물리 기반 가중 획득함수를 이용한 산화물 박막 성장 최적화

초록

본 연구는 기대 개선(Expected Improvement) 획득함수에 물리적 가중치를 곱하는 방식으로 물리‑정보를 통합한 베이지안 최적화(PIBO)를 제안한다. LaAlO₃ 분자빔 에피택시(MBE)에서 스토이키오메트리(La/Al 비율) 제약을 반영한 가중 함수를 설계해, 15번의 실험만에 격자 상수와 결정 품질을 벌크값에 수렴시켰다. 가중 함수만 추가하면 기존 BO 파이프라인을 거의 그대로 사용할 수 있어 다른 소재에도 손쉽게 적용 가능하다.

상세 분석

이 논문은 베이지안 최적화(Bayesian Optimization, BO)의 핵심 요소인 획득함수(acquisition function)에 물리적 사전지식을 직접 삽입하는 새로운 전략을 제시한다. 기존 BO에서는 기대 개선(Expected Improvement, EI)과 같은 획득함수를 사용해 탐색‑활용 균형을 조절하지만, 물리적 제약이 반영되지 않아 실험적으로 불가능하거나 비효율적인 파라미터 조합을 제안하는 경우가 빈번하다. 저자들은 EI에 ‘가중 함수(weight)’를 곱함으로써 물리적 제약을 확률적 형태가 아닌 deterministic 형태로 직접 반영한다.

가중 함수는 La/Al 공급비 δ를 기준으로 중심값 c = 1(이론적 스토이키오메트리) 주변에 평탄한 윈도우(반폭 τ)와 그 외 영역에서 가우시안 감쇠를 적용한다. 평탄 윈도우 안에서는 가중치가 1이므로 EI가 그대로 유지되고, 윈도우 밖에서는 가중치가 급격히 감소해 비스톡이오메트리 조건을 자연스럽게 억제한다. 추가 파라미터 ε는 ‘ε‑greedy’와 유사하게 가중 함수를 완전히 평탄하게 만들 확률을 제공해, 모델 오차나 실험 노이즈가 존재할 때도 완전 배제되지 않도록 보장한다.

이 설계는 물리적 지식(예: La와 Al의 스티킹 계수가 거의 1이라는 가정)을 정량화하는 간단한 수식으로 구현되며, 기존 GP(가우시안 프로세스) 서프라이즈 모델이나 하이퍼파라미터 튜닝에 별도 변경을 가하지 않는다. 따라서 실험실 자동화 파이프라인에 최소한의 코드 수정만으로 적용 가능하다.

실험적으로는 LaAlO₃(MBE) 성장에 세 가지 변수(La/Al 비율 δ, 성장 온도, 오존 노즐‑시료 거리)를 탐색 공간으로 설정하고, 초기 5개의 무작위 시점 이후 가중 EI를 최대화하는 파라미터를 순차적으로 선택했다. 결과적으로 가중 EI는 초기 단계에서 스토이키오메트리 중심 근처를 집중 탐색하면서도 온도와 거리 축에서는 충분한 자유도를 유지했다. 반면, 순수 EI는 스토이키오메트리 윈도우 밖에서 높은 값을 부여해 실험 실패(LaAlO₃ 상 미형성)를 초래했다.

가중 EI를 사용한 15번의 성장 사이클 후, X‑ray 회절을 통해 측정한 격자 상수 차이 Δc는 0 Å에 수렴했으며, 이는 벌크 LaAlO₃ 값과 일치한다. 동시에 (002) 피크 강도가 10배 이상 증가하고, Laue 프린지와 같은 미세 구조 지표도 개선돼 고품질 단결정 박막이 얻어졌다. 최적 조건은 δ = 0.88, 온도 = 892 °C, 노즐‑시료 거리 = 5.5 mm으로, 스토이키오메트리 윈도우를 약간 벗어나지만 실제 실험 장비 보정 오차를 보정한 결과로 해석된다.

이 접근법은 물리적 제약을 ‘확률적 제약’이 아닌 ‘가중치’ 형태로 구현함으로써, 제약이 강하게 적용되면서도 탐색 가능성을 완전히 차단하지 않아 모델 오차에 대한 강인성을 확보한다. 또한, 비대칭 가중치 설계(예: SrRuO₃에서 Ru‑rich 조건 선호)와 온도·산소분압 등 열역학적 변수에 대한 가중치 확장도 제안돼, 다양한 복합 산화물 시스템에 적용 가능성을 시사한다.

요약하면, 물리‑정보를 획득함수에 직접 곱하는 간단하면서도 효과적인 방법이 복잡한 다변량 성장 최적화 문제를 크게 가속화하고, 실험 실패를 최소화하며, 고품질 박막을 얻는 데 기여한다는 점에서 큰 의미를 가진다.