딥러닝으로 가속화된 1차원 포논 결정의 위상 계면 상태 설계

딥러닝을 활용하여 1차원 포논 결정의 위상 계면 상태(TIS) 설계를 가속화하는 새로운 방법이 개발되었습니다. 변형 오토인코더, 다층 퍼셉트론, 탠덤 신경망 등을 활용하여 설계 정확도를 97% 이상 달성하고, 특정 TIS 주파수를 갖는 PnC 쌍의 ‘일대다’ 설계를 실현했습니다. 이는 소음 제거, 에너지 수확 등 다양한 분야에 혁신적인 가능성을 제시합니다.

딥러닝으로 혁신을 이룬 1차원 포논 결정 설계

소음 제거부터 에너지 수확까지, 위상 계면 상태(TIS)의 무한한 가능성

외부 간섭에도 끄떡없는 강력한 음향 모드, 바로 위상 계면 상태(TIS)입니다. 포논 결정(PnC)에서 TIS는 과학 및 공학 분야에 엄청난 잠재력을 지니고 있습니다. 하지만, 특정 대역 갭(BG)과 TIS 주파수를 갖는 PnC 쌍을 설계하는 것은 매우 어려운 난제였습니다.

딥러닝: 설계의 난관을 극복하는 마법

중국과학원 연구진(Zhang 등, 2025)은 이러한 난제에 딥러닝(DL)이라는 강력한 도구를 활용했습니다. 그들은 1차원(1D) PnC 설계에 DL을 적용하여 설계 자유도를 획기적으로 높였습니다. 32x32 픽셀로 나뉜 단위 셀을 통해 주기적인 고체 산란체를 공기 배경에 삽입하는 방식입니다.

정확도 97% 이상의 놀라운 성능

먼저, 변형 오토인코더를 사용하여 단위 셀 이미지의 차원을 축소했습니다. 다양한 산란체 개수를 가진 PnC 이미지를 정확하게 재구성하는 데 성공했습니다. 여기에 그치지 않고, 다층 퍼셉트론과 탠덤 신경망을 활용하여 PnC의 특성 예측과 맞춤형 설계를 실현했습니다. 그 결과, 특성 예측과 역설계 모두에서 상관 계수가 무려 97%를 넘는 놀라운 성능을 달성했습니다.

‘일대다’ 설계의 가능성: 무한한 응용 분야

가장 주목할 만한 성과는 ‘일대다’ 설계의 구현입니다. 특정 TIS 주파수를 갖는 PnC 쌍을 설계하는 데 성공한 것입니다. 이는 다양한 음향 소자 및 시스템 설계에 혁신적인 가능성을 제시합니다. 무작위 설계 목표 지정 및 실험적 검증을 통해 네트워크의 안정성과 신뢰성 또한 확인되었습니다.

결론: 지능형 소재 설계의 새 지평

이 연구는 DL 접근 방식이 PnC 설계 분야에 폭넓게 적용될 수 있음을 보여줍니다. 인공 기능성 소재의 지능형 설계에 대한 새로운 아이디어와 방법을 제시함으로써 소음 제거, 에너지 수확 등 다양한 분야에서 혁신적인 발전을 가져올 것으로 기대됩니다. 앞으로 DL을 이용한 소재 설계 연구가 더욱 활발하게 진행될 것으로 예상됩니다. 🎉