-
천천히 걸음 속도 높여도 다 아는 인공지능 기술 개발
최근 건강에 관한 관심이 점차 커지면서 일상생활에서 스마트 워치, 스마트 링 등을 통해 자기 신체 변화를 살펴보는 일이 보편화되었다. 그런데 기존 헬스케어 앱에서는 걷기에서 뛰기로 갑자기 변화를 줄 경우는 잘 측정이 되지만 천천히 속도를 높이는 경우는 측정이 안 되는 현상이 발생했다. 우리 연구진이 완만한 변화에도 동작을 정확하게 파악하는 기술을 개발했다.
우리 대학 전산학부 이재길 교수 연구팀이 다양한 착용 기기 센서 데이터에서 사용자 상태 변화를 정확하게 검출하는 새로운 인공지능 기술을 개발했다고 12일 밝혔다.
보통 헬스케어 앱에서는 센서 데이터를 통해 사용자의 상태 변화를 탐지하여 현재 동작을 정확히 인식하는 기능이 필수이다. 이를 변화점 탐지라 부르며 다양한 인공지능 기술이 변화점 탐지 품질을 향상하기 위해 적용되고 있다.
이재길 교수팀은 사용자의 상태가 급진적으로 변하거나 점진적으로 변하는지에 관계없이 정확하게 잘 동작하는 변화점 탐지 방법론을 개발했다.
연구팀은 각 시점의 센서 데이터를 인공지능 기술을 통해 벡터*로 표현하였을 때, 이러한 벡터가 시간이 지남에 따라 이동하는 방향을 주목하였다. 같은 동작이 유지될 때는 벡터가 이동하는 방향이 급변하는 경향이 크고, 동작이 바뀔 때는 벡터가 직선상으로 이동하는 경향이 크게 나타났다.
*벡터: 사용자의 시점별 상태 특성(이동속도, 자세, 움직임 등)을 나타내는 가장 좋은 수학적 개념
연구팀은 제안한 방법론을 ‘리커브(RECURVE)’라고 명명했다. 리커브(RECURVE)는 양궁 경기에 쓰이는 활의 한 종류이며, 활이 휘어 있는 모습이 데이터의 이동 방향 변화 정도(곡률)로 변화점을 탐지하는 본 방법론의 동작 방식을 잘 나타낸다고 보았다. 이 방법은 변화점 탐지의 기준을 거리에서 곡률이라는 새로운 관점으로 바라본 매우 신선한 방법이라는 평가를 받았다.
연구팀은 변화점 탐지 문제에서 다양한 헬스케어 센서 스트림 데이터를 사용하여 방법론의 우수성을 검증하여 기존 방법론에 비해 최대 12.7% 정확도 향상을 달성했다.
연구팀을 지도한 이재길 교수는 "센서 스트림 데이터 변화점 탐지 분야의 새로운 지평을 열 만한 획기적인 방법이며 실용화 및 기술 이전이 이뤄지면 실시간 데이터 분석 연구 및 디지털 헬스케어 산업에 큰 파급효과를 낼 수 있을 것이다ˮ고 말했다.
데이터사이언스대학원을 졸업한 신유주 박사가 제1 저자, 전산학부 박재현 석사과정 학생이 제2 저자로 참여한 이번 연구는 최고권위 국제학술대회 `신경정보처리시스템학회(NeurIPS) 2024'에서 올 12월 발표될 예정이다. (논문명 : Exploiting Representation Curvature for Boundary Detection in Time Series)
한편, 이 기술은 과학기술정보통신부 재원으로 정보통신기획평가원의 지원을 받아 SW컴퓨팅산업원천기술개발사업 SW스타랩 과제로 개발한 연구성과 결과물(RS-2020-II200862, DB4DL: 딥러닝 지원 고사용성 및 고성능 분산 인메모리 DBMS 개발)이다.
2024.11.12
조회수 794
-
고령화가 기후변화에 주는 영향 최초 규명
고령 인구가 증가하게 되면 기후변화에 어떤 영향을 주게 되며 이에 따른 어떤 대응 전략이 수립되어야 할까?
우리 대학 문술미래전략대학원 김승겸 교수 연구팀이 고령화 현상과 기후변화 적응 간의 복잡한 상호작용을 세계 최초로 규명했다고 9일 밝혔다.
김 교수 연구팀은 동남아시아 10개국을 대상으로 고령 인구 증가 현상이 기후변화 적응 전략에 미치는 영향을 분석했다. 리모트센싱 기술과 이중차분법(Difference in Differences) 프레임워크를 사용해, 고령 인구와 그린 인프라* 변화 패턴 간의 시공간적 관계를 분석했다.
*그린 인프라: 공원, 산림, 수역 등과 같은 녹색 사회기반시설을 말함
분석한 결과, 고령 인구가 증가한 커뮤니티에서는 그린 인프라의 공급이 줄어들어 기후변화 취약성이 더 크게 나타나는 것을 밝혀냈다. 이러한 연구 결과는 고령화 저출산 현상에 맞는 지역맞춤형 기후변화 적응 능력을 강화하는 데 상당한 기여를 할 것으로 기대된다.
연구팀은 지난 20년간 동남아시아 10개국의 26,885개 커뮤니티에서 기후 적응 정책 변화를 면밀히 추적하고 정밀하게 분석했다. 이를 통해, 사회경제적 변화를 포함한 다차원적이고 융복합적인 기후변화 해결 방안을 모색하는 새로운 연구 영역을 개척했다.
이번 연구는 고령화와 그린 인프라의 수요·공급 동태를 기후변화 적응 노력 강화의 관점에서 평가했다. 특히, 고령 인구 증가가 그린 인프라 공간에 미치는 영향을 도시의 사회경제적 변화에 따라 분석함으로써, 기후변화 적응 정책 수립 시 인구통계학적 변화를 고려할 필요성을 강조했다.
