%EA%B3%B5%EA%B3%BC%EB%8C%80%ED%95%99
-
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 7454 -
뉴로모픽 신경망으로 컴퓨팅 난제 해결하다
우리 연구진이 현재 반도체 산업체에서 사용되는 실리콘 소재 및 공정만을 사용해 초소형 진동 신경망을 구축하여 경계선 인식 기능을 구현했으며 난제 중 하나인 그래프 색칠 문제*를 해결했다.
*그래프 색칠 문제: 그래프 이론에서 사용되는 용어로, 그래프의 각 정점에 서로 다른 색을 할당해야 하며, 이러한 색깔 구분 문제는 방송국 주파수가 겹쳐 난시청 지역이 발생하지 않도록 주파수를 할당하는 문제 등과도 유사해 다양하게 응용되고 있음
우리 대학 전기및전자공학부 최양규 교수 연구팀이 실리콘 바이리스터 소자로 생물학적 뉴런의 상호작용을 모방한 뉴로모픽 진동 신경망을 개발했다고 3일 밝혔다.
빅데이터 시대가 도래하면서 인공지능 기술이 예전과 비교할 수 없을 만큼 비약적으로 발전하고 있다. 인간의 뇌 기능을 모사하는 뉴로모픽 컴퓨팅 중 하나인 상호 간 결합된 진동 신경망(oscillatory neural network)은 뉴런의 상호작용을 모방한 인공 신경망이다. 진동 신경망은 기본단위에 해당하는 진동자의 연결 동작을 이용하며 신호의 크기가 아닌 진동을 이용해 연산을 수행하므로 소모 전력 측면에서 이점을 가지고 있다.
연구팀은 실리콘 기반 진동자를 이용해 진동 신경망을 개발했다. 축전기를 이용해 두 개 이상의 실리콘 진동자를 연결하면, 각각의 진동 신호가 상호작용해 시간이 경과하면서 동기화(synchronization) 된다. 연구팀은 진동 신경망으로 영상 처리에 사용되는 경계선 인식(edge detection) 기능을 구현했으며 난제 중 하나인 그래프 색칠 문제(vertex coloring problem)를 해결했다.
또한 이번 연구는 제조 관점에서, 복잡한 회로나 기존 반도체 공정과 호환성이 낮은 소재 및 구조 대신, 현재 반도체 산업체에서 사용되는 실리콘 관련 소재 및 공정만으로 진동 신경망을 구축했기 때문에, 양산에 바로 적용 가능하다는 장점이 있다.
연구를 주도한 윤성윤 박사과정, 서강대학교 한준규 교수는 "개발된 진동 신경망은 복잡한 컴퓨팅 난제를 계산할 수 있는 뉴로모픽 컴퓨팅 하드웨어로, 자원 분배, 신약 개발, 반도체 회로 설계 및 스케줄링 등에 유용하게 사용될 수 있을 것으로 기대된다ˮ고 연구의 의의를 설명했다.
윤성윤 박사과정과 한준규 교수가 공동 제1 저자로 참여한 이번 연구는 나노과학 분야 저명 국제 학술지 ‘나노 레터스(Nano Letters)’에 2024년 3월 24권 9호에 출판되었으며, 추가 표지 논문(Supplementary Cover)으로 선정됐다.
(논문명 : A Nanoscale Bistable Resistor for an Oscillatory Neural Network)
(https://pubs.acs.org/doi/full/10.1021/acs.nanolett.3c04539).
한편 이번 연구는 한국연구재단 차세대지능형반도체기술개발사업 및 국가반도체연구실지원핵심기술개발사업의 지원을 받아 수행됐다.
2024.04.03 조회수 6195 -
차세대 이차원 반도체 핵심 기술 개발
물질 증착, 패터닝, 식각 등 복잡한 과정들이 필요했던 기존 반도체 공정과는 달리, 원하는 영역에서만 선택적으로 물질을 바로 증착하는 기술은 공정을 획기적으로 줄일 수 있는 차세대 기술로 크게 주목받고 있다. 특히, 현재의 실리콘을 대체할 차세대 이차원 반도체에서 이런 선택적 증착 기술 개발이 핵심 요소기술로 중요성이 더욱 커지고 있다.
우리 대학 신소재공학과 강기범 교수 연구팀과 고려대학교 김용주 교수 연구팀이 이차원 반도체의 수평 성장 성질을 이용해 쉽고 간편한 산화물, 금속 등의 10나노미터 이하 미세 패터닝 기술을 공동 개발했다고 28일 밝혔다.
강 교수 연구팀은 차세대 반도체 물질로 주목받는 이차원 전이금속 ‘칼코겐’ 물질의 독특한 결정학적 특징을 패터닝 기술에 접목했다. 일반적인 물질과는 달리 이차원 물질은 성장 시 수평 방향으로만 자랄 수 있기에 서로 다른 이차원 물질을 반복적으로 성장해 10나노미터 이하 수준의 이차원 반도체 선형 패턴을 제작할 수 있다.
이러한 선형 패턴에 다양한 물질(산화물, 금속, 상변화 물질)을 성장할 때 한 영역 위에서만 선택적으로 증착되는 현상을 최초로 발견했다. 해당 기술을 통해 타깃 물질 패턴 크기의 축소와 이차원 반도체의 소자 제작 공정 효율성 증대 등을 기대할 수 있다.
일반적으로 선형 패턴의 크기는 이차원 물질 합성에 사용되는 기체 상태의 분자들의 유입 시간으로 결정된다. 해당 연구에서는 약 1초당 1나노미터의 패턴 크기를 형성할 수 있기에 기존 광 기반 패터닝 기술에 비해 효과적으로 크기를 줄일 수 있다.
연구팀이 개발한 선택 증착 기술은 선폭 10나노미터 수준의 좁은 패턴에서도 원하는 물질이 한 영역 위에서만 선택적으로 증착됐으며, 기존 기술과는 달리 두께 20나노미터 이상에서도 선택적 증착이 가능했다.
연구팀이 개발한 기술은 다양한 물질들에서 적용할 수 있다. 반도체 산업에서 소자 제작에 필수적으로 활용되는 고유전율 절연체(산화 알루미늄, 산화 하프늄)와 전극 금속(루테늄) 등의 선택적 증착을 확인했다. 이러한 뛰어난 물질 확장성은 연구팀이 제시한 새로운 선택 증착 메커니즘에 의해 가능한 것으로 알려졌으며, 추후 더 넓은 응용 기술 개발에 활용할 것으로 기대된다.
