| 1 |
1
측정 대상 나노 물질에 대응하는 하나 이상의 3차원 원자 모델을 생성하는 원자 모델 생성부;상기 하나 이상의 3차원 원자 모델에 기초하여 상기 측정 대상 나노 물질에 대응하는 3차원 원자 단위 구조 부피 데이터를 생성하는 3차원 데이터 생성부;상기 3차원 원자 단위 구조 부피 데이터의 적어도 일부에 대하여 미리 결정된 각도 범위에서 복수의 상이한 각도에 대해 3차원 단층촬영을 시뮬레이션하여 틸트 시리즈(tilt series)를 생성하는 틸트 시리즈 생성부;상기 틸트 시리즈에 기초하여 상기 3차원 원자 단위 구조 부피 데이터의 적어도 일부에 대하여 3차원 재구성을 수행하여 획득된 3차원 원자 구조 토모그램 부피 데이터 세트를 생성하는3차원 원자 구조 토모그램 부피 데이터 생성부를 포함하는, 데이터 생성 장치
|
| 2 |
2
제1항에 있어서, 상기 원자 모델 생성부는, 상기 측정 대상 나노 물질의 이론적 결정 구조에 기초한 3차원 원자 모델과 비정질(amorphous) 구조에 기초한 3차원 원자 모델을 생성하는, 데이터 생성 장치
|
| 3 |
3
제1항에 있어서, 상기 원자 모델 생성부는, 상기 하나 이상의3차원 원자 모델에 대하여 무작위 원자 결함 부여, 상기 모델 구조의 무작위 회전 또는 이동, 공간 변화, 원자 밀도 변화, 무작위 형태 절단(Rand shape cropping)을 포함하는 실제화 보정 처리 중 적어도 하나 이상의 처리를 수행하는, 데이터 생성 장치
|
| 4 |
4
제1항에 있어서, 상기 3차원 데이터 생성부는, 상기 하나 이상의 3차원 모델에 기초하여 원자 포텐셜(atomic potential)의 3차원 부피를 도출하고 각 원자 위치에 원자 포텐셜과 미리 결정된 표준편차를 가지고 있는 Gaussian 분포를 컨볼루션한 결과를 획득하여 상기 3차원 원자 단위 구조 부피 데이터를 생성하는, 데이터 생성 장치
|
| 5 |
5
제1항에 있어서,상기 틸트 시리즈 생성부는, 상기 3차원 원자 단위 구조 부피 데이터 중 적어도 일부에 대하여 상기 미리정해진 각도 범위 내의 복수의 상이한 틸트 각도들에서 3차원 원자 포텐셜 부피로부터 선형 투영(linear projection)을 획득하여 상기 틸트 시리즈를 생성하는, 데이터 생성 장치
|
| 6 |
6
제1항에 있어서,상기 3차원 원자 구조 토모그램 부피 데이터 생성부는, 상기 틸트 시리즈에 대하여 미리 결정된 알고리즘을 사용하여 3차원 재구성하고, 상기 3차원 재구성시 축 규칙(axis convention)은 x-방향축, y-방향축, z-방향축 중 적어도 하나가 손실 웨지 방향에 평행하도록 선택되는 것인, 데이터 생성 장치
|
| 7 |
7
측정 대상 나노 물질에 대응하는 하나 이상의 3차원 원자 모델 생성하는 원자 모델 생성 단계;상기 하나 이상의 3차원 원자 모델에 기초하여 상기 측정 대상 나노 물질에 대응하는 3차원 원자 단위 구조 부피 데이터를 생성하는 3차원 데이터 생성 단계;상기 3차원 원자 단위 구조 부피 데이터의 적어도 일부에 대하여 미리 결정된 각도 범위 내의 복수의 상이한 각도에 대해3차원 단층촬영을 시뮬레이션하여 틸트 시리즈(tilt series)를 생성하는 틸트 시리즈 생성 단계; 및상기 틸트 시리즈에 기초하여 상기 3차원 원자 단위 구조 부피 데이터의 적어도 일부에 대하여 3차원 재구성을 수행하여 획득된 3차원 원자 구조 토모그램 부피 데이터 세트를 생성하는3차원 원자 구조 토모그램 부피 데이터 생성 단계
