%ed%99%8d%ec%8a%b9%eb%b2%94
-
나노 물방울 측정 성공..수소·반도체·배터리 연구에 새 돌파구
수소 생산 촉매에서는 물방울이 표면에서 잘 떨어져야 기포가 막히지 않고 수소를 더 빠르게 만들 수 있다. 반도체 제조에서도 물이나 액체가 표면에 얼마나 고르게 퍼지는지, 또는 얼마나 빨리 마르는지가 공정 품질을 좌우한다. 하지만 이런 물이나 액체가 표면 위에서 어떻게 퍼지고 움직이는지(‘젖음성’)를 나노 크기에서 직접 관찰하는 것은 지금까지 기술적으로 거의 불가능해 연구자들은 대부분 추측에 의존해야 했다.
우리 대학은 신소재공학과 홍승범 교수 연구팀이 서울대학교 임종우 교수팀과 공동으로, 원자간력 현미경(AFM)을 이용해 나노 크기의 물방울을 실시간으로 직접 관찰하고 물방울의 모양을 기반으로 접촉각을 계산하는 기술을 개발했다고 2일 밝혔다.
이번 연구로 나노 물방울의 실제 모습을 눈으로 확인할 수 있게 되면서, 물방울이 표면에 얼마나 잘 붙고 떨어지는지를 정밀하게 분석할 수 있게 됐다. 이는 수소 생산 촉매, 연료전지, 배터리, 반도체 공정처럼 액체의 움직임이 성능을 결정하는 여러 첨단 기술에 즉시 활용될 수 있을 것으로 기대된다.
최근 젖음성 분석 기술은 나노 크기에서의 정밀 측정이 중요해지고 있다. 기존 방식처럼 수 밀리미터 크기의 큰 물방울을 사용하면 표면의 물이 잘 스며드는 친수성, 물이 잘 안 퍼지는 소수성을 알 수 있었지만, 나노 스케일에서는 물방울이 너무 작아 그 형태를 직접 관찰하기 어려웠다.
연구팀은 공기 중 수증기가 얼지 않는 온도로 표면을 부드럽게 냉각해 자연스럽게 나노 물방울이 맺히도록 유도했고, AFM의 비접촉 모드로 이를 관찰해 물방울의 원래 형태를 그대로 촬영하는 데 성공했다. 나노 물방울은 민감해 탐침이 닿기만 해도 변형되기 때문에 정밀한 제어가 필수적이다.
또한 연구팀은 이 기술을 강유전 물질 리튬탄탈레이트(LiTaO₃)에 적용한 결과, 물질의 전기적 방향(분극)에 따라 나노 물방울의 접촉각이 달라지는 차이를 처음으로 확인했다. 큰 물방울에서는 보이지 않던 이 차이는, 나노 물방울이 표면의 전기적 상태에 매우 민감하다는 점을 보여준다.
연구팀은 이어 이 기술을 수소 생산을 돕는 수전해 촉매(NiFeLDH)에도 적용해 단일 나노 물방울을 관찰했다. 이 결과는 촉매 표면에서 물이 어떻게 반응하는지를 이해하는 데 도움을 주며, 특히 기포가 얼마나 잘 떨어지는지와 같은 촉매 성능 분석에도 활용될 수 있다.
홍승범 교수는 “이번 연구는 원자간력 현미경으로 나노 크기의 물방울을 직접 시각화하고 접촉각까지 측정할 수 있음을 보여준 중요한 사례”라며 “그동안 볼 수 없던 나노 세계의 물방울 동작을 실시간으로 관찰할 수 있게 되면서, 차세대 에너지·전자 소재 개발을 위한 핵심 분석 기술로 자리 잡을 것”이라고 말했다.
KAIST 신소재공학과 정의창 박사과정 연구원이 제1 저자로 참여한 이번 연구는 미국화학학회(American Chemical Society, ACS)에서 발간하는 신소재·화학공학 분야의 권위 있는 학술지인 ‘ACS 응용소재 및 인터페이스(ACS Applied Materials and Interfaces)’에 10월 17일 자로 출판됐다.
※ 논문 제목: Nanoscale Visualization and Contact Angle Analysis of Water Droplets on Ferroelectric Materials,
DOI: https://doi.org/10.1021/acsami.5c14404
한편, 이번 연구는 과학기술정보통신부와 한국연구재단의 지원으로 수행됐다.
2025.12.02 조회수 533 -
신소재 공학 연구의 새로운 언어가 된‘AI’를 말하다
AI가 스스로 새로운 소재의 구조와 성질을 상상하고 예측하는 시대가 열렸다. 이제 AI는 연구자의 ‘두 번째 두뇌’처럼 아이디어 발굴부터 실험 검증까지 연구 전 과정을 함께 수행한다. 우리 대학과 국제 공동 연구진은 AI가 자율 연구실(Self-driving Lab) 개념을 구현하고, 로봇이 촉매 합성 실험을 수행하는 ‘AI 기반 촉매 탐색 플랫폼’을 통해 신소재 연구의 전 주기 활용 전략을 제시했다.
우리 대학은 신소재공학과 홍승범 교수 연구팀이 미국 드렉셀대학교, 노스웨스턴대학교, 시카고대학교, 테네시대학교와 공동연구를 통해 인공지능(AI)·머신러닝(ML)·딥러닝(DL) 기술이 신소재공학 전반에 미치는 영향을 종합적으로 분석한 리뷰 논문을 국제 학술지 ACS Nano(영향력지수 IF=18.7)에 8월 5일자로 게재했다고 26일 밝혔다.
홍승범 교수 연구팀은 소재 연구를 ‘발견–개발–최적화’의 세 단계로 구분하고, 각 단계에서 AI가 수행하는 역할을 구체적으로 설명했다.
소재 발견 단계에서는 AI가 새로운 구조를 설계하고 물질의 성질을 예측해, 수많은 후보 중 가장 유망한 물질을 신속히 찾아낸다.
개발 단계에서는 실험 데이터를 분석하고 자율 실험 시스템(Self-driving Lab)을 통해 AI가 실험 과정을 자동으로 조정함으로써 연구 기간을 단축한다.
최적화 단계에서는 AI가 시행착오를 거치며 스스로 최적의 조건을 학습하는 ‘강화학습(Reinforcement Learning)’과, 적은 실험으로 가장 우수한 결과를 찾아내는 ‘베이지안 최적화(Bayesian Optimization)’ 기술을 활용해 설계와 공정 조건을 자동으로 조정하고 성능을 높인다.
