-
챗MOF로 96.9% 금속 유기 골격체 물성 예측하다
우리 대학 연구진이 챗GPT를 활용해 큰 다공성, 높은 표면적, 그리고 뛰어난 조절 가능성으로 많은 화학 응용 분야에서 사용되는 금속 유기 골격체의 특성을 예측하고 새로운 재료를 자동으로 생성하는 챗봇 시스템(이하 챗MOF)을 개발했다. 챗MOF는 검색 및 예측 작업에서 각각 96.9% 및 95.7%의 높은 성공률을 보여 화제다.
생명화학공학과 김지한 교수 연구팀이 인공지능(AI)의 급격한 발전에 주목하며, 대규모 언어 모델(이하 LLMs) 활용을 통해 금속 유기 골격체(Metal-Organic Frameworks, MOFs)의 특성을 예측하고 새로운 재료를 자동으로 생성하는 챗봇 시스템(ChatMOF)을 개발했다고 26일 발표했다.
최근 인공지능(AI)의 발전에는 큰 도약이 있었지만 재료 과학에서의 LLM의 잠재력을 완전히 실현하기에는 여전히 물질의 복잡성과 재료별 특화된 훈련 데이터의 부족이라는 한계점이 존재했다.
김지한 교수 연구팀이 개발한 챗MOF는 재료 분야에서 전통적인 머신러닝 모델과 LLM을 결합한 혁신적인 접근 방식으로 계산 및 머신러닝 도구에 대한 초보자들과의 격차를 상당히 줄일 수 있는 잠재력을 가지고 있다.
또한 이 독특한 시스템은 인공지능의 변혁적인 능력과 재료 과학의 복잡한 측면들을 연결하며, 다양한 작업에서 뛰어난 성능을 보여준다. 챗MOF는 검색 및 예측 작업에서 각각 96.9% 및 95.7%의 높은 성공률을 보고한다. 한편, 더 복잡한 구조 생성 작업은 그 복잡함에도 불구하고 주목할 만한 87.5%의 정확도를 달성한다. 이러한 유망한 결과는 챗MOF가 가장 요구가 많은 작업을 관리하는 데도 효과적임을 강조한다.
김지한 교수는 “연구팀이 개발한 기술은 재료 과학 분야에서 인공지능의 더 높은 자율성을 달성하기 위한 중요한 진전을 나타낸다. 기술이 발전함에 따라, 모델 용량과 온라인 플랫폼에서의 데이터 공유에 대한 체계적인 개선을 통해 챗MOF의 성능을 더욱 최적화할 수 있으며, 이는 금속 유기 골격체 연구 분야에서 놀라운 진전을 촉진할 수 있다.”라고 말했다.
생명화학공학과 강영훈 박사과정이 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `네이처 커뮤니케이션즈(Nature communications)'에 지난 6월 3일 게재됐다. (논문명: ChatMOF: An Artificial Intelligence System for Predicting and Generating Metal-Organic Frameworks Using Large Language Models)
한편 이번 연구는 과학기술정보통신부의 지원으로 국가 소재 연구 데이터 사업단, 그리고 한국연구재단 (NRF) 중견 연구자 지원 사업의 지원을 받아 수행됐다.
2024.06.26
조회수 5864
-
실내 조명 활용해 최고 수준 이산화질소 감지 가능
우리 연구진이 기존까지 전무했던 녹색빛을 가스 센서에 조사하여 상온에서 최고 수준의 이산화질소 감지 성능을 보이는 것을 확인했다. 이를 통해 녹색광이 50% 이상 포함된 실내조명을 통해서도 작동이 가능한 초고감도 상온 가스 센서를 개발했다.
우리 대학 신소재공학과 김일두 교수 연구팀이 가시광을 활용해 상온에서도 초고감도로 이산화질소(NO2)를 감지할 수 있는 가스 센서를 개발했다고 10일 밝혔다.
