[DGIST 시리즈 6편] 의료계에 도입되는 마이크로/나노 로봇의 미래

1966년에 출시된 공상과학(SF) 영화 ‘마이크로 결사대(Fantastic Voyage)’는 비현실적이지만 혁신적인 개념을 선보였다. 이 영화는 혈전을 제거하기 위해서 세포 크기로 축소된 잠수정이 몸속 혈관을 돌아다니며 혼수상태에 빠진 환자를 구하는 이야기로 위험하고 불가피한 수술을 안전한 정맥 치료로 대체할 수 있는 미래를 보여주었다.

▲ 그림 1. 1966년작 SF 영화 ‘마이크로 결사대(Fantastic Voyage)’ 포스터(a)와 3D 세포배양 및 표적 수송을 위한 자기 마이크로 로봇(b) (그림 1b 이미지 제공처: Wiley-VCH)

이런 공상과학 영화처럼 생물을 축소하는 것은 아직도 현실과 거리가 멀지만 무생물을 축소하는 것은 가능해지고 있다. 초소형 정밀기계 기술(Micro-Electro Mechanical Systems, MEMS)과 반도체 기술의 발전으로 인해 로봇과 장치를 초소형 크기로 제작이 가능해졌고, 이는 마이크로/나노 로보틱스(Micro/Nano Robotics) 분야에서 혁신을 이루는 원동력이 되고 있다. 현재 마이크로/나노 로봇은 약물 및 세포 전달, 비침습적 진단 그리고 표적 치료 등 의공학 분야에서 널리 활용되고 있다.

빛, 소리, 자기력을 이용하는 초소형 로봇

기존의 로봇은 모터를 작동하는 회로와 전력이 필수이기 때문에 마이크로/나노 크기로 제작이 어려웠다. 하지만 전력을 빛, 소리, 자기력 등으로 대체하면 무선으로 작동과 조작이 가능하기 때문에 마이크로/나노 크기의 로봇을 제작할 수 있다.

▲ 그림 2. 광학(빛)(a), 음향(b) 및 자기력(c) 기반으로 작동하는 마이크로/나노 로봇의 작동 방식

a. 광학(빛) 기반 작동 방식

광학(빛) 기반 작동 방식은 특정 물질이 빛에 노출되면 물리적 특성이 변하는 원리를 이용한다. 액정 엘라스토머*(Liquid Crystal Elastomers, 이하 LCE)는 중합체의 탄성과 액정 상태의 자체 조직을 결합하여 가역적 변형을 겪는 유연한 구조를 생성한다. LCE와 LCE 기반의 복합소재를 기반으로 만들어진 액추에이터*는 [그림 2a]와 같이 광원을 사용해 작동한다. 이처럼 LCE 기반 소프트 로봇의 광열과 광화학적 작동을 허용하는 재료에 대해 몇 가지 작동 방식과 제작 기술이 제시되고 있다.

* 엘라스토머(Elastomer) : 천연고무와 유사한 점성과 탄성을 지닌 중합체
* 액추에이터(Actuator) : 광학(빛)과 같은 외부의 에너지 등을 이용하여 움직일 수 있는 기계장치로 입력 신호에 따라 움직임을 제어하거나 일정한 동작을 수행하는 장치

소프트 로봇*의 작동은 광원 및 주변 환경과의 상호작용에 따라 달라진다. LCE의 발전을 고려할 때 이 작동은 주로 생체 모방 기술(Biomimetics)*을 활용하여 발생되는 작동 문제를 해결해 왔다. 특히, 소프트 소형 로봇에는 LCE를 적용하기 위해 인공 섬모*나 애벌레에서 영감을 받아 설계된 장치와 같이 다양한 생물에서 영감을 받은 장치들이 제시되었다.

