KAIST 원자력및양자공학과 박상후 교수팀이 물질마다 다른 ‘빛의 지문’을 인공지능(AI)이 이미지로 인식해 실시간으로 성분을 분석하는 ‘인공지능(AI) 기반 심층 분광해석 기술’을 개발했다.
이 기술을 적용하면 반도체 공정이나 환경 감시 등 다양한 산업 현장에서 발생하는 방대한 데이터를 즉각적으로 활용할 수 있다.
이번 연구는 기존 전문가의 경험에 의존하던 분광 분석을 넘어 AI가 스펙트럼을 하나의 이미지 패턴으로 인식해 분석하는 것이 핵심이다.
물질은 각각의 고유한 스펙트럼 패턴을 갖는다.
기존에는 전문가가 이 스펙트럼의 복잡한 신호를 표준 데이터와 일일이 대조하며 수동으로 분석해 시간이 오래 걸리고 실시간 해석이 어려웠다.
연구팀은 이런 한계를 극복하기 위해 딥러닝 기술을 도입했다.
연구팀이 개발한 AI 모델은 복잡한 스펙트럼 신호를 2차원 이미지로 변환, 마치 사람이 사진 속 물체를 식별하듯 패턴을 학습한다.
그 결과 데이터에 심한 잡음이 섞이거나 신호 일부가 유실된 극한 상황에서도 AI가 물질의 정보를 정확하게 찾아낼 수 있다.
특히 연구팀은 스펙트럼 재구성 기법을 적용해 신뢰성을 높였다.
이는 AI가 도출한 성분 농도 값을 바탕으로 다시 스펙트럼을 그려 분석 결과가 물리법칙에 맞는지 스스로 교차 검증하는 방식이다.
이를 통해 전문가의 개입 없이도 AI가 독자적으로 분석 결과의 타당성을 판단한다.
연구팀은 이 기술을 대기오염 물질 측정 등에 쓰이는 흡수 분광 데이터 분석에 적용해 성능을 입증했다.
실험결과 복잡하게 뒤섞인 신호 속에서 오존과 질소산화물 등 8종의 화학 물질 농도를 정밀하게 예측했다.
이 과정에서 기존 분석법보다 정확도가 높을 뿐 아니라 데이터 품질이 낮은 환경에서도 흔들림 없는 성능을 보였다.
이 기술은 즉각적인 데이터 해석이 필수적인 첨단산업 분야에 폭넓게 활용될 것으로 기대된다.
특히 반도체 제조 시 플라즈마 상태를 실시간으로 감시해 수율을 높이고, 핵융합 플라즈마의 불안정성을 제어하는 데도 유용하다.
또 스마트시티의 환경오염 감시, 비접촉식 질병 진단의료기기 개발에도 적용할 수 있다.
박 교수는 “이 기술은 전문가의 경험에 의존하던 분광 데이터 분석의 진입 장벽을 획기적으로 낮춘 성과”라며 “환경 모니터링, 헬스케어, 플라즈마 진단 등 스펙트럼 분석이 필요한 산업 전반에 즉각 적용할 수 있을 것”이라고 설명했다.
한편, 이번 연구는 KAIST 원자력및양자공학과 김종찬·허성철 박사과정이 공동 제1저자로 참여했고, 연구결과는 지난달 12일 국제학술지 ‘센서 앤 액추에이터 B: 케미칼(Sensors and Actuators B: Chemical)’에 게재됐다.
(논문명: Deep spectral deconvolution for image-based broadband spectral data analysis)
