운 소재에서만 구현할 수 있었으며 거기에 뜨거운 열을 가해야 복원될 수 있었다. 이와는 달리 공동 연구진이 개발한 소재는 단단한 소재임에도 자가 치유 기능을 갖고 있으며, 고온의 열을 가하지 않아도 상온에서도 스스로 복원되며 습도, 자외선에도 반응하여 치유 속도가 더 빨라지는 장점을 갖고 있어 최대 20분 이내에 손상의 95% 이상이 복원되었다. 정용채 센터장은 “손상된 고분자 소재의 물성과 수명을 근원적으로 해결할 수 있는 자가복원 투명 폴리이미드를 제조하였고, 유연디스플레이 및 전자재료 디바이스 등 그 소재의 응용범위를 제시했다는 데 의의가 있다.”라고 말하며 “향후 보다 향상된 물성확보를 위해서 추가적인 구조를 검토하고 응용범위를 확대할 예정이다.”라고 밝혔다. 본 연구는 과학기술정보통신부(장관 최기영) 지원으로 KIST 주요사업으로 수행되었으며, 연구결과는 재료과학 및 복합소재 분야 국제저널인 ‘Composite Part B: Engineering’(JCR 분야 상위 1.67%) 최신 호에 게재되었다. * (논문명) Interfacial Adhesion and Self-Healing Kinetics of Multi-Stimuli Responsive Colorless Polymer Bilayer Structure - (제 1저자) 한국과학기술연구원 김영남 연구원 - (제 1저자) 피츠버그대학교 남기호 박사후연구원 - (교신저자) 연세대학교 한학수 교수 - (교신저자) 한국과학기술연구원 정용채 책임연구원 <그림설명> [그림1] 자가복원 투명 폴리이미드 제조방법 [그림2] <p class="p1" style="text-align: justify; font-variant-numeric: normal; font-variant-east-asian: normal; font-stretch: normal; line-height: normal; font-family: " helvetica="" neue";"="">(좌) 자가복원 투명 폴리이미드의 형상자유도, (우) 개발된 투명 폴리이미드의 자가복원 특성

- 전자현미경 사진으로 순식간에 자성체 물성 분석완료 - KIST-경희대 연구진, 딥러닝 기술을 이용한 자성체 특성 연구 현재 사용되고 있는 실리콘 반도체의 집적도 한계를 극복하고 초저전력, 고성능 차세대 반도체 개발을 위해 전자의 ‘스핀(spin)’과 ‘전자공학(electronics)’을 함께 연구하는 스핀트로닉스(spintronics)에 관한 연구가 활발하다. 자성 메모리(MRAM) 등의 스핀트로닉스 소자를 개발하기 위해서는 자성을 띠는 물질인 자성체를 이용하는데, 이 자성체들의 온도에 대한 안정성, 변화에 대응하는 속도 등의 물성들을 정확히 파악해야 소자 개발에 이용할 수 있다. 이를 위해 국내 연구진이 스핀트로닉스의 소재인 자성체의 물성을 순식간에 분석하는 인공지능을 개발했다. 한국과학기술연구원(KIST, 원장 윤석진)은 스핀융합연구단 권희영, 최준우 박사팀이 경희대학교 원창연 교수 연구팀과의 공동연구를 통해 인공지능 기술을 활용하여 자성체의 스핀구조 이미지로부터 자기적 물성을 추정하는 기술을 개발했다고 밝혔다. 개발한 인공지능은 딥러닝 기술로, 기존에는 수십 시간까지 걸리던 소재 분석을 순식간에 해결할 수 있다. 자성체는 물질을 구성하는 미세단위 자석인 스핀이 같은 방향으로 정렬된 영역인 ‘자성 도메인’들을 갖고 있는데, 이러한 자성 도메인들이 형성되고 변화함에 따라 다양한 자기적 현상들이 나타나는 것으로 알려져 있다. 