김승겸 교수는 "이번 연구 결과는 기후변화, 저출산, 고령화 등 복합적 위기를 겪고 있는 한국을 비롯한 많은 국가에 중요한 시사점을 제공한다”라고 했으며, 김지수 박사과정은 “사회, 경제, 환경을 융합한 본 연구를 통해 시급한 사회 문제에 대한 실제적이고 최적화된 해결책을 제공할 것으로 기대된다”라고 말했다.
문술미래전략대학원 김승겸 교수와 김지수 박사과정이 참여한 이번 연구는 국제 저명 학술지 `네이처 클라이멧 체인지(Nature Climate Change)'에 지난 3월 29일 출판됐다. (논문명 : Aging population and green space dynamics for climate change adaptation in Southeast Asia).
https://www.nature.com/articles/s41558-024-01980-w
2024.04.09
조회수 3287
-
뉴로모픽 반도체 신개념 메모리 소자 개발
우리 연구진이 공정 비용이 낮고 초저전력 동작이 가능하여 기존의 메모리를 대체하거나 차세대 인공지능 하드웨어를 위한 뉴로모픽 컴퓨팅(Neuromorphic Computing) 구현에 사용될 메모리 소자를 개발하여 화제다.
전기및전자공학부 최신현 교수 연구팀이 디램 (DRAM) 및 낸드(NAND) 플래시 메모리를 대체할 수 있는 *초저전력 차세대 상변화 메모리 소자를 개발했다고 4일 밝혔다.
☞ 상변화 메모리(Phase Change Memory): 열을 사용하여 물질의 상태를 비정질과 결정질을 변경하여, 이를 통해 저항 상태를 변경함으로써 정보를 저장하거나 처리하는 메모리 소자.
기존 상변화 메모리는 값비싼 초미세 반도체 노광공정을 통해 제작하며 소모 전력이 높은 문제점이 있었다. 최 교수 연구팀은 상변화 물질을 전기적으로 극소 형성하는 방식을 통해 제작한 초저전력 상변화 메모리 소자로 값비싼 노광공정 없이도 매우 작은 나노미터(nm) 스케일의 상변화 필라멘트를 자체적으로 형성하였다. 이는 공정 비용이 매우 낮을 뿐 아니라 초저전력 동작이 가능하다는 획기적인 장점이 있다.
현재 널리 사용되고 있는 메모리인 디램(DRAM)은 속도가 매우 빠르지만, 전원이 꺼지면 정보가 사라지는 휘발성 특징을 갖고 있으며, 저장장치로 사용되는 낸드 플래시 메모리는 읽기/쓰기 속도는 상대적으로 느린 대신 전원이 꺼져도 정보를 보존하는 비휘발성 특징을 갖고 있다.
이에 반해, 상변화 메모리는 디램과 낸드 플래시 메모리의 장점을 모두 가진 차세대 메모리로, 빠른 속도와 비휘발성 특성을 동시에 지닌다. 이러한 이유로, 상변화 메모리는 기존의 메모리를 대체할 수 있는 차세대 메모리로 각광받으며, 메모리 기술 또는 인간의 두뇌를 모방하는 뉴로모픽 컴퓨팅 기술로 활발히 연구되고 있다.
그러나 기존 상변화 메모리는 소비 전력이 매우 높아서 실용적인 대용량 메모리 제품 및 뉴로모픽 컴퓨팅 시스템을 구현하기에는 어려움이 있다. 기존 연구는 메모리 동작을 위한 발열 효과를 높이기 위해 초미세 반도체 노광공정을 이용해 소자의 물리적 크기를 줄여 소비 전력을 낮추는 연구가 진행됐으나, 소비 전력 개선 정도가 작고 공정비용과 공정 난이도가 증가해 실용성 측면의 한계점이 존재했다.
최신현 교수 연구팀은 이러한 상변화 메모리의 소비 전력 문제를 해결하기 위해, 상변화 물질을 전기적으로 극소 형성하는 방식으로 기존의 값비싼 초미세 노광공정을 이용한 상변화 메모리 소자보다 소비 전력이 15배 이상 작은 초저전력 상변화 메모리 소자 구현에 성공했다.
최신현 교수는 "이번에 개발한 초저전력 상변화 메모리 소자는 기존의 연구 방향과는 완전히 다른 방식으로 기존에 풀지 못하였던 큰 숙제인 제조비용과 에너지 효율을 대폭 개선한 소자를 개발했다는 의의가 있다. 또한 물질 선택이 자유로워 고집적 3차원 수직 메모리 및 뉴로모픽 컴퓨팅 시스템 등 다양한 응용을 가능케 하는 등 미래 전자공학의 기반이 될 것으로 기대한다ˮ며 이번 연구가 앞으로 뻗어나갈 새로운 분야에 대한 강한 자신감을 피력했다. 또한 "이 연구를 지원한 한국연구재단 및 나노종합기술원에 감사드린다ˮ라고 말했다.
전기및전자공학부 박시온 석박사통합과정, 홍석만 박사과정이 제1 저자로 참여한 이번 연구는 저명한 국제 학술지 `네이처(Nature)' 4월호에 4월 4일 자 출판됐다. (논문명 : Phase-Change Memory via a Phase-Changeable Self-Confined Nano-Filament)
한편 이번 연구는 한국연구재단 차세대 지능형반도체기술개발사업, PIM인공지능반도체핵심기술개발(소자)사업, 우수신진연구, 그리고 나노종합기술원 반도체공정기반 나노메디컬 디바이스개발 사업의 지원을 받아 수행됐다.
