전자현미경에 AI붙이니…연성물질 나노구조 관찰·예측도 "척척" 작성일 01-06 31 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">GIST 단순관찰 장비 혁신…차세대 기능성 소재 개발 가속화 기대</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="KzLXuj6bjb"> <p contents-hash="3d9fb0636b2525cac53f72d09e05b0d3593b502cb30b2ccdbc1f11cd3ec1d602" dmcf-pid="9qoZ7APKkB" dmcf-ptype="general">(지디넷코리아=박희범 기자)전자빔에 취약해 ‘관찰의 한계’로 여겨졌던 연성 물질 나노 구조 분석 문제를 인공지능(AI)이 해결했다.</p> <p contents-hash="eb22055428b8d0878638195c2358d07667a2c90a9994a8944041eb07bbba5fbe" dmcf-pid="25PhXeqFkq" dmcf-ptype="general">광주과학기술원(GIST)은 이은지 교수 연구팀이 투과전자현미경(TEM)에 AI 기반 자동 분석 기술을 접목, 유기고분자·바이오 소재 등 연성 물질 구조 관찰은 물론 3차원 재구성이나 시간 변화 분석, 물성 예측에 성공했다고 6일 밝혔다.</p> <p contents-hash="5c01e0465f1c97d81dc2ac75d8b90801f283ea6a9568137a93285c1d69833f10" dmcf-pid="V1QlZdB3Az" dmcf-ptype="general">이은지 교수(교신저자)는 “전자빔에 민감한 연성 소재 자기조립 과정을 실시간 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 플랫폼을 제시한 것"이라고 자평했다.</p> <figure class="figure_frm origin_fig" contents-hash="c1e00d1bccbd0347c2037a98f4272cd24ba836c2e7b078db972d734b73452d60" dmcf-pid="ftxS5Jb0A7" dmcf-ptype="figure"> <p class="link_figure"><img alt="AI 기반 전자현미경 분석 플랫폼을 제시한 GIST 연구진. 왼쪽부터 신소재공학과 윤준연 박사과정생(제1저자), 이은지 교수, 황준호 박사." class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202601/06/ZDNetKorea/20260106085905711kpji.jpg" data-org-width="640" dmcf-mid="B2YQo5sAk9" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202601/06/ZDNetKorea/20260106085905711kpji.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> AI 기반 전자현미경 분석 플랫폼을 제시한 GIST 연구진. 왼쪽부터 신소재공학과 윤준연 박사과정생(제1저자), 이은지 교수, 황준호 박사. </figcaption> </figure> <p contents-hash="8f03645f16c4bf674af6dcde1cf7f7cc083136e24b6add4e17d64a9ec325a33f" dmcf-pid="4FMv1iKpAu" dmcf-ptype="general">투과전자현미경(TEM)은 전자빔을 시료에 통과시키는 영상화하는 방법으로 나노·원자 수준으로 미세 구조를 관찰할 수 있다.</p> <p contents-hash="681804f5f2bcaa05dba069b99b6e61c8e42e4e4f501692d71cc9e7e1e6a00909" dmcf-pid="83RTtn9UcU" dmcf-ptype="general">연성 물질은 단백질과 세포막 같은 바이오 소재부터 고분자, 액정 등 합성 소재까지 다양하다. 분자들이 스스로 모여 미세한 나노 구조를 형성하는 ‘자기조립’ 특성으로 인해 전물질 전달 기술(mRNA 백신 전달체), 약물전달 시스템, 차세대 에너지 저장소재 등 다양한 첨단 산업 분야에서 핵심 소재로 각광받고 있다.</p> <p contents-hash="653ca44b39ef9beb347c33465d178797fabe561ea6a84a4b59bd898f1f0b72e5" dmcf-pid="60eyFL2ujp" dmcf-ptype="general">그러나 이는 구조가 매우 작고 복잡해 정확히 관찰하고 이해하는 데 한계가 있었다. 특히 탄소·수소·산소 등 가벼운 원소로 구성돼 전자현미경 영상에서 구조 윤곽이 뚜렷하게 드러나지 않고, 전자빔에 의해 구조가 쉽게 변형되거나 손상되는 문제가 있었다.</p> <p contents-hash="9b725cb64c4de77928fb3b4ad49557a1560b6848715890905ec5f850eaa226a6" dmcf-pid="PpdW3oV7o0" dmcf-ptype="general">연구팀은 이를 해결하기 위해 초저온 전자현미경(cryo-TEM), 전자단층촬영(ET), 실시간 액상 전자현미경(LP-TEM) 등 서로 다른 전자현미경 기법에 딥러닝 기반 AI 기술을 결합했다.