즉, AI는 수많은 재료 중에서 ‘가장 가능성 있는 후보’를 먼저 골라주고, 실험 과정에서 시행착오를 줄이며, 마지막에는 스스로 실험 조건을 조정해 성능이 가장 좋은 조합을 찾아내는 ‘똑똑한 조수’ 역할을 한다.
논문은 또한 생성형 AI, 그래프 신경망(GNN), 트랜스포머 모델 등 첨단 기술이 AI를 단순한 계산 도구가 아닌 ‘생각하는 연구자’로 변화시키고 있음을 보여준다.
AI는 물리와 화학의 법칙을 스스로 학습해 새로운 소재를 상상하고 예측하며, 연구자의 ‘두 번째 두뇌’처럼 아이디어 제안부터 검증까지 함께 수행한다.
그러나 연구진은 AI가 제시하는 결과가 항상 정답은 아니며, 데이터 품질 불균형, 예측 결과 해석의 어려움, 이질적 데이터 통합 등 여전히 해결해야 할 과제들이 남아 있다고 지적했다.
이에 따라 앞으로는 AI가 물리학적 원리를 스스로 이해하고, 연구자가 그 과정을 투명하게 검증할 수 있는 기술이 함께 발전해야 한다고 강조했다.
논문에서는 또한 연구자가 직접 실험 장비를 조작하지 않아도 AI가 실험 계획을 세우고 결과를 분석해, 다음 실험 방향까지 제안하는 ‘자율 실험실(Self-driving Lab)’과 AI가 촉매 합성 실험을 자동으로 설계·최적화하고 로봇이 수행하는‘AI 기반 촉매 탐색 플랫폼’에 대해 심층적으로 다뤘다.
특히 AI가 촉매 합성과 최적화 과정을 자동으로 수행해 연구 속도를 비약적으로 높이는 사례를 소개하며, 이러한 접근이 배터리 및 에너지 소재 개발로 확장될 가능성을 보여주었다.
홍승범 교수는 “이번 리뷰는 인공지능이 단순한 도구를 넘어 신소재공학 연구의 새로운 언어로 자리 잡고 있음을 보여준다”며, “KAIST 연구진이 제시한 로드맵은 향후 배터리·반도체·에너지 소재 등 국가 핵심 산업 분야 연구자들에게 중요한 길잡이가 될 것”이라고 말했다.
이번 연구에는 신소재공학과 베네딕투스 마디카(Benediktus Madika) 박사과정, 아디티 사하(Aditi Saha) 박사과정, 강채율 석사과정, 바초리그 바얀톡톡(Batzorig Buyantogtokh) 박사과정이 공동 제1저자로 참여했다.
또한 미국 드렉셀대학교 조슈아 아가르(Joshua Agar) 교수, 노스웨스턴대학교 크리스 울버튼(Chris Wolverton) 교수, 피터 부어히스(Peter Voorhees) 교수, 시카고대학교 피터 리틀우드(Peter Littlewood) 교수, 테네시대학교 세르게이 칼리닌(Sergei Kalinin) 교수가 공동저자로 참여했다.
※논문명: Artificial Intelligence for Materials Discovery, Development, and Optimization, DOI: 10.1021/acsnano.5c04200
이 성과는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행됐다. (RS-2023-00247245)
2025.10.27 조회수 1970 -
차세대 메모리의 비밀을 풀다
차세대 메모리와 뉴로모픽 컴퓨팅 소자로 주목받는 ‘산화물 기반 저항 메모리(Resistive Random Access Memory, ReRAM)’는 빠른 속도와 데이터 보존 능력, 단순한 구조 덕분에 기존 메모리를 대체할 후보로 떠오르고 있다. 우리 연구진이 이 메모리 작동 원리를 밝혀내 앞으로 고성능·고신뢰성 차세대 메모리 개발에 핵심 단서를 제공할 것으로 기대된다.
우리 대학 신소재공학과 홍승범 교수 연구팀이 신소재공학과 박상희 교수 연구팀과 협업해, 차세대 반도체 핵심 기술로 주목받는 산화물 기반 메모리의 작동 원리를 세계 최초로 정밀하게 밝혀냈다고 2일 밝혔다.
연구팀은 여러 종류의 현미경*을 하나로 결합한 ‘다중모드 주사 탐침 현미경(Multi-modal SPM)’을 활용해, 산화물 박막 내부에 전자가 흐르는 통로와 산소 이온의 움직임, 그리고 표면 전위(재료표면에 전하의 분포) 변화를 동시에 관찰하는 데 성공했다. 이를 통해 메모리에 정보를 기록하고 지우는 과정에서 나타나는 전류 변화와 산소 결함이 어떻게 달라지는지 상관관계를 규명했다.
*여러 종류 현미경: 전류 흐름을 보는 전도성 원자간력 현미경(Conductive atomic force microscopy, C-AFM), 산소 이온 움직임을 보는 전기화학적 변형률 현미경(Electrochemical strain microscopy, ESM), 전위 변화를 보는 켈빈 탐침 힘 현미경(Kelvin probe force microscopy, KPFM)
이 특별한 장비로 연구팀은 이산화티타늄(TiO2) 박막에 전기 신호를 주어, 메모리에 정보를 기록하고 지우는 과정을 직접 구현해서 전류가 달라지는 이유가 산소 결함 분포의 변화 때문임을 나노 수준에서 직접 확인했다.
이 과정에서 산소 결함이 많아지면 전자의 이동 통로가 넓어져 전류가 잘 흐르고, 반대로 흩어지면 전류가 차단되는 등, 전류의 흐름이 산소 결함의 양과 위치에 따라 달라짐을 확인했다. 이를 통해 산화물 내의 산소 결함 분포가 메모리의 켜짐(on)/꺼짐(off) 상태를 결정한다는 점을 정밀하게 시각화하는 데 성공했다.
이번 연구에서는 단일 지점의 분포에 국한되지 않고, 수 마이크로미터(µm2) 크기의 넓은 영역에서 전기 신호를 인가한 뒤, 변화된 전류 흐름, 산소 이온의 움직임, 표면 전위 분포의 변화를 종합적으로 분석했다. 그 결과, 메모리의 저항이 바뀌는 과정이 단순히 산소 결함 때문만이 아니라 전자들의 움직임(전자적 거동)과도 긴밀히 얽혀 있다는 사실을 규명했다.