2024.04.04
조회수 4967
-
변화된 데이터에서 인공지능 공정성 찾아내다
인공지능 기술이 사회 전반에 걸쳐 광범위하게 활용되며 인간의 삶에 많은 영향을 미치고 있다. 최근 인공지능의 긍정적인 효과 이면에 범죄자의 재범 예측을 위해 머신러닝 학습에 사용되는 콤파스(COMPAS) 시스템을 기반으로 학습된 모델이 인종 별로 서로 다른 재범 확률을 부여할 수 있다는 심각한 편향성이 관찰되었다. 이 밖에도 채용, 대출 시스템 등 사회의 중요 영역에서 인공지능의 다양한 편향성 문제가 밝혀지며, 공정성(fairness)을 고려한 머신러닝 학습의 필요성이 커지고 있다.
우리 대학 전기및전자공학부 황의종 교수 연구팀이 학습 상황과 달라진 새로운 분포의 테스트 데이터에 대해서도 편향되지 않은 판단을 내리도록 돕는 새로운 모델 훈련 기술을 개발했다고 30일 밝혔다.
최근 전 세계의 연구자들이 인공지능의 공정성을 높이기 위한 다양한 학습 방법론을 제안하고 있지만, 대부분의 연구는 인공지능 모델을 훈련시킬 때 사용되는 데이터와 실제 테스트 상황에서 사용될 데이터가 같은 분포를 갖는다고 가정한다. 하지만 실제 상황에서는 이러한 가정이 대체로 성립하지 않으며, 최근 다양한 어플리케이션에서 학습 데이터와 테스트 데이터 내의 편향 패턴이 크게 변화할 수 있음이 관측되고 있다.
이때, 테스트 환경에서 데이터의 정답 레이블과 특정 그룹 정보 간의 편향 패턴이 변경되면, 사전에 공정하게 학습되었던 인공지능 모델의 공정성이 직접적인 영향을 받고 다시금 악화된 편향성을 가질 수 있다. 일례로 과거에 특정 인종 위주로 채용하던 기관이 이제는 인종에 관계없이 채용한다면, 과거의 데이터를 기반으로 공정하게 학습된 인공지능 채용 모델이 현대의 데이터에는 오히려 불공정한 판단을 내릴 수 있다.
연구팀은 이러한 문제를 해결하기 위해, 먼저 `상관관계 변화(correlation shifts)' 개념을 도입해 기존의 공정성을 위한 학습 알고리즘들이 가지는 정확성과 공정성 성능에 대한 근본적인 한계를 이론적으로 분석했다. 예를 들어 특정 인종만 주로 채용한 과거 데이터의 경우 인종과 채용의 상관관계가 강해서 아무리 공정한 모델을 학습을 시켜도 현재의 약한 상관관계를 반영하는 정확하면서도 공정한 채용 예측을 하기가 근본적으로 어려운 것이다. 이러한 이론적인 분석을 바탕으로, 새로운 학습 데이터 샘플링 기법을 제안해 테스트 시에 데이터의 편향 패턴이 변화해도 모델을 공정하게 학습할 수 있도록 하는 새로운 학습 프레임워크를 제안했다. 이는 과거 데이터에서 우세하였던 특정 인종 데이터를 상대적으로 줄임으로써 채용과의 상관관계를 낮출 수 있다.
제안된 기법의 주요 이점은 데이터 전처리만 하기 때문에 기존에 제안된 알고리즘 기반 공정한 학습 기법을 그대로 활용하면서 개선할 수 있다는 것이다. 즉 이미 사용되고 있는 공정한 학습 알고리즘이 위에서 설명한 상관관계 변화에 취약하다면 제안된 기법을 함께 사용해서 해결할 수 있다.
제1 저자인 전기및전자공학부 노유지 박사과정 학생은 "이번 연구를 통해 인공지능 기술의 실제 적용 환경에서, 모델이 더욱 신뢰 가능하고 공정한 판단을 하도록 도울 것으로 기대한다ˮ고 밝혔다.
연구팀을 지도한 황의종 교수는 "기존 인공지능이 변화하는 데이터에 대해서도 공정성이 저하되지 않도록 하는 데 도움이 되기를 기대한다ˮ고 말했다.
이번 연구에는 노유지 박사과정이 제1 저자, 황의종 교수(KAIST)가 교신 저자, 서창호 교수(KAIST)와 이강욱 교수(위스콘신-매디슨 대학)가 공동 저자로 참여했다. 이번 연구는 지난 7월 미국 하와이에서 열린 머신러닝 최고권위 국제학술 대회인 `국제 머신러닝 학회 International Conference on Machine Learning (ICML)'에서 발표됐다. (논문명 : Improving Fair Training under Correlation Shifts)
한편, 이 기술은 정보통신기획평가원의 지원을 받은 `강건하고 공정하며 확장가능한 데이터 중심의 연속 학습' 과제 (2022-0-00157)와 한국연구재단 지원을 받은 `데이터 중심의 신뢰 가능한 인공지능' 과제의 성과다.
2023.10.30
조회수 3863
-
전기및전자공학부 최신현 교수 연구팀, Nature Communications Editor's highlight 선정
전기및전자공학부 박시온 연구원, 정학천 연구원, 박종용 연구원 및 최신현 교수는 점진적 산소 농도를 갖는 금속산화물 층을 활용하여 우리 뇌의 뉴런 세포의 동작을 모사하는 고 신뢰성 차세대 저항 변화 소자(멤리스터) 어레이를 개발 하였으며, 올해 Nature Communications에 출판됐다.
