커뮤니티
붶경투데이
- 국립 부경댶교의 다양한 모습과 소식을 접하시면 부경댶교가 한번 더 가까워집니다.
| 초전ѫ 0.1초만에 분석한다(Superconductor Properties Analyzed in Just 0.1 Seconds) | |||
| 작성자 | 댶외홍보센터 | 작성일 | 2025-07-29 |
| 조회수 | 303 | ||
| 초전ѫ 0.1초만에 분석한다(Superconductor Properties Analyzed in Just 0.1 Seconds) | |||||
 |
댶외홍보센터 |  |
2025-07-29 |  |
303 |
‘초전ѫ 0.1초 만에 분석’ 국립부경대 연구팀, 물리 기반 AI 초전ѫ 분석 기술 개발
- 물리학과 이승훈 교수팀 … 학습효율 극대화를 위한 물리학 기반 전략 제시
△&Բ;연구진 사진. 이승훈 교수(왼쪽·단독 교신젶자)와 이동익 석사과정(단독 제1젶자)
국립부경댶교(총장 배상훈) 물리학과 이승훈 교수 연구팀이 초전ѫ의 특성을 수십 밀리초(ms) 내에 빠르고 정확하게 분석할 수 있는 기계학습(머신러닝) 기반 기술을 개발했다.
이승훈 교수는 제1 젶자인 이동익 석사과정생과 논문 ‘Rapid analysis of point-contact Andreev reflection spectra via machine learning with physics-guided data augmentation’을 응용물리 분야의 세계적 학술지인 <Materials Today Physics>(IF: 9.7)에 게재했다.
이 연구는 물리학적 이해를 바탕으로 모델의 학습 효율을 극대화하는 전략을 함께 제시해 학술적으로도 높은 평가를 받았다.
초전ѫ는 전기 저항이 0이 되는 특성을 가진 물질로, 에너지 손실 없는 전력 전송, 고자기장 의료장비(MRI), 양자컴퓨터의 핵심 소재 등 다양한 분야에 활용되고 있다. 최근 LK-99 논란과 함께 고온초전ѫ가 주목받은 것과 함께, 위상초전ѫ(topological superconductor) 기반 차세대 양자컴퓨터 연구가 활발해지면서, 다양한 종류의 초전ѫ를 빠르고 정확하게 구분하는 기술의 중요성이 매우 커지고 있다.
이승훈 교수팀은 초전ѫ ѫ에 사용되는 점접촉분광법(point-contact spectroscopy)의 정확도를 높이고 분석 시간을 획기적으로 줄이기 위해 머신러닝 기술을 도입했다. 스펙트럼 ѫ에 기존에는 수 시간에서 수일이 소요되기도 했지만, 이번에 개발된 모델은 0.1초 이내에 매우 정확한 분석이 가능한 것으로 나타났다.
이승훈 교수는 “A 모델 학습 과정은 아기에게 돼지가 무엇인지 가르치는 것과 비슷하다. 돼지코처럼 핵심적인 특징이 강조된 이미지들을 반복적으로 보여주고, ‘이것이 돼지야’라고 이야기하면 아기는 자연스럽게 그 특징이 ‘돼지’를 판단하는 중요한 단서임을 인식하게 된다.”라고 설명했다. (그림1 참조).
이승훈 교수 연구팀은 학습을 위한 이론 스펙트럼을 대량으로 생성하고, 이를 학습하는 모델을 디자인했다. 물리학적 지식을 바탕으로 스펙트럼이 가지고 있는 핵심 특징을 강조할 수 있도록 인위적으로 왜곡한 데이터를 추가로 학습시켜, 모델의 학습효과를 극대화하고 분석 정확도를 포함한 실제 적용 성능을 획기적으로 향상시켰다. (그림2 참조)
이승훈 교수는 “이번 연구는 단순히 분석 시간을 줄인 것을 넘어, 기계학습의 학습 효율을 극대화하는 물리학 기반 전략을 제시했다는 점에서 더욱 중요성을 가진다.”라면서, “이번 기술은 새로운 초전도 연구를 가속화할 뿐만 아니라, 재료과학, 의공, 센서 분야 등 다양한 분야의 데이터 분석 기술에도 폭넓게 활용될 수 있을 것으로 기대된다.”라고 밝혔다. <붶경투데이>
△연구 이미지1. 돼지의 특징(돼지코)을 효과적 학습하기 위한 이미지 왜곡 예시
△연구 이미지2. 초전도 스펙트럼 분석을 위한 머신러닝 모델(논문 대표 이미지 / 논문 출처: https://doi.org/10.1016/j.mtphys.2025.101792)
ݺߣ Research Team Develops Physics-Based AI Analysis Technology
- Prof. Seung-Hoon Lee’s Team from the Department of Physics Presents a Physics-Informed Strategy for Maximizing Learning Efficiency
Professor Lee Seung-hoon’s research team from the Department of Physics at ݺߣ (President Bae Sang-hoon) has developed a machine learning-based technology capable of analyzing the properties of superconductors rapidly and accurately within just tens of milliseconds.
Professor Lee Seung-hoon, along with lead author Lee Dong-ik (master’s program), published their study titled “Rapid analysis of point-contact Andreev reflection spectra via machine learning with physics-guided data augmentation” in <Materials Today Physics> (Impact Factor: 9.7), a prestigious international journal in the field of applied physics.
This study has also been highly regarded academically, as it proposes a strategy to maximize model learning efficiency based on a solid understanding of physics.
Superconductors are materials that exhibit zero electrical resistance, making them essential for various applications such as lossless power transmission, high-field medical equipment (e.g., MRI), and as core materials for quantum computers. With the recent spotlight on high-temperature superconductors following the LK-99 controversy and the growing interest in next-generation quantum computers based on topological superconductors, the need for technology that can quickly and accurately distinguish between various types of superconductors has become increasingly important.
Professor Lee Seung-hoon’s research team adopted machine learning technology to significantly improve the accuracy and reduce the analysis time of point-contact spectroscopy (PCS), a technique used for analyzing superconductors. While traditional spectrum analysis could take anywhere from several hours to days, the newly developed model enables highly accurate analysis in under 0.1 seconds.
Professor Lee Seung-hoon explained, “Training an AI model is similar to teaching a baby what a pig is. By repeatedly showing images that emphasize defining features―like a pig’s snout―and saying, ‘This is a pig,’ the baby naturally learns that the snout is a key clue in identifying a pig” (see Figure 1).
Professor Lee Seung-hoon’s research team designed a model that generates large volumes of theoretical spectra for training and incorporated distorted data emphasizing key spectral features―based on physics knowledge―to enhance the model’s learning. This strategy maximized learning efficiency and significantly improved real-world performance, including analysis accuracy (see Figure 2).
Professor Lee Seung-hoon stated, “This research is significant not only because it drastically reduced analysis time, but because it presents a physics-guided strategy to maximize machine learning efficiency.” He added, “This technology is expected to accelerate new superconductor research and be broadly applicable to data analysis in fields such as materials science, biomedical engineering, and sensor technology.” <Pukyong Today>