전자·원자구조 이미징 해석 연구실

신소재공학과 최시영

전자·원자구조 이미징 해석 연구실은 신소재공학과의 일환으로, 원자 구조 분석, 강유전체 박막, 나노 입자 위상, 전이 금속 산화물 및 재료 과학에서의 기계 학습을 주요 연구 분야로 삼고 있습니다. 최근 3년간 본 연구실은 다양한 프로젝트와 연구를 통해 높은 성과를 이루어냈습니다. 특히, 2024년에 발표된 '나노 입자의 극성 위상의 3차원 배열' 및 '단결정 Mott 스위치에서의 피에조 스트레인 제어 상전이'와 같은 논문들은 주목할 만한 성과로 꼽힙니다. 또한, '기계 학습을 이용한 페로브스카이트 구조 분석 방법'과 같은 특허를 통해 혁신적인 연구 방법을 제시하였습니다. 이러한 연구 성과는 다양한 기업과의 협업을 통해 실질적인 응용 가능성을 높이고 있습니다.

Transition Metal Oxides

Machine Learning in Material Science

Nanoparticle Topology

대표 연구 분야

연구 영역 전체보기

저차원 물질의 원자 구조 분석 및 특성화

저차원 물질, 특히 2H-MoTe2 단층 구조의 결함 엔지니어링을 통해 원자 구조를 분석하고 특성을 규명하는 연구입니다. 최신 주사투과전자현미경(STEM) 기법을 활용하여 저차원 물질의 원자 이미지를 상세히 분석하고, 결함을 조절하여 물질의 전기적, 광학적 특성을 향상시키는 방법을 개발합니다. 이러한 연구는 나노소재의 특성화 및 응용에 중요한 기초 데이터를 제공하며, 프린터블 전자소자 및 고성능 나노소재 개발에 기여할 수 있습니다.

페로브스카이트 구조의 기계학습 기반 분석

기계학습 알고리즘을 활용하여 페로브스카이트 구조의 원자 배열을 분석하고 예측하는 연구입니다. 대규모 데이터셋을 구축하고 이를 통해 페로브스카이트 구조의 결함 및 상전이 등 복잡한 원자 구조를 정확히 분석합니다. 나아가, 기계학습 모델을 통해 새로운 페로브스카이트 소재의 특성을 예측하고, 이를 바탕으로 고효율 태양전지 및 촉매 소재를 개발하는 것을 목표로 합니다. 이 연구는 소재 과학 및 공학 분야에서 데이터 기반 접근법의 가능성을 확장시킵니다.

주요 논문

발행물 전체보기

Revealing the three-dimensional arrangement of polar topology in nanoparticles

Chaehwa Jeong, Juhyeok Lee, Hyesung Jo, Jaewhan Oh, Hionsuck Baik, Kyoung-June Go, Junwoo Son, Si-Young Choi, Sergey Prosandeev, Laurent Bellaiche, Yongsoo Yang

Nature Communications, 2024

Reduced dimensional ferroelectric domains and their characterization techniques

Jinhyuk Jang, Si-Young Choi

Microstructures, 2024

Piezo strain-controlled phase transition in single-crystalline Mott switches for threshold-manipulated leaky integrate-and-fire neurons

Dong Kyu Lee, Sungwon Lee, Hyeji Sim, Yunkyu Park, Si-Young Choi, Junwoo Son

Science Advances, 2024