위 연구는 최근 Nature Communications의 Editor's highlight 논문에 선정됨에 이어, Featured Image로 선정되어 홈페이지 메인을 장식했다.
관련 링크 : https://www.nature.com/ncomms/
또한 본 연구는 2022 가을 KAIST 공과대학 breakthrough 연구성과로 소개된 바 있다.
(논문명 : Experimental demonstration of highly reliable dynamic memristor for artificial neuron and neuromorphic computing)
이번 연구는 삼성미래육성사업의 지원을 받아 수행됐다.
2022.10.31
조회수 5743
-
김상현 교수, 6만 ppi 초고해상도 디스플레이 제작기술 개발
〈 김상현 교수 연구팀(왼쪽 위 두번째 김상현 교수) 〉
우리 대학 전기및전자공학부 김상현 교수 연구팀이 반도체 공정 기술을 활용해 기존 마이크로 LED 디스플레이의 해상도 한계를 극복할 수 있는 6만 ppi(pixel per inch) 이상의 초고해상도 디스플레이 제작 가능 기술을 개발했다.
금대명 박사가 1 저자로 참여한 이번 연구는 국제학술지 ‘나노스케일(Nanoscale)’ 12월 28일자 표지 논문으로 게재됐다. (논문명 : Strategy toward the fabrication of ultrahigh-resolution micro-LED displays by bonding interface-engineered vertical stacking and surface passivation).
디스플레이의 기본 단위인 LED 중 무기물 LED는 유기물 LED보다 높은 효율, 높은 신뢰성, 고속성을 가져 마이크로 크기의 무기물 LED를 픽셀 화소로 사용하는 디스플레이(마이크로 LED 디스플레이)가 새로운 디스플레이 기술로 주목받고 있다.
무기물 LED를 화소로 사용하기 위해서는 적녹청(R/G/B) 픽셀을 밀집하게 배열해야 하지만, 현재 적색과 녹색, 청색을 낼 수 있는 LED의 물질이 달라 각각 제작한 LED를 디스플레이 기판에 전사해야 한다. 따라서 마이크로 LED 디스플레이에 관련한 대부분 연구가 이런 패키징 측면의 전사 기술 위주로 이루어지고 있다.
그러나 수백만 개의 픽셀을 마이크로미터 크기로 정렬해 세 번의 전사과정으로 화소를 형성하는 것은 전사 시 사용하는 LED 이송헤드의 크기 제한, 기계적 정확도 제한, 그리고 수율 저하 문제 등 해결해야 할 기술적 난제들이 많아 초고해상도 디스플레이에 적용하기에는 한계가 있다.
연구팀은 문제 해결을 위해 적녹청 LED 활성층을 3차원으로 적층한 후, 반도체 패터닝 공정을 이용해 초고해상도 마이크로 LED 디스플레이에 대응할 수 있는 소자 제작 방법을 제안함과 동시에 수직 적층시 문제가 될 수 있는 색의 간섭 문제, 초소형 픽셀에서의 효율 개선 방안을 제시했다.
연구팀은 3차원 적층을 위해 기판 접합 기술을 사용했고, 색 간섭을 최소화하기 위해 접합 면에 필터 특성을 갖는 절연막을 설계해 적색-청색 간섭 광을 97% 제거했다.
이러한 광학 설계를 포함한 접합 매개물을 통해 수직으로 픽셀을 결합해도 빛의 간섭 없이 순도 높은 픽셀을 구현할 수 있음을 확인했다. 연구팀은 수직 결합 후 반도체 패터닝 기술을 이용해 6만 ppi 이상의 해상도 달성 가능성을 증명했다.
또한, 초소형 LED 픽셀에서 문제가 될 수 있는 반도체 표면에서의 비 발광성 재결합 현상을 시간 분해 광발광 분석과 전산모사를 통해 체계적으로 조사해 초소형 LED의 효율을 개선할 수 있는 중요한 방향성을 제시했다.
김상현 교수는 “반도체 공정을 이용해 초고해상도의 픽셀 제작 가능성을 최초로 입증한 연구로, 반도체와 디스플레이 업계 협력의 중요성을 보여주는 연구 결과이다”라며 “후속 연구를 통해 초고해상도 미래 디스플레이의 기술 개발에 힘쓰겠다”라고 말했다.
이번 연구는 한국연구재단 이공분야 기초연구사업 기본연구, 기후변화대응기술개발사업 등의 지원을 받아 수행됐다.
□ 그림 설명
그림 1. 1um 크기를 가진 마이크로 단일 LED 가 실제로 배열된 모습을 보여주는 이미지, 1 um, 0.6 um 크기를 가진 LED를 광 여기 방법을 통해 적색 발광이 되는 모습을 보여주는 이미지(작은 사진). 이는 작아진 LED에서도 적색 발광특성이 잘 발현됨을 보여줌.
그림 2. 나노스케일 커버 이미지: 본 제작 방법의 사용 예시를 보여줌
2020.01.06
조회수 17208
-
이정용 교수, 유기고분자-양자점 기반 하이브리드 태양전지 개발
〈 이정용 교수 〉
우리 대학 EEWS 대학원 이정용 교수 연구팀과 캐나다 토론토 대학교 전기 및 컴퓨터 공학부 테드 사전트(Ted Sargent) 교수 공동 연구팀이 유기 단분자 물질 도입을 통한 고효율, 고 안정성 유무기 하이브리드 태양전지 제작 기술을 개발했다.
연구팀이 개발한 유기 고분자-양자점 하이브리드 태양전지는 단순 성능 개선을 넘어 기존의 구조에서 성능이 제한된 문제점을 해결할 수 있는 구체적인 방안을 제시하고, 차세대 에너지원으로써 하이브리드 태양전지에 적용할 수 있을 것으로 기대된다.