금속산화물 반도체 기반 저항 변화식 가스 센서는 가스 반응을 위해 300 oC 이상 가열이 필요해 상온 측정에 한계가 있었다. 이를 극복하기 위한 대안으로 최근 금속산화물 기반 광활성 방식 가스 센서가 크게 주목받고 있으나, 기존 연구는 인체에 유해한 자외선 내지는 근자외선 영역의 빛을 활용하는 데에 그쳤다.
김일두 교수 연구팀은 이를 녹색 빛을 포함한 가시광 영역으로 확대해 범용성을 크게 높였으며, 녹색광을 조사했을 때 이산화질소 감지 반응성이 기존 대비 52배로 증가하였다. 특히 실내조명에 사용되는 백색광을 조사해 최고 수준의 이산화질소 가스 감지 반응성(0.8 ppm NO2, 감도 = 75.7)을 달성하는 데에 성공했다.
연구진은 가시광선의 흡수가 어려운 인듐 산화물(In2O3) 나노섬유*에 비스무스(Bi) 원소**를 첨가하여 청색광을 흡수할 수 있도록 중간 밴드 갭***을 형성시켰고, 금(Au) 나노입자를 추가적으로 결착하여 국소 표면 플라즈몬 공명** 현상을 통해 가시광 중 가장 풍부한 녹색광 영역에서의 활성도를 극대화했다. 비스무스와 금 나노입자 첨가 효과와 나노섬유가 갖는 넓은 비표면적 특성을 통해 상온에서 이산화질소 반응성을 기존 센서 대비 52배(0.4 ppm NO2 감도 기준) 증가시켰다.
*인듐 산화물 나노섬유: 인듐 산화물은 전기 전도 특성을 지닌 금속 산화물로, 이를 전기방사 공정을 통해 나노섬유 형상으로 제작함
**비스무스(Bi) 원소: 원자번호 83번의 원소로, 주기율표에서는 질소(N), 인(P), 비소(As), 안티모니(Sb)와 함께 15족(질소 족)에 속하는 원소
***밴드 갭(Band gap): 전자(electron)가 속박 상태에서 자유롭게 벗어나는 데 필요한 에너지 차를 의미하며 물질의 전기적, 광학적 성질을 결정하는 중요 요인 중 하나
***국소 표면 플라즈몬 공명(LSPR): 빛에 의해 나노입자 표면의 전하 수송체를 들뜬 상태로 만들고 금속산화물로 이동시켜 가스와의 산화-환원 반응을 촉진하는 원리
이번 연구의 연구책임자인 신소재공학과 김일두 교수는 “자동차 배기가스 및 공장 매연 등에서 배출되는 대표적인 대기 환경 유해가스인 이산화질소 가스를 우리 주변에서 일반적으로 접근할 수 있는 녹·청색광(430~570 nm) 영역의 가시광을 활용해 상온에서 초고감도로 감지가 가능한 신소재를 개발했다”라며 “가스 센서의 소비전력 및 집적화 문제를 해결할 수 있어, 향후 실내조명 및 기기와의 결합을 통한 가스 센서의 상용화에 큰 역할을 할 것으로 기대한다”라고 밝혔다.
신소재공학과 졸업생 박세연 박사(現 펜실베니아 대학교 박사 후 연구원), 신소재공학과 김민현 박사과정이 공동 제1 저자로 주도한 이번 연구는 재료 분야 국제권위 학술지인 ‘어드밴스드 머티리얼즈(Advanced Materials)’에 3월 4일 온라인 공개됐으며 6월 13일 24호 전면 속표지(Inside Front Cover) 논문으로 발표 예정이다. (논문명 : Dual-Photosensitizer Synergy Empowers Ambient Light Photoactivation of Indium Oxide for High-Performance NO2 Sensing)
한편 이번 연구는 한국연구재단 중견연구자지원 사업, 중소벤처기업부와 중소기업기술정보진흥원(TIPA)의 소재부품장비 전략협력기술개발사업의 지원을 받아 수행됐다.