특히 연구진은 메모리를 ‘지우는 과정(소거 과정)’에서 산소 이온이 주입되면, 메모리가 안정적으로 꺼진 상태(고저항 상태)를 오래 유지할 수 있다는 사실을 확인했다. 이는 곧 메모리 소자의 신뢰성을 높이는 핵심 원리으로 향후 안정적인 차세대 비휘발성 메모리 개발에 중요한 단서를 제공할 것으로 기대된다.
연구를 주도한 홍승범 교수는 “다중모드 현미경을 통해 산소 결함, 이온, 전자의 공간적 상관관계를 직접 관찰할 수 있음을 입증한 사례”라며 “향후 이러한 분석 기법이 다양한 금속 산화물 기반 차세대 반도체 소자의 연구와 개발의 새로운 장을 열 것”이라고 말했다.
신소재공학과 공채원 박사과정 연구원이 제1 저자로 참여한 이번 연구는 미국화학학회(American Chemical Society, ACS)에서 발간하는 신소재·화학공학 분야의 권위 있는 학술지인 ‘ACS Applied Materials and Interfaces’에 7월 20일 자로 출판됐다.
※ 논문 제목: Spatially Correlated Oxygen Vacancies, Electrons and Conducting Paths in TiO2 Thin Films
※ DOI: https://pubs.acs.org/doi/full/10.1021/acsami.5c10123
한편, 이번 연구는 과학기술정보통신부와 한국연구재단의 지원으로 수행됐다.
2025.09.02 조회수 2439 -
고온 실험 없이 AI로 '최적 합금' 예측 시대 연다
자동차와 기계 부품 등에 사용되는 강철 합금은 일반적으로 고온에서 녹이는(융해) 공정을 거쳐 제조된다. 이때 성분이 변하지 않고 그대로 녹는 현상을 ‘합치 융해(congruent melting)’라고 한다. 우리 연구진은 이처럼 고온 실험을 통해서만 가능했던 합금의 융해 특성을 인공지능(AI)으로 해결했다. 이번 연구는 고질적인 난제였던 합금이 녹을 때 서로 얼마나 잘 섞이는지를 미리 예측함으로써, 미래 합금 개발의 방향성을 제시한다는 점에서 주목받고 있다.
우리 대학 신소재공학과 홍승범 교수 연구팀이 미국 노스웨스턴대 크리스 울버튼(Chris Wolverton) 교수팀과 국제 공동연구를 통해, 밀도범함수이론(DFT)* 기반의 형성에너지(합금이 얼마나 안정적인지를 나타내는 값) 데이터를 활용해 합금이 녹을 때 성분이 유지되는지를 예측하는 고정확도 머신러닝 모델을 개발했다고 14일 밝혔다.
*밀도범함수이론(Density Functional Theory, DFT): 전자 밀도(electron density)를 기반으로 시스템의 전체 에너지를 계산하는 방법
연구팀은 밀도범함수이론을 통해 계산한 형성에너지와, 기존의 실험적 융해 반응 데이터를 머신러닝에 결합해 4,536개의 이원계 화합물에 대한 융해 반응 유형을 학습한 후, 그 예측 모델을 구성했다.
다양한 머신러닝 알고리즘 중 특히 ‘XGBoost’ 기반 분류 모델이 합금이 잘 섞이는지 여부에 대해 가장 높은 정확도를 보였으며, 약 82.5%의 예측 정확도를 달성했다.
연구팀은 또한 샤플리(Shapley) 기법*을 활용해 모델의 주요 특징(feature)들을 분석했으며, 이 중에서도 기울기 변화가 크다는 것은 그 조성에서 에너지적으로 매우 유리한(=안정한) 상태가 형성된다는 뜻으로 ‘형성에너지 곡선의 기울기 변화(convex hull sharpness)’가 가장 중요한 인자로 도출됐다.
*샤플리기법: AI가 어떤 이유로 그렇게 판단했는지를 알려주는 설명 도구
이번 연구의 가장 큰 의의는 고온 실험 없이도 소재의 융해 반응 경향성을 예측할 수 있다는 점이다. 이는 특히 고엔트로피 합금이나 초내열 합금 등 실험이 어려운 소재 군에서 매우 유용하며, 향후 복잡한 다성분계 합금 설계에도 확장될 수 있다.
또한, AI 모델이 도출한 주요 물리량은 합금이 잘 변하고, 안정적인지 등에 대한 실제 실험 결과와 높은 일치도를 보였고, 향후 다양한 금속재료 개발 및 구조 안정성 예측 등 널리 활용될 수 있을 것으로 기대된다.
홍승범 교수는 “이번 연구는 계산과 실험 데이터, 그리고 머신러닝의 융합을 통해 기존의 경험적 합금 설계 방식에서 벗어나 데이터 기반의 예측적 소재 개발이 가능하다는 가능성을 보여준 사례”라며 “향후 생성형 모델, 강화학습 등의 최신 AI 기술을 접목하면 완전히 새로운 합금을 자동으로 설계하는 시대가 열릴 것”이라고 말했다.
신소재공학과 최영우 박사과정 연구원이 제1 저자로 참여한 이번 연구는 미국물리협회(American Institute of Physics, AIP)에서 발간하는 머신러닝 분야의 권위 있는 학술지인 ‘APL 머신러닝(Machine Learning)’ 5월호에 게재 및 ‘특집 논문(Featured article)’로 선정됐다.
※ 논문 제목: Machine learning-based melting congruency prediction of binary compounds using density functional theory-calculated formation energy
※ DOI: https://doi.org/10.1063/5.0247514
한편, 이번 연구는 과학기술정보통신부와 한국연구재단의 지원으로 수행됐다.
2025.07.14 조회수 2582 -
탄산음료의 치아 부식 예방 방법 과학적 규명
콜라와 같은 탄산음료가 치아 건강에 해롭다는 사실을 나노기술로 영상화하고 과학적으로 입증했던 한국 연구진이 이번에는 동일한 음료로부터 치아 손상을 예방하는 효과적인 방법의 메커니즘을 규명해 화제다.
