시간이 흐름에 따라, 경제적이고 유연한 전자 기기에 대한 수요가 특히 스마트 라벨링, 포장 및 의료 감지 분야에서 증가하고 있다. 롤 투 롤 (R2R) 인쇄 전자 기술, 특히 탄소 나노튜브 (CNT) 박막 트랜지스터 (TFT)는 생산 비용이 낮고 고효율이기 때문에 대량 생산에서 선두주자로 떠오르고 있음. 그러나 신속한 R2R 인쇄 과정과 CNT 잉크의 짧은 어닐링 시간 (<1 분)은 CNT-TFT 특성에 중요한 변동을 일으킬 수 있다. 이러한 특성은 CNT 네트워크의 형태에 크게 의존하며, R2R 인쇄를 최적화하기 위해 CNT 형태를 효과적으로 분석하고 양적으로 측정할 수 있는 도구를 개발하는 필요성을 보여준다.
원자간력현미경 (AFM)은 SEM 또는 TEM과 달리 표면 높이를 직접 측정하기 때문에 CNT 네트워크 형태를 특성화하는 데 효과적인 방법으로 부각된다. 그러나 R2R 인쇄된 TFT 표면의 높은 거칠기는 AFM 이미지의 직접적인 분석을 복잡하게 만들어, 일관되고 신뢰할 수 있는 CNT 네트워크 형태의 분석방법이 필요하다.
본 연구는 머신 러닝 기반 이미지 처리를 활용하여 AFM 이미지로부터 CNT 네트워크 형태를 추출하는 것을 목표로 하였다. 이미지 처리 방법은 GAN 기반 이미지 대 이미지 변환을 사용하며 물리학 기반의 생성된 실제 데이터를 사용하여 기계 학습 모델의 성능을 검증하였다. Ground Truth 시뮬레이션 이미지는 CNT 높이, 길이, 수량 및 CNT-CNT 및 CNT-기판 간의 상호 작용과 같은 매개 변수를 사용하여 실제 CNT 네트워크를 잘 모방하도록 생성되었다. 결과적으로, 향상된 CNT 네트워크 이미지를 원래 CNT AFM 이미지 및 변환된 이미지와 비교함으로써 CNT 네트워크의 성공적인 추출을 확인하였다.