빛 산란을 통한 입자 특성화의 미래 모양

작성자 Malvern Panalytical, Wednesday, 16th July 2025

이 인터뷰는 원래 2025년 7월 7일 AZoM.com에 게재되었습니다.

빛 산란은 다양한 과학 분야에서 오랫동안 입자 특성화의 핵심 기술로 자리 잡았습니다. 제약부터 식품 생산, 나노의학에서 환경 분석에 이르기까지, 그 다양성과 정확성은 필수적입니다. 기술 혁신이 가속화됨에 따라, 새로운 도전과 기회가 생기며 자동화, 인공지능, 고급 탐지 방법이 주목받고 있는 가운데 빛 산란의 적용 방식이 재구성되고 있습니다.

이 인터뷰에서는 빛 산란 혁신의 최전선에 있는 회사인 Malvern Panalytical의 전문가들과 함께 이 기술의 현재 풍경과 미래 가능성을 탐구합니다.

빛 산란은 수십 년 동안 입자 특성화의 기본 도구였습니다. 이 기술의 작동 원리와 왜 그렇게 중요한지 간단히 설명해 주시겠습니까?

빛 산란은 분산된 입자를 특성화하는 데 사용되는 다재다능하고 비침습적인 기술입니다. 개별 빛 산란 기술의 작동 방식에는 차이가 있지만, 동일한 기본 원리가 적용됩니다. 즉, 빛의 한 줄기가 분산된 입자와 상호 작용할 때 다양한 방향으로 산란됩니다.

예를 들어, 레이저 회절은 서브 마이크론 범위에서 여러 밀리미터에 이르는 입자 크기 정보를 얻기 위해 사용됩니다. 이 경우, 산란된 빛의 시간 평균 각 방향 의존성이 분산된 입자의 크기와 크기 분포에 따라 다르기 때문에, 넓은 각 범위에서 산란 광도의 강도를 측정함으로써 입자 크기 분포(PSD)를 계산할 수 있습니다.

반면에 동적 빛 산란(DLS)은 나노 스케일 입자(몇 마이크론에서 나노미터까지)에 사용됩니다. 나노 입자의 산란은 정도의 차이는 있을지라도 여전히 각도의존적이며, 각도 데이터를 보는 대신 산란의 시간 의존성을 중요시합니다. 하나 이상의 특정 각도에서 시간이 흐름에 따라 산란 강도를 측정하는데 사용됩니다. 산란 강도가 시간이 흐름에 따라 얼마나 빠르게 또는 느리게 변하는지는 분산 입자의 브라운 운동과 관련이 있습니다. 따라서 이는 입자의 크기와 분포 폭(다분산성)을 측정하고, 2차 분석을 통해 크기 분포를 제공할 수 있습니다.

빛 산란이 필수적인 이유는 외부 보정 기준 없이 절대적인 측정을 제공하기 때문이며, 이는 다양한 샘플 유형을 특성화하는 데 매우 신뢰할 수 있습니다. 입자의 크기, 모양, 분자량 등의 속성을 결정하는 것은 제약, 배터리 제조, 광업과 같은 다양한 분야에서 재료와 프로세스의 성능을 이해하는 열쇠입니다.

Malvern Panalytical은 특히 레이저 회절을 위한 Mastersizer과 빛 산란을 위한 Zetasizer와 같은 기기 범위를 통해 빛 산란 분야에서 오랫동안 선구자였습니다.

최근 몇 년간 빛 산란 기술에서 가장 중요한 발전은 무엇이며, 이들이 입자 특성화를 어떻게 개선했습니까?

데이터 처리 능력의 향상이 빛 산란 기술에서 상당한 발전을 이뤘습니다. 데이터 처리 능력의 향상은 더 큰 데이터 세트를 더 빠르고 정확하게 분석할 수 있도록 강력한 프로세서를 활용하며, 클라우드 컴퓨팅의 가능성은 처리 능력을 더욱 확장할 것입니다. 이 능력은 복잡한 샘플을 연구하고 세부적인 입자 크기 분포를 얻는 데 필수적입니다. 강화된 데이터 처리는 입자 크기 분포의 미세한 변화를 구별할 수 있는 지능형 알고리즘을 지원하여, 샘플 특성에 대한 더 깊은 통찰력을 제공합니다.