우리 대학 신소재공학과 홍승범 교수팀이 화학과 변혜령 교수팀과 서울대 치의학대학원 소아치과학교실 및 구강미생물학교실과 협업하여 은다이아민플루오라이드(SDF)*가 치아 표면에 불소 함유 방어막을 형성시켜서 콜라의 부식 작용을 효과적으로 막는 메커니즘을 나노기술로 규명했다고 5일 밝혔다.
*은다이아민플로오라이드(SDF): 치과에서 사용되는 약제로, 주로 충치(우식증) 치료와 예방을 위해 사용됨. SDF는 충치 부위를 강화하고, 세균 성장을 억제하며, 충치의 진행을 멈추는 데 효과적임.
연구팀은 치아 에나멜의 표면 형상과 기계적 특성을 원자간력 현미경(AFM)을 활용해서 나노 단위에서 분석하고, SDF 처리로 형성된 나노피막의 화학적 특성을 엑스선 광전자 분광법(XPS)*과 푸리에 변환 적외선 분광법(FTIR)*을 활용해서 분석했다.
*엑스선 광전자 분광법(XPS): 물질 표면의 화학적 조성과 전자 구조를 분석하는 데 사용되는 강력한 표면 분석 기술임.
*적외선 분광법(FTIR): 물질이 적외선(IR) 빛을 흡수하거나 통과시키는 특성을 분석하여, 분자의 화학 구조와 조성을 파악하는 분석 방법임.
그 결과, 콜라에 노출된 치아가 SDF 처리 여부에 따라 표면 조도 및 탄성계수 변화에 큰 차이를 보였다. 특히 SDF를 도포한 치아는 부식으로 인한 표면 거칠기 변화가 최소화되고(64 nm에서 70 nm), 탄성계수도 높은 수준(215 GPa에서 205 GPa)을 유지한 것을 발견했다.
이는 SDF가 플루오로아파타이트(fluoroapatite)* 피막을 형성하고, 이 피막이 보호층 역할을 했기 때문이라고 밝혔다.
*플로오로아파타이트: Ca₅(PO₄)₃F (칼슘 플루오로인산염)의 화학식을 가진 인산염 무기물로 자연적으로 존재하거나 생물학적/인공적으로 생성될 수 있고, 치아와 뼈의 구조를 강화하는 데 중요한 역할을 함.
서울대 소아치과 김영재 교수는 “이 기술은 어린이와 성인의 치아 부식 예방 및 치아 강화에 활용될 수 있으며, 비용 효율적이고 접근 가능한 치과 치료법이다”라고 전망했다.
홍승범 교수는 “치아 건강은 개인의 삶의 질에 중요한 영향을 미친다. 이번 연구는 치과 영역에서 초기 치아 부식을 예방하기 위한 효과적인 방안을 제시함과 동시에 기존의 외과적 치료가 아닌, SDF의 간단한 도포만으로 치아 부식을 예방하고 강화할 수 있어 통증과 비용을 크게 줄일 수 있는 가능성을 열었다”라고 강조했다.
신소재공학과 아디티 사하(Aditi Saha) 박사과정이 제1 저자로 참여한 이번 연구 결과는 국제 학술지 ‘바이오머티리얼즈 리서치(Biomaterials Research)'에 11월 7일 자 출판되었다. (논문 제목: Nanoscale Study on Noninvasive Prevention of Dental Erosion of Enamel by Silver Diamine Fluoride), 관련 연구는 한국연구재단의 지원을 받아 진행됐다.
2024.12.05 조회수 7257 -
미래 반도체 소재 나노 분석 정확도 획기적 향상
머리카락 두께의 수만 분의 1도 관찰할 수 있는 초정밀 현미경으로 특수 전자소자를 측정할 때 발생하던 오차의 원인이 밝혀졌다. 한미 공동 연구진이 그동안 측정 대상 물질의 특성으로 여겨졌던 오차가, 실제로는 현미경 탐침 끝부분과 물질 표면 사이의 극미세 공간 때문이라는 사실을 밝혀낸 것이다. 이번 연구는 반도체, 메모리 소자, 센서 등에 활용되는 나노 소재 특성을 정확하게 분석하여 관련 기술 발전에 크게 기여할 것이다.
우리 대학 신소재공학과 홍승범 교수 연구팀이 미국 버클리 대학 레인 마틴(Lane W. Martin) 교수팀과의 국제 공동연구를 통해, 주사탐침현미경 측정의 최대 난제였던 신호 정확도를 저해하는 핵심 요인을 규명하고 이를 제어하는 획기적인 방법을 개발했다고 18일 밝혔다.
연구팀은 현미경 탐침과 시료 표면 사이에 존재하는 비접촉 유전 간극이 측정 오차의 주요 원인임을 밝혀냈다. 이 간극은 측정환경에서 쉽게 변조되거나 오염물질로 채워져 있어 전기적 측정에 큰 영향을 미치는 것으로 나타났다.
이에 연구진은 물과 같은 고유전율 유체를 이용해 이 간극을 채우는 방법을 고안, 나노스케일 분극 전환 전압 측정의 정밀도를 8배 이상 향상했다. 이러한 접근은 기존의 대칭 커패시터 구조에서 얻은 결과와 거의 일치하는 값을 얻을 수 있어, 강유전체 박막의 특성 분석에 새로운 장을 열 것으로 기대되고 있다.
특히, 연구진은 규칙적으로 위아래 전기적 특성이 정렬된 리튬 니오베이트(PPLN, 광학 및 전자 소자에 사용되는 특수 결정) 물질에 물을 매개체로 사용했을 때, 기존보다 월등히 높은 정밀도의 압전 반응력 현미경(PFM, 물질의 미세 전기적 특성을 관찰하는 특수 현미경) 측정에 성공했다.
물로 제어된 유전 간극에서는 다른 분극 신호 간의 비대칭성이 4% 이하까지 떨어지는 것을 확인했다. 이는 물 분자가 표면 전하를 중화시켜 정전기력 영향을 최소화한 결과로 분석된다. 이는 마치 건조한 겨울철에 발생하는 정전기를 물로 없앨 수 있는 것과 비슷한 원리다.
홍승범 교수는 "이번 발견은 미세 탐침을 활용한 나노스케일 측정 기술의 불확실성 문제를 해결할 수 있는 기반 연구이며, 강유전체뿐만 아니라 다양한 기능성 재료의 전기적 특성 분석에 널리 적용될 수 있을 것”이라고 전망했다.