백세웅, 전선홍 박사, 김병수 박사과정 및 앤드류 프로페(Andrew H. Proppe) 박사가 공동 1 저자로 참여한 이번 연구 결과는 국제 학술지 ‘네이처 에너지(Nature Energy)’ 11월 11일 자 온라인판에 게재됐다. (논문명: Efficient hybrid colloidal quantum dot/organic solar cells mediated by near-infrared sensitizing small molecules)
높은 기계적 특성 및 흡광 계수를 갖는 유기 고분자와 근적외선 영역을 흡수할 수 있는 콜로이달 양자점을 이용해 제작되는 하이브리드 태양전지는 용액공정으로 제작할 수 있고 두 물질의 장점을 모두 취할 수 있다는 점에서 많은 관심을 받아왔다.
하지만 유기 고분자-양자점 기반의 하이브리드 구조는 낮은 광전변환 효율과 안정성 측면에서 기존의 차세대 태양전지들과 경쟁하기에 부족한 점이 있다.
낮은 전하추출 능력과 그로 인해 발생하는 재결합 문제로 인해 최근까지도 10% 이하의 낮은 광전변환 효율에 머무르는 하이브리드 태양전지의 성능 개선이 필요한 실정이다.
연구팀은 문제 해결을 위해 고분자와 양자점의 매개체 역할을 할 수 있는 새 유기 단분자 구조를 도입했다. 이렇게 유기 단분자 매개체 도입된 유기 고분자-양자점 하이브리드 구조는 기존의 구조보다 다양한 강점을 가진다.
우선 기존의 유기 고분자에서 생성된 엑시톤을 원활하게 추출할 수 있으며, 상호 보완적인 흡광 대역이 형성돼 추가적인 전류 향상을 얻을 수 있고, 계단형 에너지 레벨을 형성해 에너지 및 전하를 효과적으로 운반할 수 있다.
이러한 강점을 통해 연구팀은 13.1%의 광전변환 효율을 달성했으며, 이는 기존의 유기 고분자와 양자점을 이용하는 하이브리드 태양전지보다 30% 이상 높은 효율이다. 그뿐만 아니라 제작 후 약 1천 500시간 이후에도 초기 효율의 90% 성능을 유지했으며, 최대전력조건에서 약 150시간 이후에도 초기 효율의 80% 이상의 성능을 유지했다.
이 교수는 “단분자를 도입해 기존의 하이브리드 구조의 고질적인 한계를 극복하고 고효율의 차세대 태양전지를 구현했다”라며 “개발한 고효율 태양전지는 최근 주목받고 있는 웨어러블 전자기기를 넘어서 모바일, IoT, 드론 및 4차산업에 적용 가능한 차세대 에너지 동력원으로써 주목받게 될 것이다”라고 말했다.
이 연구는 한국연구재단 중견연구자지원사업, 기후변화대응기술개발사업의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 새롭게 제시한 하이브리드 소재 구조의 작동 원리
2019.11.19
조회수 13196
-
신병하 교수, 홀 효과 한계 보완한 새 반도체 분석기술 개발
〈 신병하 교수, 배성열 박사과정 〉
우리 대학 신소재공학과 신병하 교수와 IBM 연구소의 오키 구나완(Oki Gunawan) 박사 공동 연구팀이 반도체 특성 분석의 핵심 기술인 홀 효과(Hall effect)의 한계를 넘을 수 있는 새로운 반도체 정보 분석 기술을 개발했다.
이번 연구는 140년 전에 처음 발견된 이래로 반도체 연구 및 재료 분석의 토대가 된 홀 효과 측정에 대한 새로운 발견으로 향후 반도체 기술 개발에 이바지할 수 있을 것으로 기대된다.
신병하 교수와 오키 구나완 박사가 교신 저자로, 배성열 박사과정이 2 저자로 참여한 이번 연구 결과는 국제 학술지‘네이처(Nature)’ 10월 07일 자 온라인판에 게재됐으며 11월 07일 정식 게재됐다. (논문명: Carrier-Resolved Photo Hall Effect)
1879년 에드윈 홀(Edwin Hall)이 발견한 홀 효과는 물질의 전하 특성(유형, 밀도, 이동성 또는 속도)에 대한 중요한 정보를 제공한다. 이는 반도체 소자를 이해하고 설계하는 데 필요한 가장 기본적인 특성들이다.
이러한 이유로 홀 효과는 지난 100년이 넘는 시간 동안 가장 일반적인 반도체 특성 분석 기법의 하나며 전 세계의 반도체 연구기관에서 보편적으로 사용되고 있다.
그러나 현재까지의 분석 기법으로는 홀 효과를 통해 다수 운반체(Majority carrier)와 관련한 특성만 파악할 수 있고, 태양 전지와 같은 소자의 구동 원리 파악에 필수인 소수 운반체(Minority carrier) 정보는 얻을 수 없다는 한계를 가지고 있었다.
연구팀은 문제 해결을 위해 ‘포토 홀 효과(Carrier-Resolved Photo-Hall" (CRPH))’ 기술을 개발했다. 이 기술을 사용하면 한 번의 측정으로 다수 운반체 및 소수 운반체에 대한 많은 정보를 동시에 추출할 수 있다.
기존 홀 측정에서는 세 가지 정보를 얻을 수 있었다면 연구팀의 새로운 기술은 실제 작동 조건을 포함한 여러 광도에서 광여기 전하의 농도, 다수 운반체 및 소수 운반체의 전하 이동도, 재결합 수명, 확산 거리 등 최대 일곱 개의 중요한 정보를 얻을 수 있다.