|
| 8 |
8
제7항에 있어서, 상기 원자 모델 생성 단계는, 상기 측정 대상 나노 물질의 이론적 결정 구조에 기초한 3차원 원자 모델과 비정질(amorphous) 구조에 기초한 3차원 원자 모델을 생성하는 단계를 더 포함하는, 데이터 생성 방법
|
| 9 |
9
제7항에 있어서,상기 원자 모델 생성 단계는, 상기 하나 이상의3차원 원자 모델에 대하여 무작위 원자 결함 부여, 상기 모델의 구조의 무작위 회전 또는 이동, 공간 변화, 원자 밀도 변화, 무작위 형태 절단(Rand shape cropping)을 포함하는 실제화 보정 처리 중 적어도 하나 이상의 처리를 수행하는 단계를 더 포함하는, 데이터 생성 방법
|
| 10 |
10
제7항에 있어서,상기 3차원 데이터 생성 단계는, 상기 하나 이상의 3차원 모델에 기초하여 원자 포텐셜(atomic potential)의 3차원 부피를 도출하고 각 원자 위치에 원자 포텐셜과 미리 결정된 표준편차를 가지고 있는 Gaussian 분포를 컨볼루션한 결과를 획득하여 상기 3차원 원자 단위 구조 부피 데이터를 생성하는 단계를 더 포함하는, 데이터 생성 방법
|
| 11 |
11
제7항에 있어서,상기 틸트 시리즈 생성 단계는, 상기 3차원 원자 단위 구조 부피 데이터 중 적어도 일부에 대하여 상기 미리정해진 각도 범위 내의 복수의 상이한 틸트 각도들에서3차원 원자 포텐셜 부피로부터 선형 투영(linear projection)을 획득하여 상기 틸트 시리즈를 생성하는 단계를 더 포함하는, 데이터 생성 방법
|
| 12 |
12
제7항에 있어서,상기 3차원 원자 구조 토모그램 부피 데이터 생성 단계는, 상기 틸트 시리즈에 대하여 미리 결정된 알고리즘을 사용하여 3차원 재구성하고, 상기 3차원 재구성시 축 규칙(axis convention)은 x-방향축, y-방향축, z-방향축 중 적어도 하나가 손실 웨지 방향에 평행하도록 선택되는 것인, 데이터 생성 방법
|
| 13 |
13
측정 대상 나노 물질에 대응하는 하나 이상의 3차원 원자 모델을 생성하는 원자 모델 생성부;상기 하나 이상의 3차원 원자 모델에 기초하여 3차원 단층촬영을 시뮬레이션 및 재구성하여 상기 측정 대상 나노 물질에 대응하는 3차원 원자구조 토모그램 부피 데이터를 3차원 학습데이터로서 생성하는 3차원 학습데이터 생성부;상기 3차원 학습데이터로 머신러닝 모델을 학습하여 딥러닝 필터를 생성하는 딥러닝 필터 생성/학습부;상기 측정 대상 나노 물질의 전자 현미경 측정을 통해 획득한 제1의 3차원 원자 구조 토모그램 부피 데이터를 상기 딥러닝 필터로 필터링하여 데이터가 불충분한 원자 배열 영역이 보정된 제2의 3차원 원자 구조 토모그램 부피 데이터를 생성하고, 상기 제2의 3차원 원자 구조 토모그램 부피 데이터에 기초하여 상기 측정 대상 나노 물질의 3차원 원자 단위 나노 구조를 결정하는, 3차원 원자 단위 구조 결정부를 포함하는, 3차원 원자 단위 구조 결정 장치
|