* 소프트 로봇 : 연체동물처럼 부드러운 재질로 제작된 로봇. 속도나 힘보다는 안정성을 필요로 하는 부분에 활용되는 로봇
* 생체 모방 기술 : 자연의 원리에 맞춰 원시 생물학적 구조와 기능을 연구하여 이를 재료, 합성 시스템 및 기계에 모방 적용한 기술로 이를 통해 인류의 과제를 해결하는 데 목적이 있음
* 섬모 : 머리카락이나 털과 같은 구조로, 운동성을 가지면서 세포의 표면에 위치해 미생물이나 세포의 움직임을 돕는 구조물

또 다른 원리로 광열 메커니즘이 있다. 이것은 금속층으로 된 초소형 로봇이 레이저에서 발생하는 열을 반응해 장치를 움직이는 방식이다. 또, 투사된 광학 이미지를 통해 작은 입자를 조정하는 광전자 핀셋이 초소형 로봇을 제어하는 방식도 제시되고 있다.

b. 음향 기반 작동 방식

음향 기반 작동 방식은 음파에 의존하여 마이크로/나노 로봇을 움직인다. 광학 기반 작동 방식과 마찬가지로 음향 기반 작동 방식도 로봇 디자인에 따라 달라진다. 하지만 재료를 선택할 수 있어 생체에 더욱 적합하고 다양한 설계가 가능하다는 이점이 있다. 2 광자 중합(Two-Photon Polymerization)* 기술과 포토리소그래피(Photolithography)* 기술이 이러한 초소형 로봇 제조에 널리 사용되고 있다.

* 2 광자 중합(Two-Photon Polymerization) : 3D 프린팅에 사용되어 미세하고 복잡한 형태의 물체를 제작할 수 있는 기술
* 포토리소그래피(Photolithography) : 빛을 사용하여 실리콘 웨이퍼와 같은 기판 위에 적합한 재료의 미세 패턴 박막을 생성하는 기술

주요 음향 작동 방식으로는 ▲기포 추진 ▲유연한 꼬리 추진체 ▲현장(In Situ)* 마이크로 로터(micro-rotor, 작은 회전체)*가 있다.

▲기포 추진 방식은 [그림 2b]와 같이 개방형 구조물 내부에 갇힌 기포가 적용된 음향 필드를 따라 진동한다. 구조물의 양 끝은 유체의 흡입과 배출이 가능하며, 구조물 내부에 인가된 주파수가 기포의 공진 주파수에 가까워질수록 추진력이 증가한다.

▲유연한 꼬리 추진체는 단세포 유기체와 편모충류*에서 영감을 받아 만들어졌는데, 이 유연한 꼬리를 가진 초소형 로봇을 사용하여 추진력을 만들어 내기 위한 역회전 소용돌이*를 생성한다.

▲현장 마이크로 로터는 고정된 회전축을 가지고 있는데, 이는 유연한 꼬리 추진체와 유사한 작동 원리를 가진다.

* 현장(In Situ) : 그 위치에서 혹은 일이 일어나는 본래의 자리를 의미하는 라틴어
* 편모충류(Flagella) : 미세한 머리카락 같은 구조로서 세포의 이동에 개입한다.
* 소용돌이(Eddy) : 회전하며 흐르는 유체가 장애물을 헤쳐 나갈 때 생성되는 역류

c. 자기력 기반 작동 방식

자기력 기반 작동 방식은 전자석이나 영구자석 또는 이 둘을 결합한 시스템을 사용한다. 음향 및 광학 기반 작동 방식과 달리 자기력 작동은 제어 이론과 초소형 로봇 구조에 중점을 두어야 한다. [그림 2c]와 같이 초소형 로봇의 자기력 기반 작동을 위해 필요한 주요 제어 방법은 기울기, 회전, 진동 자기장 제어 등이 있다.

자기력 기반 작동 방식은 전자석이나 영구자석 또는 이 둘을 결합한 시스템을 사용한다. 음향 및 광학 기반 작동 방식과 달리 자기력 작동은 제어 이론과 초소형 로봇 구조에 중점을 두어야 한다. [그림 2c]와 같이 초소형 로봇의 자기력 기반 작동을 위해 필요한 주요 제어 방법은 ▲기울기 ▲회전 ▲진동 자기장 제어 등이 있다.

