주민규 응용물리전공 교수가 2차원 전자재료의 저주파 전류 잡음특성 평가에 기계학습을 도입하여 빠르고 정확한 전자재료 분류 및 다양한 물성 평가가 가능함을 증명했다.

이번 연구는 한국연구재단이 주관하는 신진연구지원사업과 양자연구교류지원사업(프랑스)의 지원을 받았으며, 연구결과는 npj 2D Materials and Applications(IF = 9.324)에 지난 12월 13일 게재됐다.

(논문명: Multiple machine learning approach to the inference of two-dimensional nanoelectronic materials via featurization of charge fluctuation interference)

주 교수에 따르면 기계 학습 및 딥 러닝 기반 데이터 분석 방법은 데이터 분석 정확도와 속도를 향상시킬 수 있는 새로운 접근 방식으로서, 최근 의료, 이미지 인식, 음성 검색, 분자/재료 과학 등 다양한 응용 분야에 적용되고 있다.

주 교수와 고려대 김규태 교수 공동 연구팀은 이러한 기계학습 및 딥 러닝의 장점을 전자재료의 저주파 전류 잡음 특성 분석에 적용하여 전자재료의 결정성, 격자 진동, 표면 트랩 분포, 채널 및 절연재료 결함으로 인해 발생하는 전하 산란 원인을 비파괴적으로 식별하는데 성공했다.

특히 hidden-Markov 모델 기반 실시간 신경망 접근 방법을 기계학습 및 딥 러닝에 적용했으며, 이를 기반으로 다양한 환경에서 획득한 2차원 전자재료의 저주파 잡음 특성으로부터 2차원 전자재료의 종류, 게이트 유전체, 접촉 금속, 도핑 유무, 결함 밀도 및 쿨롱 산란 매개 변수를 높은 정확도로 추출했다.(그림 참조)

주 교수는 “이번 연구의 높은 학습 유연성은 다양한 전자재료의 성능 및 신뢰성 저하 요인을 구별하고, 최적화된 제조 조건 및 구조를 제안하는데 매우 유용할 것으로 판단된다”고 밝혔다.