광주과학기술원(GIST)은 이은지 신소재공학과 교수 연구팀이 인공지능(AI)을 활용해 유기고분자 및 바이오 소재와 같은 ‘연성 물질’의 복잡한 자기조립 구조를 ‘관찰’하는 수준에서 ‘자동 분석·예측’하는 단계로 확장하는 분석 기술을 개발했다고 6일 밝혔다.

연성 물질은 단백질과 세포막 같은 바이오 소재부터 고분자, 액정 등 합성 소재까지 폭넓게 포함되며, 분자들이 스스로 모여 미세한 나노 구조를 형성하는 ‘자기조립’ 특성으로 인해 다양한 첨단 산업 분야에서 핵심 소재로 주목받고 있다.

이러한 자기조립 구조는 차세대 백신에 사용되는 유전물질 전달 기술(mRNA 백신 전달체), 약물전달 시스템, 차세대 에너지 저장소재 등에서 소재의 성능을 좌우하는 핵심 요소이지만, 구조가 매우 작고 복잡해 이를 정확히 관찰하고 이해하는 데 한계가 있었다.

연성 물질은 주로 탄소·수소·산소 등 가벼운 원소로 구성돼 전자현미경 영상에서 구조의 윤곽이 뚜렷하게 드러나지 않고, 전자빔에 의해 구조가 쉽게 변형되거나 손상되는 문제가 있다. 이로 인해 기존 전자현미경 분석만으로는 연성 물질 고유의 나노 구조와 자기조립 과정을 정밀하게 파악하기 어려웠다.

연구팀은 이러한 한계를 극복하기 위해 초저온 전자현미경(cryo-TEM), 전자단층촬영(ET), 실시간 액상 전자현미경(LP-TEM) 등 서로 다른 전자현미경 기법에 딥러닝 기반 AI 기술을 결합했다.

이를 통해 복잡한 나노 구조의 자동 구분, 2차원 영상 기반 3차원 재구성, 자기조립 과정의 시간 흐름 분석을 자동화하고, 구조 정보를 토대로 소재 성능을 예측하는 통합 분석 전략을 구현했다.

이 과정에서 초저온 전자현미경은 연성 물질의 본래 나노 구조를 거의 손상 없이 포착하는 역할을 했으며, 전자단층촬영은 이러한 구조를 3차원 형태로 재구성하는 데 활용됐다. 실시간 액상 전자현미경은 용액 내에서 자기조립이 진행되는 모습을 실시간으로 관찰함으로 구조가 형성되고 변화하는 과정을 시간 축에서 분석할 수 있도록 했다.

연구팀은 향후 AI 기반 자동 분석 시스템을 고도화하고, 극한 환경에서도 안정적으로 작동하는 기능성 연성 소재 연구에 이를 적용해 바이오의료 및 에너지 분야로의 확장을 추진할 계획이다.

이은지 GIST 교수는 “전자빔에 민감한 연성 소재의 자기조립 과정을 실시간으로 관찰하고, 이를 AI로 정밀 분석해 물성 예측까지 연결할 수 있는 분석 체계를 마련했다는 점에서 의미가 크다”며 “이미지 관찰에 머물던 기존 분석을 넘어 데이터 기반 소재 설계로 확장될 수 있는 새로운 연구 방향을 제시했다”고 말했다.

연구 결과는 국제학술지 ‘NPG Asia Materials’에 지난해 12월 23일 온라인으로 게재됐다.