연구팀의 기술은 차세대 물질인 이차원 반도체 기반에서 적용되기에 이차원 반도체에 효과적으로 게이트 절연체 및 전극의 형성을 도울 것으로 기대된다. 이는 향후 이차원 반도체가 실리콘을 대체할 때 핵심적인 요소기술로 작용할 것이며, 한국에서 가장 중요한 연구 분야인 반도체 시장에서 활발히 응용될 수 있다.
제1 저자인 박정원 연구원은 "새로운 원리의 선택 증착 기술이자 다양한 물질을 10나노미터 이하의 선폭으로 패터닝할 수 있는 차세대 기술을 개발했다ˮ 라며 "특히 템플릿으로 사용되는 이차원 반도체에 선택 증착을 통해 게이트 산화물과 전극 등으로 직접 이용하면 이 기술의 기대 효과는 더욱 커진다ˮ 라고 말했다.
신소재공학과 박정원 석박사통합과정이 제1 저자로 참여한 이번 연구는 국제 학술지 `네이처 커뮤니케이션즈(Nature Communications)' 3월 15권에 3월 8일 자 출판됐다. (논문명 : Area-selective atomic layer deposition on 2D monolayer lateral superlattices).
한편 이번 연구는 한국연구재단의 지원을 받아 수행됐다.
2024.03.28 조회수 5615 -
화학물질 없이 식각하는 반도체 기술 최초 개발
차세대 반도체 메모리의 소재로 주목을 받고 있는 강유전체는 차세대 메모리 소자 혹은 작은 물리적 변화를 감지하는 센서로 활용되는 등 그 중요성이 커지고 있다. 이에 반도체의 핵심 소자가 되는 강유전체를 화학물질없이 식각할 수 있는 연구를 성공해 화제다.
우리 대학 신소재공학과 홍승범 교수가 제네바 대학교와 국제공동연구를 통해 강유전체 표면의 비대칭 마멸* 현상을 세계 최초로 관찰 및 규명했고, 이를 활용해 혁신적인 나노 패터닝 기술**을 개발했다고 26일 밝혔다.
*마멸: 물체 표면의 재료가 점진적으로 손실 또는 제거되는 현상
**나노 패터닝 기술: 나노스케일로 소재의 표면에 정밀한 패턴을 생성하여 다양한 첨단 기술 분야에서 제품 성능을 향상시키는데 사용되는 기술
연구팀은 강유전체 소재의 표면 특성에 관한 연구에 집중했다. 이들은 원자간력 현미경(Atomic Force Microscopy)을 활용해 다양한 강유전체의 트라이볼로지(Tribology, 마찰 및 마모) 현상을 관찰했고, 강유전체의 전기적인 분극* 방향에 따라 마찰되거나 마모되는 특성이 다르다는 것을 세계 최초로 발견했다. (그림 1) 아울러, 이러한 분극 방향에 따라 달라지는 트라이볼로지의 원인으로 변전 효과(Flexoelectric effect)*에 주목했다.
*전기적 분극(electric dipole): 자석의 북극과 남극처럼 전기적으로 양극과 음극이 있는 것을 의미함
*변전 효과: 물질이 휘어졌을 때 분극이 발생하는 현상이지만, 거시 규모에서 물질을 구부렸을 때 유도되는 분극의 크기가 매우 작아 그동안 큰 주목을 받지 못했다. 그러나 2010년대 들어서 물질이 나노스케일로 미세화될 경우, 매우 큰 변전 효과가 발생할 수 있다는 연구 결과가 나오면서 많은 연구자의 주목을 받기 시작했다.
연구진은 강유전체의 트라이볼로지 특성이 나노 단위에서 강한 응력이 가해질 때 발생하는 변전 효과로 인해 강유전체 내부의 분극 방향에 따른 상호작용으로 트라이볼로지 특성이 바뀌게 된다는 것을 발견했다. 또한 이러한 새로운 강유전체 트라이볼로지 현상을 소재의 나노 패터닝에 응용했다.
이러한 패터닝 방식은 기존의 반도체 패터닝 방식과는 다르게 화학 물질 및 고비용의 리소그래피 장비가 필요하지 않고, 기존 공정 대비 매우 빠르게 나노 구조를 제작할 수 있는 장점이 있다.
이번 연구의 제1 저자인 신소재공학과 졸업생 조성우 박사는 “이번 연구는 세계 최초로 강유전체 비대칭 트라이볼로지를 관찰하고 규명한 데 의의가 있고, 이러한 분극에 민감한 트라이볼로지 비대칭성이 다양한 화학적 구성 및 결정 구조를 가진 강유전체에서 널리 적용될 수 있어 많은 후속 연구를 기대할 수 있다”고 밝혔다.
공동교신저자로 본 연구를 공동 지도한 제네바 대학교 파루치(Paruch) 교수는 “변전 효과를 통해 강유전체의 도메인이 분극 방향에 따라 서로 다른 표면 특성을 나타내는 것을 활용함으로써, 다양하고 유용한 기술들을 개발할 수 있을 것이다”며 이번 연구가 앞으로 뻗어나갈 분야에 대한 강한 자신감을 피력했다.
연구를 이끈 홍승범 교수는 “이번 연구에서 개발된 패터닝 기술은 기존 반도체 공정에서 쓰이는 패터닝 공정과 달리 화학 물질을 사용하지 않고, 매우 낮은 비용으로 대면적 나노 구조를 만들 수 있어 산업적으로 활용될 수 있는 잠재력을 가지고 있다”고 전망했다.
한편, 이번 연구는 한국연구재단(2020R1A2C2012078, NRF-2022K1A4A7A04095892, RS-2023-00247245), KAIST 글로벌특이점 사업의 지원 및 스위스, 스페인 연구진과의 국제공동연구를 통해 수행됐으며, 국제 학술지 ‘네이처 커뮤니케이션즈(Nature Communications)’에 1월 9일 자 출판됐다. (논문 제목: Switchable tribology of ferroelectrics)
2024.03.26 조회수 6418 -
설명해주는 인공지능 구현을 위한 초저전력 하드웨어 기술 개발
우리 대학 신소재공학과 김경민 교수 연구팀이 다양한 멤리스터* 소자를 이용한 설명 가능한 인공지능 (XAI) 시스템을 구현하는데 성공했다고 25일 밝혔다.
