재활용 플라스틱의 품질과 안전을 보장하기 위한 정확한 폴리머(고분자) 식별은 매우 중요하지만, 기존의 분류 및 분광 기술은 견고한 식별에 어려움을 겪어왔습니다. 이러한 한계를 극복하기 위해, 테라헤르츠 이중 빗살 분광법(THz Dual-Comb Spectroscopy, THz-DCS)과 딥러닝(Deep Learning) 기술을 결합한 새로운 접근 방식이 제안되었습니다. 이 기술은 빠르고, 고해상도이며, 비파괴적인 측정을 통해 12가지 유형의 폴리머를 효과적으로 분류해냈습니다.
연구팀은 순수 폴리머, 다층 필름, 상업용 혼합물, 바이오폴리머 등 복잡한 스펙트럼 신호를 처리하기 위해 '다중 스케일 특징 어텐션 네트워크(Multi-Scale Feature Attention Network, MSFAN)'라는 새로운 딥러닝 아키텍처를 개발했습니다. MSFAN은 신호 재보정을 위한 특징 게이팅(feature gating)과 다양한 주파수 패턴을 포착하는 다중 스케일 병렬 컨볼루션(multi-scale parallel convolutions)을 통합합니다. 또한, 교차 특징 어텐션(cross-feature attention)과 어텐션 풀링(attention pooling)을 통해 가장 유익한 테라헤르츠(THz) 영역을 자동으로 강조하여, 기존 최첨단 모델들을 능가하는 85.2%의 분류 정확도를 달성했습니다.
이 연구는 THz-DCS와 딥러닝의 결합이 효과적이고 확장 가능하며 해석 가능한 폴리머 분류를 가능하게 함을 입증했습니다. 이는 플라스틱 재활용 산업의 효율성과 품질을 크게 향상시킬 수 있는 잠재력을 가집니다. 정확한 폴리머 식별은 재활용 공정에서 불순물 제거를 용이하게 하고, 고품질 재활용 제품 생산을 가능하게 하여 순환 경제 구축에 기여할 것입니다. 또한, 이 기술은 플라스틱 폐기물 문제 해결과 환경 보호에도 중요한 역할을 할 것으로 기대됩니다.