그동안은 자성 도메인의 특성을 좀 더 정확하고 깊게 이해하기 위해 다양한 실험을 통해 직접 물성을 측정해왔으며, 이를 위해 많은 시간과 자원을 쏟아야 했다. KIST-경희대학교 공동연구진은 딥러닝 기술을 활용하여 위와 같은 한계를 극복했다. 인공지능에 기계학습 알고리즘을 적용하여 기존 자성 도메인 이미지들을 학습시키고, 새로운 자성 도메인 이미지를 보면 그 물질의 자기적 물성을 추정하도록 했다. 그 결과 자성체의 전자현미경 이미지를 입력하고 실시간으로 해당 자성체의 자기적 물성을 추정할 수 있게 됐다. 뿐만 아니라 실제 관측한 데이터와 인공지능이 추정한 값을 비교했더니 그 오차가 1% 내외로 추정 정확도가 매우 높았다. KIST 권희영 박사는 “인공지능 기술들이 자성 도메인의 특성을 분석하기 위해 어떻게 활용될 수 있는지에 관한 새로운 길을 제시하였다.”라고 말하면서, “이러한 인공지능 기술을 활용해 자성 시스템을 분석하는 새로운 연구 방법은 실험과 이론의 연결을 강화하고, 나아가 인공지능 기술과 순수과학 연구의 융합이라는 새로운 연구 분야의 확장이 이루어질 수 있을 것으로 기대한다.”라고 밝혔다. 이번 연구는 과학기술정보통신부(장관 최기영)지원의 KIST 주요사업, 교육부(장관 유은혜)지원의 학문후속세대양성사업 등으로 수행되었다. 연구 결과는 과학분야의 국제 저널인 ‘Science Advances’ (IF: 13.116, JCR 분야 상위 4.93%) 최신 호에 게재되었다, * (논문명) Magnetic Hamiltonian parameter estimation using deep learning techniques - (제 1저자, 교신저자) 한국과학기술연구원 권희영 박사후연구원 - (공저자) 한국과학기술연구원 최준우 선임연구원 - (교신저자) 경희대학교 원창연 교수 <그림설명> [그림 1] 깊은 인공신경망을 통한 자성 물성 추정에 관한 개념도

- 전자현미경 사진으로 순식간에 자성체 물성 분석완료 - KIST-경희대 연구진, 딥러닝 기술을 이용한 자성체 특성 연구 현재 사용되고 있는 실리콘 반도체의 집적도 한계를 극복하고 초저전력, 고성능 차세대 반도체 개발을 위해 전자의 ‘스핀(spin)’과 ‘전자공학(electronics)’을 함께 연구하는 스핀트로닉스(spintronics)에 관한 연구가 활발하다. 자성 메모리(MRAM) 등의 스핀트로닉스 소자를 개발하기 위해서는 자성을 띠는 물질인 자성체를 이용하는데, 이 자성체들의 온도에 대한 안정성, 변화에 대응하는 속도 등의 물성들을 정확히 파악해야 소자 개발에 이용할 수 있다. 이를 위해 국내 연구진이 스핀트로닉스의 소재인 자성체의 물성을 순식간에 분석하는 인공지능을 개발했다. 한국과학기술연구원(KIST, 원장 윤석진)은 스핀융합연구단 권희영, 최준우 박사팀이 경희대학교 원창연 교수 연구팀과의 공동연구를 통해 인공지능 기술을 활용하여 자성체의 스핀구조 이미지로부터 자기적 물성을 추정하는 기술을 개발했다고 밝혔다. 개발한 인공지능은 딥러닝 기술로, 기존에는 수십 시간까지 걸리던 소재 분석을 순식간에 해결할 수 있다. 자성체는 물질을 구성하는 미세단위 자석인 스핀이 같은 방향으로 정렬된 영역인 ‘자성 도메인’들을 갖고 있는데, 이러한 자성 도메인들이 형성되고 변화함에 따라 다양한 자기적 현상들이 나타나는 것으로 알려져 있다. 그동안은 자성 도메인의 특성을 좀 더 정확하고 깊게 이해하기 위해 다양한 실험을 통해 직접 물성을 측정해왔으며, 이를 위해 많은 시간과 자원을 쏟아야 했다. KIST-경희대학교 공동연구진은 딥러닝 기술을 활용하여 위와 같은 한계를 극복했다. 인공지능에 기계학습 알고리즘을 적용하여 기존 자성 도메인 이미지들을 학습시키고, 새로운 자성 도메인 이미지를 보면 그 물질의 자기적 물성을 추정하도록 했다. 