*멤리스터 (Memristor): 메모리 (Memory)와 저항 (Resistor)의 합성어로, 입력 신호에 따라 소자의 저항 상태가 변하는 소자
최근 인공지능 (AI) 기술의 급속한 발전이 다양한 분야에서 성과를 이루고 있다. 이미지 인식, 음성 인식, 자연어 처리 등에서 AI의 적용 범위가 확대되며 우리의 일상생활에 깊숙이 자리 잡고 있다.
AI는 인간의 뉴런 구조를 모방해 만든 ‘인공신경망’을 기반으로, 적게는 수백만 개에서 많게는 수조 개에 달하는 매개변수를 통해 데이터를 분석하고 의사 결정을 내린다. 그러나 이 많은 매개변수로 인해 AI 모델의 동작 원리를 정확하게 이해하기 어렵고, 이는 통상적으로 블랙박스에 비유되곤 한다. AI가 어떤 기준으로 결정을 내는지 알 수 없다면, AI에 결함이나 오작동이 발생했을 때 이를 해결하기 어렵고, 이로 인해 AI가 적용되는 다양한 산업 분야에서 문제가 발생할 수 있다.
이에 대한 해답으로 제시된 것이 바로 설명 가능한 인공지능 (XAI)이다. XAI는 AI가 어떠한 결정을 내렸을 때, 그 근거가 무엇인지를 사람이 이해할 수 있도록 만드는 기술이다. <그림1> 생성형 AI 등 점점 더 복잡해지는 AI 기술의 등장으로 개발자, 사용자, 규제 기관 모두에게 XAI 시스템의 필요성이 강조되고 있다. 하지만, XAI는 일반적으로 엄청난 양의 데이터 처리를 요구하기 때문에, 이를 보다 효율적으로 동작할 수 있는 하드웨어 개발이 필요한 상황이다.
김경민 교수 연구팀은 교란(Perturbation) 기반 XAI 시스템을 서로 다른 멤리스터 소자를 이용해 하드웨어로 구현하는데 성공하였다. 세 가지 멤리스터 소자는 각각 휘발성 저항변화 특성, 아날로그 비휘발성 저항변화 특성, 아날로그 휘발성 저항변화 특성을 가지며 <그림 2>, 각 소자는 교란 기반 XAI 시스템의 필수적인 기능인 입력 데이터 교란, 벡터곱 연산, 그리고 신호 통합 기능을 수행한다.
연구팀은 개발된 XAI 하드웨어를 평가하기 위해, 흑백 패턴을 인식하는 신경망을 설계하였다. 여기에 개발한 XAI 하드웨어 시스템으로 설계한 신경망이 흑백 패턴을 인식하는 근거를 설명하였다. <그림3> 그 결과 기존 CMOS 기술 기반 시스템 대비 에너지 소비를 24배 감소하여 AI 판단의 이유를 제공하는 것을 확인하였다. <그림4>
KAIST 김경민 교수는 “AI 기술이 일상화되면서 AI 동작의 투명성 및 해석가능성이 중요해지고 있는데, 이번 연구는 다양한 종류의 멤리스터 소자를 이용해 AI 판단에 대한 근거를 제공하는 XAI 하드웨어 시스템을 구현할 수 있었다는 점에 큰 의의가 있다”며 “이 연구는 AI 의사 결정에 도달하는 과정을 이해하기 쉽게 설명을 제공함으로써 AI 시스템의 신뢰성 향상에 기여할 수 있어, 향후 의료, 금융, 법률 등 민감한 정보를 다루는 AI 기반 서비스에 적용될 수 있을 것으로 기대된다”고 밝혔다.
이번 연구는 KAIST 신소재공학과 송한찬 박사과정, 박우준 박사과정 학생이 공동 제1 저자로 참여했으며, 국제 학술지 ‘어드밴스드 머티리얼즈(Advanced Materials, IF: 29.4)’에 03월 20일 字 온라인 게재됐으며, 한국연구재단 중견연구사업, 차세대지능형반도체기술개발사업, PIM인공지능반도체핵심기술개발사업, 나노종합기술원 및 KAIST 도약연구사업의 지원을 받아 수행됐다. (논문명: Memristive Explainable Artificial Intelligence Hardware, 논문링크: https://doi.org/10.1002/adma.202400977)
2024.03.25 조회수 5275 -
화합물 생성AI 기술로 신약 개발 앞당긴다
신약 개발이나 재료과학과 같은 분야에서는 원하는 화학 특성 조건을 갖춘 물질을 발굴하는 것이 중요한 도전으로 부상하고 있다. 우리 대학 연구팀은 화학반응 예측이나 독성 예측, 그리고 화합물 구조 설계 등 다양한 문제를 동시에 풀면서 기존의 인공지능 기술을 뛰어넘는 성능을 보이는 기술을 개발했다.
김재철AI대학원 예종철 교수 연구팀이 분자 데이터에 다중 모달리티 학습(multi-modal learning) 기술을 도입해, 분자 구조와 그 생화학적 특성을 동시에 생성하고 예측이 가능해 다양한 화학적 과제에 광범위하게 활용가능한 인공지능 기술을 개발했다고 25일 밝혔다.
심층신경망 기술을 통한 인공지능의 발달 이래 이러한 분자와 그 특성값 사이의 관계를 파악하려는 시도는 꾸준히 이루어져 왔다. 최근 비 지도 학습(unsupervised training)을 통한 사전학습 기법이 떠오르면서 분자 구조 자체로부터 화합물의 성질을 예측하는 인공지능 연구들이 제시되었으나 새로운 화합물의 생성하면서도 기존 화합물의 특성 예측이 동시에 가능한 기술은 개발되지 못했다.
연구팀은 화학 특성값의 집합 자체를, 분자를 표현하는 데이터 형식으로 간주해 분자 구조의 표현식과 함께 둘 사이의 상관관계를 아울러 학습하는 AI학습 모델을 제안했다. 유용한 분자 표현식 학습을 위해 컴퓨터 비전 분야에서 주로 연구된 다중 모달리티 학습 기법을 도입해, 두 다른 형식의 데이터를 통합하는 방식으로, 바라는 화합물의 성질을 만족하는 새로운 화합물의 구조를 생성하거나 주어진 화합물의 성질을 예측하는 생성 및 성질 특성이 동시에 가능한 모델을 개발했다.