신소재공학과 엄성문 박사과정이 제 1저자로, 김연규 박사과정이 공저자로 참여한 이번 연구 결과는 국제 학술지 ‘어드밴스드 펑셔널 머티리얼즈(Advanced Functional Materials)'에 9월 2일 자 출판되었다. (논문 제목: Unveiling the Nanoscale Dielectric Gap and Its Influence on Ferroelectric Polarization Switching in Scanning Probe Microscopy)
한편 이번 연구는 한국연구재단과 KAIST 글로벌 특이점 사업의 지원 및 미국 연구진과의 국제공동 연구를 통해 수행되었다.
2024.11.18 조회수 7503 -
인공지능으로 배터리 원소, 충방전 상태 인식
국제공동연구진이 인공지능 학습을 통해 배터리의 표면 형상만 보고 각 원소의 함량 그리고 충·방전 횟수에 대한 정보를 높은 정확도로 알아내는 영상인식 기술을 개발하여 화제다.
우리 대학 신소재공학과 홍승범 교수가 한국전자통신연구원(ETRI), 미국 드렉셀대학과 공동연구를 통해 다양한 조성과 각기 다른 충·방전 사이클의 NCM 양극재 주사전자현미경 사진을 합성곱 신경망* 기반 인공지능에 학습시켜 주요 원소 함량과 충·방전 상태를 99.6%의 높은 정확도로 맞추는 방법론을 세계 최초로 개발했다고 2일 밝혔다.
*합성곱 신경망(콘볼루션 신경망, Convolutional Neural Network, CNN): 시각적 영상을 분석하는 데 사용되는 다층의 피드-포워드적인 인공신경망의 한 종류이다.
연구팀은 반도체 공정에서는 웨이퍼의 불량 검수를 위해 주사전자현미경(SEM)을 사용하는 반면 배터리 공정에서는 그런 경우가 드물고 연구 현장에서만 입자의 크기 분석을 위해 SEM을 활용하고, 열화된 배터리 소재의 경우 입자가 깨지고 부서지는 형상으로부터 신뢰성을 예측하는 것에 착안했다. 연구팀은 반도체 공정에서와 같이 배터리 공정도 자동화된 SEM으로 양극재 표면을 검수해서 원하는 조성대로 합성이 되었는지 수명은 신뢰성 있게 나올 것인지를 확인해 불량률을 줄일 수 있다면 획기적일 것으로 판단했다.
연구진은 자율주행차에 적용가능한 합성곱 신경망 기반 인공지능에 배터리 소재의 표면 영상을 학습시켜서 양극재의 주 원소 함량과 충·방전 사이클 상태를 예측할 수 있게 했다. 이런 방법론이 첨가제가 들어간 양극재에도 적용가능한 지 확인한 결과 함량은 상당히 정확하게 예측하는 반면 충·방전 상태는 정확도가 낮다는 단점을 알게 됐다. 이에 연구팀은 향후 다양한 공정을 통해서 만든 배터리 소재의 형상을 학습시켜 차세대 배터리의 조성 균일성 검수 및 수명 예측에 활용할 계획이다.
연구를 이끈 홍승범 교수는 “이번 연구는 세계 최초로 마이크론 스케일의 주사전자현미경 사진의 소재 구조 데이터를 통해 주 원소 함량과 충·방전 상태를 빠르고 정확하게 예측할 수 있는 인공지능 기반 방법론을 개발한 데 의의가 있고 이번 연구에서 개발된 현미경 영상 기반 배터리 소재의 함량 및 상태 감별 방법론은 향후 배터리 소재의 성능과 품질을 향상하는 데 중요한 역할을 하게 될 것으로 기대된다”고 전망했다.
한편, 이번 연구는 공동 제1 저자인 신소재공학과 졸업생 오지민 박사와 염지원 박사와 공동저자인 ETRI 김광만 박사와 미국 드렉셀 대학교 아가르(Agar) 교수가 참여하였고, 한국연구재단(2020M3H4A3081880, RS-2023-00247245), KAIST 글로벌특이점 사업의 지원 및 미국 연구진과의 국제공동연구를 통해 수행됐으며, 국제 학술지 ‘엔피제이 컴퓨테이셔날 머티리얼즈(npj computational materials)’에 지난 5월 4일 자 출판됐다. (논문 제목: Composition and state prediction of lithium-ion cathode via convolutional neural network trained on scanning electron microscopy images)
2024.07.02 조회수 11554 -
화학물질 없이 식각하는 반도체 기술 최초 개발
차세대 반도체 메모리의 소재로 주목을 받고 있는 강유전체는 차세대 메모리 소자 혹은 작은 물리적 변화를 감지하는 센서로 활용되는 등 그 중요성이 커지고 있다. 이에 반도체의 핵심 소자가 되는 강유전체를 화학물질없이 식각할 수 있는 연구를 성공해 화제다.
우리 대학 신소재공학과 홍승범 교수가 제네바 대학교와 국제공동연구를 통해 강유전체 표면의 비대칭 마멸* 현상을 세계 최초로 관찰 및 규명했고, 이를 활용해 혁신적인 나노 패터닝 기술**을 개발했다고 26일 밝혔다.
*마멸: 물체 표면의 재료가 점진적으로 손실 또는 제거되는 현상
**나노 패터닝 기술: 나노스케일로 소재의 표면에 정밀한 패턴을 생성하여 다양한 첨단 기술 분야에서 제품 성능을 향상시키는데 사용되는 기술
연구팀은 강유전체 소재의 표면 특성에 관한 연구에 집중했다. 이들은 원자간력 현미경(Atomic Force Microscopy)을 활용해 다양한 강유전체의 트라이볼로지(Tribology, 마찰 및 마모) 현상을 관찰했고, 강유전체의 전기적인 분극* 방향에 따라 마찰되거나 마모되는 특성이 다르다는 것을 세계 최초로 발견했다. (그림 1) 아울러, 이러한 분극 방향에 따라 달라지는 트라이볼로지의 원인으로 변전 효과(Flexoelectric effect)*에 주목했다.
*전기적 분극(electric dipole): 자석의 북극과 남극처럼 전기적으로 양극과 음극이 있는 것을 의미함
*변전 효과: 물질이 휘어졌을 때 분극이 발생하는 현상이지만, 거시 규모에서 물질을 구부렸을 때 유도되는 분극의 크기가 매우 작아 그동안 큰 주목을 받지 못했다. 그러나 2010년대 들어서 물질이 나노스케일로 미세화될 경우, 매우 큰 변전 효과가 발생할 수 있다는 연구 결과가 나오면서 많은 연구자의 주목을 받기 시작했다.