2024.06.10
조회수 5210
-
화학과 학부생, 항암치료 앞당길 천연물 합성 연구 1저자
국내 자생 약용식물인 ‘광대싸리’에서 추출된 세큐린진 G는 항암제, 퇴행성 신경질환 치료제 및 마약중독 치료제로 개발 가능한 중요한 세큐리네가 천연물군에 속해 있다. 우리 대학 화학과 학부생이 추진한 연구를 통해 세계 최초로 세큐린진 G의 천연물 전합성*에 성공해 화제다.
*천연물 전합성(Total Synthesis): 쉽게 구할 수 있는 시작 물질로부터 여러 단계의 화학반응을 통해 자연에 존재하는 천연물을 실험실에서 합성하는 연구 분야로 각 단계의 화학반응이 모두 성공적으로 이루어져야 목표 분자를 최종적으로 합성할 수 있어 연구 호흡이 길고 난이도가 높다.
우리 대학은 화학과에 재학 중인 윤태식 학부생이 제1 저자로 참여하고(연구 지도교수: 한순규 교수) 대학원생 멘토인 김태완 대학원생이 공동 저자로 참여한 세큐린진(Securingine) G 전합성 논문이 국제 학술지에 게재됐다고 7일 밝혔다.
한순규 교수 연구팀의 윤태식 학사과정 학생이 주저자로 참여한 논문은 영국 왕립화학회(Royal Society of Chemistry)에서 발간하는 국제 화학학술지‘케미칼 커뮤니케이션즈(Chemical Communications)’에 5월 23일에 실렸다. (논문명: Total Synthesis of (–)-Securingine G)
간단한 화합물에서는 잘 진행되는 반응도 복잡한 구조의 천연물에 도달하는 과정의 전구체에서는 잘 진행되지 않는 경우가 많아 천연물 합성 연구는 고도의 창의력과 화학적 문제해결 능력이 필요하다. 그렇기에 학부생이 주도적으로 천연물 전합성 연구를 진행하는 것은 쉽지 않다.
이번에 세계 최초로 전합성에 성공한 천연물 세큐린진 G는 세큐리네가 천연물군 중 유일하게 피리딘 헤테로고리를 포함하는 물질이다. 피리딘 헤테로고리는 신약 개발에 있어 아주 중요한 역할을 한다. 실제로 지난 2023년 세계적으로 가장 많이 팔린 저분자 약 200종을 조사한 결과 그 중 20%인 40개가 피리딘 헤테로고리를 포함할 정도로 피리딘 골격은 의약적으로 중요하다.
세큐린진 G 합성에 있어 핵심은 어떻게 메니스다우릴라이드*와 피리딘 헤테로고리 사이의 탄소-탄소 결합을 입체 선택적으로 연결하는지였다. 기존에 염기성이 높아 원하는 결합은 이루어지지 않은 점을 착안하여 연구진은 새로운 희토류** 기반 교환 시약을 개발해 염기성 조건에서 문제가 된 부반응을 억제하고 핵심이 되는 탄소-탄소 결합을 성공적으로 형성했다.
*메니스다우릴라이드: 광대싸리나무에서 세큐리네가 천연물을 생합성하는데 쓰이는 핵심 전구체
**희토류(rare earth element): 란타넘족(lanthanide) 원소와 스칸듐(scandium), 이트리움(yttrium)을 포함한 17개의 원소군으로 이차전지, 석유화학 촉매, 반도체용 연마제, 레이저등에 필수적으로 들어가는 대체불가한 화학물질
우리 대학은 학부생들에게 실질적인 실험 및 연구 경험을 쌓을 수 있는 기회를 제공하기 위해 학부생 연구프로그램(URP, Undergraduate Research Program)을 운영하고 있다. URP 프로그램은 연구계획서 작성부터 성과 발표/평가에 이르기까지 전 과정을 통하여 연구수행 역량을 개발할 수 있도록 하는 프로그램이다. 학교는 소정의 연구비 지원 및 학점 연계를 통해 학부생을 지원한다.