연구팀이 제안한 모델은 50가지 이상의 동시에 주어지는 특성값 입력을 따르는 분자 구조를 예측하는 등 분자의 구조와 특성 모두의 이해를 요구하는 과제를 해결하는 능력을 보였으며, 이러한 두 데이터 정보 공유를 통해 화학반응 예측 및 독성 예측과 같은 다양한 문제에도 기존의 인공지능 기술을 뛰어넘는 성능을 보이는 것으로 확인됐다.
이 연구는 독성 예측, 후보물질 탐색과 같이 많은 산업계에서 중요하게 다뤄지는 과제를 포함해, 더 광범위하고 풍부한 분자 양식과 고분자, 단백질과 같은 다양한 생화학적 영역에 적용될 수 있을 것으로 기대된다.
예종철 교수는 “새로운 화합물의 생성과 화합물의 특성 예측 기술을 통합하는 화학분야의 새로운 생성 AI기술의 개척을 통해 생성 AI 기술의 저변을 넓힌 것에 자부심을 갖는다”고 말했다.
예종철 교수 연구팀의 장진호 석박통합과정이 제1 저자로 참여한 이번 연구 결과는 국제 학술지 ‘네이처 커뮤니케이션즈(Nature Communications)’지난 3월 14일 자 온라인판에 게재됐다. (논문명 : Bidirectional Generation of Structure and Properties Through a Single Molecular Foundation Model)
한편 이번 연구는 한국연구재단의 AI데이터바이오선도기술개발사업으로 지원됐다.
2024.03.25 조회수 7608 -
극저온일수록 강력한 초고속 반도체 소자 개발
KAIST 연구진이 초고속 구동이 가능하고 온도가 낮아질수록 성능이 더욱 향상되어 고주파수 대역 및 극저온에서의 활용 가능성이 기대되는 고성능 2차원 반도체 소자 개발에 성공하였다.
전기및전자공학부 이가영 교수 연구팀이 실리콘의 전자 이동도와 포화 속도*를 2배 이상 뛰어넘는 2차원 나노 반도체 인듐 셀레나이드(InSe)** 기반 고이동도, 초고속 소자를 개발했다고 20일 밝혔다.
*포화 속도(Saturation velocity): 반도체 물질 내에서 전자나 정공이 움직일 수 있는 최대 속도를 가리킴. 포화 속도는 포화 전류량 및 차단 주파수(Cutoff frequency) 등을 결정하며 반도체의 전기적 특성을 평가할 수 있는 핵심 지표 중 하나임.
**인듐 셀레나이드(InSe): 인듐과 셀레늄으로 이루어진 무기 화합물로 2차원 층간 반데르발스 결합을 이루고 있음
연구진은 고이동도 인듐 셀레나이드에서의 2.0×107 cm/s를 초과하는 우수한 상온 전자 포화 속도 값을 달성하였는데, 이는 실리콘과 다른 유효한 밴드갭을 지니는 타 2차원 반도체들의 값보다 월등히 우수한 수치이다. 특히 80 K으로 냉각시 InSe의 전자 포화 속도는 최대 3.9×107 cm/s로 상온 대비 50% 이상 향상되는데, 이는 전자 포화 속도가 약 20% 정도만 상승하는 실리콘 그리고 냉각하여도 포화 속도에 거의 변화가 없는 그래핀 대비 주목할만하다. 인듐 셀레나이드의 전자 포화 속도를 체계적으로 분석하여 보고한 것은 이번이 처음이며, 연구진은 전자 포화 속도 양상의 결정 기제 또한 규명하였다.
*이종접합: 서로 다른 결정 반도체의 2개의 층 또는 영역 사이의 접점
이번 연구를 주도한 석용욱 학생은 “고성능 소자 개발을 통해 2차원 반도체 InSe의 높은 전자 이동도와 포화 속도를 확인할 수 있었다”며 “실제 극저온 및 고주파수 구동이 필요한 응용 기기에의 적용 연구가 필요하다”라고 덧붙였다.
이가영 교수는 “고주파수 전자 시스템 구현에는 높은 포화 속도가 요구되는데 이번에 개발한 고성능 전자 소자는 초고속 구동이 가능하여 5G 대역을 넘어 6G 주파수 대역에서의 동작이 가능할 것으로 예측된다”며 “저온으로 갈수록 소자의 성능이 더욱 향상되어 퀀텀 컴퓨터의 양자 제어 IC(Integrated circuit)와 같이 극저온 고주파수 구동 환경에 적합하다.”라고 말했다.
KAIST 전기및전자공학부 석용욱 박사과정 학생이 제1저자로 참여한 이번 연구는 나노과학 분야 저명 국제 학술지 `ACS Nano'에 2024년 3월 19일 정식 출판됐으며 동시에 저널 표지 논문으로 채택됐다. (논문명 : High-Field Electron Transport and High Saturation Velocity in Multilayer Indium Selenide Transistors)
한편 이번 연구는 한국연구재단의 신진연구자지원사업, 기초연구사업 및 BK21, KAIST의 C2(Creative & Challenging) 프로젝트, LX 세미콘-KAIST 미래기술센터, 그리고 포스코청암재단의 지원을 받아 수행됐다.
붙임 : 연구개요, 그림 설명, 교수 이력
2024.03.20 조회수 5787 -
세계 최고 수준 리튬 금속배터리 용매 개발
휴대용 전자기기 및 전기차 등에 적용해 1회 충전에 많은 에너지를 저장하고 오래 사용할 수 있는 고 에너지밀도 이차전지 개발의 중요도가 커지고 있다. 한국 연구진이 리튬 이차전지의 에너지 밀도를 높이고 고전압 구동시 안정성을 높여줄 용매를 개발하여 화제다.
우리 대학 생명화학공학과 최남순 교수팀이 UNIST 화학과 홍성유 교수팀, 서울대 화학생물공학부 이규태 교수팀, 고려대 화공생명공학과 곽상규 교수팀, 경상국립대 나노·신소재공학부 고분자공학전공 이태경 교수와 공동연구를 통해 4.4V의 높은 충전 전압에서 리튬 금속전지의 효율과 에너지를 유지하는 세계 최고 수준의 전해액 조성 기술을 개발했다고 19일 밝혔다.
