-
상상만으로 원하는 방향으로 사용가능한 로봇 팔 뇌-기계 인터페이스 개발
우리 대학 뇌인지과학과 정재승 교수 연구팀이 인간의 뇌 신호를 해독해 장기간의 훈련 없이 생각만으로 로봇 팔을 원하는 방향으로 제어하는 뇌-기계 인터페이스 시스템을 개발했다고 24일 밝혔다.
서울의대 신경외과 정천기 교수 연구팀과 공동연구로 진행된 이번 연구에서 정 교수 연구팀은 뇌전증 환자를 대상으로 팔을 뻗는 동작을 상상할 때 관측되는 대뇌 피질 신호를 분석해 환자가 의도한 팔 움직임을 예측하는 팔 동작 방향 상상 뇌 신호 디코딩 기술을 개발했다. 이러한 디코딩 기술은 실제 움직임이나 복잡한 운동 상상이 필요하지 않기 때문에 운동장애를 겪는 환자가 장기간 훈련 없이도 자연스럽고 쉽게 로봇 팔을 제어할 수 있어 앞으로 다양한 의료기기에 폭넓게 적용되리라 기대된다.
바이오및뇌공학과 장상진 박사과정이 제1 저자로 참여한 이번 연구는 뇌공학 분야의 세계적인 국제 학술지 `저널 오브 뉴럴 엔지니어링 (Journal of Neural Engineering)' 9월 19권 5호에 출판됐다. (논문명 : Decoding trajectories of imagined hand movement using electrocorticograms for brain-machine interface).
뇌-기계 인터페이스는 인간이 생각만으로 기계를 제어할 수 있는 기술로, 팔을 움직이는 데 장애가 있거나 절단된 환자가 로봇 팔을 제어해 일상에 필요한 팔 동작을 회복할 수 있는 보조기술로 크게 주목받고 있다.
로봇 팔 제어를 위한 뇌-기계 인터페이스를 구현하기 위해서는 인간이 팔을 움직일 때 뇌에서 발생하는 전기신호를 측정하고 기계학습 등 다양한 인공지능 분석기법으로 뇌 신호를 해독해 의도한 움직임을 뇌 신호로부터 예측할 수 있는 디코딩 기술이 필요하다.
그러나 상지 절단 등으로 운동장애를 겪는 환자는 팔을 실제로 움직이기 어려우므로, 상상만으로 로봇 팔의 방향을 지시할 수 있는 인터페이스가 절실히 요구된다. 뇌 신호 디코딩 기술은 팔의 실제 움직임이 아닌 상상 뇌 신호에서 어느 방향으로 사용자가 상상했는지 예측할 수 있어야 하는데, 상상 뇌 신호는 실제 움직임 뇌 신호보다 신호대잡음비(signal to noise ratio)가 현저히 낮아 팔의 정확한 방향을 예측하기 어려운 문제점이 오랫동안 난제였다. 이러한 문제점을 극복하고자 기존 연구들에서는 팔을 움직이기 위해 신호대잡음비가 더 높은 다른 신체 동작을 상상하는 방법을 시도했으나, 의도하고자 하는 팔 뻗기와 인지적 동작 간의 부자연스러운 괴리로 인해 사용자가 장기간 훈련해야 하는 불편함을 초래했다.
따라서 팔을 뻗는 상상을 할 때 어느 방향으로 뻗었는지 예측하는 디코딩 기술은 정확도가 떨어지고 환자가 사용법을 습득하기 어려운 문제점이 있다. 이 문제가 오랫동안 뇌-기계 인터페이스 분야에서 해결해야 할 난제였다.
연구팀은 문제 해결을 위해 사용자의 자연스러운 팔 동작 상상을 공간해상도가 우수한 대뇌 피질 신호(electrocorticogram)로 측정하고, 변분 베이지안 최소제곱(variational Bayesian least square) 기계학습 기법을 활용해 직접 측정이 어려운 팔 동작의 방향 정보를 계산할 수 있는 디코딩 기술을 처음으로 개발했다.
연구팀의 팔 동작 상상 신호 분석기술은 운동피질을 비롯한 특정 대뇌 영역에 국한되지 않아, 사용자마다 상이할 수 있는 상상 신호와 대뇌 영역 특성을 맞춤형으로 학습해 최적의 계산모델 파라미터 결괏값을 출력할 수 있다.
연구팀은 대뇌 피질 신호 디코딩을 통해 환자가 상상한 팔 뻗기 방향을 최대 80% 이상의 정확도로 예측할 수 있음을 확인했다.
나아가 계산모델을 분석함으로써 방향 상상에 중요한 대뇌의 시공간적 특성을 밝혔고, 상상하는 인지적 과정이 팔을 실제로 뻗는 과정에 근접할수록 방향 예측정확도가 상당히 더 높아질 수 있음을 연구팀은 확인했다.
연구팀은 지난 2월 인공지능과 유전자 알고리즘 기반 고 정확도 로봇 팔 제어 뇌-기계 인터페이스 선행 연구 결과를 세계적인 학술지 `어플라이드 소프트 컴퓨팅(Applied soft computing)'에 발표한 바 있다. 이번 후속 연구는 그에 기반해 계산 알고리즘 간소화, 로봇 팔 구동 테스트, 환자의 상상 전략 개선 등 실전에 근접한 사용환경을 조성해 실제로 로봇 팔을 구동하고 의도한 방향으로 로봇 팔이 이동하는지 테스트를 진행했고, 네 가지 방향에 대한 의도를 읽어 정확하게 목표물에 도달하는 시연에 성공했다.
연구팀이 개발한 팔 동작 방향 상상 뇌 신호 분석기술은 향후 사지마비 환자를 비롯한 운동장애를 겪는 환자를 대상으로 로봇 팔을 제어할 수 있는 뇌-기계 인터페이스 정확도 향상, 효율성 개선 등에 이바지할 수 있을 것으로 기대된다.
연구책임자 정재승 교수는 "장애인마다 상이한 뇌 신호를 맞춤형으로 분석해 장기간 훈련을 받지 않더라도 로봇 팔을 제어할 수 있는 기술은 혁신적인 결과이며, 이번 기술은 향후 의수를 대신할 로봇팔을 상용화하는 데에도 크게 기여할 것으로 기대된다ˮ고 말했다.
2022.10.24
조회수 7011
-
이성주, 신진우 교수팀, 스스로 새로운 환경 적응하는 인공지능 기술 개발
우리 대학 전기및전자공학부 이성주 교수와 AI대학원 신진우 교수 연구팀이 공동연구를 통해 스스로 환경변화에 적응하는 테스트타임 적응 인공지능 기술을 개발했다고 밝혔다.
해당 연구는 “NOTE: Robust Continual Test-time Adaptation Against Temporal Correlation”라는 제목으로 인공지능 분야 최고권위 국제학술대회 ‘신경정보처리시스템학회(NeurIPS) 2022'에서12월 발표될 예정이다.
이성주 교수와 신진우 교수 공동 연구팀이 스스로 새로운 환경에 적응하는 “테스트타임 적응 (Test-Time Adaptation)” 인공지능 기술을 개발하였다. 연구팀이 제안한 알고리즘은 기존의 최고 성능 알고리즘보다 평균 11% 향상된 정확도를 보였다.