화학과 한순규 교수는 “연구 중심 대학을 지향하는 KAIST에서 URP 프로그램은 학부생이 지도교수와 조교의 지도하에 실질적인 연구를 체계적으로 수행해 볼 수 있는 중요한 기회를 제공한다”라며 “이를 통해 첨단 연구와 학부 교육이라는 두 마리 토끼를 모두 잡을 수 있었다”고 밝혔다.
한편 이번 연구는 KAIST URP 프로그램과 한국연구재단의 지원을 받아 수행됐다.
2024.06.07
조회수 6771
-
암세포 약물반응 예측 ‘그레이박스’ 개발
지난 수십 년간 많은 의생명과학자의 집중적인 연구에도 불구하고 여전히 국내 사망원인 1위는 암이다. 이처럼 암 치료가 난해한 이유는 환자마다 암 발생의 원인이 되는 유전자 돌연변이와 그로 인한 유전자 네트워크 변형이 서로 달라서 전통적인 실험생물학 접근만으로 표적치료를 적용하는 데에는 본질적인 한계가 있기 때문이다. 한편 딥러닝과 같은 소위 블랙박스(black-box) 방식의 인공지능 기술을 활용해 실험을 대체하고 데이터 학습을 통해 약물 반응을 예측할 수 있으나 이에 대한 생물학적 근거를 설명할 수 없어 결과를 신뢰하기 어려웠다.
우리 대학 바이오및뇌공학과 조광현 교수 연구팀이 인공지능과 시스템생물학을 융합해 암세포의 약물 반응 예측 및 메커니즘 분석을 동시에 이룰 수 있는 새로운 개념의 ‘그레이박스’ 기술을 개발했다고 3일 밝혔다.
조광현 교수 연구팀은 높은 예측 성능을 보이지만 그 근거를 알 수 없어 블랙박스로 불리는 딥러닝과 복잡한 대규모 모델의 경우 예측 성능의 한계를 지니지만 예측 결과에 대한 상세한 근거를 제시할 수 있어서 화이트박스로 불리는 시스템생물학 기술을 융합함으로써 두 기술의 한계를 동시에 극복할 수 있는 소위 ‘그레이박스’ 기술을 착안했다.
연구팀은 다양한 암종의 돌연변이 및 표적항암제 타겟 유전자 정보를 집대성해 분자 조절 네트워크 모델을 구축함으로써 여러 암종과 항암제의 약물 반응 예측에 활용될 수 있는 범용적 골격 모델을 우선 정립했다. 특히 다양한 암종에서 돌연변이가 빈번하게 발생하는 유전자들을 중심으로 전암(pan-cancer) 유전자 네트워크를 제작했고 표적항암제별 약물 반응과 관련된 돌연변이 및 연관 유전자들로 구성된 부분네트워크(sub-network)를 추출함으로써 약물 반응 예측을 위한 시스템생물학 모델을 제작했다.
연구팀은 이렇게 제작된 모델의 매개변수를 딥러닝 블랙박스 최적화기를 통해 결정하는 방식으로 트라메티닙, 아파티닙, 팔보시클립 세 개의 표적항암제 및 대장암, 유방암, 위암 세 개의 암종에 대한 그레이박스 모델을 구축했다. 완성된 모델의 약물 반응 컴퓨터시뮬레이션 결과는 각 암종별 약물반응의 민감도 차이를 보이는 세포주(cancer cell lines) 실험을 통해 비교 검증됐다.
특히 개발된 모델은 미국 국립암연구소(National Cancer Institute)의 돌연변이 정보 기반 약물 반응 예측으로는 동일한 반응을 보일 것으로 예상된 암세포주들이 실제로는 서로 다른 약물 반응을 보일 수 있다는 것을 정확히 예측했으며, 약물 반응의 차이가 발생하는 원인 또한 세포 주별 분자 네트워크 동역학의 차이로 상세히 설명할 수 있었다.