공동연구팀은 기존에 보고되지 않은 용매를 새롭게 디자인하고 합성해 전해액 주 용매로 사용했으며 전극-전해액 계면을 안정화하는 첨가제 기술과의 조합을 통해 리튬 금속전지의 고전압 수명 성능 및 고속 충전 특성을 획기적으로 높이는 데 성공했다.
리튬 금속전지를 오랜 시간 사용하기 위해서는 전해액의 이온 전달 성능뿐만 아니라 전극 표면을 보호하는 것이 필수적이다. 전자를 주는 성질이 강한 리튬금속 음극과 전자를 빼앗으려는 고전압 양극에 접촉하고 있는 전해액이 분해되지 않도록 전극과 전해액 사이에 보호층을 형성시켜야 한다.
최남순 교수 연구팀은 구동할 수 있는 상한 전압의 한계가 있는 용매들과는 달리 높은 충전 전압에서 안정적으로 사용할 수 있는 새로운 용매를 합성하는 데 성공했으며 이를 첨가제 기술과 접목해 현저하게 향상된 *가역 효율(상온 200회 99.9%)을 달성했다. 또한, 완전 충전-완전 방전 조건에서 첫 사이클 방전용량 대비 200사이클의 방전용량으로 용량 유지율을 측정하는데 개발된 전해액 기술은 리튬 대비 4.4V 높은 충전 전압 조건에서 다른 전해액보다 약 5% 정도 높은 75.0%의 높은 방전용량 유지율을 보였다.
☞ 가역 효율: 매 사이클마다 전지의 방전용량을 충전용량으로 나누어 백분율로 나타낸 값으로 배터리의 가역성을 의미함. 가역 효율이 높을수록 매 사이클마다 배터리 용량 손실이 적음을 의미함. 아무리 높은 용량을 구현하는 배터리라도 가역성이 높지 않다면 실용화가 어려움.
연구팀이 이번 연구에서 세계 최초로 합성 및 보고한 *환형 설폰아마이드 계열 용매인 TFSPP(1-(trifluoromethyl)sulfonyl)piperidine)는 기존에 사용되는 용매보다 우수한 고전압 안정성을 가져 전지 내부 가스 발생을 억제할 수 있음을 확인했다.
☞ 환형 설폰아마이드 용매: 질소원자 1개원 탄소원자 5개로 구성된 6원자 고리구조와 리튬염 구조를 모방한 작용기를 연결하여 제조되었으며 기존 에테르계 유기용매와 비교하여 3배 이상 높은 열안정성을 가짐. 또한, 상온에서 액체상태이며 리튬염을 녹일수 있는 용매임. 불에 잘 타는 일반적인 유기용매와는 달리 불에 타는 성질이 낮은 리튬염의 음이온 구조가 포함되어 있어 전해액의 발화 가능성을 낮출 것으로 기대됨.
또한, 연구팀은 두 가지 이온성 첨가제를 도입하여 리튬 금속 음극에 형성된 보호층이 부피 변화를 견디도록 설계했다. 이에 더해, 연구팀은 전자 방출 경향성이 높은 첨가제를 적용해 양극 표면에 보호층을 형성해 양극의 구조 안정성을 향상시켰다. 개발된 새로운 구조의 고전압 용매는 전극을 보호하는 첨가제와 함께 시너지 효과를 이끌어 고전압 리튬 금속전지 성능을 극대화했다는 점에서 그 의미가 크다.
이번 논문의 공동 제1 저자인 우리 대학 생명화학공학과 김세훈 박사과정은 “용매와 첨가제의 조합 기술을 통해 실용화가 가능한 리튬 금속전지용 용매 조성 프레임을 개발했으며 전지의 사용기간을 연장하는, 보다 안정적인 전극-전해액 계면층을 형성하는 새로운 전해액 조성 기술을 개발했다”라고 말했다.
최남순 교수는 “새로운 구조로 디자인된 TFSPP 용매는 기존 용매에 비해 열적 및 고전압 안정성이 매우 우수하고 전지 구동 중 전해액 분해를 최소화해 전지 내압 상승요인인 가스 발생을 억제하는 전해액 용매”임을 강조하며 “TFSPP를 주 용매로 사용해 전지의 고온 안정성을 개선했으며 본 연구팀 고유기술인 다중층 전극-전해액 보호층 형성을 통해 안정화함으로써 고전압 리튬 금속전지 실용화를 위한 전해액 설계에 있어서 새로운 이정표를 제시했다”라고 연구의 의미를 덧붙였다.
우리 대학 생명화학공학과 최남순 교수, 김세훈, 송채은, 이동현 연구원과 UNIST 화학과 홍성유 교수, 전지환 연구원, 서울대 화학생물공학부 이규태 교수, 박교빈, 송가원 연구원, 고려대 화공생명공학과 곽상규 교수, 권성현 연구원, 유승호 교수, 현재환 연구원, 그리고 경상국립대 나노·신소재공학부 고분자공학전공 이태경 교수가 진행한 이번 연구는 국제 학술지 ‘어드밴스드 머티리얼즈 (Advanced Materials)’에 3월 6일 字로 온라인 공개됐다. (논문명 : Electrolyte Design for High-Voltage Lithium-Metal Batteries with Synthetic Sulfonamide-Based Solvent and Electrochemically Active Additives)
한편 이번 연구는 한국연구재단의 단계도약형 탄소중립 기술개발사업과 한국산업기술평가관리원의 산업기술 혁신사업의 지원을 받아 수행됐다.
2024.03.19 조회수 7711 -
암 유발 물질 컴퓨터로 예측하다
암은 정상세포와 다르게 세포 내 비정상적인 축적을 통해 유발되는 대사 반응을 하며, 암의 치료 및 진단을 목적으로 이런 암 대사반응에 대해 다방면으로 연구되고 있다. 이에 우리 대학 연구진이 컴퓨터를 통해 24개 암종에 해당하는 1,043명의 암 환자에 대한 대사 모델 구축에 성공했다.
