오늘날 스마트폰 카메라는 메가픽셀 수를 늘려 디테일이 풍부한 이미지를 촬영할 수 있는 시대로 접어들었습니다. 그러나 전문 분광계처럼 물질의 화학적 성분을 분석하는 데에는 여전히 한계가 있습니다. 전문 분광계는 과일의 당 함량을 비파괴적으로 측정하거나, 피부 건강을 평가하거나, 환경 오염 물질을 식별하는 데 필수적인데 말입니다. 이러한 한계의 핵심은 스마트폰을 비롯한 기기에 물질 고유의 "분광 지문"을 정확하게 읽어낼 수 있는 핵심 부품, 즉 분광계가 없다는 데 있습니다.

전통적인 분광기는 재료 분석에 중요한 도구입니다.이 장비의 작동 원리는 합성광을 서로 다른 파장의 스펙트럼으로 분리한 다음, 특징적인 스펙트럼 선을 통해 물질의 구성을 식별하는 것입니다.하지만 이러한 장비들은 일반적으로 회절 격자나 프리즘과 같은 분산 소자에 의존하기 때문에 파장을 분리하는 데 충분한 광경로 길이가 필요하며, 이는 근본적으로 소형화를 제한합니다. 소형화된 모델조차도 크기가 약 200cm²에 달하는 경우가 많습니다. 휴대용 진단 장비와 웨어러블 의료 기기에 대한 수요가 증가함에 따라 고성능과 칩 스케일 크기를 결합한 분광기를 개발하는 것이 시급한 기술적 과제가 되었습니다.

이로 인해 중요한 모순이 발생합니다. 소형화를 달성하려면 기존의 분산 구조를 버려야 하지만, 분산 구조가 없다면 어떻게 스펙트럼 정보를 얻을 수 있겠습니까?

이 문제를 해결하려면캘리포니아 대학교의 연구팀이 혁신적인 해결책을 제시했습니다.표준 실리콘 포토다이오드 표면에 특수한 광자 포획 텍스처 구조(PTST)를 설계하고, 잡음에 매우 강한 완전 연결 신경망을 도입했습니다. 이 신경망은 소자에서 측정된 광전류 신호로부터 원래 스펙트럼을 지능적으로 계산하고 복원할 수 있습니다.이 방법은 분광기가 더 긴 파장에서 더 높은 신호 대 잡음비를 달성할 수 있게 할 뿐만 아니라, 전반적인 성능 또한 기존의 실리콘 기반 분광기보다 뛰어납니다.이는 AI 기반 분광 감지 분야에서 중요한 진전을 의미하며, 소형 하드웨어가 이전에는 대형 시스템에서만 달성 가능했던 높은 분광 정확도를 구현할 수 있도록 합니다.

"확장된 근적외선 감도를 갖는 실리콘 플랫폼 기반 AI 증강 광자 포획 분광기 칩"이라는 제목의 관련 연구 결과가 Advanced Photonics에 게재되었습니다.

연구 하이라이트:

* 본 연구에서는 잡음에 강한 완전 연결 신경망을 사용하여 스펙트럼 재구성의 역문제를 해결함으로써, 기존의 대형 시스템에서 일반적으로 요구되는 높은 스펙트럼 충실도를 16~32개의 포토다이오드만으로 구현하는 소형 하드웨어를 개발했습니다.

* 본 연구는 딥러닝을 활용한 지능형 재구성 기술과 결합하여 장파장 영역에서 시스템의 신호 대 잡음비를 30dB 이상 향상시켜 기존 실리콘 기반 분광기의 950nm 검출 한계를 돌파했습니다.

* 본 연구에서 개발된 통합 시스템은 0.4mm²의 초소형 크기, 57ps의 초고속 응답 속도, 7000 이상의 높은 이득, 그리고 40dB의 잡음 내성을 특징으로 합니다. 나비 초분광 이미징을 통해 실용성을 검증했습니다.

서류 주소:
https://doi.org/10.1117/1.AP.8.1.016008
저희 공식 위챗 계정을 팔로우하고 백그라운드에서 "PTST"라고 답장하시면 전체 PDF 파일을 받으실 수 있습니다.

더 많은 AI 프런티어 논문: 

https://hyper.ai/papers

640~1000nm 범위에 초점을 맞춰 16가지의 서로 다른 광자 포획 표면 구조를 재구성에 사용했습니다.