이번 연구 성과는 학습에 의한 시뮬레이션 모델 최적화를 통해 블랙박스 모델인 인공지능 기술의 높은 예측력과 화이트박스 모델인 시스템생물학 기술의 해석력을 동시에 달성한 새로운 약물 반응 예측 기술 개발이어서 그 의미가 크다. 특히, 발생 원인이 이질적이고 복잡한 네트워크 질환인 암에 대해 범용적으로 활용가능한 약물 반응 예측 원천기술이므로 향후 기술 고도화를 통해 다양한 종류의 암종 및 환자 맞춤형 치료 전략 제시에 활용될 수 있을 것으로 기대된다.
조광현 교수는 "인공지능 기술의 높은 예측력과 시스템생물학 기술의 우수한 해석력을 동시에 갖춘 새로운 융합원천기술로서 향후 고도화를 통해 신약 개발 산업의 활용이 기대된다ˮ고 말했다.
바이오및뇌공학과 김윤성 박사, 한영현 박사 등이 참여한 이번 연구 결과는 셀 프레스(Cell Press)에서 출간하는 국제저널 `셀 리포트 메소드(Cell Reports Methods)' 5월 20일 字 표지논문으로 출판됐다. (논문명: A grey box framework that optimizes a white box logical model using a black box optimizer for simulating cellular responses to perturbations)
논문링크: https://www.cell.com/cell-reports-methods/fulltext/S2667-2375(24)00117-6
한편 이번 연구는 삼성미래기술육성사업 및 과학기술정보통신부와 한국연구재단의 중견연구사업 등의 지원으로 수행됐다.
2024.06.03
조회수 5493
-
개인 맞춤형 정밀 의학 정확도 높일 ‘렌즈’ 개발
평균이 아닌 개인차를 고려하는 정밀 의학 시대가 열렸다. 사람마다 다른 유전적 특징을 알아내는 기술이 비약적으로 발전한 덕분이다. 더 빠르고, 정확하게 전사체를 해독할 수 있는 새로운 도구가 개발됐다. 우리 대학 수리과학과 김재경 교수(IBS 수리 및 계산 과학 연구단 의생명 수학 그룹 CI) 연구팀은 전사체 분석 빅데이터에서 유용한 생물학적 정보만 골라내는 새로운 도구인 ‘scLENS(single-cell Low-dimension Embedding using Effective Noise Subtraction)’를 개발했다.
단일세포 전사체 분석은 최근 생물학, 신약 개발, 임상 연구 등 여러 분야에서 주목받는 도구다. 개별 세포 단위에서 유전적 변화를 확인할 수 있기 때문이다. 가령, 단일세포 전사체 분석을 이용하면 암 조직 내 수십 가지 종류의 세포를 구분하고, 유전적 변이가 발생한 세포만 표적하는 정밀 치료가 가능해진다.
단일세포 전사체 분석 기술이 임상에 광범위하게 이용되려면, 도출되는 빅데이터에서 유용한 생물학적 신호를 찾아내는 효율적인 분석 도구 개발이 선행돼야 한다. 단일세포 전사체 분석은 수백~수천 개에 이르는 개별 세포의 수만 개에 이르는 다양한 유전자 발현량을 측정하기 때문에 데이터 용량이 수~수십 GB에 달한다. 이 방대한 데이터 중 생물학적으로 유용한 신호는 3% 내외에 불과하다.
이 방대하고 노이즈(잡신호)가 많은 데이터에서 유용한 생물학적 신호를 골라내기 위해 지금까지 여러 데이터 처리 도구가 개발됐다. 하지만 기존 도구는 사용자가 생물학적 신호와 노이즈의 ‘경계선’을 직접 설정해야 해서 주관이 개입됐다. 즉, 분석가에 따라 결과가 크게 달라지고, 정확도가 떨어진다는 한계가 있었다.
우선, 연구진은 기존 분석 도구들이 부정확한 근본적인 원인을 규명하고 해결책을 제시했다. 사용자가 노이즈의 임계값을 결정하는 데이터 전처리 방식 자체가 생물학적 신호를 왜곡시킨다는 것을 규명하고, 왜곡 없는 새로운 전처리 방식을 개발했다. 나아가 연구진은 수학적 방법론인 ‘랜덤 행렬 이론’을 이용해 사용자의 주관적 선택 없이 자동으로 단일세포 전사체 분석 데이터에서 신호와 노이즈를 구별하는 프로그램인 ‘scLENS’를 개발했다.