Malvern Panalytical의 적응형 측정 유형은 Zetasizer Advance 시리즈에서의 Adaptive Correlation과 Mastersizer 3000+에서의 Adaptive Diffraction이 실시간 데이터를 기반으로 측정 매개 변수를 동적으로 조정하여 결과의 정확성과 신뢰성을 최적화합니다. 이러한 혁신은 우리의 기기가 샘플의 가장 정확하고 세부적인 입자 특성화를 제공하도록 보장하며, 사용자가 데이터에 대한 확신을 가질 수 있도록 합니다.

그리고 인라인 자동화와 인공지능의 도입이 일반적으로 빛 산란 기기에 통합되기 시작했습니다. 자동화는 더 많은 샘플을 테스트하고 운영자 입력의 필요성을 줄이며, 이는 불확실성의 주요 원천이 될 수 있습니다. 반면에 인공지능은 데이터 처리 및 데이터에 대한 통찰력 획득에 많은 흥미로운 가능성을 열어줍니다.

빛 산란에는 다양하거나 복잡한 시스템을 정확하게 분석하는 도전이 있습니다. 이러한 제한을 극복하기 위해 어떤 전략이나 혁신이 도움이 되고 있습니까?

다양하거나 복잡한 시스템을 분석하는 것은 도전적이며, 우리는 점점 더 복잡해지는 샘플을 보고 있습니다. 다행스럽게도, Malvern Panalytical이 개발한 MADLS와 고급 이미지 처리 기술 등의 혁신이 이러한 제약을 극복하는 데 도움이 되고 있습니다. 예를 들어, MADLS는 다각도로 산란된 빛을 측정하여, 다양성 있는 샘플의 크기 분포의 정확성을 개선하고, 각도 편향을 제거하여 샘플의 크기 분포를 더 정확하게 반영합니다. 빛 산란과 이미지 센서를 결합한 실험 플랫폼은 복잡한 시스템을 분석하는 데 있어 유망성을 보여줍니다.

나노기술과 생물제약제와 같은 신흥 분야는 빛 산란 방법의 진화에 어떻게 영향을 미칩니까?

DLS과 같은 빛 산란 기술은 나노 의약품과 같은 최근 지대한 발전의 특성화를 이해하는 데 매우 중요합니다. 비단 그들의 기본 크기뿐만 아니라, 그들의 포뮬레이션 안정성과 생체 이용률을 이해하는 데 있어서도 말입니다. 이러한 시스템은 또한 기능적이며 전형적인 유제 또는 분산액보다 훨씬 더 복잡합니다. 그들은 또한 “정렬” 상태여야 하며, 그 구조를 유지해야만 제대로 작동합니다. 이는 빛 산란 데이터를 최적으로 보완하여 이러한 새로운 응용 분야에서 점점 더 중요한 통찰을 제공하는 방법을 고민하게 만들고 있습니다.

자동화와 인공지능이 빛 산란의 두 발전 영역이라고 언급했습니다. 이러한 기술이 연구 및 산업에서 빛 산란의 미래를 어떻게 형성할 것이라고 생각하십니까?

우리가 관찰한 한 가지 반복적인 추세는 빛 산란 시스템 사용자들의 역량이 점진적으로 축소되고 있다는 것입니다. 모든 사용자가 예를 들어, Mastersizer 또는 Zetasizer의 전문가가 되거나 시간을 할애할 수 있기를 원하는 것은 아닙니다. 연구원들과 산업 과학자들은 시간이 지나면서 그들에게 주어진 시간 및 자원에 점점 더 많은 요구가 부과되고 있습니다. 따라서 많은 이들은 빛 산란 기기가 측정 워크플로에서 가능한 많은 ‘무거운 작업’을 처리해주기를 원합니다. 예를 들어, Zetasizer Sample Assistant와 같은 자동화 솔루션은 샘플 처리 및 제시를 담당할 수 있으며, Mastersizer의 SOP Architect와 같은 도구는 사용자가 방법을 개발하는 데 도움이 됩니다.

자동화와 인공지능도 고속 샘플 처리 요구와 광범위한 데이터 세트의 필요성을 해결하는 데 도움을 주고 있습니다. 고객은 믿을 수 있는 대량의 데이터가 필요하며, 품질과 양이 충족됨을 보장할 수 있습니다.

최근에 등장한 빛 산란의 가장 예상치 못했던 또는 획기적인 응용 분야에는 어떤 것이 있습니까?

