Press release

2023. 12. 20 (수) 부터 보도해 주시기 바랍니다.

3만 배 증폭된 전자기파로 6G 통신의 구현 가까워진다

UNIST 등 3개 공동 연구팀, 6G 통신용 THz 나노공진기 개발
물리 기반 AI로 나노공진기 최적화 및 구현… Nano Letters 게재

빛이나 적외선과 같은 테라헤르츠(THz) 전자기파를 3만 배 이상 증폭시킬 수 있는 기술이 개발됐다. 물리 모델을 바탕으로 인공지능(AI)과 결합한 이 기술은 6G 통신용 주파수의 상용화를 앞당길 수 있을 것으로 기대된다.

UNIST(총장 이용훈) 물리학과 박형렬 교수팀은 미국 테네시대학교 이준수 교수팀, 미국 오크리지 국립 연구소 윤미나 교수팀과 함께 6G 통신용 THz 나노공진기의 최적화 기술을 개발했다. 슈퍼컴퓨터로도 오래 걸리던 작업을 물리 이론 모델 기반의 AI 학습으로 개인 컴퓨터에서도 쉽게 설계 가능하도록 만들었다.

연구팀은 THz 전자기파 투과 실험으로 새로 개발한 나노공진기의 효율을 분석했다. 일반 전자기파가 만드는 전기장과 비교했을 때, 3만 배 이상 증폭된 전기장을 발생시킬 수 있었다. 이는 지금까지 학계에 보고된 THz 나노공진기에 비해 300% 이상 효율이 향상된 결과다.

지금까지는 광 시뮬레이션과 AI를 합해 최적의 설계법을 찾아내는 ‘AI 역설계 기술’이 사용됐다. 주로 가시광이나 적외선 영역에서 작동하는 광소자를 설계했다.

박형렬 교수는 “AI 역설계 기술에선 파장의 십분의 일이나 백분의 일 크기의 광소자 구조를 주로 설계했다”며 “하지만 6G 통신의 주파수인 0.075~0.3 THz 영역의 파장에 비해 백만분의 일 만큼 작아 적용이 어려웠다”고 덧붙였다.

6G 주파수에 작동하는 나노공진기를 설계할 경우 고성능 컴퓨터를 이용해도 한 번의 시뮬레이션을 위해 수십 시간이 소요된다. 즉, 기존에 알려진 역설계 방법을 이용해 하나의 소자를 최적화하려면 수백 년의 시간이 소요될 수 있다.

연구팀은 이러한 문제를 해결하기 위해 물리학 이론 모델을 이용해 AI 역설계 방법과 결합해 THz 영역의 나노공진기를 새로 설계했다. 개인용 컴퓨터 사양으로도 40시간 이내에 소자를 최적화할 수 있었다.

제 1저자 이형택 연구원은 “이번 연구를 통해 최적화된 나노공진기는 초정밀 검출기뿐만 아니라 극미량 분자 감지 센서, 볼로미터 연구 등에도 활용될 수 있다”며 “연구에 적용된 방법론은 특정 나노 구조물에만 국한되지 않으며 여러 파장이나 구조의 물리 이론 모델 함께 다양한 연구에 활용될 수 있다”고 설명했다.

박형렬 물리학과 교수는 “이번 연구의 핵심은 물리 현상을 이해해 AI를 이용한 기술의 효율을 향상시킨 것이다”며 “AI가 모든 문제를 해결해 줄 수 있을 것 같지만 물리 현상을 먼저 잘 이해하는 것이 여전히 중요하다”고 덧붙였다.

이번 연구는 세계적 권위의 국제학술지인 나노 레터스(Nano Letters)에 12월 7일 온라인 게재됐다. 연구 수행은 과학기술정보통신부 한국연구재단(NRF), 정보통신기획평가원의 글로벌 핵심인재 양성사업, 대학ICT연구센터지원사업(IITP), 울산과학기술원 A.I. 보급 및 확산 지원사업의 지원을 받아서 이뤄졌다.

(논문명: More Than 30000-fold Field Enhancement of Terahertz Nanoresonators Enabled by Rapid Inverse Design)

자료문의

대외협력팀: 서진혁 팀장, 우종민 담당 (052)217-1232

물리학과: 박형렬 교수 (052)217-2029

  • %ec%97%b0%ea%b5%ac%ec%a7%84-%ec%99%bc%ec%aa%bd%eb%b6%80%ed%84%b0-%ea%b9%80%ec%a0%95%ed%9b%88-%ec%97%b0%ea%b5%ac%ec%9b%90-%ec%a0%9c-1%ec%a0%80%ec%9e%90-%ec%9d%b4%ed%98%95%ed%83%9d-%ec%97%b0%ea%b5%ac
  • [연구그림1] 본 연구에서의 파장대비 소자의 크기를 기존 광학분야의 인공지능 역설계를 사용한 연구들과 비교
  • [연구그림2] 본 연구의 인공지능 역설계 방법 개략도
  • [연구그림3] 역설계를 통한 최적 소자와 최적화 되지 않은 소자의 비교
  • [연구그림4] 제작된 소자의 광학 현미경 및 전자 현미경 이미지들
 