연구팀의 이 기술은 태양 전지, 발광 다이오드와 같은 광전자 소자 분야에서 사용 가능한 신소재 개발 및 최적화에 핵심적인 역할을 할 것으로 기대된다.
신 교수는 “지난 2년간의 연구가 좋은 결심을 맺게 되어 기쁘고, 이 기술을 통해 새로운 광소자 물질의 전하 수송 특성을 이해하고 더 나은 소자를 개발하는 데 큰 도움이 되리라 믿는다”라고 말했다.
이번 연구는 한국연구재단 기후변화대응기술개발사업, 산업통상자원부와 한국에너지기술평가원(KETEP) 에너지기술개발사업의 지원을 통해 수행됐다.
□ 그림 설명
그림1. 포토 홀 효과 개념도
2019.11.14
조회수 13290
-
이진우 교수, 백금 활용도 16배 높인 단일 원자 촉매 개발
〈 박진규 박사과정, 이진우 교수 〉
우리 대학 생명화학공학과 이진우 교수 연구팀이 전기화학적 물 분해(이하 수전해) 방식을 통해, 수소를 생산하는 과정에서 쓰이는 백금의 사용을 최소화하면서 뛰어난 성능을 보여 활용도를 16배 높일 수 있는 백금 기반 촉매를 개발했다.
연구팀은 백금의 활용도를 높이기 위해 백금을 단일원자 형태로 텅스텐 산화물 표면에 고분산 시켜 백금이 받는 지지체 효과를 극대화했고, 수소 생산 수전해 촉매에서 높은 성능을 구현했다.
박진규 박사과정과 이성규 박사가 공동 1 저자로 참여한 이번 연구는 세계적 화학지인‘앙게반테 케미(Angewandte Chemie)’ 8월 22일 자에 게재됐다. (논문명 : Investigation of Support Effect in Atomically Dispersed Pt on WO3-x for High Utilization of Pt in Hydrogen Evolution Reaction, 수소 생산 반응에서 백금 활용도를 높이기 위해 백금 유사-단일 원자 촉매를 담지한 텅스텐 산화물 지지체 효과 조사)
백금 기반 촉매들은 성능과 안정성이 높아 다양한 전기화학 촉매 분야에서 활용됐지만, 가격이 높아 상용화에 어려움이 있었다.
단일 원자 촉매는 금속의 원자 하나가 지지체에 고분산된 형태의 촉매로, 모든 금속 단일 원자가 반응에 참여하기 때문에 백금의 사용량을 현저히 낮출 수 있다. 하지만 대부분의 연구가 탄소 기반 지지체에 담지된 단일 원자 촉매를 적용하고 있어 백금 활용성에 한계가 있다.
연구팀은 이번에 백금과 강한 시너지 효과를 낼 수 있는 메조 다공성 텅스텐 산화물을 단일 원자 촉매의 지지체로 사용했다. 이를 통해 백금 단일 원자를 텅스텐 산화물에 담지했을 때, 텅스텐 산화물에서 백금 단일 원자로 전하 이동이 일어나 백금의 전자구조가 변하는 것을 확인했다.
또한, 단일 원자 촉매가 갖는 ‘금속과 지지체간의 경계면 극대화’라는 독특한 특징을 활용해 백금 나노입자를 텅스텐 산화물에 담지한 촉매와 비교 실험을 진행했다.
연구팀은 실험을 통해 백금 표면에서 다른 지지체 표면으로 수소가 넘어가는 현상인 수소 스필오버 (Hydrogen spillover)가 크게 발현됨을 확인했다. 이를 통해 기존 상용 백금 촉매의 사용량을 16분의 1로 현저히 줄일 수 있었다.
해당 연구는 수전해 뿐만 아니라 연료전지 기술과 같은 다양한 전기화학 촉매 분야에 응용될 수 있을 것으로 기대된다고 연구팀은 밝혔다.
이 교수는 “이번에 개발한 촉매는 기존 단일 원자 촉매 연구와 다른 관점에서 접근한 연구로 학술적으로 이바지하는 바가 크다”라며 “이번 연구를 통해 단일 원자 촉매 개발의 독보적인 기술을 확보했다”라고 말했다.
이번 연구는 한국연구재단의 중견연구자지원사업, 수소에너지혁신기술개발사업, 기후변화대응기술개발사업, 미래소재디스커버리사업의 지원을 통해 수행됐다.
□ 그림 설명
그림1. 유사 단일원자 촉매의 수소생산반응 모식도
2019.10.04
조회수 13594
-
생명화학공학과 대학원생들, 시스템 대사공학 전략 발표
〈 양동수 박사과정, 박다현 석사과정, 최경록 박사과정, 조재성 박사과정, 장우대 박사과정 〉
우리 대학 생명화학공학과 대학원생 다섯 명이 대사공학과 시스템 생물학, 합성 생물학의 결합 시스템 등 대사공학 전반의 전략에 대한 논문을 발표했다.
생명화학공학과는 최근 박사학위를 마친 최경록 연구원과 장우대, 양동수, 조재성 박사과정, 박다현 석사과정이 친환경 화학물질 생산을 위해 필수적인 미생물 공장을 개발하는 전략을 총정리했다.
이 연구의 결과는 셀(Cell)지가 발행하는 생명공학 분야 권위 리뷰 저널인 ‘생명공학의 동향(Trends in Biotechnology)’ 8월호 표지논문 및 주 논문 (Feature review)에 게재됐다. (논문명 : Systems Metabolic Engineering Strategies: Integrating Systems and Synthetic Biology with Metabolic Engineering)
시스템 대사공학은 기존의 석유화학산업을 대체할 바이오산업의 핵심이 되는 미생물 균주를 보다 효과적으로 개발하기 위해 KAIST 생명화학공학과의 이상엽 특훈교수가 창시한 연구 분야다.