| 14 |
14
제13항에 있어서, 상기 3차원 학습데이터 생성부는, 상기 하나 이상의 3차원 원자 모델에 기초하여 상기 측정 대상 나노 물질에 대응하는 3차원 원자 단위 구조 부피 데이터를 생성하는 3차원 데이터 생성부;상기 3차원 원자 단위 구조 부피 데이터의 적어도 일부에 대하여 미리 결정된 각도 범위에서 복수의 상이한 각도에 대해3차원 단층촬영을 시뮬레이션하여 틸트 시리즈(tilt series)를 생성하는 틸트 시리즈 생성부;상기 틸트 시리즈에 기초하여 상기 3차원 원자 단위 구조 부피 데이터의 적어도 일부에 대하여 3차원 재구성을 수행하여획득된 3차원 원자 구조 토모그램 부피 데이터 세트를 생성하는3차원 원자 구조 토모그램 부피 데이터 생성부를 포함하고, 상기 재구성된 3차원 원자 구조 토모그램 부피 데이터 세트는 상기 딥러닝 필터의 학습을 위한 3차원 학습 데이터 세트를 형성하는, 3차원 원자 단위 구조 결정 장치
|
| 15 |
15
제14항에 있어서,상기 3차원 데이터 생성부는, 상기 하나 이상의 3차원 모델에 기초하여 원자 포텐셜(atomic potential)의 3차원 부피를 도출하고 각 원자 위치에 원자 포텐셜과 미리 결정된 표준편차를 가지고 있는 Gaussian 분포를 컨볼루션한 결과를 획득하여 상기 3차원 원자 단위 구조 부피 데이터를 생성하는, 3차원 원자 단위 구조 결정 장치
|
| 16 |
16
제15항에 있어서,상기 3차원 데이터 생성부는, 상기 하나 이상의 3차원 모델에 기초하여 원자 포텐셜(atomic potential)의 3차원 부피를 도출하고 상기 3차원 부피 내의 각 원자 위치에 상기 미리 결정된 표준편차와 동일한 또는 상이한 표준편차를 가진Gaussian 분포를 위치시켜 획득된 3차원 원자 단위 구조 부피 데이터를 3차원 타겟 데이터 세트로서 생성하는, 3차원 원자 단위 구조 결정 장치
|
| 17 |
17
제16항에 있어서,상기 딥러닝 필터 생성/학습부는, 상기 3차원 학습 입력 데이터 세트에 기초하여 순전파(foward-propagation)를 통해 상기 딥러닝 필터로부터 출력된 결과와 상기 3차원 타겟 데이터 세트를 비교하여 오차 (error)를 산출하고, 상기 오차에 기초하여 오차의 그래디언트를 역방향으로(출력층에서 입력층으로) 계산함으로써 (back-propagation) 상기 딥러닝 필터의 하이퍼파라미터들을 오차를 줄이는 방향으로 갱신하며, 이 과정을 반복함으로써 상기 딥러닝 필터를 학습시키고 필터의 파라미터들을 3차원 원자 단위 구조 결정에 최적화시키는, 3차원 원자 단위 구조 결정 장치
|
| 18 |
18
측정 대상 나노 물질에 대응하는 하나 이상의 3차원 원자 모델을 생성하는 원자 모델 생성 단계;상기 하나 이상의 3차원 원자 모델에 기초하여 3차원 단층촬영을 시뮬레이션 및 재구성하여 상기 측정 대상 나노 물질에 대응하는 3차원 원자 단위 구조 부피 데이터를 3차원 학습데이터로서 생성하는 3차원 학습데이터 생성 단계;상기 3차원 학습데이터로 머신러닝 모델을 학습하여 딥러닝 필터를 생성하는 딥러닝 필터 생성/학습 단계;상기 측정 대상 나노 물질의 전자 현미경 측정을 통해 획득한 제1의 3차원 원자 구조 토모그램 부피 데이터를 상기 딥러닝 필터로 필터링하여 데이터가 불충분한 원자 배열 영역이 보정된 제2의 3차원 원자 구조 토모그램 부피 데이터를 생성하고, 상기 제2의 3차원 원자구조 토모그램 부피 데이터에 기초하여 상기 측정 대상 나노 물질의 3차원 원자 단위 나노 구조를 결정하는, 3차원 원자 단위 구조 결정 단계를 포함하는, 3차원 원자 단위 구조 결정 방법