▲기울기 자기장에서 초소형 로봇은 자기 토크와 자기력을 경험한다. 이 경우 자기장 벡터는 방향을 안내하고 자기장 기울기는 움직임을 제어한다. 자기적 특성을 지닌 모든 구조물들은 이러한 방식으로 유도될 수 있다.

▲회전 자기장은 자기장 벡터가 축을 중심으로 회전함으로써 생성된다. 나선형 초소형 로봇은 회전 자기장 아래에서 유체의 힘을 사용해 스스로 전진할 수 있다. 원통형 초소형 로봇은 굴러가는 동작을 구현할 수 있으며, 구형 초소형 로봇은 표면에서 구를 수 있다.

▲진동 자기장은 평면에서 자기장 벡터의 위아래로 움직이는 이동에 의해 생성된다. 유연하거나 꼬리가 달려 있는 초소형 로봇과 소프트 로봇이 보통 이러한 방식으로 작동한다.

인공지능과 머신러닝의 부상

최근 몇 년간 인공지능(Artificial Intelligence)은 급격한 변화를 겪으며 교통, 은행, 의료 및 산업 자동화와 같은 다양한 분야에서 활용되고 있다. 인공지능은 최첨단 연구, 반도체 기술의 발전 그리고 광범위한 데이터의 가용성에 의해 더욱 발전하고 있다.

▲ 그림 3. 주요 머신러닝 알고리즘인 지도학습, 비지도학습 그리고 강화학습의 동작 과정

머신러닝(Machine Learning)은 제공된 데이터세트(Dataset)를 분석해 기계가 특정 작업을 수행하는 방법을 학습하는 인공지능 훈련 방법 중 하나다.

[그림 3]과 같이 주요 머신러닝 알고리즘에는 ▲지도학습(Supervised Learning) ▲비지도학습(Unsupervised Learning) ▲강화학습(Reinforcement Learning)이 있다. 머신러닝이 심층 신경망(서로 적층된 여러 개의 인공 신경망으로 구성)과 결합된 것을 딥러닝(Deep Learning)이라 부르는데, 머신러닝은 딥러닝을 통해 정보를 관리하고 인간에 걸맞은 수준, 혹은 그 이상의 결정을 내릴 수 있게 된다.

▲지도학습 알고리즘은 기계가 학습하고 추론할 수 있도록 레이블(Lable)이 지정된 데이터세트가 필요하다. 현재 활용 가능한 광범위한 데이터를 고려할 때, 지도학습은 분류, 회귀 그리고 예측 작업을 위한 강력한 도구가 되었다. 지도학습이 실용적으로 쓰이는 사례로는 객체 인식, 음성 인식 그리고 주식 시장 예측을 꼽을 수 있다.

▲비지도학습 알고리즘은 데이터세트에 레이블이 지정되지 않았을 때 사용된다. 이 알고리즘은 레이블 형태로 된 인간 지식에 의존하지 않고 기계가 스스로 데이터를 이해해야 하기 때문에 지도학습보다 더 복잡하다. 비지도학습은 군집화(Clustering), 유사성 및 이상 징후 감지, 데이터 시각화와 라벨링(Labeling) 되지 않은 데이터에 대한 라벨링 작업 등에 사용된다.

▲강화학습은 세 가지 알고리즘 중 인간의 학습 과정과 가장 유사하다. 강화학습 알고리즘은 특정 시나리오나 환경을 탐색하고 실수로부터 학습해 특정 작업을 완료하는 방법을 배운다. 알고리즘이 주어진 환경에서 일부 작업을 수행하는 동안 데이터세트가 런타임에서 생성된다. 강화학습 알고리즘은 인간의 개입 없이도 학습할 수 있으며 일반적으로 컴퓨터 게임, 자동차 운전, 주식 거래 등 인간이 이미 수행하고 있는 작업을 기계가 이해하게 하기 위해 사용된다. 예를 들어 구글의 알파고(Alphago)가 바로 이 강화학습을 기반으로 한 인공지능이며, 알다시피 2016년에 프로 바둑 세계 챔피언 이세돌을 이기는 기록을 세웠다.

