Lidar Toolbox를 사용한 단층촬영 원자힘현미경 데이터의 후처리 가속화

AFM(원자힘현미경)은 나노기술의 초석이 되는 기술로, 연구자들이 나노미터 미만의 분해능으로 표면 형상에 대한 자세한 통찰력을 얻을 수 있도록 해줍니다. 이 기술은 날카로운 탐침을 표본 전체에 주사하여 매우 높은 정밀도로 표면 특성을 매핑하는 과정입니다. 이 기능 덕분에 AFM은 재료과학, 물리학, 기계공학, 생물학 등의 분야에서 필수적인 도구가 되었습니다.

기존 AFM에서의 목표 중 하나는 탐침이 재료와 접촉하는 힘을 최소화하는 것인데, 이는 어떤 경우에는 피코뉴턴 수준으로 줄이는 것을 의미합니다. 우리 UConn(University of Connecticut)의 연구 그룹은 이런 아이디어를 뒤집어서 탐침이 표본을 긁거나 파고들도록 해서 표면에서 또는 표면 아래에서 압전응답, 광전류, 기타 재료 속성을 측정할 수 있게 했습니다. TAFM(단층촬영 AFM)이라고 불리는 이 새로운 접근 방식은 표본의 3차원 영상을 재구성하여 기존 AFM으로는 감지할 수 없는 내부 구조와 표면 아래 특징을 밝혀냅니다. (그림 1)

TAFM 데이터를 처리하는 일에는 여러 가지 문제가 따릅니다. 주요 문제 중 하나는 z 방향(깊이)의 데이터가 희소하다는 것입니다. 균일하게 데이터를 수집하는 기존의 영상화 방법과 달리 TAFM은 특히 z축을 따라 제한된 수의 비선형적으로 분포된 데이터 점을 생성하는 경우가 많습니다. 이러한 희소한 데이터 분포는 재구성 공정을 복잡하게 만들기 때문에 수천 개의 연속된 영상에서 누락된 정보를 정확하게 보간하고 시각화하기 위한 정교한 수치 해법이 필요합니다.

제가 속한 그룹인 UConn 재료과학 및 공학부의 HueyAFM 연구실은 최근 TAFM 데이터의 후처리를 위한 새로운 접근 방식을 구현했습니다. 이 MATLAB^®에 기반한 새로운 접근 방식은 일반적으로 자동차 및 기타 산업 분야의 엔지니어가 라이더 처리 시스템을 설계, 분석 및 테스트하는 데 사용하는 제품인 Lidar Toolbox™의 혁신적인 사용을 통해 TAFM 데이터의 시각화 및 분석을 가속화합니다. Lidar Toolbox의 포인트 클라우드 기능은 원시 TAFM 데이터의 고급 시각화에 특히 유용하며, 이를 통해 희소한 결과를 그리드화하여 3차원 영상 스택으로 내보낼 수 있습니다. 3D 분할 수행, 평면 법선 및 곡률 계산 및 다양한 벡터에 대한 종속성 파악 등의 작업을 간소화하는 것 외에도 MATLAB 및 Lidar Toolbox를 사용해 TAFM 데이터셋을 후처리하는 데 필요한 시간을 몇 시간에서 단 몇 분으로 단축해 연구의 속도와 영향력을 크게 높였습니다.

기존 후처리의 문제점

저희 연구실에서 사용하는 원자힘현미경(그림 2)은 단일 단층촬영 실험으로 약 1억 개의 데이터 점을 생성합니다. 여기에는 x, y, z 방향을 따라 1,000만 개 이상의 다양한 좌표값에서 측정한 값이 포함되며, 각 좌표값에서 힘, 압전성, 전도성, 광전도성, 표면 전위, 강성 및/또는 자기장 등 여러 속성이 측정됩니다.

결국 우리는 색깔이 있는 빌딩 블록의 구조로 생각할 수 있는 것을 보여주기 위한 시각화가 필요합니다. 여기서 각 블록 또는 복셀의 색상은 그 작은 표본 볼륨에서 측정된 특정 재료 속성의 값을 나타냅니다. 이 구성 요소 구조의 x 및 y 차원은 잘 정의되어 있지만 z 차원은 실험 중에 표본을 세밀하게 파헤치는 방법에서 발생하는 데이터의 희소성과 불균일한 분포를 설명하기 위한 후처리가 필요합니다. 처음에는 MATLAB에서 3D 보간 알고리즘을 사용하여 실험 데이터를 후처리하여 균일한 깊이에서 시각화했습니다. 이 방법이 효과적이긴 했지만 데이터셋의 크기와 복잡성으로 인해 처리하는 데 몇 시간이 필요했습니다.