[붙임] 연구결과 개요

1. 연구배경

파장이 길어서 나노기술까지는 필요하지 않았던 기존의 4G ~ 5G 기술에 비해 파장이 짧은 6G 통신 영역의 검출기는 나노기술을 적용하여 고감도 전자기파 검출을 가능하게 할 수 있다. 기존에는 가시광 또는 적외선 영역에서 작동하는 나노 광소자를 최적화하기 위해서 시뮬레이션과 인공지능(AI)을 결합하여 최적 설계를 찾아내는 역설계 방법이 주로 사용되었다. 하지만 6G 통신 주파수의 후보인 0.075 THz ~ 0.3 THz 영역에서의 나노공진기를 최적화하기 위해서 시뮬레이션과 결합한 역설계 방법을 적용하면 파장에 비해 너무 작은 구조물 크기 때문에 고성능 컴퓨터를 이용하여도 수 백년 이상의 시간이 소요될 수 있다. 본 연구에서는 테라헤르츠 나노공진기(nanoresonator)1)의 물리기반 이론 모델을 이용하여 일반 개인용 컴퓨터에서도 며칠 안에 최적 광소자를 설계할 수 있는 기법을 개발하였고, 최적화된 나노공진기를 실험적으로 구현하였다.

2. 연구내용

6G 통신용 전자기파 파장에 비해 백만분의 1의 크기를 갖는 나노공진기를 설계하기 위하여 시뮬레이션 방법을 이용하려면 고성능 컴퓨터(100 GB 이상의 RAM)가 필요하다. 뿐만 아니라 고성능 컴퓨터를 사용함에도 불구하고 한 번의 시뮬레이션 시간도 굉장히 길어져 20 시간 이상의 계산 시간이 요구된다. 결국 수만에서 수십만 번의 반복 시뮬레이션을 통하여 최적 설계를 찾아내는 AI 역설계(inverse design)2) 수행에 수 백년이라는 불가능한 시간이 소요되는 결과를 초래한다. 이를 극복하기 위하여 본 연구에서는 나노공진기에 대한 물리 기반의 해를 AI의 강화학습 방법과 결합하여 일반 개인용 컴퓨터에서도 40시간 이내에 최적화된 광소자를 역설계할 수 있는 기법을 개발하였다. 또한 최적화된 소자를 원자층 리소그래피(atomic layer lithography)3) 방법으로 제작하고, 테라헤르츠 전자기파 투과 실험4)을 통하여 측정한 결과 30,000배 이상의 전기장 집속(기존 보고된 최대치의 3배)을 구현하였음을 확인하였다.

3. 기대효과

본 연구에서 최적화된 나노공진기를 이용하여 6G 전자기파 검출기 성능 향상뿐만 아니라 극미량 분자 감지 센서, 볼로미터 연구 등에도 활용할 수 있다. 또한 본 연구의 방법론은 테라헤르츠 나노공진기 설계에만 국한되지 않고 마이크로파 및 적외선을 포함하는 다른 파장 영역대에서 작동하는 다양한 광소자들의 최적화 설계에 적용될 수 있다.

 

[붙임] 용어설명

1. 테라헤르츠 나노공진기(terahertz nanoresonator)

테라헤르츠 주파수에서 공진을 일으켜서 나노공진기 내부에 전기장 집속을 최대화시키는 금속-유전체-금속 구조물 어레이

2. 인공지능 역설계(AI-based inverse design)

원하는 결과를 제시하고 그 결과에 최대한 일치하는 디자인을 인공지능을 이용하여 찾는 기법

3. 원자층 리소그래피(atomic layer lithography)

반도체 공정에서 주로 사용되는 포토리소그래피(photolithography) 공정과 원자 층 증착법(atomic layer lithography)을 활용하여 테라헤르츠 나노공진기 구조물을 대면적으로 제작할 수 있는 기술

4. 테라헤르츠 전자기파 투과 실험

GaAs와 같은 반도체 물질을 이용하여 테라헤르츠 영역의 전자기파 펄스를 발생시킨 후 시료를 통과하게 한 후의 펄스 신호를 전기 광학 샘플링 방법(Electro-Optic Sampling method)으로 검출하여 시료의 테라헤르츠 투과율을 측정하는 실험

 

[붙임] 그림설명

그림1. 본 연구에서의 파장대비 소자의 크기를 기존 광학분야의 인공지능 역설계를 사용한 연구들과 비교.

본 연구에서의 파장대비 소자의 크기를 기존 광학분야의 인공지능 역설계를 사용한 연구들과 비교했다. 기존 연구들은 파장의 1배 ~ 100배 작은 소자의 크기를 역설계하였지만 본 연구는 파장대비 1,000,000배 작은 크기의 소자를 역설계했다.

그림2. 본 연구의 인공지능 역설계 방법 개략도.

본 연구의 인공지능 역설계 방법의 개략도를 나타냈다. 물리적인 해를 이용하여 투과 스펙트럼을 계산한 후 리워드를 계산하여 인공지능의 강화학습 방법을 적용하여 역설계한다.

그림3. 역설계를 통한 최적 소자와 최적화 되지 않은 소자의 비교.

역설계를 통한 최적 소자와 최적화 되지 않은 소자를 비교하는 그림. 최적화된 소자를 기준으로 파라미터 하나씩을 변경해가며 리워드를 확인했다.

그림4. 제작된 소자의 광학 현미경 및 전자 현미경 이미지들.