초소형 로봇과 인공지능

지난 10년 동안 인공지능은 로봇공학 분야에서 존재감이 더욱 커졌다. 인공지능은 시각(Vision)과 제동 제어(Autonomous Control)를 통해 로봇을 조종하는 로봇공학에 새로운 방향성을 제공했다. 최근 늘어나는 자율주행차와 일상생활에서의 자율로봇 수요의 증가를 살펴보았을 때, 머지않은 미래에 인간의 모양을 한 로봇인 휴머노이드가 인간을 대체하는 것도 실현 가능해 보인다.

2000년대 초에 도입되기 시작한 다빈치 수술 시스템*은 로봇공학이 전통적인 수술에서의 구성 요소로 추가되었다. 의사들은 이 시스템을 통해 몸속에 의료기기를 투입하는 침습적이고 복잡한 시술을 좁고 제한된 공간에서 비교적 쉽게 수행할 수 있게 됐다.

* 다빈치 수술 시스템 : 미국의 의료 장비 기업 인튜이티브(Intuitive)가 출시한 수술용 로봇

기계가 인체 내부에서 마이크로/나노 스케일로 복잡한 작업을 수행하는 것은 매우 어렵다. 이에 따라 연구원들은 지난 10년 동안 초소형 로봇에 인공지능을 통합하는 연구를 해왔다. 마이크로/나노 스케일의 설계 최적화, 제어/작동, 자동화, 영상화와 관련된 과제는 인공지능 도입을 통해 해결되고 있다.

마이크로/나노 로봇의 설계 최적화는 제어 체계의 효율성에 중요한 역할을 한다. 머신러닝은 자동차 산업, 안테나 설계 및 복합소재 설계 등의 분야에서 설계 최적화 기법으로 널리 쓰이고 있다. 머신러닝은 기존의 최적화 기술과 비교했을 때, 최적화 문제를 상당히 가속화하고 더 나은 설계를 제공할 수 있다. 최근 마이크로/나노 스케일에서의 머신러닝 기반 최적화 사례로는 2021년에 손동훈 등 연구자들이 보고한 최적 접착성 피브릴(Fibril)* 디자인이 있다. 그들의 머신러닝 접근 방식은 기존에 제안된 설계 방식보다 77% 더 우수한 결과를 보여주었다.

* 피브릴(Fibril) : 생물 또는 물질 내에서 볼 수 있는 작고 가느다란 섬유 구조로, 분자 또는 결정체가 일렬로 정렬되어 형성된다. 피브릴은 구조와 성질에 따라 유연성이나 접착성이 달라 다양하게 사용된다.

인체 내부에서는 광학 영상화 기술을 사용할 수 없기 때문에 마이크로/나노 스케일의 로봇에는 영상화가 어렵다. 자기 공명 영상(MRI), 초음파 및 X선은 체내(In Vivo)* 및 체외(Ex Vivo)* 모두에서 마이크로/나노 구조물의 위치를 감지하는 데 사용된다.

2022년 카림 보트로스(Karim Botros) 등이 발표한 초소형 로봇의 초음파 영상을 기반으로 한 자율 감지 및 추적에 대한 연구에서는 딥러닝 알고리즘을 사용해 90% 이상의 정확도로 로봇을 추적할 수 있었다. 같은 해 메멧 에페 티랴키(Mehmet Efe Tiryaki) 등은 2차원 자기 공명 영상을 이용하여 자기 초소형 로봇의 딥러닝 기반 3차원 추적 방법을 제시했는데, 생체 외에서 87.5%의 정확도를 달성할 수 있었다.

* 체내(In Vivo) : 생명체의 내부를 의미하는 라틴어 구문
* 체외(Ex Vivo) : 생명체의 외부를 의미하는 라틴어 구문

인체 내부의 마이크로/나노 스케일의 제어와 작동은 더욱 복잡하다. 그 이유는 초소형 로봇의 구조와 주변 환경 사이에서 일어나는 브라운 운동(Brownian Motion)* 상호작용과 작동 메커니즘이 로봇에 미치는 영향 때문이다. 이러한 복잡성으로 인해 로봇의 개방 루프 제어가 어렵기 때문에, 비례-적분-미분(PID)* 연산과 같은 기존 컨트롤러를 신뢰할 수 없게 된다. 따라서 인간의 입력에 덜 의존하고 데이터를 스스로 생성하는 강화학습이 제어 작동 방식에서 신뢰할 수 있는 머신러닝 기술이 되었다.

