혁신적인 AI 기반 나노 이미징 기술: AFM으로 s-SNOM 데이터 예측

원자간력현미경(AFM) 이미지를 이용해 산란형 근접장 광학 현미경(s-SNOM) 데이터를 예측하는 AI 기반 기술 개발로, 광학 나노현미경의 접근성 향상 및 시간/비용 절감에 기여할 잠재력이 확인되었습니다. pix2pix 모델과 분석 모델을 활용하여 광학 측정 없이 s-SNOM 데이터 생성이 가능해졌습니다.

AFM 이미지만으로 나노 세계를 들여다보다: AI 기반 s-SNOM 데이터 예측 기술

세포의 미세한 작용이나 나노 물질의 특성을 밝히는 데 필수적인 광학 나노현미경. 그중에서도 산란형 근접장 광학 현미경(s-SNOM)은 나노미터 수준의 해상도를 제공하지만, 레이저, 탐침, 시료 간의 복잡한 상호작용 때문에 측정 과정이 복잡하고 비용이 많이 듭니다. 하지만 이제 이러한 한계를 뛰어넘는 혁신적인 기술이 등장했습니다!

Stefan G. Stanciu 등 연구진은 최근 놀라운 연구 결과를 발표했습니다. 바로 원자간력현미경(AFM) 이미지만을 이용하여 s-SNOM 데이터를 부분적으로 예측하는 AI 기반 기술입니다. 이는 기존의 복잡한 s-SNOM 측정 과정을 크게 단축하고 비용을 절감할 수 있는 획기적인 발견입니다.

연구진은 먼저 pix2pix라는 생성형 AI 모델을 활용하여 실험으로 얻은 AFM 이미지로부터 인공적인 s-SNOM 데이터를 생성하는 데 성공했습니다. 여기서 한 걸음 더 나아가, 탐침의 위치 정보(AFM 신호)만으로 가상 s-SNOM 데이터를 추출하는 분석 모델까지 개발했습니다. 이 모델은 AFM 신호와 s-SNOM 이미지 간의 관계를 설명하는 물리적 메커니즘을 기반으로 합니다.

이 두 가지 접근 방식을 통해, 연구진은 광학 측정 없이도 가상 s-SNOM 데이터를 생성할 수 있게 되었습니다. 이는 광학 나노현미경의 접근성을 획기적으로 높이고, 시간과 비용을 절약하는 데 크게 기여할 것으로 예상됩니다. 특히 널리 보급된 AFM 시스템을 통해 s-SNOM 데이터를 얻을 수 있다는 점은 매우 고무적인 성과입니다. 향후 이러한 기술은 물리적 지식을 기반으로 하는 설명 가능한 AI 모델 개발에 중요한 초석이 될 것으로 기대됩니다.

이 연구는 나노 이미징 기술의 새로운 지평을 열었습니다. 더 이상 복잡하고 비싼 장비에 의존하지 않고도 나노 세계를 탐험할 수 있는 길이 열린 것입니다. 앞으로 이 기술이 생명 과학, 재료 과학 등 다양한 분야에 적용되어 혁신을 가져올 것으로 기대됩니다.