머신러닝 기반 스펙트럼 해석으로 FeTe₀.₅₅Se₀.₄₅ 초전도체의 마요라나 제로 모드 탐색

초록

본 연구는 초저온 STM으로 획득한 FeTe₀.₅₅Se₀.₄₅의 격자형 LDOS 데이터를 픽셀 단위로 라우렌츠 피크로 분해하고, 피크 파라미터를 특징 벡터화한 뒤 PCA‑UMAP‑HDBSCAN 흐름의 비지도 머신러닝으로 클러스터링한다. 제로 바이어스 피크(ZBP)와 비슷한 전통적 결함 상태를 구분하고, 제로 에너지에 집중된 C₀ 클러스터가 소용돌이 핵 중심에 국소화된 점을 확인함으로써 마요라나 제로 모드(MZM)의 존재 가능성을 객관적으로 제시한다.

상세 분석

이 논문은 FeTe₀.₅₅Se₀.₄₅(FTS)를 내재적 위상 초전도체로 가정하고, 마요라나 제로 모드(MZM) 탐지를 위한 데이터‑드리븐 파이프라인을 제시한다. 실험적으로 40 mK의 희석냉각 STM을 이용해 B = 2 T에서 격자형 dI/dV 스펙트럼(≈80 × 80 nm², 0.5 nm 간격)을 수집하였다. 각 스펙트럼은 다중 라우렌츠 피크 합으로 모델링되었으며, 피크 중심(c), 진폭(a), 폭(w)을 추출한다. 여기서 피크 수 K는 자동화된 2차 미분 검출 후 비선형 최소제곱 피팅으로 결정되며, 피팅 품질은 R² > 0.98로 보장된다.

추출된 파라미터는 (N × M × K × D) 형태의 텐서로 정렬되고, 제로 바이어스 근접성(ΔE < 0.1 meV)과 스펙트럼 대칭성(양·음극 진폭 비율) 같은 물리적 직관을 반영한 보조 특징이 추가된다. 공간 좌표는 의도적으로 제외해 순수 스펙트럼 특성만을 학습하도록 설계하였다.

다음 단계는 차원 축소와 이상치 제거이다. PCA를 적용해 95 % 분산을 보존하는 10차원 서브스페이스로 투영하고, k‑NN 거리 기반 스코어링으로 고립된 점들을 제거한다. 이후 UMAP을 이용해 비선형 구조를 2차원 임베딩하고, HDBSCAN(최소 클러스터 크기 = 30, 최소 샘플 = 5)으로 밀도 기반 클러스터링을 수행한다. 결과는 세 개의 클러스터(C₀, C₁, C₂)로 구분되며, C₀는 에너지 히스토그램이 0 meV에 강하게 집중하고, 공간적으로 소용돌이 핵 중심에 국소화된 특징을 보인다. 반면 C₁·C₂는 에너지·공간 분포가 넓고, 주로 결함·도메인 경계 주변에 위치한다.

클러스터별 3D(에너지‑위치) 시각화와 ZBC 맵을 비교한 결과, C₀에 속한 피크는 비분열성 ZBP를 형성하고, 온도·자기장 변화에 강인함을 보이며, 전통적인 CdGM 레벨이나 YSR 상태와는 구별되는 전자적 시그니처를 가진다. 또한, 비자성 결함 지도와의 상관 분석에서 C₀와 비정상적인 결함 분포가 약한 상관관계를 보임을 확인, 이는 C₀가 순수 위상적 기원일 가능성을 뒷받침한다.

이러한 워크플로우는 (1) 전통적인 라인·포인트 스펙트로스코피에 비해 전체 격자 데이터를 활용해 통계적 신뢰도를 높이고, (2) 인간의 주관적 판단을 최소화해 재현 가능한 MZM 판별 기준을 제공한다는 점에서 의미가 크다. 다만 라우렌츠 피팅이 복잡한 배경 전도에 민감하고, 클러스터링 파라미터 선택이 결과에 영향을 미칠 수 있다는 한계점도 명시한다. 향후 스핀‑편극 STM, 비국소 전도 측정 등과 결합하면 MZM 확인을 더욱 견고히 할 수 있다.