본 연구에서는 개발된 온칩 분광기의 초분광 이미징 성능을 검증하기 위해 공개적으로 이용 가능한 나비 초분광 데이터셋을 테스트 대상으로 선정하였다.이 데이터 세트는 420~1000nm의 파장 범위를 포함하며 59개의 스펙트럼 채널(스펙트럼 간격 10nm)로 구성됩니다.이 자료는 512×512 픽셀의 공간 해상도를 가진 3차원 초분광 이미지 큐브 형태로 제공됩니다.

실험적으로 제작된 소자의 외부 양자 효율 응답이 데이터 수집 범위 내인 640~1000 nm 영역에 주로 집중되어 있기 때문에, 본 연구에서는 이 파장 대역에서 서로 다른 광자 포획 표면 구조(PTST)를 가진 16개 포토다이오드의 스펙트럼 응답을 이용하여 초분광 이미지를 재구성했습니다. 먼저, 원본 데이터셋을 640~1000 nm 영역 내에서 1 nm 간격으로 361개의 파장 지점으로 보간한 후, 시뮬레이션된 포토다이오드의 스펙트럼 응답과 결합하여 해당 광전류 데이터를 생성했습니다. 마지막으로, 이 데이터를 학습된 신경망 모델에 입력하여 초분광 이미지를 재구성했습니다.

네트워크 학습 단계에서는 피크 값과 폭이 다양한 50만 개 이상의 가우시안 스펙트럼을 포함하는 합성 데이터셋을 사용했으며, 모델 성능은 독립적인 검증 데이터셋을 사용하여 평가했습니다. 아래 그림에서 볼 수 있듯이, 연구진은 640~1100nm 근적외선 대역에서 16개 포토다이오드의 실험적 스펙트럼 응답을 기반으로 재구성된 초분광 이미지가 실제 이미지와 시각적으로 매우 일치함을 확인했습니다.

평가를 보다 정량화하기 위해, 본 연구에서는 이미지에서 대표적인 두 개의 픽셀(위 이미지에서 빨간색과 파란색 상자로 각각 표시됨)을 선택하여 스펙트럼 비교를 수행했습니다. 아래 이미지에서 볼 수 있듯이...재구성된 스펙트럼은 실제 스펙트럼과 잘 일치하며, 적외선 대역에서 나비 색소의 반사 특성 변화를 정확하게 포착합니다.

인공지능으로 강화된 온칩 광자 포착 분광기 구축

본 연구에서 스펙트럼 재구성의 핵심은 포토다이오드 어레이로 측정된 광전류 신호로부터 미지의 입사 스펙트럼을 도출하도록 특별히 설계된 완전 연결 신경망입니다. 이는 본질적으로 역문제 해결 과정입니다. 검출기의 스펙트럼 응답이 중첩되기 때문에 시스템 응답 행렬이 조건이 불량해져서 기존의 직접 역산 방법은 불안정하고 잡음에 민감합니다. 그러나 신경망은 측정된 신호에서 원래 스펙트럼으로의 견고한 매핑을 학습할 수 있으며, 잡음 제거 및 정규화 기능을 자연스럽게 갖추고 있습니다.

네트워크 구조는 입력층, 4개의 은닉층, 그리고 출력층으로 구성됩니다.입력층은 16개의 포토다이오드로부터 광전류 신호를 수신합니다.출력층은 재구성된 스펙트럼 데이터를 직접 출력합니다. 은닉층은 비선형성을 도입하기 위해 ReLU 활성화 함수를 사용하고, 출력층은 선형 활성화 함수를 사용합니다. 네트워크 크기(뉴런 개수)는 스펙트럼 데이터의 복잡성을 고려하여 최적화되었습니다.훈련에는 50만 개 이상의 시뮬레이션 스펙트럼을 포함하는 대규모 합성 데이터 세트가 사용되었습니다.이러한 스펙트럼은 모델이 광범위한 스펙트럼 형태를 학습할 수 있도록 서로 다른 피크와 폭을 가진 가우시안 곡선으로 구성됩니다.

연구진은 학습 전략으로 PyTorch 프레임워크 기반의 Adam 옵티마이저를 사용했습니다. 다양한 손실 함수를 테스트한 결과, 제곱평균오차(RMSE)와 피어슨 상관계수(R)를 결합한 맞춤형 손실 함수를 최종적으로 선택했습니다. 이 함수는 특히 날카로운 피크를 가진 협대역 스펙트럼을 재구성하는 데 효과적인 것으로 나타났습니다. 구체적으로, 학습 배치 크기는 32로, 학습률은 0.001로 설정했습니다.연구진은 모델을 1,000 에포크 동안 학습시킨 후, 600번째 에포크 이후 학습률을 0.0001로 낮춰 모델의 수렴을 촉진했습니다.과적합을 방지하기 위해 학습 중 조기 종료를 사용했습니다. 아래 그림에서 볼 수 있듯이 학습 손실과 검증 손실 모두 빠르게 감소하여 결국 수렴했는데, 이는 모델이 잘 학습되었고 강력한 일반화 능력을 가지고 있음을 나타냅니다.