제1 저자인 김현 연구원은 “scLENS는 사용자의 선택 없이 데이터에 내재된 구조만을 이용해 자동으로 신호와 노이즈를 구별하기 때문에 사용자 편향성 문제를 원천 차단할 수 있다”며 “연구자들의 노동집약적인 신호 선택 과정을 없애면서도 분석 정확성은 높였다”고 설명했다.
이어 연구진은 기존 개발된 11가지 데이터 분석 프로그램과 scLENS의 상대적 성능을 비교했다. 이를 통해 scLENS가 다른 모든 프로그램보다 우수한 성능을 보인다는 점을 확인할 수 있었다. 널리 쓰이는 프로그램인 ‘Seurat’과 비교했을 때 scLENS는 세포 그룹화 성능이 약 10% 이상 우수하며, 데이터에 내재된 국소 구조를 43% 더 효과적으로 포착하는 것으로 나타났다.
특히, scLENS는 기존 프로그램보다 많은 계산을 하지만 메모리 사용 최적화를 통해 10만 개의 세포와 2만 개의 유전자로 이뤄진 대규모 데이터를 3시간 만에 분석하는 경쟁력 있는 분석 속도를 보였다.
연구를 이끈 김재경 CI는 “지난 십여 년간 단일세포 전사체를 분석할 수 있는 실험 기술의 비약적인 발전했지만, 데이터 분석 방법의 한계로 인해 큰 비용과 시간을 투자해 얻은 데이터를 최대한 활용하지 못하는 경우가 많았다”며 “기초 수학 이론이 생명과학 연구의 혁신을 견인하고, 감춰졌던 생명의 비밀을 빠르고 정확하게 밝히는 데 쓰일 수 있음을 보여주는 연구”라고 말했다.
연구결과는 4월 27일(한국시간) 국제학술지 ‘네이처 커뮤니케이션즈(Nature Communications, IF 16.6)’ 온라인판에 실렸다.
2024.05.09
조회수 5497
-
장기 별 직접 약물 전달이 가능해지다
장기 선택적 약물 전달 기술은 치료 효과를 극대화하고 부작용을 최소화할 수 있어 큰 기대를 받고 있다. 그러나 현존하는 기술로는 간, 비장, 폐와 같은 대식세포가 활발히 활동하는 장기에만 약물을 전달하는 것이 가능하나 콩팥, 심장, 뇌와 같은 장기로의 약물 전달은 도전적인 과제로 알려져 있다.
우리 대학 생명과학과 전상용 교수와 화학과 이희승 교수 공동연구팀이 체내에서 여러 생물학적 상호작용에 관여하는 당질 층을 모방한 인공 탄수화물 나노입자(Glycocalyx-mimicking nanoparticle, GlyNP) 수십 종을 합성하여 이를 다양한 장기로의 특이적 약물 전달과 치료를 가능하게 하는 새로운 나노의약 개발에 성공했다고 3일 밝혔다.
연구팀은 다섯 가지의 단당류 단위체를 기반으로 한 조합적인 패턴을 구현해 ‘인공 탄수화물 나노입자(GlyNP)’ 라이브러리 수십 종을 합성했고, 이를 직접 동물 체내에서 선택성을 평가해 간, 신장, 비장, 폐, 심장, 뇌에 대해 차별화된 선택성을 가지는 인공 탄수화물 나노입자 후보군을 선별했다. 특히, 간, 신장, 비장에 선택성을 가지는 인공 탄수화물 나노입자 후보군은 해당 장기 내에서 각각 간세포, 신장 상피세포, 대식 세포를 표적하는 것을 확인했다.