빛 산란의 훌륭한 점 중 하나는 대부분의 산업 및 연구 분야에 적용된다는 것입니다. 우리는 고객의 매혹적이며 때로는 예상치 못한 작업에서 이러한 점을 다시금 상기하게 됩니다.

두드러진 응용분야 중 하나는 특히 COVID-19 대유행 동안 백신 개발입니다. 여기서 빛 산란이 매우 중요했습니다. Zetasizer는 백신 개발자들에게 필수 도구가 되었으며, 백신에 사용되는 나노 입자의 크기와 안정성을 분석하는 데 도움을 주었습니다. 이 기술은 백신이 효과적이고 안전하도록 보장함으로써 COVID-19 백신의 빠른 개발과 배포에 크게 기여했습니다.

또한 초소형 플라스틱에 대한 관심이 증가하고 있으며, 이는 정당한 이유가 있습니다. 마이크로플라스틱은 5 mm 이하의 작은 플라스틱 조각으로, 일회용 플라스틱, 의류, 개인 관리 제품과 같은 일상적인 품목에서 유래합니다. 이러한 플라스틱은 환경과 식품 체인에 들어가 인간 건강과 생태계에 위험을 초래합니다. 네덜란드의 MOMENTUM 프로젝트는 빛 산란을 사용하여 마이크로플라스틱을 특성화하고 있습니다. 연구자들은 Mastersizer를 사용하여 샘플의 크기를 측정하고 마이크로플라스틱 여권을 생성하여 이러한 오염원의 영향을 추적하고 이해하는 데 도움을 줍니다.

마지막으로 소개할 흥미로운 새로운 응용은 정밀 발효입니다. 이는 박테리아, 효모 또는 곰팡이와 같은 엔지니어드 미생물을 사용하여 고기 또는 유제품 대체제와 같은 기능 성분을 생산하는 방법입니다. 이 방법은 전통적인 농업의 환경 영향을 줄이고 글로벌 식량 공급의 회복력을 강화하려는 노력이 커짐에 따라 주목받고 있습니다. 이 과정에서 입자의 크기를 제어하여 식품 제품이 일관된 구조를 가지고 식감이 좋도록 보장하는 것이 매우 중요합니다. 이는 단백질 안정성을 평가하여 응집과 잠재적인 수율 손실을 방지합니다.

측정 정확도와 민감도 측면에서 빛 산란 기술이 아직 진화하고 있는 핵심 영역은 무엇입니까?

빛 산란 기술은 수십 년에 걸친 안정적인 개발 이후에도 지속적으로 진화하고 있습니다. 측정 정확도와 민감도에 있어 몇 가지 핵심 영역이 두드러집니다.

그중 하나는 감지기 기술의 향상으로, 빛 산란 측정의 정확도와 민감도가 크게 향상되었습니다. 현대 감지기, 예를 들어 고감도 CCD 카메라, 아발란체 포토다이오드(APD), 포토다이오드 어레이는 산란된 빛 신호를 포착하는 데 더 효율적입니다. 이러한 발전은 작은 입자 또는 낮은 농도의 샘플을 분석하는 데 중요한 저강도 신호를 더 잘 탐지할 수 있게 합니다.

Malvern Panalytical은 거칠 입자에 대한 레이저 회절의 민감도를 향상시키고 있습니다. Mastersizer 3000+는 이러한 측면을 돕는 Adaptive Diffraction을 사용하는 Size Sure와 같은 혁신적인 기능을 도입했습니다. 이는 배터리 제작과 같은 산업에서 특히 중요합니다. 왜냐하면 거친 입자는 캐소드와 애노드의 단락을 유발할 수 있기 때문입니다.

빛 산란 분야는 또한 방법 개발 및 측정에 대한 모범 사례의 개발을 통해 발전하고 있습니다. 예를 들어, ISO/TS 5973 출간물은 레이저 회절 측정에 대한 포괄적인 지침을 제공하며, 샘플 준비부터 데이터 해석에 이르기까지 모든 것을 다룹니다. 이 표준은 빛 산란 실험이 높은 정확도와 민감도를 달성하는 데 필수적인 일관되고 신뢰할 수 있는 측정을 보장하도록 돕습니다.

산업체들이 실시간 인라인 입자 특성화를 추구하면서, 이는 빛 산란 기술에 어떤 도전과 기회를 제시합니까?