* 브라운 운동(Brownian Motion) : 유체 내에서 부유하는 작은 입자가 보여주는 임의의 움직임
* 비례-적분-미분(Proportional-Integral-Derivative, PID) : 산업 제어 시스템에서 널리 사용되는 제어 루프 피드백 메커니즘으로서 프로세스 또는 시스템의 출력을 지속적으로 조정하고 피드백을 사용하여 원하는 설정값과 일치하도록 만드는 방법

2018년 산티아고 무이뇨스-란딘(Santiago Muiños-Landin) 등은 초소형 로봇의 강화학습 이용과 관련된 최초의 논문 중 하나를 발표했다. 그들은 빛으로 제어되는 인공 마이크로스위머(Microswimmer)*를 개발했는데, 이 스위머는 브라운 운동의 영향으로 유체 속에서도 움직일 수 있는 미세한 장치다. 그들은 작업 공간을 격자 형태와 유사한 구조로 나누고, 마이크로스위머가 목표 지점에 도달할 수 있는 최적의 경로를 식별하기 위해 강화학습을 사용했다.

* 마이크로스위머(Microswimmer) : 미세한 크기로 유체 내에서 움직이는 능력을 가진 작은 로봇

자기 작동의 경우에는 2021년 마이클 R. 베렌스(Michael R. Behrens)와 워렌 C. 루더(Warren C. Ruder)가 발표한 스마트 나선형 초소형 로봇이 있다. 이 로봇은 원형 유체 채널 내부에서 최적의 움직임을 위해 강화학습이 안내한 시간에 따라 변하는 자기장을 사용한다.

음향 작동 방식과 강화학습에 대한 가장 최근의 연구는 2022년 발표한 마티스 슈라지(Matthijs Schrage) 등에 의해 발표된 연구인데, 이 논문에서 그들은 초음파로 프로그래밍 제어가 가능한 초소형 로봇 무리를 제시했다. 또한 같은 해에 리동 양(Lidong Yang) 등은 강화학습을 통한 자기 나노 입자의 완전 자율 탐색기를 시연했다. 이들의 강화학습 접근 방식으로 시간에 따라 변하는 자기장에서 최적의 탐색을 위해 나노입자 무리의 모양과 궤적을 제어할 수 있다.

인공지능 작동 초소형 로봇공학의 미래

▲ 그림 4. 마이크로 전극 배열의 자기 구동 초소형 로봇을 통한 신경 재건

최근의 연구는 [그림 4]에서 보이는 신경 재건과 같은 생물 의학 분야에서 응용이 가능한 초소형 로봇에 초점을 맞추고 있다. 이 때문에 생체 내 임상 시험의 필요성이 증가하고 있고, 초소형 로봇과 인공지능 분야의 최신 연구는 의공학 분야에서 무한한 발전 가능성을 품고 있다. 특히 인공지능이 마이크로/나노 스케일에서 인간의 오류와 한계를 제거할 수 있다는 이점 때문에 생물 의학 분야에서 초소형 로봇에 인공지능이 적용된 결과물은 곧 생체 내 임상시험이 진행될 것으로 보인다.

지금까지의 마이크로 스케일 영상화, 로컬라이제이션, 제어와 제조 기술의 발전을 고려할 때, 앞으로 인공지능을 탑재한 마이크로/나노 로봇은 수술실에서 인간을 대체하는 것은 필연적인 미래가 될 것이다. 이러한 기술과 함께 미래에는 머신러닝도 더 발전함에 따라 반도체 사용량도 더욱 증가할 것이다.

※ 본 칼럼은 반도체에 관한 인사이트를 제공하는 외부 칼럼으로, SK하이닉스의 공식 입장과는 다를 수 있습니다.