기계학습 모델들의 한계점은 학습했던 데이터와 다른 분포의 데이터에 적용되면 성능이 급격히 하락한다는 것이다. 이를 푸는 여러 방법 중에서 데이터를 미리 수집할 필요없이 모델이 스스로 테스트 데이터를 분석하여 변하는 환경에 적응하고 성능을 향상시키는 기술인 테스트타임 도메인 적응 (Test-Time Adaptation) 방법이 최근 산학계에서 크게 각광을 받고 있었다.
연구팀은 기존의 테스트타임 도메인 적응 기술들이 모두 데이터가 이상적인 균일분포를 따른다는 가정을 한다는 문제점에 착안했다. 실제 데이터는 환경 변화나 시간 변화에 따라 데이터 분포가 변하거나 비균일분포의 데이터에 대해서는 기존 기술을 동작하지 않는다. 하지만 연구팀이 제시한 “NOTE” 기술은 비균일분포의 데이터에서도 기존 최대 성능 알고리즘 보다 평균 11%만큼 향상된 정확도를 보였다.
이성주 교수 연구팀과 신진우 교수 연구팀의 공동연구로, 공태식 박사과정이 제1저자로 연구를 이끌었고, 정종헌 박사과정, 김태원 학사과정, 김예원 석사과정이 공동 저자로 기여하였다.
이성주 교수와 신진우 교수는 ”테스트타임 도메인 적응은 인공지능이 스스로 환경 변화에 적응하여 성능을 향상시키는 기술로, 활용도가 무궁무진하다. 이번에 발표될 NOTE 기술은 실제 데이터 분포에서 성능향상을 보인 최초의 기술이고 자율주행, 인공지능 의료, 모바일 헬스케어 등 다양한 분야에 적용이 가능할 것으로 기대된다.” 라고 밝혔다.
이 연구는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원 (No. NRF-2020R1A2C1004062)과 방위사업청과 국방과학연구소의 지원(UD190031RD)으로 한국과학기술원 미래 국방 인공지능 특화연구센터에서 수행된 연구이다.
2022.10.21
조회수 7333
-
악천후에서도 자율주행을 가능하게 하는 세계 최고의 4D 레이더 인공지능 기술 개발
우리 대학 조천식모빌리티대학원 공승현 교수 연구팀이 세계 최초로 악천후 상황에서 안정적인 자율주행을 가능하게 하는 4D 레이더(Radar)의 주변 객체 인지 인공지능 기술을 개발했다고 20일 밝혔다. 연구팀은 구축된 인공지능 학습 데이터셋(Dataset)인 KAIST-레이더(이하 K-레이더)와 개발된 인공지능 신경망(RTN4D) 그리고 전 세계 연구자를 위한 4D 레이더 인공지능 개발 플랫폼(Platform)과 관련 벤치마크(Benchmark)를 모두 공개한다고 밝혔다.
현재 전 세계적으로 개발되고 있는 자율주행 자동차는 주로 카메라와 라이다(LiDAR)에서 출력되는 이미지와 포인트 클라우드(Pointcloud) 데이터를 적절한 인공지능 신경망으로 처리해 자동차 주변의 객체들을 인식하는 방식으로 구현돼 있다. 그러나 카메라와 라이다는 각각 가시광선과 적외선을 사용하므로 눈비 또는 안개 상황에서 측정 성능이 크게 떨어지는데, 이로 인해 주변 객체들에 대한 인식이 어려워져 안전한 자율주행이 불가능하다.
더구나, 차내에 설치할 수 있는 카메라와 달리 자동차의 지붕에 설치하는 라이다는 외부 환경에 노출돼 있어서 그 표면에 눈비 또는 흙먼지가 묻는 경우 라이다를 이용한 전방 탐지가 어려워진다. 공승현 교수는 "젖은 도로에서 전방에 주행 차량이 있는 경우, 그 바퀴에서 일어나는 흙먼지가 섞인 물보라로 라이다 표면이 빠르게 더럽혀지고, 결과적으로 모든 전방 객체에 대한 라이다 측정이 불가능해진다ˮ고 설명한다. {그림 1 참조}
적외선을 사용하는 라이다와는 달리 77기가헤르츠(GHz) 대역의 자동차 레이더는 눈, 비, 안개 등의 악천후 상황에 매우 강건하며 표면에 눈비나 흙먼지가 묻은 상황에서도 안정적인 측정 결과를 보인다. 최근에는 고해상도의 4D 레이더(대상까지의 거리, 방위각, 높이, 도플러 주파수를 측정)가 개발돼 상용화되고 있으며, 그 성능도 빠르게 향상되고 있다.
이에 따라서 전 세계적으로 4D 레이더에 인공지능을 이용한 주변 인지 기술 연구가 시작되고 있지만, 4D 레이더에 필요한 인공지능 연구는 매우 더디게 진행되고 있다. 카메라나 라이다와 달리, 고성능 인공지능 개발에 필수적인 충분한 데이터셋이 구축되지 못하고 있기 때문이다. 2021년부터 4D 레이더의 포인트 클라우드 데이터셋이 일부 공개됐으나, 데이터의 양이 충분하지 않고 측정치가 매우 희소해 신뢰할 만한 객체 인식 인공지능 신경망 개발이 쉽지 않다.
연구팀이 공개하는 K-레이더는 악천후를 포함한 다양한 날씨 및 교통 상황에서 수집된 다양성 높은 데이터셋이며, 정확히 동기된 카메라와 라이다 측정 데이터와 함께 구축된 13테라바이트(TB)에 이르는 대용량으로 세계 최초의 4D 레이더 데이터셋이다. 특히, K-레이더는 포인트 클라우드 형태가 아닌 인공지능 신경망의 성능을 극대화할 수 있는 텐서(Tensor) 형태의 데이터셋으로, 이는 일반적인 레이더의 잡음 제거 방식을 사용하지 않아 잡음 수준의 미약한 미세 측정치를 온전히 담고 있는 형태의 데이터셋이다.
연구팀이 개발한 4D 레이더 인공지능 신경망(RTN4D)은 K-레이더로 수많은 학습을 진행했고, 그 결과 다양한 날씨와 도로 상황에서 70m 이내의 객체에 대해 객체 판별, 위치 추정 및 주행 방향 추정의 3가지 추정을 정확히 수행하는 경우가 최종 62.5%인 세계 최고의 성능을 가진다.
또한, 연구팀은 전 세계의 연구자들이 자체적으로 데이터를 추가 구축하고 신경망 기술을 개발하며 그 성능을 자체 평가할 수 있도록 레이더용 인공지능 신경망 개발 플랫폼과 벤치마크도 공개 제공한다.