그 결과 자성체의 전자현미경 이미지를 입력하고 실시간으로 해당 자성체의 자기적 물성을 추정할 수 있게 됐다. 뿐만 아니라 실제 관측한 데이터와 인공지능이 추정한 값을 비교했더니 그 오차가 1% 내외로 추정 정확도가 매우 높았다. KIST 권희영 박사는 “인공지능 기술들이 자성 도메인의 특성을 분석하기 위해 어떻게 활용될 수 있는지에 관한 새로운 길을 제시하였다.”라고 말하면서, “이러한 인공지능 기술을 활용해 자성 시스템을 분석하는 새로운 연구 방법은 실험과 이론의 연결을 강화하고, 나아가 인공지능 기술과 순수과학 연구의 융합이라는 새로운 연구 분야의 확장이 이루어질 수 있을 것으로 기대한다.”라고 밝혔다. 이번 연구는 과학기술정보통신부(장관 최기영)지원의 KIST 주요사업, 교육부(장관 유은혜)지원의 학문후속세대양성사업 등으로 수행되었다. 연구 결과는 과학분야의 국제 저널인 ‘Science Advances’ (IF: 13.116, JCR 분야 상위 4.93%) 최신 호에 게재되었다, * (논문명) Magnetic Hamiltonian parameter estimation using deep learning techniques - (제 1저자, 교신저자) 한국과학기술연구원 권희영 박사후연구원 - (공저자) 한국과학기술연구원 최준우 선임연구원 - (교신저자) 경희대학교 원창연 교수 <그림설명> [그림 1] 깊은 인공신경망을 통한 자성 물성 추정에 관한 개념도

- 전자현미경 사진으로 순식간에 자성체 물성 분석완료 - KIST-경희대 연구진, 딥러닝 기술을 이용한 자성체 특성 연구 현재 사용되고 있는 실리콘 반도체의 집적도 한계를 극복하고 초저전력, 고성능 차세대 반도체 개발을 위해 전자의 ‘스핀(spin)’과 ‘전자공학(electronics)’을 함께 연구하는 스핀트로닉스(spintronics)에 관한 연구가 활발하다. 자성 메모리(MRAM) 등의 스핀트로닉스 소자를 개발하기 위해서는 자성을 띠는 물질인 자성체를 이용하는데, 이 자성체들의 온도에 대한 안정성, 변화에 대응하는 속도 등의 물성들을 정확히 파악해야 소자 개발에 이용할 수 있다. 이를 위해 국내 연구진이 스핀트로닉스의 소재인 자성체의 물성을 순식간에 분석하는 인공지능을 개발했다. 한국과학기술연구원(KIST, 원장 윤석진)은 스핀융합연구단 권희영, 최준우 박사팀이 경희대학교 원창연 교수 연구팀과의 공동연구를 통해 인공지능 기술을 활용하여 자성체의 스핀구조 이미지로부터 자기적 물성을 추정하는 기술을 개발했다고 밝혔다. 개발한 인공지능은 딥러닝 기술로, 기존에는 수십 시간까지 걸리던 소재 분석을 순식간에 해결할 수 있다. 자성체는 물질을 구성하는 미세단위 자석인 스핀이 같은 방향으로 정렬된 영역인 ‘자성 도메인’들을 갖고 있는데, 이러한 자성 도메인들이 형성되고 변화함에 따라 다양한 자기적 현상들이 나타나는 것으로 알려져 있다. 그동안은 자성 도메인의 특성을 좀 더 정확하고 깊게 이해하기 위해 다양한 실험을 통해 직접 물성을 측정해왔으며, 이를 위해 많은 시간과 자원을 쏟아야 했다. KIST-경희대학교 공동연구진은 딥러닝 기술을 활용하여 위와 같은 한계를 극복했다. 인공지능에 기계학습 알고리즘을 적용하여 기존 자성 도메인 이미지들을 학습시키고, 새로운 자성 도메인 이미지를 보면 그 물질의 자기적 물성을 추정하도록 했다. 그 결과 자성체의 전자현미경 이미지를 입력하고 실시간으로 해당 자성체의 자기적 물성을 추정할 수 있게 됐다. 