연구진은 강유전체의 트라이볼로지 특성이 나노 단위에서 강한 응력이 가해질 때 발생하는 변전 효과로 인해 강유전체 내부의 분극 방향에 따른 상호작용으로 트라이볼로지 특성이 바뀌게 된다는 것을 발견했다. 또한 이러한 새로운 강유전체 트라이볼로지 현상을 소재의 나노 패터닝에 응용했다.
이러한 패터닝 방식은 기존의 반도체 패터닝 방식과는 다르게 화학 물질 및 고비용의 리소그래피 장비가 필요하지 않고, 기존 공정 대비 매우 빠르게 나노 구조를 제작할 수 있는 장점이 있다.
이번 연구의 제1 저자인 신소재공학과 졸업생 조성우 박사는 “이번 연구는 세계 최초로 강유전체 비대칭 트라이볼로지를 관찰하고 규명한 데 의의가 있고, 이러한 분극에 민감한 트라이볼로지 비대칭성이 다양한 화학적 구성 및 결정 구조를 가진 강유전체에서 널리 적용될 수 있어 많은 후속 연구를 기대할 수 있다”고 밝혔다.
공동교신저자로 본 연구를 공동 지도한 제네바 대학교 파루치(Paruch) 교수는 “변전 효과를 통해 강유전체의 도메인이 분극 방향에 따라 서로 다른 표면 특성을 나타내는 것을 활용함으로써, 다양하고 유용한 기술들을 개발할 수 있을 것이다”며 이번 연구가 앞으로 뻗어나갈 분야에 대한 강한 자신감을 피력했다.
연구를 이끈 홍승범 교수는 “이번 연구에서 개발된 패터닝 기술은 기존 반도체 공정에서 쓰이는 패터닝 공정과 달리 화학 물질을 사용하지 않고, 매우 낮은 비용으로 대면적 나노 구조를 만들 수 있어 산업적으로 활용될 수 있는 잠재력을 가지고 있다”고 전망했다.
한편, 이번 연구는 한국연구재단(2020R1A2C2012078, NRF-2022K1A4A7A04095892, RS-2023-00247245), KAIST 글로벌특이점 사업의 지원 및 스위스, 스페인 연구진과의 국제공동연구를 통해 수행됐으며, 국제 학술지 ‘네이처 커뮤니케이션즈(Nature Communications)’에 1월 9일 자 출판됐다. (논문 제목: Switchable tribology of ferroelectrics)
2024.03.26 조회수 12259 -
금이 간 뼈에 ‘뼈 반창고’ 신소재 개발
뼈 재생은 복잡하며 기존의 골 이식 및 성장 인자 전달 등과 같은 재생을 할 경우 높은 단가 발생 등의 한계가 있었는데 뼈조직의 성장을 촉진하기 위한 압전 물질이 개발되었다.
우리 대학 신소재공학과 홍승범 교수 연구팀이 전남대학교 융합바이오시스템기계공학과 김장호 교수 연구팀과 협업을 통해 하이드록시아파타이트(HAp)의 고유한 골 형성 능력을 활용하여 압력을 가했을 때 전기적 신호가 발생하는 생체 모방 지지체를 개발했다고 25일 밝혔다.
하이드록시아파타이트(HAp)란 뼈나 치아에서 발견되는 염기성 인산칼슘으로 생체 친화적인 특징이 있으며, 충치를 예방하는 특성이 있어 치약에도 쓰이는 미네랄 물질이다.
이전의 압전 지지체 관련 연구들은 압전성이 뼈 재생을 촉진하고 골 융합을 향상하는 효과를 다양한 고분자 기반 소재에서 확인했지만, 최적의 골조직 재생에 필요한 복잡한 세포 환경을 모사하는 데 한계가 있었다. 그러나 이번 연구는 하이드록시아파타이트(HAp) 고유의 골 형성 능력을 활용해 생체의 골조직 환경을 모방하는 소재를 개발한 것으로, 연구팀은 새로운 방법을 제시했다.
연구팀은 하이드록시아파타이트(HAp)를 고분자 필름과 융합하는 제조 공정을 개발했다. 이 공정으로 제작된 유연하고 독립적인 지지체는 실험 쥐를 대상으로 한 체외 및 체내 실험에서 뼈 재생을 가속하는 놀라운 잠재력을 입증했다.
또한, 연구팀은 동 지지체의 골 재생 효과의 원인을 다각도로 밝혀냈다. 원자간력 현미경(AFM) 분석을 통해 지지체의 전기적 특성을 조사했으며, 세포 모양과 세포 골격 단백질 형성에 대한 상세한 표면 특성 평가를 진행했다. 또한, 압전 및 표면적 요소가 성장 인자 발현에 어떤 영향을 미치는지 조사했다.
신소재공학과 홍승범 교수는 "뼈의 재생 속도를 가속화시키는 효과를 통해 `뼈 반창고' 같은 역할을 하는 하이드록시아파타이트(HAp) 융합 압전성 복합소재를 개발했다ˮ며, "이번 연구는 생체 재료 설계에 새로운 방향성을 제시하는 데에 그치지 않고, 압전성과 표면적 특성이 뼈 재생에 미치는 영향을 탐구한 데에 의의가 있다ˮ 라고 강조했다.
홍승범 교수 연구팀 소속 주소연 박사과정 학생, 김소연 석사가 공동 제1 저자로 참여한 이번 연구는 2024년 1월 4일 국제학술지 `ACS Applied Materials & Interfaces'에 게재됐다. 또한, 김장호 교수팀의 권용현 박사과정 학생이 공동 제1 저자로, 김장호 교수가 공동교신저자로 기여했다. (논문 제목: Piezoelectrically and Topographically Engineered Scaffolds for Accelerating Bone Regeneration).
해당 연구는 KAIST 연구진흥팀, KUSTAR-KAIST 공동연구센터, KAIST의 글로벌 특이점 사업과 정부의 재원으로 한국연구재단 기초연구사업(NRF2022M3A9E4017151, NRF-2022K1A4A7A04095892, RS2023-00247245, NRF-2021R1A4A3025206)의 지원을 받아 수행됐다.