조천식모빌리티대학원 공승현 교수는 "눈이나 비가 오는 날씨에서 4D 레이더 인공지능 신경망은 기존 라이다 인공지능 신경망 보다 훨씬 더 안정적인 주변 객체 인지 성능을 갖는데, 이는 4D 레이더가 악천후에서 자율주행을 위한 필수 센서임을 보여주는 결과이며{그림 2 참조}, 최근 미국의 웨이모(Waymo)와 이스라엘의 모빌아이(Mobileye)가 수년 내로 4D 레이더를 자율주행의 주요 인지 센서로 활용할 계획임을 공개적으로 밝힌 이유다ˮ라며 "우리 연구팀이 공개한 K-레이더와 4D 레이더 인공지능 개발 플랫폼 및 벤치마크를 통해, 향후 4D 레이더에 관한 인공지능 연구가 더욱 활발히 진행될 것으로 기대한다ˮ라고 말했다.
K-레이더, 4D 레이더 인공지능 신경망(RTN4D), 4D 레이더 인공지능 개발 플랫폼과 벤치마크는 연구실 홈페이지(http://ave.kaist.ac.kr/)와 깃허브(https://github.com/kaist-avelab/K-Radar)를 통해서 배포될 예정이다. 이번 연구는 한국연구재단(NRF) 및 정보통신기획평가원(IITP)의 지원과 ㈜스마트레이더시스템의 협력으로 수행됐으며, 연구 성과는 백동희 박사과정 학생이 2022년 12월에 열리는 세계적인 인공지능 컨퍼런스인 `뉴립스(NeurIPS) 2022' 데이터셋&벤치마크 트랙(Datasets and Benchmark Track)에서 발표할 예정이다(논문명: K-Radar: 4D Radar Object Detection Dataset and Benchmark for Autonomous Driving in Various Weather Conditions)
2022.10.20
조회수 6191
-
카이캐치(KaiCatch), 악성 동영상 위변조 탐지 기술 개발
우리 대학 전산학부 이흥규 명예교수 연구팀이 KAIST 창업기업인 ㈜디지탈이노텍의 후원으로 악성 위변조에 활용되는 프레임 업 변환, 보간법에 의해 생성된 프레임, 영상내 위변조 영역 등을 탐지하는 동영상 위변조 탐지 기술을 개발했다.
위변조 분야 최상위 저명 논문지인 Forensic Science International 11월호에 논문으로도 발표했다.
CCTV의 대량 보급과 함께 동영상은 수많은 분쟁시 주요 증거물로 사용되고 있다. 그러나 동영상에 대한 편집 도구 기술과 인공지능 기술 발전과 함께 동영상의 편집, 프레임 삭제 및 추가 등의 위변조를 포함하여 프레임 업 변환 이라는 기술을 사용하여 위변조 동영상을 고품질 영상으로 변환함으로써 위변조 동영상을 원본과 유사하게 변환함으로써 위변조 탐지를 더욱 어렵게 하는 악성 변조 기술 등도 등장하고 있다.
이번 연구에서는 동영상내 특정 영역들의 편집 변조를 포함하여 프레임 추가, 삭제, 프레임률 변환 탐지를 포함하여 공간정보와 시간정보를 연속적으로 활용하는 프레임-업 변환을 탐지하기 위해 프레임-업 특징들을 추출하는 4개 유형의 네트워크블럭들과 보팅(voting) 기능을 채택한 프레임-업 탐지 뉴럴 네트워크를 제시하였다.
개발된 기술은 특히 동영상의 극히 작은 영역들의 정보를 사용하여 무결성 여부를 판독하기 때문에 동영상 위변조 탐지를 고속으로 수행할 수 있어 기존 기술들과 비교하여 기술의 유용성과 실용성이 매우 뛰어나다.
이번 연구는 KAIST 윤민석 박사, ㈜네이버웹튠AI의 남승훈 박사 등이 참여하였으며 KAIST에서 위변조를 잡아낸다는 의미인 카이캐치(KaiCatch) 위변조 탐지 소프트웨어 기능을 동영상으로도 크게 확장 했다는 점에서 그 의미가 있다.
개발된 기술은 영상 위변조 분야 최상위 저명 논문지인 Forensic Science International 2022년 11월호(Vol 340)에 ‘Frame-rate Up-conversion Detection based on Convolutional Neural Network for Learning Spatiotemporal Features’ 논문으로 발표 되었다. 본 연구는 한국연구재단 창의도전연구기반지원사업과 KAIST 창업기업인 ㈜디지탈이노텍의 후원으로 수행하였다.
2022.10.20
조회수 7203
-
투명 스마트 복합 필름 상용화에 성공
우리 대학 기계공학과 이승섭 교수와 전기전자공학부 윤준보 교수 공동 연구팀이 `투명 스마트 복합 필름' 상용화에 성공했다고 19일 발표했다.
`투명 스마트 복합 필름'은 투명한 필름 혹은 유리판 위에 안테나, 열선, 발광 기능이 복합적으로 구현된 것으로, 시야 방해 없이 원활한 5G 통신, 고효율 방열, 정보 전달 기능이 동시에 가능하다.
한편, 자동차부품 기업인 ㈜티에이치엔은 5G 안테나 기업인 ㈜센서뷰와 함께 관련 기술을 이용해 자동차용 제품 개발을 진행 중이며 시제품이 2022년 현대자동차 테크데이에 선정됐다고 발표했다.
이승섭 교수 연구팀과 윤준보 교수 연구팀은 서로 다른 방법으로 투명 필름 연구를 수행했는데, 이승섭 교수팀은 투명 전도성 필름 기반의 안테나와 열선을 연구했고, 윤준보 교수팀은 초소형 3차원 패턴을 이용한 투명 발광을 연구했다.
이승섭 교수팀이 개발한 투명 전도성 필름은 투명도 90% (PET 필름 포함), 면저항 0.3옴/sq, 헤이즈 1%의 세계 최고 성능을 가지고 있다.
투명 안테나 필름은 짧은 주파수 특성으로 많은 안테나를 요구하는 5G 특화망을 대상으로 개발됐는데, 스마트 빌딩과 팩토리는 물론 자율주행 및 커넥티드 모빌리티 등에 적용이 예상된다.
투명 열선 필름은 저전력 고효율 방열이 가능해 유리창 서리 제거, 외부 카메라 시야 확보, 겨울철 라이더 적용은 물론 복사열을 이용한 실내 난방 등에 광범위하게 응용될 수 있다.
윤준보 교수팀의 투명 발광 필름은 가장자리에 배치된 LED에서 도광된 빛이 필름의 한쪽 방향으로만 나오는 특징을 지니는데, 이미 `매직라이팅 시트' 라는 상표로 제품화됐다.
투명 발광 필름은 투명해서 하늘을 볼 수 있다가 밤이 되면 실내 조명으로 변하는 `라이팅 썬루프', 차량 유리에서 특정 모양으로 빛이 나오도록 하는 `라이팅 유리' 등 미래 모빌리티 조명을 주 시장으로 하고 있으며, 비전 검사 장비에 설치할 수 있는 `투명 비전 조명' 으로 출시된 바 있다.
이승섭 교수와 윤준보 교수는 관련 기술을 바탕으로 각각 ㈜제이마이크로와 ㈜멤스룩스를 창업했다.