뿐만 아니라 실제 관측한 데이터와 인공지능이 추정한 값을 비교했더니 그 오차가 1% 내외로 추정 정확도가 매우 높았다. KIST 권희영 박사는 “인공지능 기술들이 자성 도메인의 특성을 분석하기 위해 어떻게 활용될 수 있는지에 관한 새로운 길을 제시하였다.”라고 말하면서, “이러한 인공지능 기술을 활용해 자성 시스템을 분석하는 새로운 연구 방법은 실험과 이론의 연결을 강화하고, 나아가 인공지능 기술과 순수과학 연구의 융합이라는 새로운 연구 분야의 확장이 이루어질 수 있을 것으로 기대한다.”라고 밝혔다. 이번 연구는 과학기술정보통신부(장관 최기영)지원의 KIST 주요사업, 교육부(장관 유은혜)지원의 학문후속세대양성사업 등으로 수행되었다. 연구 결과는 과학분야의 국제 저널인 ‘Science Advances’ (IF: 13.116, JCR 분야 상위 4.93%) 최신 호에 게재되었다, * (논문명) Magnetic Hamiltonian parameter estimation using deep learning techniques - (제 1저자, 교신저자) 한국과학기술연구원 권희영 박사후연구원 - (공저자) 한국과학기술연구원 최준우 선임연구원 - (교신저자) 경희대학교 원창연 교수 <그림설명> [그림 1] 깊은 인공신경망을 통한 자성 물성 추정에 관한 개념도

- 전자현미경 사진으로 순식간에 자성체 물성 분석완료 - KIST-경희대 연구진, 딥러닝 기술을 이용한 자성체 특성 연구 현재 사용되고 있는 실리콘 반도체의 집적도 한계를 극복하고 초저전력, 고성능 차세대 반도체 개발을 위해 전자의 ‘스핀(spin)’과 ‘전자공학(electronics)’을 함께 연구하는 스핀트로닉스(spintronics)에 관한 연구가 활발하다. 자성 메모리(MRAM) 등의 스핀트로닉스 소자를 개발하기 위해서는 자성을 띠는 물질인 자성체를 이용하는데, 이 자성체들의 온도에 대한 안정성, 변화에 대응하는 속도 등의 물성들을 정확히 파악해야 소자 개발에 이용할 수 있다. 이를 위해 국내 연구진이 스핀트로닉스의 소재인 자성체의 물성을 순식간에 분석하는 인공지능을 개발했다. 한국과학기술연구원(KIST, 원장 윤석진)은 스핀융합연구단 권희영, 최준우 박사팀이 경희대학교 원창연 교수 연구팀과의 공동연구를 통해 인공지능 기술을 활용하여 자성체의 스핀구조 이미지로부터 자기적 물성을 추정하는 기술을 개발했다고 밝혔다. 개발한 인공지능은 딥러닝 기술로, 기존에는 수십 시간까지 걸리던 소재 분석을 순식간에 해결할 수 있다. 자성체는 물질을 구성하는 미세단위 자석인 스핀이 같은 방향으로 정렬된 영역인 ‘자성 도메인’들을 갖고 있는데, 이러한 자성 도메인들이 형성되고 변화함에 따라 다양한 자기적 현상들이 나타나는 것으로 알려져 있다. 그동안은 자성 도메인의 특성을 좀 더 정확하고 깊게 이해하기 위해 다양한 실험을 통해 직접 물성을 측정해왔으며, 이를 위해 많은 시간과 자원을 쏟아야 했다. KIST-경희대학교 공동연구진은 딥러닝 기술을 활용하여 위와 같은 한계를 극복했다. 인공지능에 기계학습 알고리즘을 적용하여 기존 자성 도메인 이미지들을 학습시키고, 새로운 자성 도메인 이미지를 보면 그 물질의 자기적 물성을 추정하도록 했다. 그 결과 자성체의 전자현미경 이미지를 입력하고 실시간으로 해당 자성체의 자기적 물성을 추정할 수 있게 됐다. 뿐만 아니라 실제 관측한 데이터와 인공지능이 추정한 값을 비교했더니 그 오차가 1% 내외로 추정 정확도가 매우 높았다. KIST 권희영 박사는 “인공지능 기술들이 자성 도메인의 특성을 분석하기 위해 어떻게 활용될 수 있는지에 관한 새로운 길을 제시하였다.”라고 말하면서, “이러한 인공지능 기술을 활용해 자성 시스템을 분석하는 새로운 연구 방법은 실험과 이론의 연결을 강화하고, 나아가 인공지능 기술과 순수과학 연구의 융합이라는 새로운 연구 분야의 확장이 이루어질 수 있을 것으로 기대한다.”