기계공학과 박인규 교수, 윤국진 교수, 물리학과 조용훈 교수 공동 연구팀:
Nose System Based on Multi-Micro-LED-Integrated, Nanostructured Gas Sensors and Deep Learning - 「ACS Nano」

우리 학교 기계공학과 박인규 교수, 윤국진 교수와 물리학과 조용훈 교수 공동 연구팀이 지난달 14일 상온으로 동작할 수 있는 초저전력 광원 일체형 마이크로 LED 가스 센서 기반의 전자 코 시스템(Electronicnose, E-nose)을 개발했다고 밝혔다.
 

가스 센서의 사용처 변화

가스 센서는 가스의 종류와 농도를 측정하는 감지 센서이다. 보통 유독 화학물질이 누출되었을 때 이를 모니터링하거나, 생산시설 안전, 대기 오염 가스 모니터링 등을 하는 데 사용하였다. 하지만 최근에는 실내 공기 질 모니터링, 날숨의 기체 비율에 따른 질병 조기 진단, 농작물 생장 모니터링, 헬스케어 모니터링 등에 가스 센서가 활용되면서 전 세계 가스 센서 시장이 급속도로 성장하게 되었다. 이런 사용처의 변화에 따라 가스 센서를 소형화하여 휴대용으로 개발하는 방식의 필요성이 대두되었다.
 

가스 센서에서 전자 코 시스템까지

가스 센서의 소형화와 휴대화가 부각되면서 금속산화물 소재의 반도체식 가스 센서가 활발히 연구되고 있다. 전기화학식, 광학식, 접촉 연소식 가스 센서와 다르게 높은 민감도와 빠른 응답 및 회복 속도, 저렴한 가격에 대량 생산 가능, 작은 크기 등의 장점이 있기 때문이다. 다만 반도체식 가스 센서는 가스가 접근할 때 금속산화물의 전기 저항이 변화하는 것을 기반으로 농도를 측정하는데, 높은 센서 민감도와 응답속도를 위해서는 에너지 공급을 통해서 가스 센서를 활성화시켜주는 것이 필수적이다. 기존의 반도체식 가스 센서는 대부분 고온 가열 히터를 사용하여 소모 전력이 높고, 가스의 종을 구별하기 어렵다는 두 가지의 한계점이 존재했다.
 

초저전력 전자 코 시스템의 모습                                                                                박인규 교수 제공
초저전력 전자 코 시스템의 모습                                                                                박인규 교수 제공

 

먼저, 가열방식의 높은 소모 전력이라는 한계점을 극복하기 위해 광활성 방식의 초저전력 가스 센서를 개발했다. 이 가스 센서는 마이크로 단위의 LED 바로 위에 반도체성 금속산화물을 집적한 광원 일체형 센서로써 낭비되는 광 에너지의 양을 최소화하고 국소적 부위에만 광활성화 시켜 초저전력 구동이 가능하다. 이런 기술은 기존에 10mW로 소모되던 기존의 전력을 백분의 일 이하 수준인 0.1mW로 낮출 수 있으며, 상온 동작이 가능하다는 장점이 있다.

가스의 종을 구별하기 어렵다는 문제의 경우에도 측정하고자 하는 가스만 감지하기 위해 선택적 반응을 하는 특수 소재 개발이나 방해하는 가스를 필터링하는 방식 등을 사용해왔고, 이들은 높은 공정 난이도 및 비용, 타깃 가스 민감도 저해 등의 한계점이 있었다. 그래서 여러 다른 종류로 이뤄진 가스 센서 어레이로 수집되는 데이터를 기계 학습을 활용하여 분석한 전자코 시스템은 이런 한계점을 극복하고 가스 종 분류 및 가스 농도 예측을 할 수 있게 되며 최근 가장 주목받고 있는 기술이다.
 

본 연구에서 사용된 기술들

본 연구에서는 앞선 두 기술을 기반으로 연구를 진행했다. 즉, 광원 일체형 초저전력 마이크로 LED 가스 센서에 합성곱 신경망의 딥러닝 알고리즘을 적용했다. 또한, 공동 연구팀은 반도체식 가스 센서에 들어갈 금속산화물로 산화티탄(TiO2), 산화아연(ZnO) 등을 사용해보았는데 가장 반응성이 좋은 산화 인듐(In2O3)을 집적했다고 밝혔다. 연구진은 국소표면 플라즈몬 공명 현상(Localized Surface Plasmon Resonance, LSPR)*을 이용하여 가스 센서의 민감도를 극대화하기 위해 금속산화물 표면에 금(Au)과 은(Ag) 나노입자를 코팅하였고, 실제로 가스 응답도가 향상되는 결과를 확인했다.

이렇게 금과 은 나노입자를 입힌 두 가지의 가스 센서에서 받은 응답 패턴을 합성곱 신경망(Convolution Neural Network, CNN)으로 학습시켜 다섯 개의 가스종(공기, 에탄올, 이산화질소, 아세톤, 메탄올)을 99.3%의 정확도와 13.8%의 농도 예측 평균 오차로 판별할 수 있게 되었다.
 

이번 연구에 제1 저자로 참여한 이기철 기계공학과 박사과정 학생은 학부생 시절을 보내는 학생들에게 공모전 참여, 다른 대학 학생들과 교류 및 학부 연구도 경험해보면 좋을 것 같다는 생각과 함께 공부 외에도 동아리 활동, 여행 등을 통해 나 자신을 알아가는 시간도 중요한 것 같다고 전했다.
 

 

국소표면 플라즈몬 공명 현상(LSPR)*
금속 나노입자에 빛을 쪼이면, 나노입자에서 전하 밀도가 재분배되며 쿨롱 복원력이 발생한다. 이에 따라 나노입자 표면 근처에서 강한 전자기장이 발생하고, 그로 인해 생성된 핫 전자들이 금속 산화물로 이동해 타깃 가스와의 산화-환원 반응을 촉진한다.

 

저작권자 © 카이스트신문 무단전재 및 재배포 금지