</p> <p contents-hash="2d1f66da00c2d9e2996790b902d81ed68e8a766f3a271f12ed1109f77e4fbeba" dmcf-pid="QUJY0gfzj3" dmcf-ptype="general">이를 통해 ▲복잡한 나노 구조를 자동으로 구분하는 구조 인식 ▲여러 장의 2차원 전자현미경 영상을 바탕으로 나노 구조를 입체적으로 구현하는 3차원 재구성 ▲자기조립이 진행되는 과정을 시간의 흐름에 따라 분석하는 동역학 해석을 자동화했다.</p> <p contents-hash="9d73c7977ae9b669ac14188ba01376dcd7555ce948a3dbe96b9c6e6e61c2a5ae" dmcf-pid="xuiGpa4qgF" dmcf-ptype="general">나아가 구조 정보를 기반으로 소재 성능을 미리 가늠할 수 있는 물성 예측까지 연계하는 통합 분석 전략을 구현했다.</p> <p contents-hash="5c9be4ee22807b09b2953965b101e198c3c70427a0f1e7fda9837a22dfae1ee0" dmcf-pid="ycZej3hDgt" dmcf-ptype="general">윤준연 박사과정생(제1저자)은 "AI를 접목해 방대한 고차원 전자현미경 데이터를 자동으로 처리·해석, 단순한 이미지 관찰을 넘어 구조와 물성 간의 상관관계를 규명하고 향후 구조 변화를 예측할 수 있는 분석 체계를 구축했다"고 말했다.</p> <figure class="figure_frm origin_fig" contents-hash="07c31caa816c5a0dc4c44a2350b28c0559ef8315867e39ff602f2c6723763af0" dmcf-pid="Wk5dA0lwc1" dmcf-ptype="figure"> <p class="link_figure"><img alt="전자현미경에 AI를 통합한 흐름도. 맨 윗그림은 전자빔에 민감한 연성 물질을 시공간적으로 이미징할 때 발생하는 주요 문제점이고, 왼쪽 하단은 딥러닝 활용 3차원 인식 기술을 활용해 복잡한 구조 내에서 리보좀과 같은 거대 분자를 자동 식별 및 통계 분석을 보여주는 모식도. 오른쪽 하단 그림은 딥러닝 모델을 통한 액상투과전자현미경 영상 내 나노입자의 이동 궤적을 추적 및 예측하는 기술을 보여주는 모식도다.(그림=GIST)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202601/06/ZDNetKorea/20260106085906936onbp.jpg" data-org-width="640" dmcf-mid="bvtikUvmAK" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202601/06/ZDNetKorea/20260106085906936onbp.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 전자현미경에 AI를 통합한 흐름도. 맨 윗그림은 전자빔에 민감한 연성 물질을 시공간적으로 이미징할 때 발생하는 주요 문제점이고, 왼쪽 하단은 딥러닝 활용 3차원 인식 기술을 활용해 복잡한 구조 내에서 리보좀과 같은 거대 분자를 자동 식별 및 통계 분석을 보여주는 모식도. 오른쪽 하단 그림은 딥러닝 모델을 통한 액상투과전자현미경 영상 내 나노입자의 이동 궤적을 추적 및 예측하는 기술을 보여주는 모식도다.(그림=GIST) </figcaption> </figure> <p contents-hash="31a59a1c8e2923740421b178eb48e3129db06bb1709cd00417aeb7fbc4ecba89" dmcf-pid="YE1JcpSrN5" dmcf-ptype="general">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.</p> <p contents-hash="1bcb910d9ccc850c93ca02f5cf72bcd9b207350cb4a13aae7f639a3558235bc1" dmcf-pid="GDtikUvmcZ" dmcf-ptype="general">연구는 이은지 교수와 윤준연 박사과정생 외에도 지스트-이노코어(GIST-InnoCORE) 연구단 황준호 박사가 공동저자로 참여했다. 연구는 과학기술정보통신부·한국연구재단 중견연구자지원사업, 나노 및 소재기술개발사업, GIST-InnoCORE 사업으로 지원받았다.</p> <p contents-hash="af5b3bda701e327432a4ae249c9b81a79c24c4a25afbfd01ab6000d1bc7e0b60" dmcf-pid="HTKDS4FYgX" dmcf-ptype="general">연구 결과는 관련 국제학술지(NPG Asia Materials)에 온라인 게재됐다.</p> <p contents-hash="2b9c9b37c0e50fe13cb3401009f8f3655027549f67ed7475114a1a46575d1086" dmcf-pid="Xy9wv83GgH" dmcf-ptype="general">박희범 기자(hbpark@zdnet.co.kr)</p> </section> </div> <p class="" data-translation="true">Copyright © 지디넷코리아. 무단전재 및 재배포 금지.</p> 관련자료 이전 ‘솔로지옥5’ 거침없는 솔로들, 예고편만 봐도 선 넘었다 01-06 다음 [2026 전망보고서] ‘가시적 성과’ 내야 할 우주청…인재 이탈에 ‘위기’ 01-06 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
