깊이 초점 한계 넘어서는 X‑선 나노단층촬영: 자동 미분으로 두 현미경을 하나의 코드로

초록

본 논문은 두 종류의 X‑선 현미경(전장 및 스캔형 펀치토그래피)에서 깊이 초점(DOF) 한계를 초과하는 두께의 시료를 다중 슬라이스 전파 모델로 정확히 시뮬레이션하고, TensorFlow 기반 자동 미분(AD)과 Adam 최적화를 이용해 3차원 굴절률 분포를 재구성하는 방법을 제시한다. L2 데이터 적합도와 L1·양성·지원 제약을 결합한 손실함수로, 슬라이스 간 간격을 픽셀 크기와 동일하게 설정해 등방성 복셀을 구현한다. 하나의 코드베이스로 전장 및 펀치토그래피 모두 적용 가능하며, 기존 방법 대비 구현 편의성·유연성을 크게 향상시킨다.

상세 분석

이 연구는 X‑선 나노단층촬영에서 전통적인 투영 가정이 깨지는 상황, 즉 시료 두께가 깊이 초점(DOF) 한계보다 클 때 발생하는 다중 산란·회절 효과를 다중 슬라이스(multislice) 전파 모델로 정량화한다. 다중 슬라이스는 시료를 얇은 층으로 분할하고, 각 층에서 굴절률(δ,β)에 의해 파면을 변조한 뒤 프레넬 자유공간 전파를 수행한다(Fig. 2). 이 과정을 모든 층에 반복해 최종 출구 파면을 얻으며, 슬라이스 두께 Δz를 전단위 픽셀 크기 Δx와 동일하게 설정함으로써 등방성 복셀을 구현한다. 기존 방법은 층 간 간격을 최소 1 DOF로 제한했으나, 여기서는 Δz≤Δx 조건만 만족하면 되므로 보다 정밀한 3‑D 재구성이 가능하다.

재구성 문제는 파라미터 벡터 n(δ,β)와 관측 데이터 y 사이의 손실 함수 L을 최소화하는 최적화 문제로 정의된다. L은 시뮬레이션 파면과 측정 파면의 L2 차이와, 객체의 L1 정규화(희소성), δ·β의 양성 제약, 그리고 제한된 시야 내에 존재한다는 지원 제약을 포함한다. 손실 함수의 미분은 자동 미분(AD)으로 자동 계산되며, TensorFlow의 Adam 옵티마이저가 1차 경사 기반 업데이트를 수행한다. AD를 활용하면 복잡한 다중 슬라이스 연산을 신경망 레이어처럼 구성할 수 있어, 새로운 정규화 항이나 물리적 제약을 코드 수정 없이 손쉽게 추가할 수 있다.

두 가지 현미경 모드에 동일한 프레임워크를 적용한다는 점이 핵심이다. 전장 모드에서는 시료를 통과한 파면을 짧은 거리 d만큼 프레넬 전파시켜 위상 대비를 얻고, 이를 검출기에서 직접 측정한다. 펀치토그래피 모드에서는 작은 프로브를 겹치게 스캔하면서 각 위치에서 원거리 회절 패턴을 기록한다. 다중 슬라이스 전파는 두 경우 모두 동일하게 적용되며, 전장에서는 단일 프로브(k = 0)만 사용하고, 펀치토그래피에서는 다중 프로브 위치 k를 순차적으로 처리한다. 따라서 하나의 코드베이스가 두 실험 구성을 모두 지원한다.

기존 연구와 비교했을 때 차별점은 다음과 같다. (1) 전장·펀치토그래피 양쪽을 동시에 구현한 통합 프레임워크, (2) 슬라이스 간격을 픽셀 크기와 동일하게 설정해 등방성 복셀을 확보, (3) 전통적인 모듈러스 교체 방식이 아닌 손실 함수 기반 최적화와 AD를 이용한 전역 업데이트, (4) TensorFlow 기반 구현으로 GPU 가속 및 확장성이 뛰어남. 이러한 장점은 특히 차세대 고강도 동기광원에서 제공되는 높은 코히런스 플럭스를 활용해 두꺼운 시료를 고해상도로 촬영하고자 할 때, 다중 산란을 정확히 모델링하면서도 구현 복잡성을 크게 낮출 수 있음을 의미한다.