Lidar Toolbox의 새로운 활용 사례

후처리 시간을 단축할 방법을 찾던 중 Lidar Toolbox의 포인트 클라우드 기능, 특히 x 및 y 함수를 사용해 TAFM 데이터를 분석할 아이디어가 떠올랐습니다. 누락된 데이터나 때로는 자르기, 필터링, 세분화 목적으로 마스크 처리된 데이터 점을 처리하기 위해 rmmissing을 사용했고, 데이터의 볼륨을 반영하기 위해 pcdownsample을 사용했고, 시각화를 위해 pcShow를 사용했습니다.

TAFM 후처리에 Lidar Toolbox를 사용하는 것의 주요 이점은 속도입니다. 이 방법은 우리의 이전 접근 방식보다 1,000배는 더 빠릅니다. 또 다른 이점은 데이터를 탐색할 때 중요한 시각화 기능이 향상된다는 것입니다. 이제 표본을 회전하면서 확대/축소하여 재료와 그 특성을 더 잘 시각화할 수 있습니다. (그림 3)

마찬가지로 중요한 점은 Lidar Toolbox를 사용한 새로운 후처리 방식 덕분에 분석에 대한 확신이 높아졌다는 것입니다. 예를 들어, Lidar Toolbox를 사용하면 주어진 복셀에 얼마나 많은 데이터 점이 있는지 쉽게 파악할 수 있습니다. 게다가 각 복셀의 깊이를 선택하고 이 깊이를 최적화하여 대부분의 복셀이 최소한 하나의 데이터 점을 포함하도록 할 수 있습니다. 연구자로서 우리는 측정값의 정확성에 대해 훨씬 더 잘 이해하게 되었습니다. 물론, 우리가 연구 결과를 발표할 때는 단순히 희소한 데이터 점 사이를 보간하는 것이 아니라 분석된 볼륨에서 가능한 거의 모든 복셀(일반적으로 최소 99%)에 대한 실제 데이터를 가지고 있다는 것을 보고하는 것이 중요합니다.

다음 단계

Lidar Toolbox를 후처리 워크플로에 통합하면서 우리가 연구하는 자료에 대해 더 많이 배울 수 있는 새로운 기회가 열렸습니다. 예를 들어 x, y, z 위치를 사용하여 표면을 정의한 다음 Lidar Toolbox의 기능을 사용하여 해당 표면의 곡률을 분석하고 정량화할 수 있습니다. (그림 4)

우리는 Lidar Toolbox에 우리가 아직 적용해 보지 않은 추가 기능이 있다는 것을 알고 있습니다. 앞으로 이런 것들을 더 탐구해 볼 계획입니다. 우리는 또한 대규모 TAFM 데이터셋의 자동 분석이 불가피한 미래 단계로 보고 있습니다. 후처리 및 포인트 클라우드 활동을 머신러닝 및 AI를 비롯한 다른 MATLAB 기능과 통합하는 기능은 점점 더 그 가치가 높아질 것입니다.

이러한 발전과 MATLAB 및 Lidar Toolbox로 인해 가능해진 연구 속도의 증가로 소나 및 초음파 영상, 컴퓨터 메모리 소자, MEMS 센서, 태양광 패널과 같은 다양한 필수 기술의 성능에 필수적인 재료의 특성에 대한 이해가 더욱 깊어지고 있습니다. 이러한 보다 깊은 이해는 엔지니어링의 모든 단계에 도움이 될 것입니다. 프론트엔드에서는 나노 단위까지의 재료 특성에 대한 포괄적인 지식을 갖추고 있으므로 엔지니어는 더 효율적이고 신뢰할 수 있는 기술을 설계할 수 있습니다. 백엔드에서는 서비스 중 사용이나 급격한 성능 저하에 따라 높거나 낮은 성능 영역을 선택적으로 평가할 수 있습니다. 궁극적으로, 우리는 엔지니어링 과제를 해결하기 위해 차세대 소재 기반 솔루션의 기능성과 안정성을 최적화할 수 있습니다.