KAIST, AI로 물질의 ‘빛의 지문’을 실시간으로 읽다
KAIST 연구진이 전문가의 경험에 의존하던 분광 분석을 AI 기반 자동·실시간 판독 기술로 구현해 반도체·환경·의료 등 다양한 산업 현장에서 활용 가능성을 크게 확장했다. KAIST 원자력및양자공학과 박상후 교수 연구팀은 잡음·오염·결손이 많고 복잡하고 겹친 신호 등의 다양한 분광 데이터의 한계를 뛰어넘어, 인공지능이 실시간으로 자동 해석하는 ‘AI 기반 심층 분광해석 기술’을 개발했다고 3일 밝혔다.
사람마다 지문이 다르듯, 모든 물질에는 고유한 ‘빛의 지문’이 있다. 반도체 공정부터 환경 감시, 질병 진단, 우주 연구까지 접촉 없이 물질을 식별해 온 분광학은 ‘과학의 눈’으로 불려왔다. 연구팀은 스펙트럼(물질이 내거나 흡수한 빛을 무지개처럼 펼쳐 놓은 그래프) 전체를 하나의 ‘이미지’처럼 인식하게 하고 인공지능이 그 패턴을 학습하도록 해, 데이터에 잡음이 섞이거나 일부가 손실된 상황에서도 정확하게 물질 정보를 찾아내고 예측 결과가 과학적으로 타당한지까지 스스로 점검한다.
수작업 분석 대신 이미지 패턴 학습으로 전환
기존 분광 분석은 스펙트럼 속 숫자로 나타나는 신호를 잘 알려진 참고 데이터와 하나하나 비교하여 수동으로 분석해야 했다. 연구팀은 이런 방식 대신, 스펙트럼 전체를 하나의 ‘이미지’처럼 인식하게 하고 인공지능이 그 패턴을 학습하도록 했다.
연구팀이 구축한 심층 분광해석(DSD, Deep Spectral Deconvolution) 모델은 광대역 흡수 스펙트럼을 2차원 이미지로 변환하여 분석한다. 특히 분석결과가 물리법칙에 부합하는지 스스로 검증하는 ‘스펙트럼 재구성’ 기법을 도입하여, 마치 사람처럼 데이터를 이해하고 추론하는 AI 모델을 구현했다.
도출된 농도 값을 바탕으로 다시 스펙트럼을 그려보는 재구성(Reconstruction) 과정을 수행하는데, 이는 마치 전문가가 눈으로 그래프를 확인하듯 분석 결과의 정확성을 AI가 스스로 교차 검증하는 원리다. 이 기술을 통해 비전문가도 복잡한 물리·화학적 데이터를 실시간으로 손쉽게 해석할 수 있다.
오존·질소산화물 등 8종 물질 고정확도 예측
연구팀은 이 기술을 대기화학·플라즈마화학 분야에서 널리 쓰이는 흡수 분광 데이터에 적용해 검증했다. DSD 모델은 복잡하게 중첩된 스펙트럼 패턴을 이미지로 학습하여 오존(O3)과 질소산화물(NOx) 등 8종의 화학종 농도를 개별적으로 정량화했으며, 이를 통해 전문가의 개입 없이도 플라즈마 내부의 복합적인 화학 구성을 실시간으로 진단하는 데 성공했다.
그 결과, 복잡하게 뒤섞인 신호 속에서도 오존과 질소산화물 등 8종의 화학 물질 농도를 매우 높은 정확도로 예측하는 데 성공했다. 기존 수작업 분석보다 정확할 뿐 아니라, 데이터 품질이 나쁜 환경에서도 안정적인 성능을 보였다.
이번 연구는 그동안 분석의 어려움 때문에 현장에서 충분히 활용되지 못하고 버려지던 방대한 분광 데이터를 ‘즉시 활용 가능한 정보’로 바꾸는 전환점이 될 것으로 기대된다. 특히 반도체 플라즈마 공정의 수율 향상, 핵융합 플라즈마의 안정적 제어는 물론, 스마트 시티 환경 감시, 비접촉식 질병 진단 등 다양한 첨단 산업 분야에서 활용 가능성이 크다.
박상후 교수는 “이번 기술은 전문가의 경험에 의존하던 분광 데이터 분석의 진입장벽을 획기적으로 낮춘 성과”라며 “환경 모니터링, 헬스케어, 플라즈마 진단 등 스펙트럼 분석이 필요한 산업 전반에 즉각 적용할 수 있을 것”이라고 말했다. 이번 연구는 국제 학술지 <Sensors and Actuators B: Chemical>에 1월 12일자로 온라인 게재됐다.