|
| 19 |
19
제18항에 있어서,상기 3차원 학습데이터 생성 단계는, 상기 하나 이상의 3차원 원자 모델에 기초하여 상기 측정 대상 나노 물질에 대응하는 3차원 원자 단위 구조 부피 데이터를 생성하는 3차원 데이터 생성 단계;상기 3차원 원자 단위 구조 부피 데이터의 적어도 일부에 대하여 미리 결정된 각도 범위에서 복수의 상이한 각도에 대해3차원 단층촬영을 시뮬레이션하여 틸트 시리즈(tilt series)를 생성하는 틸트 시리즈 생성 단계;상기 틸트 시리즈에 기초하여 상기 3차원 원자 단위 구조 부피 데이터의 적어도 일부에 대하여 3차원 재구성을 수행하여 획득된 3차원 원자 구조 토모그램 부피 데이터 세트를 생성하는3차원 원자 구조 토모그램 부피 데이터 생성 단계를 포함하고, 상기 재구성된 3차원 원자 구조 토모그램 부피 데이터 세트는 상기 딥러닝 필터의 학습을 위한 3차원 학습 데이터 세트를 형성하는, 3차원 원자 단위 구조 결정 방법
|
| 20 |
20
제19항에 있어서,상기 3차원 데이터 생성 단계는, 상기 하나 이상의 3차원 모델에 기초하여 원자 포텐셜(atomic potential)의 3차원 부피를 도출하고 각 원자 위치에 원자 포텐셜과 미리 결정된 표준편차를 가지고 있는 Gaussian 분포를 컨볼루션한 결과를 획득하여 상기 3차원 원자 단위 구조 부피 데이터를 생성하는 단계를 더 포함하는, 3차원 원자 단위 구조 결정 방법
|
| 21 |
21
제20항에 있어서,상기 3차원 데이터 생성 단계는, 상기 하나 이상의 3차원 모델에 기초하여 원자 포텐셜(atomic potential)의 3차원 부피를 도출하고 상기 3차원 부피 내의 각 원자 위치에 상기 미리 결정된 표준편차와 동일한 또는 상이한 표준편차를 가진Gaussian 분포를 위치시켜 획득된 3차원 원자 단위 구조 부피 데이터를 3차원 타겟 데이터 세트로서 생성하는 단계를 더 포함하는, 3차원 원자 단위 구조 결정 방법
|
| 22 |
22
제21항에 있어서,상기 딥러닝 필터 생성/학습 단계는, 상기 딥러닝 필터의 파라미터들을 3차원 원자 단위 구조 결정에 최적화하는 단계를 더 포함하고, 상기 최적화 단계는:상기 3차원 학습 입력 데이터 세트에 기초하여 순전파(foward-propagation)를 통해 상기 딥러닝 필터로부터 출력된 결과와 상기 3차원 타겟 데이터 세트를 비교하여 오차 (error)를 산출하는 단계; 상기 오차에 기초하여 오차의 그래디언트를 역방향으로(출력층에서 입력층으로) 계산함으로써 (back-propagation) 상기 딥러닝 필터의 하이퍼파라미터들을 오차를 줄이는 방향으로 갱신하는 단계; 및이 과정을 반복함으로써 상기 딥러닝 필터를 학습시키고 필터의 파라미터들을 3차원 원자 단위 구조 결정에 최적화시키는 단계를 포함하는, 3차원 원자 단위 구조 결정 방법
|