우리 대학 생명화학공학과 김현욱 교수, 이상엽 특훈교수 연구팀이 서울대학교병원 고영일 교수, 윤홍석 교수 및 정창욱 교수 연구팀과의 공동연구를 통해, 암 체세포 유전자 돌연변이와 연관된 새로운 대사물질 및 대사경로를 예측하는 컴퓨터 방법론을 개발했다고 18일 밝혔다.
최근 암 유발 대사물질(oncometabolite)*의 발견과 이를 표적으로 하는 신약들이 미국식품의약국(FDA)의 승인을 받으며 주목받고 있는데, 이에는 급성 골수성 백혈병의 치료제로 사용되고 있는 ‘팁소보(성분명: 아이보시데닙)’ 및 약물 ‘아이드하이파(성분명: 에나시데닙)’가 포함된다.
*암 유발 대사물질 (oncometabolite): 세포 내 비정상적인 축적을 통해 암을 유발하는 대사물질. 이러한 대사물질들은 특정 유전자 돌연변이의 영향으로 대사 과정 중에 비정상적으로 높은 농도로 축적되며, 이러한 축적은 암세포의 성장과 생존을 촉진함. 기존 연구에서 확인된 주요 암 유발 대사물질로는 2-하이드록시글루타레이트(2-hydroxyglutarate), 숙시네이트(succinate), 푸마레이트(fumarate) 등이 보고됨.
하지만, 암 대사 연구와 새로운 암 유발 대사물질 발굴에는 대사체학 등의 방법론이 필요하며, 이를 대규모 환자 샘플에 적용하기 위해서는 상당한 시간과 비용이 소요된다. 이러한 이유로, 암과 관련된 많은 유전자 돌연변이들이 밝혀졌음에도, 그에 상응하는 암 유발 대사물질은 극소수만 알려져 있다.
김현욱 교수 공동연구팀은 세포 대사 정보를 예측할 수 있는 게놈 수준의 대사 모델*에 국제 암 연구 컨소시엄에서 공개하고 있는 암 환자들의 전사체 데이터를 통합해, 24개 암종에 해당하는 1,043명의 암 환자에 대한 대사 모델을 성공적으로 구축했다.
*게놈 수준의 대사모델: 세포의 전체 대사 네트워크를 다루는 컴퓨터 모델로서, 세포 내 모든 대사반응에 대한 정보가 담겨 있으며, 다양한 조건에서 세포의 대사 활성을 예측하는 것이 가능
공동연구팀은 1,043명의 암 환자 특이 대사 모델과 동일 환자들의 암 체세포 돌연변이 데이터를 활용해, 다음의 4단계로 구성된 컴퓨터 방법론을 개발했다 (그림 1). 첫 단계에서는 암 환자 특이 대사 모델을 시뮬레이션해, 환자 별로 모든 대사물질들의 활성을 예측한다. 두 번째 단계로는 특정 유전자 돌연변이가 앞서 예측된 대사물질의 활성에 유의한 차이를 일으키는 짝을 선별한다. 세 번째 단계로, 특정 유전자 돌연변이와 연결된 대사물질들을 대상으로, 이들과 유의하게 연관된 대사경로를 추가로 선별한다. 마지막 단계로서, ‘유전자-대사물질-대사경로’ 조합을 완성해, 컴퓨터 방법론 결과로써 도출하게 된다.
이번 논문의 공동 제1 저자인 이가령 박사(現 다나파버 암센터 및 하버드 의과대학 박사후연구원)와 이상미 박사(現 하버드 의과대학 박사후연구원)는 “이번 연구에서 개발된 방법론은 암 환자 코호트의 돌연변이 및 전사체 데이터를 토대로 다른 암종에 대해서도 쉽게 적용될 수 있으며, 유전자 돌연변이가 대사경로를 통해 어떻게 세포대사에 변화를 일으키는지 체계적으로 예측할 수 있는 최초의 컴퓨터 방법론이라는 데 큰 의의가 있다” 한다고 말했다.
또한 김현욱 교수는 “이번 공동연구의 결과는 향후 암 대사 및 암 유발 대사물질 연구에서 중요한 참고 자료로 활용될 수 있을 것”이라고 강조했다.
한편 이번 논문은 바이오메드 센트럴(BioMed Central) 社가 발행하며, 생명공학 및 유전학 분야의 대표적 국제학술지인 게놈 바이올로지(Genome Biology, JCR 분야 상위 5% 이내)에 게재됐다.
※ 논문명 : Prediction of metabolites associated with somatic mutations in cancers by using genome-scale metabolic models and mutation data
※ 저자 정보 : 이가령(한국과학기술원, 공동 제1 저자), 이상미(한국과학기술원, 공동 제1 저자), 이성영(서울대학교병원, 공동저자), 정창욱(서울대학교병원, 공동저자), 송효진(서울대학교병원, 공동저자), 이상엽(한국과학기술원, 공동저자), 윤홍석(서울대학교병원, 교신저자), 고영일(서울대학교병원, 교신저자), 김현욱(한국과학기술원, 교신저자) 포함 총 9명
이번 연구는 과학기술정보통신부 한국연구재단의 지원을 받아 수행됐다.
2024.03.18 조회수 5334 -
인공지능이 상황에 따라 알아서 업데이트되다
최근 실생활에 활용되는 인공지능 모델이 시간이 지남에 따라 성능이 점차 떨어지는 현상이 다수 발견되었고, 이에 따라 지속가능한 인공지능 학습 기술에 대한 필요성이 커지고 있다. AI 모델이 꾸준히 정확한 판단을 내리는 것은 더욱 안전하고 신뢰할 수 있는 인공지능을 만들기 위한 중요한 요소이다.
우리 대학 전기및전자공학부 황의종 교수 연구팀이 시간에 따라 데이터의 분포가 변화하는 드리프트 환경에서도 인공지능이 정확한 판단을 내리도록 돕는 새로운 학습 데이터 선택 기술을 개발했다고 14일 밝혔다.
최근 인공지능이 다양한 분야에서 인간의 능력을 뛰어넘을 정도의 높은 성능을 보여주고 있지만, 대부분의 좋은 결과는 AI 모델을 훈련시키고 성능을 테스트할 때 데이터의 분포가 변하지 않는 정적인 환경을 가정함으로써 얻어진다. 하지만 이러한 가정과는 다르게 SK 하이닉스의 반도체 공정 과정에서 시간에 따른 장비의 노화와 주기적인 점검으로 인해 센서 데이터의 관측값이 지속적으로 변화하는 드리프트 현상이 관측되고 있다.