연구를 주도한 이승섭 교수는 "세계 최고 성능을 가진 투명 전도성 필름에 5G 통신, 고효율 방열 등이 가능하도록 개발된 이번 투명 스마트 복합 필름의 상용화를 통해 차량, 실내 난방뿐만 아니라 나아가 스마트 빌딩, 스마트 팩토리, 자율주행 등 광범위하게 응용이 가능할 것으로 기대된다ˮ라고 설명했다.
2022.10.19
조회수 6926
-
전기차 노면 소음과 모터 소음을 동시에 차단하는 초경량 차음 메타패널 개발
우리 대학 기계공학과 전원주 교수 연구팀이 전기차의 저주파 대역 노면 소음과 고주파 대역 모터 소음을 동시에 차단할 수 있는 신개념 음향 메타물질 기반 초경량 차음 메타패널을 개발했다고 18일 밝혔다.
음향 메타물질은 자연계에 존재하지 않는 음향학적 유효 물성(음의 질량, 음의 강성 등)을 갖도록 인공적으로 설계된 구조물로, 음향 은폐, 고투과-고집속, 완벽 차음/흡음 등 기존 재료로는 구현이 어려운 성능을 달성할 수 있는 특징이 있다.
내연기관을 대신해 전기모터를 동력원으로 사용하는 전기차는 기존의 내연기관 자동차에서 시끄럽다고 느끼던 엔진 소음이 더는 발생하지 않는다. 하지만, 엔진 소음에 의한 마스킹 효과가 사라지면서 오히려 저주파 대역의 노면 소음이 상대적으로 더 크게 들리거나 엔진을 대신하는 전기모터의 고주파 소음이 또렷하고 거슬리게 들리기도 한다.
미래 모빌리티의 한 축을 담당하고 있는 전기차가 단순히 하나의 운송 수단을 넘어 이동 중 휴식이나 레저 및 업무 활동 등 탑승자에게 필요한 맞춤형 서비스를 제공하는 개념으로 나아가고 있다는 점에서 전기차의 실내 정숙성을 확보하는 것이 매우 중요하다. 특히, 전기차 노면 소음과 모터 소음은 각각 저주파와 고주파로 나뉜 서로 다른 주파수 대역에서 나타날 뿐만 아니라 각각의 대역도 광대역이기 때문에, 이와 같은 소음을 동시에 효과적으로 차단할 수 있는 기술의 개발과 적용이 필요한 시점이다.
현재 상용화된 전기차에서는 소음 차단을 위해 폴리에스터, 열가소성 고무, EVA(에틸렌초산비닐 공중합체) 시트, 금속판 등의 전통적인 흡·차음재가 사용되고 있다. 하지만, 전통적인 흡·차음재의 성능은 재료 자체의 열/점성 소산 특성이나 질량 법칙(투과 손실 6dB(데시벨) 증가를 위해 질량 밀도가 2배 높아져야 함)에 의존하기 때문에 높은 차음 성능을 위해서는 재료의 무게 증가가 불가피하며, 이는 곧 전기차 배터리의 에너지 효율을 감소시키는 원인이 되고 있다.
따라서, 우수한 차음 성능을 발휘하면서도 경량화를 동시에 달성하는 것이 전기차 적용 측면에서 매우 중요한데, 기존의 음향학적 재료나 법칙의 한계를 넘어서야 한다는 점에서 학문적으로도 도전적인 문제였다.
전원주 교수 연구팀은 기존 기술의 한계를 극복함으로써 높은 차음 성능으로 전기차 노면 소음과 모터 소음을 동시에 차단할 수 있는 초경량 차음 메타패널을 개발했다.
연구팀이 개발한 메타패널은 저주파 대역(노면 소음)에서는 음의 유효 질량을 가지면서 고주파 대역(모터 소음)에서는 음의 유효 강성을 갖도록 설계됐으며, 면적밀도 1.51kg/m2의 매우 가벼운 무게로 100~1,750Hz의 넓은 주파수 대역에서 투과 손실 16.7dB(에너지 기준 98%) 이상 차단할 수 있음을 이론적으로 예측했고 제작과 실험을 통해 그 성능을 검증하는 데 성공했다. 이는 동일 차음 성능을 갖는 기존 기술과 비교해 20배 이상 가벼운 무게의 초경량화를 달성했다고 볼 수 있다. (그림 1 참고)
다중 스케일 격자 구조와 멤브레인(얇은 막)으로 구성된 차음 메타패널은 분리된 두 광대역에서 높은 투과 손실을 동시에 구현할 수 있다는 음향학적 특징이 있어, 전기차에 적용될 때 저주파 노면 소음과 고주파 모터 소음을 효과적으로 차단해낼 수 있을 것으로 기대된다. 특히, 메타패널의 기하학적 인자를 쉽게 조절함으로써 원하는 주파수 대역에서 높은 차음 성능을 달성할 수 있으므로, 전기차뿐 아니라 도심 항공 모빌리티(Urban Aerial Mobility, UAM) 등 다양한 미래 모빌리티에 적합하게 주파수 선택적 설계가 가능하다는 장점과 더불어 제작이 쉽다는 응용 측면의 장점도 갖고 있다.
우리 대학 기계공학과 김지완 박사과정(제1 저자), 최은지 박사과정(제2 저자)이 참여한 이번 연구 결과는 기계공학 분야 최상위권 국제 학술지인 `메카니컬 시스템 앤 시그널 프로세싱(Mechanical Systems and Signal Processing) (IF: 8.934, JCR 상위 4/137(2.55%)'에 지난 8월 30일 字 온라인 게재됐다. (논문명: Lightweight soundproofing meta-panel for separate wide frequency bands)
한편 이번 연구는 한국연구재단의 중견연구자지원사업과 글로벌프론티어사업-파동에너지극한제어연구단의 지원을 받아 수행됐다.
2022.10.18
조회수 7674
-
태양빛과 전기를 이용한 미세플라스틱 업사이클링 구축
우리 대학 신소재공학과 박찬범 교수 연구팀이 네덜란드 델프트 공과대학교(TU Delft) 프랭크 홀만(Frank Hollmann) 교수팀과의 협력을 통해 태양빛과 전기에너지를 이용해 *미세플라스틱(microplastic)을 화학연료로 변환하고, 미세플라스틱 *업사이클링(upcycling)과 생체촉매 반응을 접목해 다양한 고부가가치 화합물을 생성하는 데 성공했다고 17일 밝혔다.
*미세플라스틱(microplastic): 5 mm 이하의 플라스틱
*업사이클링(upcycling): 업그레이드와 리사이클링의 합성어로, 폐기물을 새로운 활용가치를 가진 것으로 재탄생시키는 것을 지칭. 우리말은 새활용.
관련 연구는 국제학술지 `네이처 신세시스 (Nature Synthesis)' 10월호 표지논문으로 게재됐다 (논문명: Photoelectrocatalytic biosynthesis fueled by microplastics).
플라스틱(plastic)은 현대 생활에서 필수적인 재료로, 매년 약 3억 9천만 톤이 전 세계적으로 생산되고 있다. 최근 코로나바이러스(coronavirus) 대유행 때문에 포장재와 개인 보호 장비의 사용이 증가해 플라스틱 수요가 더욱 증가했다. 하지만, 대부분의 플라스틱 폐기물은 소각되거나 자연환경에 매립하는 방식으로 처리되고 있어 환경적/경제적 문제를 일으키고 있다. 또한, 이 과정에서 생성되는 미세플라스틱은 생체에 축적되기 때문에 생태적 위협이 되고 있다.