라고 밝혔다. 이번 연구는 과학기술정보통신부(장관 최기영)지원의 KIST 주요사업, 교육부(장관 유은혜)지원의 학문후속세대양성사업 등으로 수행되었다. 연구 결과는 과학분야의 국제 저널인 ‘Science Advances’ (IF: 13.116, JCR 분야 상위 4.93%) 최신 호에 게재되었다, * (논문명) Magnetic Hamiltonian parameter estimation using deep learning techniques - (제 1저자, 교신저자) 한국과학기술연구원 권희영 박사후연구원 - (공저자) 한국과학기술연구원 최준우 선임연구원 - (교신저자) 경희대학교 원창연 교수 <그림설명> [그림 1] 깊은 인공신경망을 통한 자성 물성 추정에 관한 개념도

- 전자현미경 사진으로 순식간에 자성체 물성 분석완료 - KIST-경희대 연구진, 딥러닝 기술을 이용한 자성체 특성 연구 현재 사용되고 있는 실리콘 반도체의 집적도 한계를 극복하고 초저전력, 고성능 차세대 반도체 개발을 위해 전자의 ‘스핀(spin)’과 ‘전자공학(electronics)’을 함께 연구하는 스핀트로닉스(spintronics)에 관한 연구가 활발하다. 자성 메모리(MRAM) 등의 스핀트로닉스 소자를 개발하기 위해서는 자성을 띠는 물질인 자성체를 이용하는데, 이 자성체들의 온도에 대한 안정성, 변화에 대응하는 속도 등의 물성들을 정확히 파악해야 소자 개발에 이용할 수 있다. 이를 위해 국내 연구진이 스핀트로닉스의 소재인 자성체의 물성을 순식간에 분석하는 인공지능을 개발했다. 한국과학기술연구원(KIST, 원장 윤석진)은 스핀융합연구단 권희영, 최준우 박사팀이 경희대학교 원창연 교수 연구팀과의 공동연구를 통해 인공지능 기술을 활용하여 자성체의 스핀구조 이미지로부터 자기적 물성을 추정하는 기술을 개발했다고 밝혔다. 개발한 인공지능은 딥러닝 기술로, 기존에는 수십 시간까지 걸리던 소재 분석을 순식간에 해결할 수 있다. 자성체는 물질을 구성하는 미세단위 자석인 스핀이 같은 방향으로 정렬된 영역인 ‘자성 도메인’들을 갖고 있는데, 이러한 자성 도메인들이 형성되고 변화함에 따라 다양한 자기적 현상들이 나타나는 것으로 알려져 있다. 그동안은 자성 도메인의 특성을 좀 더 정확하고 깊게 이해하기 위해 다양한 실험을 통해 직접 물성을 측정해왔으며, 이를 위해 많은 시간과 자원을 쏟아야 했다. KIST-경희대학교 공동연구진은 딥러닝 기술을 활용하여 위와 같은 한계를 극복했다. 인공지능에 기계학습 알고리즘을 적용하여 기존 자성 도메인 이미지들을 학습시키고, 새로운 자성 도메인 이미지를 보면 그 물질의 자기적 물성을 추정하도록 했다. 그 결과 자성체의 전자현미경 이미지를 입력하고 실시간으로 해당 자성체의 자기적 물성을 추정할 수 있게 됐다. 뿐만 아니라 실제 관측한 데이터와 인공지능이 추정한 값을 비교했더니 그 오차가 1% 내외로 추정 정확도가 매우 높았다. KIST 권희영 박사는 “인공지능 기술들이 자성 도메인의 특성을 분석하기 위해 어떻게 활용될 수 있는지에 관한 새로운 길을 제시하였다.”라고 말하면서, “이러한 인공지능 기술을 활용해 자성 시스템을 분석하는 새로운 연구 방법은 실험과 이론의 연결을 강화하고, 나아가 인공지능 기술과 순수과학 연구의 융합이라는 새로운 연구 분야의 확장이 이루어질 수 있을 것으로 기대한다.”라고 밝혔다. 이번 연구는 과학기술정보통신부(장관 최기영)지원의 KIST 주요사업, 교육부(장관 유은혜)지원의 학문후속세대양성사업 등으로 수행되었다. 