궁극적으로 각 장기 선택적인 인공 탄수화물 나노입자 후보군을 사용하면 해당 장기에 생긴 질병을 더욱 효과적으로 치료할 수 있음을 보여주며 장기별 맞춤형 치료의 가능성을 보였다.
전상용 교수는 "이번 연구를 통해 개발한 장기 및 세포 선택적인 약물전달시스템을 이용하면 독성을 낮추고 효능을 크게 올릴 수 있어 기존에 가능하지 않았던 장기별 질병 치료에 한 걸음 더 나아갈 수 있을 것이고, 또한, 뇌나 심장과 같이 표적 약물 전달이 어려운 장기들로 기술을 확장해 나갈 것이다”라고 말했다.
생명과학과 김도현 박사과정 및 황창희 박사가 공동 제1 저자로 참여한 이번 연구는 재료공학 분야 최정상급 학술지인 `어드밴스드 머티리얼즈(Advanced Materials, ISSN: 0935-9648 print, 1521-4095 online, Impact Factor: 32)' 3월 15일 字 온라인판에 게재됐고 속 표지논문(Inside back cover) 및 화제의 논문(Hot Paper)으로 선정됐다.
(https://doi.org/10.1002/adma.202311283. 논문명: Glycocalyx-Mimicking Nanoparticles with Differential Organ Selectivity for Drug Delivery and Therapy, This article also appears in Hot Topic: Drug Delivery)
또한, 해당 주제는 제30회 삼성휴먼테크논문대상 생명공학 & 생명과학(Bio engineering & Life Science) 분야에서 은상을 수상하며 장기별 맞춤형 치료의 새로운 전략을 제시한 성과로 인정받았다.
한편 이번 연구는 한국연구재단의 리더연구사업(종양/염증 미세환경 표적 및 감응형 정밀 바이오-나노메디신 연구단) 및 선도연구센터사업(멀티스케일 카이랄 구조체 연구센터, CMCA)의 지원을 받아 수행됐다.
2024.05.03
조회수 6960
-
제약 혼합물 최고 분리막 기술 선보이다
분자의 크기와 모양에 따라 분자를 구별할 수 있는 분리막 공정*은 기존의 열 분리 공정(예: 증류법)보다 훨씬 적은 에너지를 소비하며 화학 산업의 탄소 배출량을 줄일 수 있는 잠재력을 가지고 있다.
*분리막 공정: 분리막은 물질의 크기나 흡수력에 따라서 특정 물질을 선택적으로 통과시키거나 배제하는 역할을 하는 선택적 장애물로 분리막을 이용한 분리 공정은 기존의 공정과 달리 많은 에너지를 사용하지 않고도 화합물들을 효율적으로 분리할 수 있음
우리 대학 생명화학공학과 고동연, 임성갑 교수 공동연구팀이 기존에 분리하기 어려웠던 크기의 활성 제약 분자들을 매우 높은 선택도로 분리할 수 있는 초박막 분리 기술을 세계 최초로 개발했다고 29일 밝혔다.
분리막은 산업계 전반에 사용되는 유기용매들을 분리하는데 저에너지, 저탄소 해결법을 제공할 수 있어 비교적 짧은 상업화 역사에도 불구하고 석유화학, 반도체, 재생합성연료(E-Fuel), 바이오 제약 분야 등 폭넓은 분야에 응용되고 있다.
해수 담수화와 같은 전통적인 응용 분야를 뛰어넘어 분리막이 고부가가치의 화합물을 선택적으로 분리하기 위해서는 기존 소재의 한계를 뛰어넘을 수 있는 혁신적인 고분자 소재의 개발이 필요하다.
연구팀은 반도체 제조 공정에 쓰이는 고분자 박막 증착 기술로 기존 소재의 한계를 뛰어넘는 성능의 분리막을 제조하고, 이를 이용해 고부가가치의 제약 혼합물을 선택적으로 정제할 수 있는 기술을 개발했다.