신소재공학과 김진현 박사과정이 제1 저자로 참여한 이번 연구에서는 태양에너지와 전기에너지를 이용해 미세플라스틱을 업사이클링하는 광전기화학 방식을 구축했다. 연구팀은 자연에 널리 존재하는 헤마타이트(hematite)를 광촉매로 이용해 폴리에틸렌 테레프타레이트(polyethylene terephthalate) 미세플라스틱을 포름산염(formate)과 아세트산염(acetate) 화학연료로 전환했다. 또한, 연구팀은 *분광학 및 (광)전기화학적 분석을 통해 헤마타이트의 *광여기홀(photoexcited hole)이 해당 업사이클링 반응에 핵심적이라는 과학적 원리를 밝혔다. 연구팀은 더 나아가, 스타벅스와 코카콜라 회사의 플라스틱 용기에서도 동일한 재활용 반응이 일어났다는 것을 입증해 해당 시스템의 실생활 적용 가능성을 확립했다.
*분광학: 분자나 재료에 의한 빛의 흡수, 복사를 분석해 물질의 특성을 파악하는 학문
*광여기홀: 빛에 의해 원자가띠에 존재하던 전자가 전도띠로 전이되면서 생성되는 준입자
또한 연구팀은 플라스틱 업사이클링 광촉매반응을 여러 생체촉매 반응과 연합했다. *산화환원 효소(redox enzyme)를 활성화하는 기존의 광전기화학 시스템은 *물 산화 반응(water oxidation reaction)에 의존했다. 그러나 물 산화 반응은 속도가 느리고 경제적으로 가치가 낮은 산소를 생성한다는 문제가 있었다. 연구팀은 물 산화 반응보다 플라스틱 업사이클링 반응이 더 빠르다는 것을 이용해 산화환원 효소의 반응을 가속했을 뿐만 아니라 양극과 음극에서 동시에 고부가가치 화합물(*키랄성 화합물, 의약물질 중간체, 화학연료 등)을 생성하는 데 성공했다.
*산화환원 효소(redox enzyme): 전자를 얻거나 잃는 방식으로 화학 반응을 가속화시키는 효소
*물 산화 반응(water oxidation reaction): 물에서 전자를 추출하는 산화 반응
*키랄성 화합물: 왼손과 오른손처럼 구조와 모양이 똑같이 생겼지만 마치 거울에 비친 듯이 반대 방향을 향하고 있어 서로 겹쳐질 수 없는 분자
박찬범 교수는 "이번 연구는 환경 문제를 해결하면서 지속가능한 태양-화학에너지 전환을 위한 광 전기화학적 방식을 제시했다는 것에 의의가 있다ˮ면서, "미세플라스틱을 더 빠르게 업사이클링(새활용)할 수 있는 광촉매를 개발하고, 여러 종류의 플라스틱을 새활용할 수 있는 방안을 찾을 계획ˮ이라고 밝혔다.
한편 이번 연구는 과학기술정보통신부 리더연구자지원사업(창의연구)과 한국연구재단 글로벌박사 양성사업의 지원을 받아 수행됐다.
2022.10.17
조회수 6632
-
인공지능 심층 학습(딥러닝) 서비스 구축 비용 최소화 가능한 데이터 정제 기술 개발
최근 다양한 분야에서 인공지능 심층 학습(딥러닝) 기술을 활용한 서비스가 급속히 증가하고 있다. 서비스 구축을 위해서 인공지능은 심층신경망을 훈련해야 하며, 이를 위해서는 충분한 훈련 데이터를 준비해야 한다. 특히 훈련 데이터에 정답지를 만드는 레이블링(labeling) 과정이 필요한데 (예를 들어, 고양이 사진에 `고양이'라고 정답을 적어줌), 이 과정은 일반적으로 수작업으로 진행되므로 엄청난 노동력과 시간적 비용이 소요된다. 따라서 훈련 데이터 구축 비용을 최소화하는 방법 개발이 요구되고 있다.
우리 대학 전산학부 이재길 교수 연구팀이 심층 학습 훈련 데이터 구축 비용을 최소화할 수 있는 새로운 데이터 동시 정제 및 선택 기술을 개발했다고 12일 밝혔다.
일반적으로 심층 학습용 훈련 데이터 구축 과정은 수집, 정제, 선택 및 레이블링 단계로 이뤄진다. 수집 단계에서는 웹, 카메라, 센서 등으로부터 대용량의 데이터가 정제되지 않은 채로 수집된다. 따라서 수집된 데이터에는 목표 서비스와 관련이 없어서 주어진 레이블에 해당하지 않는 분포 외(out-of-distribution) 데이터가 포함된다 (예를 들어, 동물 사진을 수집할 때 재규어 `자동차'가 포함됨). 이러한 분포 외 데이터는 데이터 정제 단계에서 정제돼야 한다. 모든 정제된 데이터에 정답지를 만들기 위해서는 막대한 비용이 소모되는데, 이를 최소화하기 위해 심층 학습 성능 향상에 가장 도움이 되는 훈련 데이터를 먼저 선택해 레이블링하는 능동 학습(active learning)이 큰 주목을 받고 있다. 그러나 정제와 레이블링을 별도로 진행하는 것은 데이터 검사 측면에서 중복적인 비용을 초래한다. 또한 아직 정제되지 않고 남아 있는 분포 외 데이터가 레이블링 단계에서 선택된다면 레이블링 노력을 낭비할 수 있다.
이재길 교수팀이 개발한 기술은 훈련 데이터 구축 단계에서 데이터의 정제 및 선택을 동시에 수행해 심층 학습용 훈련 데이터 구축 비용을 최소화할 수 있도록 해준다.
우리 대학 데이터사이언스대학원에 재학 중인 박동민 박사과정 학생이 제1 저자, 신유주 박사과정, 이영준 박사과정 학생이 제2, 제4 저자로 각각 참여한 이번 연구는 최고권위 국제학술대회 `신경정보처리시스템학회(NeurIPS) 2022'에서 올 12월 발표될 예정이다. (논문명 : Meta-Query-Net: Resolving Purity-Informativeness Dilemma in Open-set Active Learning)
데이터의 정제 및 선택을 동시에 고려하기 위해서 구체적으로 가장 분포 외 데이터가 아닐 것 같은 데이터 중에서 가장 심층 학습 성능 향상에 도움이 될 데이터를 선택한다. 즉, 주어진 훈련 데이터 구축 비용 내에서 최고의 효과를 내도록 데이터의 순도(purity) 지표와 정보도(informativeness) 지표의 최적 균형(trade-off)을 찾는다. 순도와 정보도는 일반적으로 서로 상충하므로 최적 균형을 찾는 것이 간단하지 않다. 이 교수팀은 이러한 최적 균형이 정제 전 데이터의 분포 외 데이터 비율과 현재 심층신경망 훈련 정도에 따라 달라진다는 점을 발견했다.