연구 결과는 과학분야의 국제 저널인 ‘Science Advances’ (IF: 13.116, JCR 분야 상위 4.93%) 최신 호에 게재되었다, * (논문명) Magnetic Hamiltonian parameter estimation using deep learning techniques - (제 1저자, 교신저자) 한국과학기술연구원 권희영 박사후연구원 - (공저자) 한국과학기술연구원 최준우 선임연구원 - (교신저자) 경희대학교 원창연 교수 <그림설명> [그림 1] 깊은 인공신경망을 통한 자성 물성 추정에 관한 개념도

- 전자현미경 사진으로 순식간에 자성체 물성 분석완료 - KIST-경희대 연구진, 딥러닝 기술을 이용한 자성체 특성 연구 현재 사용되고 있는 실리콘 반도체의 집적도 한계를 극복하고 초저전력, 고성능 차세대 반도체 개발을 위해 전자의 ‘스핀(spin)’과 ‘전자공학(electronics)’을 함께 연구하는 스핀트로닉스(spintronics)에 관한 연구가 활발하다. 자성 메모리(MRAM) 등의 스핀트로닉스 소자를 개발하기 위해서는 자성을 띠는 물질인 자성체를 이용하는데, 이 자성체들의 온도에 대한 안정성, 변화에 대응하는 속도 등의 물성들을 정확히 파악해야 소자 개발에 이용할 수 있다. 이를 위해 국내 연구진이 스핀트로닉스의 소재인 자성체의 물성을 순식간에 분석하는 인공지능을 개발했다. 한국과학기술연구원(KIST, 원장 윤석진)은 스핀융합연구단 권희영, 최준우 박사팀이 경희대학교 원창연 교수 연구팀과의 공동연구를 통해 인공지능 기술을 활용하여 자성체의 스핀구조 이미지로부터 자기적 물성을 추정하는 기술을 개발했다고 밝혔다. 개발한 인공지능은 딥러닝 기술로, 기존에는 수십 시간까지 걸리던 소재 분석을 순식간에 해결할 수 있다. 자성체는 물질을 구성하는 미세단위 자석인 스핀이 같은 방향으로 정렬된 영역인 ‘자성 도메인’들을 갖고 있는데, 이러한 자성 도메인들이 형성되고 변화함에 따라 다양한 자기적 현상들이 나타나는 것으로 알려져 있다. 그동안은 자성 도메인의 특성을 좀 더 정확하고 깊게 이해하기 위해 다양한 실험을 통해 직접 물성을 측정해왔으며, 이를 위해 많은 시간과 자원을 쏟아야 했다. KIST-경희대학교 공동연구진은 딥러닝 기술을 활용하여 위와 같은 한계를 극복했다. 인공지능에 기계학습 알고리즘을 적용하여 기존 자성 도메인 이미지들을 학습시키고, 새로운 자성 도메인 이미지를 보면 그 물질의 자기적 물성을 추정하도록 했다. 그 결과 자성체의 전자현미경 이미지를 입력하고 실시간으로 해당 자성체의 자기적 물성을 추정할 수 있게 됐다. 뿐만 아니라 실제 관측한 데이터와 인공지능이 추정한 값을 비교했더니 그 오차가 1% 내외로 추정 정확도가 매우 높았다. KIST 권희영 박사는 “인공지능 기술들이 자성 도메인의 특성을 분석하기 위해 어떻게 활용될 수 있는지에 관한 새로운 길을 제시하였다.”라고 말하면서, “이러한 인공지능 기술을 활용해 자성 시스템을 분석하는 새로운 연구 방법은 실험과 이론의 연결을 강화하고, 나아가 인공지능 기술과 순수과학 연구의 융합이라는 새로운 연구 분야의 확장이 이루어질 수 있을 것으로 기대한다.”라고 밝혔다. 이번 연구는 과학기술정보통신부(장관 최기영)지원의 KIST 주요사업, 교육부(장관 유은혜)지원의 학문후속세대양성사업 등으로 수행되었다. 연구 결과는 과학분야의 국제 저널인 ‘Science Advances’ (IF: 13.116, JCR 분야 상위 4.93%) 최신 호에 게재되었다, * (논문명) Magnetic Hamiltonian parameter estimation using deep learning techniques - (제 1저자, 교신저자) 한국과학기술연구원 권희영 박사후연구원 - (공저자) 한국과학기술연구원 최준우 선임연구원 - (교신저자) 경희대학교 원창연 교수 <그림설명> [그림 1] 깊은 인공신경망을 통한 자성 물성 추정에 관한 개념도

