나노크기의 가속 X

2023년 6월 1일

이 기사는 Science X의 편집 과정 및 정책에 따라 검토되었습니다. 편집자들은 콘텐츠의 신뢰성을 보장하면서 다음 특성을 강조했습니다.

사실 확인된

동료 검토 출판물

신뢰할 수 있는 출처

교정하다

중국과학원 제공

MIT와 아르곤 국립 연구소(Argonne National Laboratory)의 연구원들은 집적 회로의 나노 규모 X선 이미징 프로세스를 크게 가속화하여 잠재적으로 전자 제품을 제조하고 테스트하는 방식에 혁명을 일으킬 수 있는 기계 학습 기술을 개발했습니다.

집적 회로 또는 마이크로칩은 현대 전자 제품의 구성 요소이며 지속적인 소형화로 인해 점점 더 복잡하고 강력한 장치가 탄생했습니다. 그러나 이러한 마이크로칩의 구성 요소가 줄어들면서 기존 이미징 기술을 사용하여 검사하고 테스트하는 것이 더욱 어려워졌습니다.

나노크기 구성 요소를 이미징하는 유망한 방법 중 하나는 고에너지 X선을 사용하여 재료를 관통하고 내부 구조의 상세한 이미지를 생성하는 싱크로트론 X선 타이코그래픽 단층 촬영입니다. 그러나 X선 이미징은 샘플과 검출기의 정확한 위치 지정이 필요한 느린 프로세스이며 단일 재구성을 얻는 데 몇 시간 또는 며칠이 걸릴 수 있습니다.

이 프로세스의 속도를 높이기 위해 MIT와 Argonne 연구원은 기계 학습으로 전환했습니다. 그들은 일반적으로 걸리는 시간보다 훨씬 짧은 시간에 물체의 정확한 재구성을 예측하도록 신경망을 훈련했습니다. 그들의 네트워크는 APT(Attentional Ptycho-Tomography)라고 불리며, 이는 집적 회로 내부에서 발견되는 전형적인 패턴 형태의 정규화 사전과 물체를 통한 X선 전파의 물리학을 활용합니다.

논문의 주저자인 강익성 씨는 “신경망은 적은 양의 데이터로부터 학습하고 일반화할 수 있기 때문에 집적 회로를 신속하게 이미지화하고 재구성할 수 있습니다.”라고 말했습니다. 연구원들은 그들의 접근 방식이 이미징에 필요한 전체 데이터 수집 및 계산 시간을 크게 줄여준다는 점에 주목했습니다. 그들은 실제 집적 회로에서 기술을 테스트했으며 일반적으로 몇 시간이 걸리던 것과 비교하여 단 몇 분 만에 상세한 이미지를 캡처할 수 있었습니다.

“이 새로운 방법은 품질 보증을 위한 효과적인 솔루션이 될 수 있습니다.”라고 그들은 말했습니다. "이미징 프로세스를 가속화함으로써 공장에서 싱크로트론 X선 소스에 연결할 수도 있습니다."

연구원들은 그들의 접근 방식이 재료 과학 및 생물학적 이미징을 포함한 다양한 분야에 중요한 영향을 미칠 수 있다고 지적했습니다. "우리의 연구는 집적 회로와 같은 나노 규모 물체의 비침습적 X-선 이미징에 대한 중요한 과제를 다루고 있습니다."라고 수석 저자가 말했습니다. "우리는 물리학을 활용하고 주의를 활용하는 기계 학습 프레임워크가 나노 규모 이미징의 다른 분야에 적용될 수 있다고 믿습니다."

이 연구는 Light: Science & Application 저널에 게재되었습니다.

추가 정보: 강익성 외, 최소한의 데이터 수집 및 계산 시간으로 3차원 나노규모 X선 영상을 위한 APT(Attentional Ptycho-Tomography), Light: Science & Application(2023). DOI: 10.1038/s41377-023-01181-8

저널 정보:빛: 과학 및 응용

중국과학원 제공