이 신경망의 성능을 검증하기 위해 연구진은 두 가지 기존 스펙트럼 재구성 방법과 비교했습니다. 아래 그림에서 볼 수 있듯이, 단순 유사 역산법과 기저 함수(가우시안 함수 또는 사인 함수 등)의 선형 조합법을 이용한 스펙트럼 재구성 방법은 모두 좁은 선폭의 레이저 스펙트럼을 재구성하는 데 있어 성능이 저조했으며, RMSE는 약 0.12, 상관계수 R은 약 0.63이었습니다.

반면, 신경망은 날카로운 스펙트럼 특징을 정확하게 포착할 수 있습니다.RMSE는 0.046으로 크게 감소했고, 상관계수 R은 0.87로 증가했습니다.이 결과는 이러한 역문제를 해결하는 데 있어 신경망의 우수성을 명확히 보여줍니다. 신경망은 더 높은 재구성 정확도를 달성할 뿐만 아니라, 고유한 학습 특성 덕분에 잡음 간섭에 대한 강건성도 뛰어납니다.

0.4 mm² 면적에서 8 나노미터의 분광 해상도를 달성했습니다.

본 연구에서는 AI 기반 온칩 분광기의 성능을 완벽하게 검증하기 위해, 스펙트럼 재구성에서 신경망 모델의 핵심적인 역할과 실제 성능을 평가하는 데 중점을 두고 일련의 실험을 수행했습니다.

먼저 연구진은 협대역 레이저를 사용하여 시스템의 핵심 검출 기능을 테스트했습니다. 실험 결과, 광자 포획 표면 구조를 통합한 포토다이오드는 640~1100nm 파장 범위, 특히 장파 근적외선 영역에서 감도와 신호 대 잡음비가 크게 향상된 것으로 나타났습니다. 결정적으로, 이러한 검출기 어레이의 응답을 학습된 신경망에 입력함으로써 시스템은 레이저 스펙트럼을 정확하게 재구성할 수 있었습니다.재구성 과정에 사용되는 검출기 수가 16개를 초과하면 재구성된 스펙트럼과 기준 참값 사이의 평균 오차는 0.05 미만으로 떨어지고 상관 계수는 0.85를 초과합니다.이는 하드웨어가 제공하는 고유한 스펙트럼 인코딩 방식과 AI 알고리즘의 분석 능력이 효과적으로 결합하여 고정밀 측정을 달성할 수 있음을 입증합니다.

잡음 내성은 재구성 알고리즘의 성능을 평가하는 데 매우 중요합니다. 본 연구에서는 실제 측정 데이터에 고강도 모의 잡음을 적극적으로 추가하여 시스템의 잡음 내성을 검증했습니다. 실험 결과, 최대 40dB의 추가 잡음이 존재하더라도 신경망 모델은 약 30dB의 출력 신호 대 잡음비를 유지하면서 식별 가능한 스펙트럼 프로파일을 안정적으로 재구성할 수 있음을 보여줍니다. 이는 잡음 환경에서 성능이 급격히 저하되는 기존 방식과 확연히 대조적입니다.이는 사용된 신경망의 강력한 내재적 정규화 및 노이즈 억제 기능을 잘 보여줍니다.이것이 바로 실질적인 응용 가치를 실현하는 핵심입니다.

복잡한 문제를 해결할 수 있는 잠재력을 더욱 입증하기 위해, 연구진은 해당 시스템을 초분광 영상 처리 작업에 적용했습니다. 훈련된 신경망을 사용하여, 이 시스템은 16개의 검출기 응답만을 이용해 오픈소스 나비 데이터셋에서 512×512 픽셀 크기의 초분광 영상 큐브를 성공적으로 재구성했습니다. 마지막으로, 연구진은 평균 제곱 오차(MSE)와 구조적 유사성 지수(SSIM)를 사용하여 전체 재구성 정확도를 정량적으로 평가했습니다. 모든 재구성 파장에서 평균 MSE는 2.3×10⁻⁴로 매우 낮았고, 평균 SSIM은 0.9926으로 매우 높았습니다.이는 해당 시스템이 매우 높은 스펙트럼 충실도를 가지고 있음을 보여주며, 인공지능이 최소한의 하드웨어 정보만으로 복잡한 고차원 스펙트럼 공간 정보를 해독하고 재구성할 수 있음을 입증합니다.이는 "점 스펙트럼"에서 "스펙트럼 이미징"으로의 도약을 완성했습니다.

