나노기술 및 정책 정보

• 목록

​

나라(奈良)첨단과학기술대학원대학 첨단과학기술연구과 정보과학영역 계산시스템즈 생물학실험실, 카오(花王) 머티리얼사이언스연구소의 공동 연구그룹이 재료 공학 분야에 ‘딥 러닝’기술을 적용하는 방법을 개발함.

연구진은 전자현미경 사진 143매에 대해 잘라 내기, 복사하기 등의 작업을 수행하여 이를 10,000매로 늘림. 이것을 딥 러닝으로 분석하여 활성 예측 모델을 제작함. 또한 활성이 촉매의 어느 곳에서 일어나고 있는지를 확인하기 위해 이미지를 제작함.

촉매 중에는 반응 원료가 확산하기 위한 구멍인 메소 포어(2~50nm)와 마이크로 포어(>50nm)가 존재하는데, 제작된 이미지로부터 마이크로 포어 주변의 구조가 활성에 영향을 주고 있다는 구체적인 예상을 도출함. 또한, 폴리에스테르 수지에 있어 화학 구조로부터 유리 전이를 예측하는 모델을 제작했으며, 화학 구조 어느 부분이 유리 전이점에 영향을 주고 있는지를 확인하기 위해 이미지를 제작함.

예측 모델을 분석 평가한 결과, 전이점 온도를 정밀하게 예측할 수 있음을 확인함. 지금까지 관능기의 치환 위치는 유리 전이에 큰 영향을 미치지 않는다고 여겨졌지만, 연구 결과, 벤젠 고리에 대한 관능기의 치환 위치(ortho, meta, para)가 유리 전이점에 큰 영향을 주고 있음을 확인함.

본 연구 성과는 딥 러닝 기술을 응용하여 소량의 데이터로 예측 모델의 도출을 가능하게 했으며, 이미지를 이용하여 해석하는 방법도 확립함. 본 기술은 다양한 소재 개발에도 응용이 가능하며, 과학 연구자들의 지식을 융합하여 효율적으로 소재를 개발할 수 있게 될 것으로 기대됨.

본 연구는 12월 9일 온라인을 통해 개최된‘제43회 Chemoinformatics 토론회’에서 발표됨.