국립부경대학교가 기계학습 기술을 활용해 초전도체 특성을 수십 밀리초 안에 분석하는 혁신 기술을 개발했다.

물리학과 이승훈 교수 연구팀은 점접촉분광법의 분석 시간을 기존 수 시간-수일에서 0.1초 안으로 단축시키는 머신러닝 기반 기술을 선보였다.

이승훈 교수는 제1저자 이동익 석사과정생과 함께 'Rapid analysis of point-contact Andreev reflection spectra via machine learning with physics-guided data augmentation' 논문을 응용물리 분야 학술지 'Materials Today Physics'(IF: 9.7)에 발표했다.

연구팀은 물리학적 지식을 바탕으로 모델의 학습 효율을 극대화하는 전략을 함께 제시해 학술적으로 높은 평가를 받았다.

초전도체는 전기 저항이 0이 되는 특성으로 에너지 손실 없는 전력 전송, 고자기장 의료장비(MRI), 양자컴퓨터의 핵심 소재 등에 활용된다.

최근 LK-99 논란과 고온초전도체 주목, 위상초전도체 기반 차세대 양자컴퓨터 연구 활성화로 다양한 초전도체를 빠르고 정확하게 구분하는 기술의 중요성이 커지고 있다.

연구팀은 초전도체 분석용 점접촉분광법의 정확도 향상과 분석 시간 단축을 위해 머신러닝 기술을 도입했다. 개발된 모델은 기존 수시간에서 수일 소요되던 스펙트럼 분석을 0.1초 안에 매우 정확하게 처리할 수 있다.

이승훈 교수는 "AI 모델 학습 과정은 아기에게 돼지가 무엇인지 가르치는 것과 비슷하다. 돼지코처럼 핵심 특징이 강조된 이미지들을 반복적으로 보여주고, '이것이 돼지야'라고 이야기하면 아기는 자연스럽게 그 특징이 '돼지'를 판단하는 중요한 단서임을 인식하게 된다"고 설명했다.

연구팀은 학습용 이론 스펙트럼을 대량 생성하고 이를 학습하는 모델을 설계했다. 물리학적 지식을 바탕으로 스펙트럼의 핵심 특징을 강조하도록 인위적으로 왜곡한 데이터를 추가 학습시켜 모델의 학습효과를 극대화하고 분석 정확도를 포함한 실제 적용 성능을 획기적으로 향상시켰다.

이승훈 교수는 "이번 연구는 단순히 분석 시간을 줄인 것을 넘어, 기계학습의 학습 효율을 극대화하는 물리학 기반 전략을 제시했다는 점에서 더 중요성을 지닌다"며 "이번 기술은 새로운 초전도 연구를 가속화할 뿐만 아니라 재료과학, 의공학, 센서 분야 등 다양한 분야의 데이터 분석 기술에도 폭넓게 활용될 수 있을 것으로 기대된다"고 밝혔다.