궁극적으로, 이 AI 기반 분광기는 칩 크기(0.4mm²)에서 8나노미터의 분광 해상도, 50dB의 동적 범위, 그리고 30dB의 실질적인 신호 대 잡음비를 달성했습니다. 비교 결과, 지능형 알고리즘과 첨단 광자 하드웨어로 공동 개발된 이 시스템은 대부분의 유사한 소형 솔루션보다 전반적인 성능 면에서 우수함을 보여주며, 지능형 분광 감지의 실용화를 향한 중요한 진전을 이루었습니다.

소형 분광 감지: 현재와 미래

소형화와 지능형 분광 감지는 전 세계 과학 연구 및 산업 혁신의 최전선으로 떠오르고 있습니다. 최근 몇 년 동안 최고 대학의 기초 연구부터 기술 기업의 응용 탐색에 이르기까지, 실험실 수준의 분광 분석 기능을 칩은 물론 일상 기기에까지 내장하는 것이 빠르게 실현되고 있음을 보여주는 일련의 혁신적인 사례들이 등장했습니다.

학계에서는 혁신적인 광자 칩 설계와 인공지능과의 긴밀한 협력을 통해 분광기의 형태를 근본적으로 바꾸는 데 연구가 집중되고 있습니다.한국 서울대학교 연구팀이 학술지 네이처 커뮤니케이션즈에 새로운 방안을 제안했습니다.플라즈마 나노입자로 구성된 미세 공동을 필터 어레이로 사용하고 이를 머신러닝 알고리즘과 결합함으로써 마이크로미터 규모에서 서브나노미터 수준의 스펙트럼 해상도를 달성했습니다.
논문 제목:플라즈몬 나노입자가 내장된 마이크로필터 어레이를 갖춘 소형 전산 분광기
논문 링크:https://www.nature.com/articles/s41467-024-47487-y

동시에,스위스 로잔 연방 공과대학(EPFL)의 과학자들은 시스템 통합의 또 다른 중요한 측면에서 이 문제에 접근했습니다.고성능의 정밀 튜닝이 가능한 에르븀 도핑 도파관 레이저가 칩 상에 성공적으로 제작되었습니다. 네이처 포토닉스(Nature Photonics)에 발표된 이번 획기적인 연구는 미래의 통합 분광 시스템에 안정적이고 고품질의 온칩 광원을 제공할 수 있게 해 줄 것이며, 완전한 "칩 위의 실험실" 구축을 향한 중요한 발걸음을 의미합니다.
논문 제목:완전 하이브리드 통합형 에르븀 기반 레이저
논문 링크:https://www.nature.com/articles/s41566-024-01454-7

이 산업의 혁신은 시장 지향적이며, 최첨단 기술을 실제 문제를 해결하는 제품과 솔루션으로 전환하는 데 중점을 두고 있습니다.체코 스타트업 아이언 애널리틱스는 2025년에 세계 최초의 휴대용 뫼스바우어 분광기를 출시했습니다.이 장비의 혁신적인 특징은 기존의 15kg, 70cm 길이의 실험실용 캐비닛형 장비를 코카콜라 캔 크기의 휴대용 장치로 성공적으로 소형화했다는 점입니다. 이는 소형 분광학 기술이 단순히 소비자의 호기심을 충족시키는 도구를 넘어 핵심 산업 분야에 깊숙이 침투하여 생산 효율성 향상 및 공정 제어에 실질적인 동력으로 자리매김하고 있음을 의미합니다.

결론적으로, 소형화되고 지능화된 분광 센싱이라는 비전은 기술적 퍼즐의 각 조각이 맞춰지면서 점차 현실화되고 있습니다. 그러나 진정한 의미의 "일상생활에 내장"하기 위해서는 비용, 신뢰성, 데이터 해석의 용이성 등의 실질적인 과제가 여전히 남아 있습니다. 아마도 머지않은 미래에 분광 센싱 모듈이 오늘날의 카메라처럼 저렴하고 안정적으로 대량 생산될 수 있게 된다면, 세상을 인식하는 방식은 조용하지만 심오한 혁명을 겪게 될 것입니다. 그때가 되면 모든 것을 해석하는 "광학적 지문"은 더 이상 연구실만의 전유물이 아니라, 사람들이 주변 환경을 이해하는 또 다른 본능이 될 것입니다.