1 |
1
다결정 소재의 결정 정보를 2차원 맵핑하는 방법에 있어서,다결정 소재에 전자 빔을 주사하여 얻어진 회절 패턴을 획득하는 단계;비지도(unsupervised) 학습에 기초하여, 상기 획득된 회절 패턴에 대해 군집화(clustering) 알고리즘을 적용하여 복수의 클러스터를 생성하는 단계;지도(supervised) 학습에 기초하여, 상기 생성된 복수의 클러스터 각각에 대해 병렬 DCNN(deep convolutional neural network) 알고리즘을 적용하여 상기 다결정 소재의 결정 정보를 획득하는 단계; 및 상기 획득한 결정 정보가 맵핑된 2차원 이미지를 생성하는 단계를 포함하는, 방법
|
2 |
2
제1항에 있어서,상기 복수의 클러스터를 생성하는 단계는, 상기 획득된 회절 패턴을 상기 다결정 소재에 포함되는 결정립(crystal grain)에 기초하여 분류하는 단계; 및상기 분류된 회절 패턴에 대해 위치 평균화된 회절 패턴을 생성하는 단계를 더 포함하는, 방법
|
3 |
3
제2항에 있어서,상기 생성된 복수의 클러스터의 개수는 상기 다결정 소재에 포함되는 상기 결정립의 수와 동일한 것을 특징으로 하는, 방법
|
4 |
4
제2항에 있어서,시뮬레이션된 위치 평균화된 회절 패턴의 방향에 대응되도록 상기 생성된 위치 평균화된 회절 패턴의 방향에 대해 회전 보정을 수행하는 단계를 포함하는, 방법
|
5 |
5
제1항에 있어서,상기 복수의 클러스터를 생성하는 단계는, 상기 회절 패턴에 대해 K 평균(K-means) 알고리즘, 평균 이동(mean shift) 알고리즘, GMM(gaussian mixture model) 알고리즘 및 DBSCAN(density based spatial clustering of applications with noise) 알고리즘 중 적어도 하나의 알고리즘을 적용하여 복수의 클러스터를 생성하는 단계를 포함하는, 방법
|
6 |
6
제1항에 있어서,상기 생성된 복수의 클러스터 각각에 대해 적용되는 상기 병렬 DCNN 알고리즘은, 상기 다결정 소재의 결정 대칭(symmetry)과 관련된 제1 DCNN 알고리즘, 결정의 기울기(tilt)와 관련된 제2 DCNN 알고리즘 및 결정 두께(thickness)와 관련된 제3 DCNN 알고리즘을 포함하는 것을 특징으로 하는, 방법
|
7 |
7
제6항에 있어서,상기 생성된 복수의 클러스터 각각에 대해 적용되는 상기 병렬 DCNN 알고리즘은, 결정 구조의 변형(strain)과 관련된 제4 DCNN 알고리즘을 더 포함하는 것을 특징으로 하는, 방법
|
8 |
8
제1항에 있어서,상기 2차원 이미지는 결정 대칭과 관련된 제1 지도 이미지, 결정의 기울기와 관련된 제2 지도 이미지 및 결정 두께와 관련된 제3 지도 이미지를 포함하는 것을 특징으로 하는, 방법
|
9 |
9
제1항에 있어서,상기 다결정 소재는 10nm 이하의 초박막 두께를 갖는 것을 특징으로 하는, 방법
|
10 |
10
제1항에 있어서,상기 회절 패턴은 4D-STEM(4D-scanning transmission electron microscopy)을 통해 획득된 CBED(convergent beam electron diffraction) 데이터인 것을 특징으로 하는, 방법
|
11 |
11
다결정 소재의 결정 정보를 2차원 맵핑하는 장치에 있어서,결정 구조를 갖는 시료에 대한 촬영 이미지를 검출하는 이미지 획득부; 및상기 촬영 이미지를 처리하여 상기 다결정 소재의 결정 정보를 획득하는 이미지 처리부를 포함하고,상기 이미지 처리부는,다결정 소재에 전자 빔을 주사하여 얻어진 회절 패턴을 획득하고,비지도(unsupervised) 학습에 기초하여, 상기 회절 패턴에 대해 군집화(clustering) 알고리즘을 적용하여 복수의 클러스터를 생성하고,지도(supervised) 학습에 기초하여, 상기 생성된 복수의 클러스터 각각에 대해 병렬 DCNN(deep convolutional neural network) 알고리즘을 적용하여 상기 다결정 소재의 결정 정보를 획득하고,상기 획득한 결정 정보가 맵핑된 2차원 이미지를 생성하는, 장치
|
12 |
12
제11항에 있어서,상기 이미지 처리부는, 상기 획득된 회절 패턴을 상기 다결정 소재에 포함되는 결정립(crystal grain)에 기초하여 분류하고, 상기 분류된 회절 패턴에 대해 위치 평균화된 회절 패턴을 생성하는, 장치
|
13 |
13
제12항에 있어서,상기 생성된 복수의 클러스터의 개수는 상기 다결정 소재에 포함되는 상기 결정립의 수와 동일한 것을 특징으로 하는, 장치
|
14 |
14
제12항에 있어서,상기 이미지 처리부는, 시뮬레이션된 위치 평균화된 회절 패턴의 방향에 대응되도록 상기 생성된 위치 평균화된 회절 패턴의 방향에 대해 회전 보정을 수행하는, 장치
|
15 |
15
제11항에 있어서,상기 이미지 처리부는, 상기 회절 패턴에 대해 K 평균(K-means) 알고리즘, 평균 이동(mean shift) 알고리즘, GMM(gaussian mixture model) 알고리즘 및 DBSCAN(density based spatial clustering of applications with noise) 알고리즘 중 적어도 하나의 알고리즘을 적용하여 복수의 클러스터를 생성하는, 장치
|
16 |
16
제11항에 있어서,상기 생성된 복수의 클러스터 각각에 대해 적용되는 상기 병렬 DCNN 알고리즘은, 상기 다결정 소재의 결정 대칭(symmetry)과 관련된 제1 DCNN 알고리즘, 결정의 기울기(tilt)와 관련된 제2 DCNN 알고리즘 및 결정 두께(thickness)와 관련된 제3 DCNN 알고리즘을 포함하는 것을 특징으로 하는, 장치
|
17 |
17
제16항에 있어서,상기 생성된 복수의 클러스터 각각에 대해 적용되는 상기 병렬 DCNN 알고리즘은, 결정 구조의 변형(strain)과 관련된 제4 DCNN 알고리즘을 더 포함하는 것을 특징으로 하는, 장치
|
18 |
18
제11항에 있어서,상기 2차원 이미지는 결정 대칭과 관련된 제1 지도 이미지, 결정의 기울기와 관련된 제2 지도 이미지 및 결정 두께와 관련된 제3 지도 이미지를 포함하는 것을 특징으로 하는, 장치
|
19 |
19
제11항에 있어서,상기 다결정 소재는 10nm 이하의 초박막 두께를 갖는 것을 특징으로 하는, 장치
|
20 |
20
제11항에 있어서,상기 회절 패턴은 4D-STEM(4D-scanning transmission electron microscopy)을 통해 획득된 CBED(convergent beam electron diffraction) 데이터인 것을 특징으로 하는, 장치
|