인라인 입자 특성화는 비용이 들 수 있는 오프라인 특성화 수행을 줄이고, 프로세스에 대한 피드백을 즉시 받으려는 요구로 인해 산업계에서 점점 더 보편화되고 있습니다. 오프라인에서 인라인 특성화로의 전환은 빛 산란에 몇 가지 도전을 주고 있습니다. 각각의 도전은 빛 산란 기술을 더욱 개발하고, 솔루션을 찾기 위해 다른 기술을 활용할 기회를 제공합니다.

주요 도전 중 하나는 인라인 및 오프라인 특성화 방법 간의 동등성을 보장하는 것입니다. 인라인 방법을 사용하는 동안의 다른 공급망 상태와 품질 관리(QC)를 실행하는 오프라인 방법 같은 다른 공급망 상태에서 데이터를 비교하고자 할 수 있습니다. 이상적인 시나리오에서는 기술로부터의 결과가 일치하기를 원합니다. 그러나 두 접근법, 오프라인과 인라인은 보통은 광학 설정과 같은 방법론상 차이가 요구되며, 이는 기록된 입자 크기 분포(PSD)에 영향을 미칠 수 있습니다. 예를 들어, 오프라인 상태에서 시료는 재순환될 수 있으므로 범위를 확장하기 위해 다른 파장 광원 사용의 기회가 있습니다. 이는 인라인 샘플링에서는 실현될 수 없습니다.

고농도 샘플을 처리하는 것은 또 다른 도전입니다. 많은 산업 공정에서 입자 농도는 높아지며, 이로 인해 입자가 서로의 산란 신호를 방해하는 다중 산란 문제를 유발할 수 있습니다. 오프라인 또는 라인 측정의 경우, 해결책은 샘플을 희석하는 것이지만, 인라인 측정의 경우에는 선택 사항이 아닙니다. 이는 분석을 복잡하게 만들고 입자 크기 측정의 정확성을 낮출 수 있습니다. 적응형 회절과 고급 알고리즘 같은 기술은 이러한 효과를 완화하고 측정의 신뢰성을 높이기 위해 개발되고 있습니다.

코스 입자의 소수를 탐지하는 것은 인쇄 잉크와 페인트 제조와 같은 산업에서 매우 중요합니다. 그곳에서 몇 개의 큰 입자조차도 제품 품질에 큰 영향을 미칠 수 있습니다. 균형 있고 빠른 분석이 요구됩니다.

이 분야에서 앞으로 나아가려는 연구자와 과학자를 위한 주요 연구 분야나 혁신 분야는 무엇이라고 생각하십니까?

다른 많은 분야들과 마찬가지로 인공지능은 분명히 큰 가능성을 지니고 있습니다. 이미 장비로부터 더 높은 품질의 데이터를 더 짧은 시간에 제공하기 위한 유용한 도구를 제공하는 방법을 목격하고 있습니다. 미래에는 인공지능이 빛 산란의 데이터를 다른 특성화 기법과 함께 활용하여 샘플의 동작 방식이나 예측 가능한 동작에 대한 더 깊은 이해를 어떻게 발전시킬 수 있을지 매우 기대됩니다.

독자가 더 많은 정보를 얻을 수 있는 곳은 어디인가요?

독자에게 관련 있을 수 있는 자료에 대한 링크를 제공해주세요.

다렐 뱅카즈 소개

다렐 뱅카즈는 영국 우스터셔에 위치한 Malvern Panalytical에서 나노물질을 전문으로 하는 숙련된 제품 관리자입니다. 회사에서 20년 이상의 경력을 가지고 있으며 과학 기구 및 재료 분석에 대한 깊은 전문성을 제공합니다. 현재 역할에 앞서, 다렐은 애플리케이션 서비스 관리자로 근무하며 고객 중심의 솔루션 및 기술 지원에 기여하였습니다. 그의 작업은 재료 과학 및 고급 제조의 혁신을 지원합니다.

폴 시니어 소개

폴 시니어는 Malvern Panalytical의 미세 물질을 전문으로 하는 제품 관리자이며, Mastersizer 범위를 담당합니다. 재료 특성화 분야에서 8년 이상의 경험을 가지고 있으며, CRO, 기기 R&D 및 제품 관리 분야에서 근무한 경력이 있습니다. 그의 관심사는 레올로지 및 레이저 회절, DLS, NTA, Morphologi, BET 표면적 분석 등의 기술을 사용한 입자 특성화입니다.