2024.01.25 조회수 11023 -
고용량 배터리 수명 증대 영상화하다
전기자동차에서 볼 수 있는 고용량 배터리에 사용되고 있는 실리콘 활물질은 기존 음극 활물질인 흑연 대비 높은 용량 값(4200 mAh/g)을 갖고 있으나, 충전 및 방전 간 400%에 달하는 높은 부피 팽창/수축률이 배터리 수명에 악영향을 미치고 있다. 이를 해결하기 위해서 단일벽 탄소나노튜브를 소량 첨가해 수명 특성이 향상되는 결과를 얻었는데, 이런 향상이 어떻게 가능한지 나노스케일에서 영상화한 연구 결과가 공개됐다.
우리 대학 신소재공학과 홍승범 교수 연구팀이 LG에너지솔루션과 협업해 배터리의 수명 특성 향상 메커니즘 영상화 결과를 국제학술지‘에이씨에스 에너지 레터스(ACS Energy Letters, Impact Factor: 22)’에 게재했다고 19일 밝혔다. (논문명: Spatially Uniform Lithiation Enabled by Single-Walled Carbon Nanotubes)
연구팀은 이전에는 실리콘 활물질이 충·방전을 거치면서 전자 전도 네트워크가 열화되는 과정을 영상화하였는데, 이번 연구에서는 단일벽 탄소나노튜브의 존재로 인해서 그 형태를 유지하고 있는 전자전도 네트워크가 활물질 내에 균일한 충·방전이 가능하도록 기능하고 있음을 보여 수명 증대 메커니즘을 검증했다.
구체적으로 연구팀은 원자간력 현미경(Atomic Force Microscopy) 기반의 켈빈 프루브 현미경(Kelvin Probe Force Microscopy)를 이용해 1회 및 90회 충·방전 싸이클 후의 전극 내 천연흑연과 실리콘 산화물 입자에서의 표면 전위를 측정 및 영상화했다. 이를 통해 단일벽 탄소나노튜브(Single-Walled Carbon Nanotube, SW-CNT)가 첨가된 전극에서는 활물질 내 표면 전위가 균일하게 분포하고 있는 반면, 첨가되지 않은 기존 전극의 경우에는 90회 충·방전 후에 불균일한 표면전위를 보여, 전자 전도 네트워크가 제대로 기능을 발휘하지 않아 불균일한 충·방전이 됨을 연구팀은 확인했다.
이처럼 활물질 내부의 표면 전하를 영상화할 수 있는 기술은 실리콘 활물질 뿐만 아니라, 다양한 전극 시스템에 적용될 수 있으며, 향후 배터리 충전 및 방전 상태 균일성을 확인하고 수명 향상 연구로 발전할 수 있다.
이번 연구의 제1 저자인 신소재공학과 박건 연구원은 “충·방전 시 수반되는 실리콘 계열 활물질의 급격한 부피 변화에도 불구하고 가느다란 탄소나노튜브가 전자 전도 채널을 유지하고 이로 인해 전극 내에 균일한 충·방전을 가능케하는 것이 매우 신기한 일이었는데, 이를 나노스케일에서 직접 영상화해 그 역할을 미시세계에서 이해할 수 있었던 것이 큰 의미가 있다”라고 말했다. 교신 저자인 홍승범 교수는 “원자간력 현미경을 활용해서 나노스케일에서 일어나는 전기화학적인 현상을 영상화하고 이를 통해서 배터리 성능 및 수명을 향상할 수 있는 혁신적인 아이디어를 창출할 수 있게 되어 매우 기쁘다”라고 말했다.
이번 연구는 LG에너지솔루션, LG에너지솔루션-KAIST Frontier Research Lab.과 KAIST 글로벌 특이점 사업의 지원을 받아 수행됐다.
2023.09.19 조회수 9735 -
리튬이차전지 실리콘 기반 음극의 수명과 관련된 전자전도도 퇴화를 나노스케일에서 영상화 성공
고에너지 밀도를 갖는 리튬이차전지 개발에 대한 수요가 폭발적으로 증가하면서, 실리콘 기반 음극 개발에 관한 연구가 활발히 이뤄지고 있다. 실리콘 활물질은 기존 음극 활물질인 흑연 대비 높은 용량 값(4200 mAh/g)을 가지고 있어, 고에너지 밀도를 가지는 리튬이차전지용 음극의 유력한 후보로 자리 잡고 있다.
하지만 충전 및 방전 간 400%에 달하는 높은 부피 팽창/수축률이 실리콘 활물질의 상업화를 방해하고 있다. 실리콘 기반 음극의 급격한 부피 변화는 특히 전극 내 전자 전달 시스템에 큰 악영향을 미치고 있으며, 이를 보완하기 위해 다양한 도전재 시스템을 적용하는 연구가 활발히 진행 중이다. 전극 내 전자 전도 채널의 확보는, 활물질 내 균등한 전기화학 반응을 유발하기 위해 필수적이지만, 이를 나노스케일 공간 분해능을 갖고 영상화하는 방법론에 관해서는 많은 연구가 진행되지 않은 실정이다.
우리 대학 신소재공학과 홍승범 교수 연구팀이 LG에너지솔루션과 협업해, 나노스케일 분해능으로 전극 내 전자 전도 채널을 왜곡 신호 없이 정량적으로 추출하는 방법론을 개발하는 데 성공했다고 8일 밝혔다. 연구팀은 전극 소재와 같이 표면 거칠기가 큰 시료에서 전도성 원자간력현미경(Conductive Atomic Force Microscopy, C-AFM) 운용 시 발생하는 왜곡 정보인 용량성 전류(capacitive current)의 원인을 규명하고, 피어슨 상관 분석 방법을 기반으로 해당 왜곡 정보를 제거했다. 이 방법론을 실리콘/흑연 기반 복합 음극에 적용해 도전재 성분에 따른 전자 전도 채널 영상화를 실시했으며, 이를 통해 단일벽 탄소나노튜브(Signle-Walled Carbon Nano Tube, 이하 SWNCT)가 적용된 전극의 전기적, 전기화학적 우수성을 입증하는 데 성공했다.