이 교수팀은 이러한 최적 균형을 찾아내기 위해 추가적인 작은 신경망 모델을 도입했다. 연구팀은 추가된 모델을 훈련하기 위해 능동 학습에서 여러 단계에 걸쳐 데이터를 선별하는 과정을 활용했다. 즉, 새롭게 선택돼 레이블링 된 데이터를 순도-정보도 최적 균형을 찾기 위한 훈련 데이터로 활용했고, 레이블이 추가될 때마다 최적 균형을 갱신했다. 이러한 방법은 목표 심층신경망의 성능 향상을 위해 추가적인 상위 레벨의 신경망을 사용하였다는 점에서 메타학습(meta-learning)의 일종이라 볼 수 있다.
연구팀은 이 메타학습 방법론을 `메타 질의 네트워크'라고 이름 붙이고 이미지 분류 문제에 대해 다양한 데이터와 광범위한 분포 외 데이터 비율에 걸쳐 방법론을 검증했다. 그 결과, 기존 최신 방법론과 비교했을 때 최대 20% 향상된 최종 예측 정확도를 향상했고, 모든 범위의 분포 외 데이터 비율에서 일관되게 최고 성능을 보였다. 또한, `메타 질의 네트워크'의 최적 균형 분석을 통해, 분포 외 데이터의 비율이 낮고 현재 심층신경망의 성능이 높을수록 정보도에 높은 가중치를 둬야 함을 연구팀은 밝혀냈다.
제1 저자인 박동민 박사과정 학생은 "이번 기술은 실세계 능동 학습에서의 순도-정보도 딜레마를 발견하고 해결한 획기적인 방법ˮ 이라면서 "다양한 데이터 분포 상황에서의 강건성이 검증됐기 때문에, 실생활의 기계 학습 문제에 폭넓게 적용될 수 있어 전반적인 심층 학습의 훈련 데이터 준비 비용 절감에 기여할 것ˮ 이라고 밝혔다.
연구팀을 지도한 이재길 교수도 "이 기술이 텐서플로우(TensorFlow) 혹은 파이토치(PyTorch)와 같은 기존의 심층 학습 라이브러리에 추가되면 기계 학습 및 심층 학습 학계에 큰 파급효과를 낼 수 있을 것이다ˮ고 말했다.
한편, 이 기술은 과학기술정보통신부 재원으로 정보통신기획평가원의 지원을 받아 SW컴퓨팅산업원천기술개발사업 SW스타랩 과제로 개발한 연구성과 결과물(2020-0-00862, DB4DL: 딥러닝 지원 고사용성 및 고성능 분산 인메모리 DBMS 개발)이다.
2022.10.12
조회수 6730
-
발걸음만으로 태양광 패널의 먼지를 제거하는 기술 개발
우리 대학 기계공학과 경기욱 교수 연구팀이 발걸음에서 얻어지는 충격 에너지를 전기 에너지로 변환해 태양광 패널의 먼지를 제거하는 기술을 개발했다고 4일 밝혔다.
탄소 중립 실현을 위해 태양광 발전의 중요성이 커지고 있다. 태양광 패널은 표면의 먼지로 효율이 점점 낮아지는 문제가 있기 때문에 주기적인 세척이 필요하다. 하지만 손이 닿지 않거나 도심에 분산되어있는 태양광 패널을 일일이 청소하는 것은 어려운 실정이다. 연구팀은 문제 해결을 위해, 마찰전기 발전기(triboelectric nanogenerator)와 전기력 기반 먼지 제거 방식(elelctrodynamic dust shield)을 사용하여 보행자의 걸음에서 생기는 충격만으로 태양광 패널을 청소하는 방법을 개발했다.
먼지 제거 태양광 패널은 표면에 깍지 형태의 전극이 배치된 구조로, 교류 고전압을 가했을 시 진동하는 강한 전기력으로 먼지를 털어낸다. 강한 전기장을 만들어야 하는 특성상, 작동에 수 kV의 교류 고전압이 필요하다. 마찰전기 발전기는 친환경 에너지 하베스터 중 하나로, 두 물체를 마찰시켜 생기는 정전기를 이용해 고전압 출력이 나오는 특징이 있다. 하지만 마찰전기 발전기 작동 원리상 마찰이 필수적이기 때문에 발걸음과 같은 충격에 대해서 에너지 전환 효율이 낮으며, 오래 지속되는 고압의 전류 얻을 수 없다는 단점이 있다. 연구팀은 외팔보 구조와 전하 충전구조를 적용해 충격을 가했을 때 에너지의 손실 없이 진동하며 교류 고전압을 장시간(약 10초/회) 동안 발생시키는 마찰전기 발전기를 개발하였다. 개발된 마찰전기 발전기는 약 50.8%의 높은 에너지변환 효율을 보여주었으며, 최대 전압 2.6kVpp (약 17Hz)로 먼지 제거 패널을 충분히 작동시킬 수준의 높은 출력을 발생시킬 수 있음을 확인하였다. 연구팀은 12번의 발걸음을 걷는 동안 태양광 패널의 표면 먼지의 약 79.2%를 제거하였으며, 이 결과 태양광 패널의 출력이 증가함도 확인했다.
연구팀이 개발한 마찰전기 발전기를 이용한 태양광 패널 먼지 제거 방법은 사람들이 태양광 패널 주변을 걸어 다니는 것만으로도 세척이 힘든 도심 속 태양광 패널을 청소하는 친환경적인 방법이 될 수 있다.
이번 연구는 정부의 재원으로 한국 연구재단과 정보통신기획평가원의 지원을 받아 수행된 연구이며 우수 국제학술지인 나노 에너지 (Nano Energy)에 2022년 9월 22일 온라인 게재되었다. (논문명 : Highly efficient long-lasting triboelectric nanogenerator upon impact and its application to daily-life self-cleaning solar panel, 제1 저자 박사과정 마지형) 본 연구는 우리 대학 기계공학과 졸업생인 한국기술교육대학의 박진형 교수팀과 공동으로 수행됐다.
연구 내용 영상 : https://www.youtube.com/watch?v=wvaltw15iVI
2022.10.04
조회수 6261
-
인공지능으로 화학반응을 예측하다
우리 대학 생명화학공학과 정유성 교수 연구팀이 화학자처럼 생각하는 인공지능을 개발했다고 4일 밝혔다. 연구팀이 개발한 인공지능은 유기 반응의 결과를 정확하게 예측한다.
유기 화학자는 반응물을 보고 유기 화학반응의 결과를 예상해 약물이나 유기발광다이오드(OLED)와 같이 원하는 물성을 갖는 분자를 합성한다. 하지만 실험을 통해 화학반응의 생성물을 직접 확인하는 작업은 일반적으로 시간과 비용이 많이 소모된다. 게다가 유기 화학 반응은 같은 반응물에서 다양한 생성물이 생길 수 있어 숙련된 유기 화학자라도 모든 화학반응을 정확하게 예측하지 못한다.