시간이 지나면서 데이터와 정답 레이블 간의 결정 경계 패턴이 변경되면, 과거에 학습되었던 AI 모델이 내린 판단이 현재 시점에서는 부정확하게 되면서 모델의 성능이 점차 악화될 수 있다.
본 연구팀은 이러한 문제를 해결하기 위해, 데이터를 학습했을 때 AI 모델의 업데이트 정도와 방향을 나타내는 그래디언트(gradient)를 활용한 개념을 도입하여 제시한 개념이 드리프트 상황에서 학습에 효과적인 데이터를 선택하는 데에 도움을 줄 수 있음을 이론적으로 실험적으로 분석했다. 그리고 이러한 분석을 바탕으로 효과적인 학습 데이터 선택 기법을 제안하여, 데이터의 분포와 결정 경계가 변화해도 모델을 강건하게 학습할 수 있는 지속 가능한 데이터 중심의 AI 학습 프레임워크를 제안했다.
본 학습 프레임워크의 주요 이점은, 기존의 변화하는 데이터에 맞춰서 모델을 적응시키는 모델 중심의 AI 기법과 달리, 드리프트의 주요 원인이라고 볼 수 있는 데이터 자체를 직접 전처리를 통해 현재 학습에 최적화된 데이터로 바꿔줌으로써, 기존의 AI 모델 종류에 상관없이 쉽게 확장될 수 있다는 점에 있다. 실제로 본 기법을 통해 시간에 따라 데이터의 분포가 변화되었을 때에도 AI 모델의 성능, 즉 정확도를 안정적으로 유지할 수 있었다.
제1 저자인 김민수 박사과정 학생은 "이번 연구를 통해 인공지능을 한번 잘 학습하는 것도 중요하지만, 그것을 변화하는 환경에 따라 계속해서 관리하고 성능을 유지하는 것도 중요하다는 사실을 알릴 수 있으면 좋겠다ˮ고 밝혔다.
연구팀을 지도한 황의종 교수는 “인공지능이 변화하는 데이터에 대해서도 성능이 저하되지 않고 유지하는 데에 도움이 되기를 기대한다”고 말했다.
본 연구에는 KAIST 전기및전자공학부의 김민수 박사과정이 제1 저자, 황성현 박사과정이 제2 저자, 그리고 황의종 교수(KAIST)가 교신 저자로 참여했다. 이번 연구는 지난 2월 캐나다 밴쿠버에서 열린 인공지능 최고 권위 국제학술 대회인 ‘국제 인공지능 학회(Association for the Advancement of Artificial Intelligence, AAAI)’에서 발표되었다. (논문명: Quilt: Robust Data Segment Selection against Concept Drifts)
한편, 이 기술은 SK 하이닉스 인공지능협력센터(AI Collaboration Center; AICC)의 지원을 받은 ‘노이즈 및 변동성이 있는 FDC 데이터에 대한 강건한 학습’ 과제 (K20.05) 와 정보통신기획평가원의 지원을 받은 ‘강건하고 공정하며 확장가능한 데이터 중심의 연속 학습’ 과제 (2022-0-00157) 와 한국연구재단의 지원을 받은 ‘데이터 중심의 신뢰 가능한 인공지능’ 과제 성과다.
2024.03.14 조회수 5294 -
GPU에서 대규모 출력데이터 난제 해결
국내 연구진이 인공지능(AI) 등에 널리 사용되는 그래픽 연산 장치(이하 GPU)에서 메모리 크기의 한계로 인해 초병렬 연산*의 결과로 대규모 출력 데이터가 발생할 때 이를 잘 처리하지 못하던 난제를 해결했다. 이 기술을 통해 향후 가정에서 사용하는 메모리 크기가 작은 GPU로도 생성형 AI 등 고난이도 연산이 대규모 출력을 필요한 경우 이를 빠르게 수행할 수 있다.
*초병렬 연산: GPU를 이용하여 수 십 만에서 수 백 만 개의 작은 연산들을 동시에 수행하는 연산을 의미
우리 대학은 전산학부 김민수 교수 연구팀이 한정된 크기의 메모리를 지닌 GPU를 이용해 수십, 수백 만개 이상의 스레드들로 초병렬 연산을 하면서 수 테라바이트의 큰 출력 데이터*를 발생시킬 경우에도 메모리 에러를 발생시키지 않고 해당 출력 데이터를 메인 메모리로 고속으로 전송 및 저장할 수 있는 데이터 처리 기술(일명 INFINEL)을 개발했다고 7일 밝혔다.
*출력데이터: 데이터 분석 결과 또는 인공지능에 의한 생성 결과물에 해당하는 데이터
최근 AI의 활용이 급속히 증가하면서 지식 그래프와 같이 정점과 간선으로 이루어진 그래프 구조의 데이터의 구축과 사용도 점점 증가하고 있는데, 그래프 구조의 데이터에 대해 난이도가 높은 초병렬 연산을 수행할 경우 그 출력 결과가 매우 크고, 각 스레드의 출력 크기를 예측하기 어렵다는 문제점이 발생한다.
또한, GPU는 근본적으로 CPU와 달리 메모리 관리 기능이 매우 제한적이기 때문에 예측할 수 없는 대규모의 데이터를 유연하게 관리하기 어렵다는 문제가 있다. 이러한 이유로 지금까지는 GPU를 활용해 ‘삼각형 나열’과 같은 난이도가 높은 그래프 초병렬 연산을 수행할 수 없었다.
김 교수팀은 이를 근본적으로 해결하는 INFINEL 기술을 개발했다. 해당 기술은 GPU 메모리의 일부 공간을 수백 만개 이상의 청크(chunk)라 불리는 매우 작은 크기의 단위들로 나누고 관리하면서, 초병렬 연산 내용이 담긴 GPU 커널(kernel) 프로그램을 실행하면서 각 스레드가 메모리 충돌 없이 빠르게 자신이 필요한 청크 메모리들을 할당받아 자신의 출력 데이터를 저장할 수 있도록 한다.