전통적 대사공학에 시스템 생물학, 합성 생물학 및 진화 공학 기법을 접목한 시스템 대사공학은 직관적 전략이나 무작위 돌연변이 유발에 의존하는 기존의 대사공학과 비교해 적은 비용과 인력, 짧은 시간 내에 산업에서 이용 가능한 고성능 균주 개발을 가능하게 만든다.
연구 기획 단계에서부터 실제 공장에서 균주의 발효 공정 및 발효를 통해 생산된 물질의 분리/정제 공정까지 고려함으로써 산업 균주 개발 도중 불필요한 시행착오를 최소화할 수 있다.
본 논문에서는 시스템 대사공학 전략을 연구의 흐름에 따라 ▲프로젝트 디자인 ▲균주 선정 ▲대사회로 재구성 ▲표적 화합물에 대한 내성 향상 ▲대사 흐름 최적화 ▲산업 수준으로의 생산 규모 확대 등 일곱 단계로 나누고, 각 단계에서 활용할 수 있는 최신 도구 및 전략들을 총망라했다.
더불어 바이오 기반 화합물 생산의 최신 동향과 함께 고성능 생산 균주를 보다 효과적으로 개발하기 위해 시스템 대사공학이 나아가야 할 방향도 함께 제시했다.
주저자인 최경록 연구원은 “기후 변화가 커지며 기존의 석유화학 산업을 친환경 바이오산업으로 대체하는 것이 불가피하다”라며 “시스템 대사공학은 산업에서 활용 가능한 고성능 생산 균주의 개발을 촉진해 바이오산업 시대의 도래를 앞당길 것이다”라고 말했다.
지도교수인 이상엽 특훈교수는 “그간 우리 연구실과 전 세계에서 수행한 수많은 대사공학연구를 우리가 제시한 시스템 대사공학 전략으로 통합해 체계적으로 분석 및 정리하고 앞으로의 전략을 제시했다는 점에서 큰 의미가 있다”라며 “권위 있는 학술지에 주 논문이자 표지논문으로 게재된 훌륭한 연구를 수행한 학생들이 자랑스럽다”라고 말했다.
이상엽 특훈교수 연구팀은 실제로 시스템 대사공학 전략을 이용해 천연물, 아미노산, 생분해성 플라스틱, 환경친화적 플라스틱 원료, 바이오 연료 등을 생산하는 고성능 균주들을 다수 개발한 바 있다.
이번 연구는 과학기술정보통신부가 지원하는 기후변화대응기술개발사업의 ‘바이오리파이너리를 위한 시스템대사공학 원천기술개발 과제’ 및 한화케미칼이 지원하는 KAIST-한화 미래 기술 연구소의 지원을 받아 수행됐다.
2019.07.24
조회수 19637
-
이상엽 특훈교수, 김현욱 교수, 인공지능 이용한 효소기능 예측 기술 개발
우리 대학 생명화학공학과 이상엽 특훈교수와 김현욱 교수의 초세대 협업연구실 공동연구팀이 딥러닝(deep learning) 기술을 이용해 효소의 기능을 신속하고 정확하게 예측할 수 있는 컴퓨터 방법론 DeepEC를 개발했다.
공동연구팀의 류재용 박사가 1 저자로 참여한 이번 연구결과는 국제학술지 ‘미국 국립과학원 회보(PNAS)’ 6월 20일 자 온라인판에 게재됐다. (논문명 : Deep learning enables high-quality and high-throughput prediction of enzyme commission numbers)
효소는 세포 내의 생화학반응들을 촉진하는 단백질 촉매로 이들의 기능을 정확히 이해하는 것은 세포의 대사(metabolism) 과정을 이해하는 데에 매우 중요하다.
특히 효소들은 다양한 질병 발생 원리 및 산업 생명공학과 밀접한 연관이 있어 방대한 게놈 정보에서 효소들의 기능을 빠르고 정확하게 예측하는 기술은 응용기술 측면에서도 중요하다.
효소의 기능을 표기하는 시스템 중 대표적인 것이 EC 번호(enzyme commission number)이다. EC 번호는 ‘EC 3.4.11.4’처럼 효소가 매개하는 생화학반응들의 종류에 따라 총 4개의 숫자로 구성돼 있다.
중요한 것은 특정 효소에 주어진 EC 번호를 통해서 해당 효소가 어떠한 종류의 생화학반응을 매개하는지 알 수 있다는 것이다. 따라서 게놈으로부터 얻을 수 있는 효소 단백질 서열의 EC 번호를 빠르고 정확하게 예측할 수 있는 기술은 효소 및 대사 관련 문제를 해결하는 데 중요한 역할을 한다.
작년까지 여러 해에 걸쳐 EC 번호를 예측해주는 컴퓨터 방법론들이 최소 10개 이상 개발됐다. 그러나 이들 모두 예측 속도, 예측 정확성 및 예측 가능 범위 측면에서 발전 필요성이 있었다. 특히 현대 생명과학 및 생명공학에서 이뤄지는 연구의 속도와 규모를 고려했을 때 이러한 방법론의 성능은 충분하지 않았다.
공동연구팀은 1,388,606개의 단백질 서열과 이들에게 신뢰성 있게 부여된 EC 번호를 담고 있는 바이오 빅데이터에 딥러닝 기술을 적용해 EC 번호를 빠르고 정확하게 예측할 수 있는 DeepEC를 개발했다.
DeepEC는 주어진 단백질 서열의 EC 번호를 예측하기 위해서 3개의 합성곱 신경망(Convolutional neural network)을 주요 예측기술로 사용하며, 합성곱 신경망으로 EC 번호를 예측하지 못했을 경우 서열정렬(sequence alignment)을 통해서 EC 번호를 예측한다.