이런 한계를 극복하고자 인공지능을 이용해 유기 반응을 예측하는 연구가 활발하게 일어나고 있다. 대부분의 연구는 반응물과 생성물을 서로 다른 두 개의 언어로 생각하고 한 언어에서 다른 언어로 번역하는 언어 번역 모델을 사용하는 방법에 집중하고 있다. 이 방법은 예측 정확도는 높지만, 인공지능이 화학을 이해하고 생성물을 예측했다고 해석하기 어려워 모델이 예측한 결과를 신뢰하기 어렵다.
정 교수팀은 화학적 직관을 바탕으로 모델을 설계해서 모델이 예측한 결과를 화학적으로 설명을 할 수 있을 뿐 아니라, 공개 데이터베이스에서 매우 우수한 예측 정확도를 달성했다.
정 교수팀은 화학자가 반응 결과를 예측하는 방법에서 아이디어를 얻었다. 화학자는 반응 중심을 파악하고 화학반응 규칙을 적용해 가능한 생성물을 예측한다. 이 과정을 본떠서 공개 화학반응 데이터베이스로부터 화학반응 규칙을 도출했다. 화학반응 규칙을 바탕으로 분자의 화학 반응성을 예측하기 위해서, 분자를 그래프로 취급하는 그래프 신경망(Graph Neural Network, GNN) 모델을 개발했다. 이 모델에 반응물들을 넣으면 화학반응 규칙과 반응 중심을 식별해 생성물을 성공적으로 예측한다.
정 교수팀은 화학반응에서 널리 사용되는 미국 특허무역청(USPTO) 데이터를 이용해 유기 반응을 90% 이상의 정확도로 예측하는 데 성공했다. 개발된 모델은 실제 사용 시 모델에 높은 신뢰성을 제공하는 `예측의 불확실성'을 말할 수 있다. 예를 들어, 불확실성이 낮다고 간주되는 모델의 정확도는 98.6%로 증가한다. 모델은 무작위로 샘플링된 일련의 유기 반응을 예측하는 데 있어 소규모의 합성 전문가보다 더 정확한 것으로 나타났다.
이번 연구의 성공으로 연구팀은 다른 분야에서 좋은 성능을 보인 모델을 그대로 사용하던 기존 방법보다, 화학자가 생각하는 방법과 동일하게 신경망을 설계하는 전략이 더 합리적이고 우수한 성능을 보인다는 것을 입증했다. 연구팀은 이 연구를 활용하면 분자 설계 과정이 비약적으로 빨라질 것으로 기대하며, 새로운 화합물 개발에 실용적인 응용을 기대하고 있다. 정유성 교수팀은 현재 연구 성과의 특허 출원을 준비하고 있다.
우리 대학 생명화학공학과 첸수안(Shuan Chen) 박사과정이 제1 저자로 참여한 이번 연구 결과는 국제 학술지 '네이처 머신 인텔리전스(Nature Machine Intelligence)'에 9월호 표지논문으로 선정돼 출판됐다.
한편 이번 연구는 산업통상자원부와 한국연구재단의 지원을 받아 수행됐다.
2022.10.04
조회수 13866
-
세계 최초 네트워크 기술이 적용된 SSD 시스템 반도체 개발
우리 대학 전기및전자공학부 김동준 교수 연구팀이 세계 최초로 `패킷 기반 네트워크' 기술이 적용된 SSD(Solid State Drive, 반도체 기억소자를 사용한 저장장치) 시스템 개발을 통해 차세대 SSD의 읽기/쓰기 성능을 비약적으로 높이는 시스템 반도체를 개발했다고 28일 밝혔다.
패킷이란 다양한 크기를 지닌 데이터를 일정한 크기로 분할한 후 제어 정보를 추가한 데이터 전송의 기본 단위를 말하며, 효율적이고 신뢰성 있게 데이터를 전송할 수 있다는 장점이 있어 주로 컴퓨터 네트워크 기반 정보 기술에서 사용되고 있다. 최근 시스템 반도체 분야에서는 다양한 계산 자원들을 칩 내부 네트워크로 연결하여 효율적으로 활용하는 기술이 적용되고 있다. 본 연구는 이러한 시스템 반도체 분야에서 효과적인 네트워크 연결 기술을 메모리 반도체에 적용하였다는 점에서 큰 의미를 가지고 있다.
SSD는 플래시메모리를 이용해 정보를 저장하는 장치로, 기존 자기디스크를 이용한 데이터 저장장치인 `하드디스크 드라이브(HDD)'에 비해 데이터 입출력(읽기/쓰기) 속도가 빠르고 발열과 소음이 적어 데이터 센터 및 클라우드 서비스를 위한 주요 저장장치로 활용되고 있다. 전 세계적으로 수십억 명이 사용하는 페이스북(Facebook), 트위터(Twitter) 등과 같은 SNS 서비스를 제공하는 기업들뿐만 아니라 구글, 마이크로소프트 등과 같이 수십억 명의 사용자 정보를 저장하고 이를 활용해 서비스를 제공하는 기업들은 더 많은 데이터를 저장하고 성능이 좋은 고용량/고성능 SSD 제품을 필요로 한다.
특히 인터넷 서비스 제공 기업들은 많은 양의 정보가 데이터 센터에서 저장되고 처리되면서 더 많은 데이터를 저장할 수 있고, 더 빠르게 데이터를 읽고 쓰는 것이 가능한 고성능 SSD 제품을 요구한다. 따라서 SSD는 지속해서 성능과 용량의 개선을 요구하는 상황에 놓이게 된다.
이에 삼성, SK 하이닉스, 등과 같은 SSD 및 메모리를 제공하는 기업에서는 고성능 SSD 기술에 크게 주목하고 있으며, 이는 많은 애플리케이션의 성능 향상에 도움이 될 뿐만 아니라 비용적인 측면에서도 효율적으로 서버 시스템을 확장하는 데 도움이 될 것으로 기대하고 있다.
하지만 이러한 장점에도 불구하고, 고용량 및 고성능 SSD를 위해 규모를 증가시키는 스케일 업(scale-up)은 하드웨어 패키징 한계에 제한돼 쉽게 확장하기 어렵다. 무엇보다도 기존 SSD 시스템은 사용 가능한 처리량 (bandwidth)이 있음에도 불구하고 효율적으로 사용하지 못하는 비효율적인 데이터 송수신 방식 채택해 사용하고 있다.
이에 김동준 교수 연구팀은 기존 SSD 시스템 설계를 분석해 CPU, GPU 등과 같은 비메모리 시스템 반도체 설계에서 주로 활용되는 네트워크 기술을 적용해 SSD 성능을 크게 높일 수 있는 `네트워크 기술이 적용된 SSD 시스템 반도체'를 개발했다. 김동준 교수팀이 개발한 SSD 시스템은 플래시 인터커넥트(interconnection network) 와 패킷 기반 플래시 컨트롤러 (packet-based flash controller) 등으로 구성되어 있으며, 현재 사용되는 기존 SSD 시스템 대비 2배 많은 처리량을 제공하고 응답시간을 약 10배 줄인 성능을 보인다고 연구팀 관계자는 설명했다.
또한 이번 개발을 통해서 기존 하드웨어의 한계를 비메모리 시스템 반도체에서 주로 사용되는 패킷(packet) 기반 송수신 기법의 사용으로 극복해 고성능 SSD 기술에 도움을 줄 수 있을 것으로 기대된다고 연구팀 관계자는 설명했다.