- 전자현미경 사진으로 순식간에 자성체 물성 분석완료 - KIST-경희대 연구진, 딥러닝 기술을 이용한 자성체 특성 연구 현재 사용되고 있는 실리콘 반도체의 집적도 한계를 극복하고 초저전력, 고성능 차세대 반도체 개발을 위해 전자의 ‘스핀(spin)’과 ‘전자공학(electronics)’을 함께 연구하는 스핀트로닉스(spintronics)에 관한 연구가 활발하다. 자성 메모리(MRAM) 등의 스핀트로닉스 소자를 개발하기 위해서는 자성을 띠는 물질인 자성체를 이용하는데, 이 자성체들의 온도에 대한 안정성, 변화에 대응하는 속도 등의 물성들을 정확히 파악해야 소자 개발에 이용할 수 있다. 이를 위해 국내 연구진이 스핀트로닉스의 소재인 자성체의 물성을 순식간에 분석하는 인공지능을 개발했다. 한국과학기술연구원(KIST, 원장 윤석진)은 스핀융합연구단 권희영, 최준우 박사팀이 경희대학교 원창연 교수 연구팀과의 공동연구를 통해 인공지능 기술을 활용하여 자성체의 스핀구조 이미지로부터 자기적 물성을 추정하는 기술을 개발했다고 밝혔다. 개발한 인공지능은 딥러닝 기술로, 기존에는 수십 시간까지 걸리던 소재 분석을 순식간에 해결할 수 있다. 자성체는 물질을 구성하는 미세단위 자석인 스핀이 같은 방향으로 정렬된 영역인 ‘자성 도메인’들을 갖고 있는데, 이러한 자성 도메인들이 형성되고 변화함에 따라 다양한 자기적 현상들이 나타나는 것으로 알려져 있다. 그동안은 자성 도메인의 특성을 좀 더 정확하고 깊게 이해하기 위해 다양한 실험을 통해 직접 물성을 측정해왔으며, 이를 위해 많은 시간과 자원을 쏟아야 했다. KIST-경희대학교 공동연구진은 딥러닝 기술을 활용하여 위와 같은 한계를 극복했다. 인공지능에 기계학습 알고리즘을 적용하여 기존 자성 도메인 이미지들을 학습시키고, 새로운 자성 도메인 이미지를 보면 그 물질의 자기적 물성을 추정하도록 했다. 그 결과 자성체의 전자현미경 이미지를 입력하고 실시간으로 해당 자성체의 자기적 물성을 추정할 수 있게 됐다. 뿐만 아니라 실제 관측한 데이터와 인공지능이 추정한 값을 비교했더니 그 오차가 1% 내외로 추정 정확도가 매우 높았다. KIST 권희영 박사는 “인공지능 기술들이 자성 도메인의 특성을 분석하기 위해 어떻게 활용될 수 있는지에 관한 새로운 길을 제시하였다.”라고 말하면서, “이러한 인공지능 기술을 활용해 자성 시스템을 분석하는 새로운 연구 방법은 실험과 이론의 연결을 강화하고, 나아가 인공지능 기술과 순수과학 연구의 융합이라는 새로운 연구 분야의 확장이 이루어질 수 있을 것으로 기대한다.”라고 밝혔다. 이번 연구는 과학기술정보통신부(장관 최기영)지원의 KIST 주요사업, 교육부(장관 유은혜)지원의 학문후속세대양성사업 등으로 수행되었다. 연구 결과는 과학분야의 국제 저널인 ‘Science Advances’ (IF: 13.116, JCR 분야 상위 4.93%) 최신 호에 게재되었다, * (논문명) Magnetic Hamiltonian parameter estimation using deep learning techniques - (제 1저자, 교신저자) 한국과학기술연구원 권희영 박사후연구원 - (공저자) 한국과학기술연구원 최준우 선임연구원 - (교신저자) 경희대학교 원창연 교수 <그림설명> [그림 1] 깊은 인공신경망을 통한 자성 물성 추정에 관한 개념도