연구팀은 이번 연구를 통해 실리콘 기반 전극과 같이 활물질의 부피 변화가 큰 시스템에서는 기존의 점형 도전재 대비 선형의 구조적 장점을 갖고 있는 SWCNT가 안정적인 전자 전도 채널을 확보하는 데 유리함을 보였다. 또한 SWCNT가 포함된 복합 전극의 경우, 130 사이클 이후에도 활물질의 분쇄가 보다 억제됐음을 보여주며, 전자 전도 채널의 불균일성이 활물질의 구조적 안정성에도 영향을 미칠 수 있음을 가설을 들어 설명했다.
제1 저자인 신소재공학과 박건 박사과정은 "전자 전도 채널 불균일이 유발한 전극의 전기화학 특성 퇴화라는 주제로 후속 연구를 진행 중이다ˮ라며 "나노스케일 영상화를 기반으로 지금껏 관찰하지 못했던 현상을 탐구할 수 있어 즐겁다ˮ라고 말했다. 교신 저자인 홍승범 교수는 "왜곡 신호의 원인을 규명하고, 이를 정량적으로 제거하는 연구는 영상화 분야에서 매우 중요하다ˮ라며 "이번에 개발한 방법론이 전극 내 전자 전도 채널을 강화하는데 적용돼, 실리콘 기반 복합 음극의 고도화를 앞당기는 데 도움이 되면 좋겠다ˮ라고 말했다.
이번 연구는 국제 학술지 `에이씨에스 어플라이드 머티리얼즈 앤드 인터페이시스(ACS Applied Materials & Interfaces)'에 게재됐다. (논문명: Nanoscale Visualization of the Electron Conduction Channel in the SiO/Graphite Composite Anode)
한편 이번 연구는 LG에너지솔루션-KAIST 프론티어 리서치 랩(Frontier Research Lab)과 KAIST 글로벌 특이점 사업의 지원을 받아 수행됐다.
2022.11.08 조회수 14466 -
인공지능 활용 고용량 배터리 소재 역설계 기술 개발
우리 대학 신소재공학과 홍승범 교수 연구팀이 우리 대학 조은애 교수, 변혜령 교수, 이혁모 교수, 신종화 교수, 육종민 교수, 그리고 미국의 르하이 대학교(Lehigh University), 죠수아 C 에이가(Joshua C. Agar) 교수와 협업해 기존 문헌에 발표된 실험값들을 추출하는 데이터 마이닝 과정과 이런 실험값들을 입력변수로 하는 다변수 선형회귀 모형을 기반으로 배터리 소재 역설계 머신러닝(기계학습) 모델을 수립했다고 23일 밝혔다.
인공지능은 고차원의 변수 공간에서 각 매개변수 간의 정량적인 상관관계를 신속하고 정확하게 추출할 수 있다. 이를 공정-구조-물성 간의 상관관계를 기반으로 발전하는 신소재공학에 적용하면 신소재 개발 시간을 단축할 수 있으며, 이런 이유로 많은 연구자가 인공지능을 신소재 개발에 활용하려고 노력하고 있다. 특히, 배터리 소재 개발에 인공지능을 활용하는 예가 가장 많은데, 주로 제1 원리 계산(양자화학에 기반한 계산법으로 계산 시 다른 경험적 수량을 전혀 사용하지 않음)과 머신러닝을 융합해 수많은 전극 소재 조합을 대량으로 스크리닝하는 기술 개발이 주를 이루고 있다.
그런데, 인공지능을 활용해서 새로운 배터리 소재를 탐색하고, 탐색한 소재를 합성 및 특성 평가에 있어 가장 큰 문제점은 데이터의 신뢰성과 양이다. 제1 원리 계산으로 예측한 값들은 실험으로 검증이 돼야 하며, 실험데이터의 경우 실험실마다 편차가 있고, 중요한 공정변수들을 공개하지 않은 경우가 많아 인공지능이 학습할 수 있는 데이터의 크기가 한정적이라는 문제가 대두되고 있다.
연구팀은 배터리 양극재 원료조성, 1차 및 2차 소결 온도와 시간 등의 공정 변수와 컷오프 전위 및 충․방전률과 같은 측정 변수, 그리고 1차 및 2차 입자의 크기와 같은 구조 변수, 마지막으로 충․방전 용량과 같은 성능 변수 간의 상관관계를 정량적으로 수립했고, 이를 활용해 요구되는 에너지 용량에 맞는 합성 조건을 찾는 알고리즘을 개발했다.
홍 교수 연구팀은 고니켈 함량 양극재 관련 논문 415편 안에 발표된 주요 변수들을 추출하고, 그중 16% 정도의 정보가 기입되지 않음을 발견했으며, 머신러닝 기법 중에서 k-최근접 이웃 알고리즘(k-nearest neighbors (KNN)), 랜덤 포레스트(random forest (RF)), 연쇄등식을 이용한 다중대치(multiple imputations by chained equations (MICE))를 활용해 빠진 정보를 예측하여 기입했다. 그리고, 가장 신뢰도가 높은 MICE를 선택해 얻은 입력 데이터 셋을 기반으로 주어진 공정 및 측정 변수에 대해서 성능 변수를 예측하는 순방향 모델을 얻었다.
이어서 입자 군집 최적화(particle swarm optimization, PSO) 알고리즘을 활용하여 주어진 성능 변수에 대응하는 공정 및 측정 변수를 추출하는 역방향 모델을 수립했고, 이 모델을 검증하기 위해 소재를 실제로 합성하여 타깃 용량인 200, 175, 150 mAh/g과 11% 정도의 오차를 보여 상당히 정확하게 역설계할 수 있음을 입증했다.
교신 저자인 홍승범 교수는 "인공지능을 활용해 대량의 논문 및 특허 내에 있는 공정-구조-물성 변수들을 자동으로 분류하고 실험값들을 추출해 각 변수 간의 다차원 상관관계를 기반으로 모델을 수립하는 것이 차세대 배터리 소재의 역설계의 핵심ˮ이라며 "향후 데이터 마이닝 기술, 머신러닝 기술 그리고 공정 자동화 기술을 융합하는 것이 미래의 신소재공학ˮ이라고 말했다.
신소재공학과 치 하오 리오우(Chi Hao Liow) 박사가 제1 저자로 참여한 이번 연구는 국제 학술지 `나노에너지(Nano Energy)'에 게재됐다. (논문명: Machine learning assisted synthesis of lithium-ion batteries cathode materials)
한편 이번 연구는 KAIST 글로벌 특이점 사업의 지원을 받아 수행됐다.
2022.08.23 조회수 11960