전기및전자공학부 김지호 박사과정이 제1 저자로, 한양대학교 컴퓨터소프트웨어학과 강석원 박사과정, 박영준 연세대학교 컴퓨터과학과 교수가 공동 저자로 참여한 이번 연구는 미국 시카고에서 열리는 컴퓨터 구조 분야 최우수 국제 학술대회인 `55th IEEE/ACM International Symposium on Microarchitecture (MICRO 2022)'에서 오늘 10월 발표될 예정이다. (논문명 : Networked SSD: Flash Memory Interconnection Network for High-Bandwidth SSD)
연구를 주도한 김동준 교수는 "이번 연구는 지금까지는 없던 네트워크 패킷(packet)이 적용된 SSD 시스템 반도체를 세계 최초로 개발했다는 점에서 의의가 있으며, 데이터 센터 및 클라우드 서비스 시장에서 지속적으로 증가하는 고성능 SSD 요구에 발맞춰 큰 도움을 줄 수 있을 것으로 보인다ˮ며, "SSD의 성능 향상은 인공지능 연구 및 빅데이터 분석 기술을 활용하는 다양한 알고리즘 성능 개선에도 기여할 것으로 보인다ˮ고 연구의 의의를 설명했다.
한편 이번 연구는 한국연구재단과 정보통신기획평가원 차세대지능형반도체기술개발사업의 지원을 받아 수행됐다.
2022.09.28
조회수 7489
-
전자빔 활용해 탄소중립 시대를 향한 기체 분리막 개발
우리 대학 생명화학공학과 고동연 교수 연구팀이 전자빔을 탄소 분리막에 쏘아 0.05nm(나노미터) 이하의 크기 차이를 갖는 기체 혼합물을 효율적으로 분리할 수 있는 기체 분리막을 개발했다고 27일 밝혔다.
탄소 분자체 분리막(carbon molecular sieve membrane)은 기존 고분자 분리막 대비 높은 선택도(selectivity)와 투과도(permeability)를 동시에 충족시켜 유망한 재료로 거론되고 있으나, 매우 작은 크기 차이를 지닌 분자쌍을 효율적으로 분리하는데 어려움을 겪고 있다. 이번 연구는 이와 같은 문제점을 해결하기 위해 탄소 분리막의 (초)미세다공성을 조절하는 새로운 방법으로 전자 조사(electron irradiation)를 제안하며, 연구팀이 개발한 기술은 조사량에 따라 목표 분자를 설정할 수 있는 기술이다.
생명화학공학과 오반석 박사과정 학생이 제1 저자로 참여한 이번 연구는 국제 학술지 `네이처 커뮤니케이션스 (Nature Communications)'에 온라인 게재됐다. (논문명 : Electron-mediated control of nanoporosity for targeted molecular separation in carbon membranes)
여러 화학종이 포함된 혼합물을 고순도로 분리하는 과정은 구성 분자의 끓는점 차이에 기인한 증류법을 활용하며, 이는 분리 공정에 막대한 열에너지 소비를 일으킨다. 특히, 경질 올레핀/파라핀 및 수소/이산화탄소 분리는 각각 고분자 합성 공정과 수소 생산에 핵심적 역할을 하며 사회경제 기반에 필수적이므로 이와 같은 기체 분자쌍을 고효율, 저탄소 분리 공정을 통해 이뤄내는 것이 필요하다.
이번 연구팀이 제안한 탄소 분리막의 전자 조사 조절은 탄소나노튜브 같은 탄소 입자(carbon particle)에 고에너지 전자빔을 조사할 때 독특한 구조가 형성되는 것에 착안해 진행됐다. 높은 에너지를 지닌 전자가 탄소 입자에 조사되면 입자 내에 빈자리(vacancy) 및 틈새(interstitial) 같은 탄소 결함(defects)이 생성되며, 이는 탄소 입자 간 또는 외부 분자와의 결합을 촉진시켜 기존 입자와 구분되는 독특한 탄소 구조가 생성된다.
탄소 분리막 또한 탄소 가닥(strand) 및 판(plate)으로 이뤄져 있기에 전자 조사를 통해 분리막 내의 미세구조를 변화시켜 기공 크기를 원하는 분리 기체쌍에 조절할 수 있다. 또한, 전자 조사는 이미 산업에서 오랫동안 상용화돼 온 기술로써 조사량 제어 및 대량화 용이성 등 여러 측면에서 장점을 지닌다.
이번 연구는 그동안 온도 및 대기 조성 등 열분해(pyrolysis) 조건에만 국한되어 있는 기존의 탄소 분리막 미세다공성 조절방식에서 벗어나 전자 조사를 새로운 조절방식으로 제안한다. 연구팀은 전자빔이 탄소 분리막에 조사되면 분리막 표면의 산소 기능화 및 초미세기공(ultramicropore) 수축이 일어남을 드러냈으며, 조사량 제어를 통해 기공 치수를 설정했다.
특히, 탄소 분리막 내 0.7nm 이하의 초미세기공은 전자 조사량에 따라 0.4nm 혹은 그 이하의 기공 크기 분포를 지니게 되었으며 이는 분리막의 확산 선택적 분리능을 높여 0.05nm 이하의 크기 차이를 지닌 분자쌍을 정밀하게 걸러낼 수 있게 한다. 예를 들어, 낮은 조사량 범위에서(~250kGy, 1kGy=1kJ/kg) 탄소 분리막의 에틸렌/에탄 분리능력이 3배 이상 향상됐고 높은 조사량에서(1000~2000kGy) 수소/이산화탄소 선택도가 80에 이르는 고성능 탄소 분리막이 제시됐다.
연구팀은 그동안 분리에 어려움을 겪었던 여러 기체 혼합물을 전자 조사된 탄소 분리막을 이용해 성공적으로 분리했으며, 분리막의 상용화와 더불어 분리막의 적용 범위를 획기적으로 확대할 가능성을 보였다. 경질 올레핀/파라핀 분리는 전 세계 에너지 소비의 약 0.3%를 차지할 만큼 많은 에너지가 소모되는 공정이지만 수많은 소재의 원료로 활용되므로 해당 공정을 저비용, 저에너지 공정으로 전환 시키는 것이 초미의 관심사다.
연구를 주도한 생명화학공학과 고동연 교수는 "2018년부터 시작된 수소 경제 도입 및 활성화에 따라 에너지 효율적인 수소 생산은 국가의 해외 의존도를 낮추고 에너지 안보 확보와 연관되어 중요성이 날로 커지고 있다ˮ며 "전자 조사를 통한 분리막 기반의 분리 공정을 확대 적용할 수 있다면 산업계의 글로벌 경쟁력 강화와 국가 에너지 안보 확립에 이바지할 수 있을 것으로 기대한다ˮ고 연구의 의의를 설명했다.
한편 이번 연구는 과학기술정보통신부의 재원으로 한국연구재단 기초연구사업과 삼성전자 미래기술육성센터의 지원을 받아 수행됐다. (No. NRF-2021R1C1C1012014, SRFC-MA1902-08)
2022.09.28
조회수 7006