연구팀은 더 나아가 단백질 서열의 도메인(domain)과 기질 결합 부위 잔기(binding site residue)에 변이를 인위적으로 주었을 때, DeepEC가 가장 민감하게 해당 변이의 영향을 감지하는 것을 확인했다.
김현욱 교수는 “DeepEC의 성능을 평가하기 위해서 이전에 발표된 5개의 대표적인 EC 번호 예측 방법론과 비교해보니 DeepEC가 가장 빠르고 정확하게 주어진 단백질의 EC 번호를 예측하는 것으로 나타났다”라며 “효소 기능 연구에 크게 이바지할 것으로 기대한다”라고 말했다.
이상엽 특훈교수는 “이번에 개발한 DeepEC를 통해서 지속해서 재생되는 게놈 및 메타 게놈에 존재하는 방대한 효소 단백질 서열의 기능을 보다 효율적이고 정확하게 알아내는 것이 가능해졌다”라고 말했다.
이번 연구는 과학기술정보통신부가 지원하는 기후변화대응기술개발사업의 바이오리파이너리를 위한 시스템대사공학 원천기술개발 과제 및 바이오·의료기술 개발 Korea Bio Grand Challenge 사업의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 인공지능 기반의 DeepEC를 이용한 효소 기능 EC 번호 예측
2019.07.03
조회수 19112
-
이상엽 교수, 지방산∙바이오디젤 생산 가능한 미생물 개발
〈 이상엽 특훈교수 〉
우리 대학 생명화학공학과 이상엽 특훈교수 연구팀이 비식용 바이오매스 기반의 최고성능을 갖는 지방산과 지방산 유도체로 전환하는 미생물 균주 및 발효 공정을 개발했다.
김혜미, 채동언 연구원 등이 참여한 이번 연구결과는 국제학술지 ‘네이처 케미컬 바이올로지(Nature Chemical Biology)」 6월 17일 자 온라인판에 게재됐다. (논문명 : Engineering of an oleaginous bacterium for the production of fatty acids and fuels)
화석원료는 현대 산업의 기초 물질이자 우리 생활 전반에 광범위하게 이용되는 원료 및 에너지원으로 필수적인 물질이다. 그러나 원유 매장량 고갈에 대한 우려와 원유 산업으로 인한 온난화 등의 환경문제가 세계적으로 매우 심각한 상황이다.
특히 우리나라의 경우 석유를 전량 수입에 의존하기 때문에 국제 유가 변동에 매우 취약해 환경문제를 해결과 원유를 대체할 수 있는 지속 가능한 바이오 기반 재생에너지의 생산이 필수다.
따라서 재생 가능한 자원 기반의 바이오 연료 개발이 활발히 이뤄지고 있는데, 그중 경유를 대체할 수 있는 환경친화적 연료인 바이오 디젤이 있다. 바이오 디젤은 주로 식물성 기름이나 동물성 지방의 에스터교환(transesterification) 반응을 통해 만들어지고 있다.
이 특훈교수 연구팀은 바이오 디젤 생산을 위해 폐목재, 잡초 등 지구상에서 가장 풍부한 바이오매스 주성분인 포도당으로부터 지방산 및 바이오 디젤로 이용할 수 있는 지방산 유도체를 생산하는 균주를 개발했다.
연구팀은 자연적으로 세포 내 기름을 축적하는 것으로 알려진 미생물인 로도코커스(Rhodococcus)를 시스템 대사공학을 통해 대사 회로를 체계적으로 조작해 최고성능으로 지방산 및 바이오 디젤을 생산하는 균주를 개발했다.
먼저 로도코커스의 배양 조건을 최적화한 뒤 포도당을 섭취해 세포 내 과량의 기름(트리아실글리세롤, triacylglycerol)을 축적하게 했다. 이후 선별한 외부 효소를 도입해 효과적으로 기름을 지방산으로 전환해 최고 농도의 지방산 생산 균주를 개발했다. 또한, 지방산을 두 가지 형태의 바이오 디젤 연료 물질로 효율적으로 전환하는 추가적인 유전자 조작을 통해 바이오 디젤을 최고성능으로 생산하는 데 성공했다.
연구팀은 이전에 대장균을 이용해 바이오 연료인 휘발유를 생산하는 미생물 세계 최초로 개발한 바 있다. (Nature 표지논문 게재) 그러나 해당 기술은 생산성이 리터당 약 0.58g 정도로 매우 낮다는 한계가 있었다. 이를 극복하기 위해 로도코커스 균주를 이용해 포도당으로부터 리터당 50.2 g의 지방산 및 리터당 21.3 g의 바이오 디젤 생산에 성공했다.
이러한 성과를 통해 향후 식물성이나 동물성 기름에 의존하지 않고 비식용 바이오매스로부터 미생물 기반 바이오 연료의 대량 생산까지 가능하게 할 것으로 기대된다.
이상엽 특훈교수는 “이번에 개발한 고효율 미생물 기반 지방산과 바이오 디젤 생산 연구는 앞으로 환경문제 해결과 더불어 원유, 가스 등 화석연료에 의존해온 기존 석유 화학 산업에서 지속할 수 있고 환경친화적인 바이오 기반산업으로의 재편에 큰 역할을 할 것이다”라고 말했다.
이번 연구는 과기정통부가 지원하는 기후변화대응기술개발사업의 바이오리파이너리를 위한 시스템대사공학 원천기술개발 과제의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 미생물 내에 축적된 오일과 이를 기반으로 생산되는 지방산 및 바이오 디젤
2019.06.20
조회수 16389