또한, GPU 메모리가 가득 차도 무중단 방식으로 초병렬 연산과 결과 출력 및 저장을 지속할 수 있도록 한다. 따라서 이 기술을 사용하면 가정에서 사용하는 메모리 크기가 작은 GPU로도 수 테라 바이트 이상의 출력 데이터가 발생하는 고난이도 연산을 빠르게 수행할 수 있다.
김민수 교수 연구팀은 INFINEL 기술의 성능을 다양한 실험 환경과 데이터 셋을 통해 검증했으며, 종래의 최고 성능 동적 메모리 관리자 기술에 비해 약 55배, 커널을 2번 실행하는 2단계 기술에 비해 약 32배 연산 성능을 향상함을 보였다.
교신저자로 참여한 우리 대학 전산학부 김민수 교수는 “생성형 AI나 메타버스 시대에는 GPU 컴퓨팅의 대규모 출력 데이터를 빠르게 처리할 수 있는 기술이 중요해질 것으로 예상되며, INFINEL 기술이 그 일부 역할을 할 수 있을 것”이라고 말했다.
이번 연구에는 김 교수의 제자인 박성우 박사과정이 제1 저자로, 김 교수가 창업한 그래프 딥테크 기업인 (주)그래파이 소속의 오세연 연구원이 제 2 저자로, 김 교수가 교신 저자로 참여하였으며, 국제 학술지 ‘PPoPP’에 3월 4일자 발표됐다. (INFINEL: An efficient GPU-based processing method for unpredictable large output graph queries)
한편, 이번 연구는 과기정통부 IITP SW스타랩 및 ITRC 사업, 한국연구재단 선도연구센터인 암흑데이터 극한 활용 연구센터의 지원을 받아 수행됐다.
2024.03.07 조회수 5294 -
체온으로 부드러워지는 전자잉크 최초 개발
차세대 웨어러블 및 임플란터블 기기, 의료기기, 로보틱스 등 다양한 분야에 활용될 체온에 따라 부드럽게 변할 수 있는 전자잉크를 최초로 개발하였다.
우리 대학은 전기및전자공학부 정재웅 교수 연구팀이 신소재공학과 스티브박 교수 연구팀과 공동연구를 통해 작은 노즐을 통한 직접 잉크 쓰기 방식으로 고해상도 프린팅이 가능하고 체온에 의해 부드러워져 인체 친화적 바이오 전자소자 구현을 가능하게 하는 액체금속 기반 전자잉크를 최초로 개발했다고 6일 밝혔다.
최근 웨어러블 및 임플란터블 생체 소자와 소프트 로보틱스 분야에서는 부드러운 사람 피부나 조직에 적용돼 건강 상태를 모니터링하고 질환을 치료하는 기술이 활발히 연구되고 있다. 기존 의료기기 예를 들어보면, 딱딱한 형태의 의료기기인 경우 부드러운 피부와의 강성도 차이로 인해 피부 부착 시 불편함을 야기하거나 조직 삽입 시 염증 반응을 유발할 수 있다.
반면, 피부처럼 부드러운 유연한 의료기기는 피부나 조직에 적용 시 우리 몸의 일부처럼 이질감 없이 사용될 수 있지만, 부드러운 특성으로 인해 정교한 핸들링을 어렵게 한다.
연구팀은 이러한 고정된 강성을 갖는 기존 바이오 전자기기의 한계를 극복하기 위해, 상온에서는 단단하여 손쉬운 핸들링으로 인체 적용을 용이하게 하고, 피부 부착 또는 조직 내 이식 후에는 체온에 의해 부드럽게 변하여 조직의 일부처럼 함께 움직일 수 있는 전자 회로 제작을 가능하게 하는, 고해상도 패터닝이 가능한 액체금속 갈륨 기반 전자잉크를 개발했다.
이 전자 잉크의 핵심 소재인 갈륨은 금속임에도 불구하고 미온(29.76 ℃)에서 녹는 점을 가져 쉽게 고체와 액체 간의 상태 변화가 가능하고 뛰어난 전기전도성과 무독성을 가진다. 연구팀은 또한 기존 갈륨의 높은 표면장력과 낮은 점도 문제를 해결함으로써, 고해상도 프린팅이 가능한 전자잉크를 구현했다.
개발된 잉크는 상용회로도선 정도의 딱딱한 상태와 피부조직처럼 부드러운 상태 간의 뛰어난 가변 강성률, 빠른 강성 변화, 높은 열전도율, 그리고 우수한 전기전도성을 가진다. 이 전자잉크는 3D 프린팅을 활용해 사용자 맞춤형 전자소자 제작도 가능하게 한다.
연구팀은 이 기술을 통해 초박막 광 혈류측정 전자 피부센서와 무선 광전자 임플란트 장치를 제작했다. 이 기기들은 상온(25℃)에서는 딱딱하여 다루기 쉬운 반면, 체온(~36.7℃)에 노출되면 부드럽게 변환돼 피부나 조직에 적용 시 기계적 스트레스를 주지 않고 조직 변형에 순응하며 안정적으로 동작하는 게 가능하다. 사용 후 인체에서 제거 시 다시 딱딱한 형태로 변형될 수 있어 재사용을 용이하게 한다. 위와 같은 특성은 다양한 웨어러블 및 임플란터블 장치에 폭넓게 활용될 수 있을 것으로 기대된다.
정재웅 교수는 "체온에 반응해 강성을 변환할 수 있고 고해상도 프린팅이 가능한 전자잉크는 기계적 특성 변환을 필요로 하는 다목적 전자기기, 센서, 로봇 기술뿐만 아니라 의료 기기 분야에서 고정된 형태를 갖는 기존 전자기기의 한계를 극복해 다양한 새로운 가능성을 열 수 있을 것ˮ이라고 말했다.
우리 대학 신소재공학부 권도아 학사과정과 전기및전자공학부 이시목 박사과정 학생이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `사이언스 어드밴시스(Science Advances)'에 2월 28일 字에 게재됐다. (논문명 : Body-temperature Softening Electronic Ink for Additive Manufacturing of Transformative Bioelectronics via Direct Writing)
한편 이번 연구는 과학기술정보통신부에서 추진하는 한국연구재단 전자약 기술개발사업, 기초연구실 지원사업, 중견연구자 지원사업, 한국전자통신연구원 개방형융합선행연구의 지원을 받아 수행됐다.
2024.03.06 조회수 6590