연구팀은 iCVD(개시제를 이용한 화학 기상 증착법, initiated Chemical Vapor Deposition) 기술을 이용해 기존에 박막으로 만들기 어렵다고 알려진 유기 실록산 고분자를 초박막으로 합성하고 이를 이용해 활성 제약 분자를 선택적으로 정제할 수 있는 분리막 공정을 개발했다. 연구팀은 이와 같은 새로운 접근 방식을 이용해 극도로 얇으면서도 다중으로 연결돼있는 고분자 분리막을 만드는 데 성공했다.
연구팀은 29나노미터(nm) 두께의 분리막을 이용해 다양한 활성 제약 성분, 석유 화합물, 연료 분자 등이 속하는 크기인 분자량 150~350g/mol 범위에 존재하는 분자들을 정제할 수 있다. 다양한 유기 물질이 섞여 있는 매우 복잡한 용매 환경에서 작동할 수 있도록 고안된 이 기술은 기존 분리막의 수명과 분자 선택도를 뛰어넘는 분리막 성능을 입증해 산업계에 분리막이 적용될 수 있는 영역을 넓힐 것으로 기대된다.
연구팀은 나아가 헤르페스 바이러스 치료에 사용되는 주요 활성 제약 성분(API, Active Pharmaceutical Ingredient)인 아시클로버 (Acyclovir), 발라시클로버(Valacyclovir)와 같이 비슷한 모양 및 비슷한 크기(분자량)를 가진 분자들이 섞여있을 때 매우 높은 순도로 아시클로버만 분리해낼 수 있음을 시연했다. 따라서 이번 연구는 분리막 기술을 이용해 기존 제약 제조 공정보다 더 값싸고 에너지 비용이 적은 방법으로 제약 물질을 정제할 수 있음을 밝혀낸 데 의미가 있다.
이번 연구를 이끈 고동연 교수는 "iCVD 방식을 사용한 초박막의 성공적인 제작은 불필요한 반응 없이 결함이 없고 고품질의 밀도 높은 고분자 분리막을 합성할 수 있는 강력한 방법ˮ 이라며 "이전에 접근할 수 없었던 고분자 소재를 제공해 고성능 분리막의 정교한 설계를 촉진할 것ˮ 이라고 말했다.
우리 대학 생명화학공학과 최지훈, 최건우 박사과정이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 ‘네이쳐 커뮤니케이션즈(Nature Communications)’ 3월 15호에 지난 3월 30일 자 출판됐다. (논문명: Ultrathin organosiloxane membrane for precision organic solvent nanofiltration).
한편 이번 연구는 한국연구재단의 우수신진과제, 중견연구과제 및 한국화학연구원 기본사업 협력과제를 통해 지원됐다.
2024.04.29
조회수 6290
-
미래 식량인 미생물 식품 생산 전략 밝혀
가파른 인구 증가와 기후 변화로 인한 식량 생산성 저하로 인해 전 세계 식량 위기가 고조되고 있다. 더욱이 오늘날의 식량 생산 및 공급 시스템은 인류가 배출하는 총량의 30%에 달할 정도로 막대한 양의 이산화탄소를 배출하며 기후 변화를 가중시키고 있다. 이러한 난국을 타개할 열쇠로서 지속 가능하면서도 영양이 풍부한 미생물 식품이 주목받고 있다.
우리 대학 생물공정연구센터 최경록 연구교수와 생명화학공학과 이상엽 특훈교수가 ‘지속 가능한 원료로부터의 미생물 식품 생산’연구의 방향을 제시하는 논문을 게재했다고 12일 밝혔다.
미생물 식품은 미생물을 이용해 생산되는 각종 식품과 식품 원료를 가리킨다. 미생물의 바이오매스에는 단위 건조 질량당 단백질 함량이 육류에 비견될 정도로 많은 양의 단백질을 함유하고 있으며, 각종 가축이나 어패류, 농작물과 비교해 단위 질량을 생산하는 데 가장 적은 양의 이산화탄소를 배출하고, 필요로 하는 물의 양과 토지 면적 또한 적기 때문에 친환경적이고 지속 가능한 고영양 식량자원이 될 수 있다.
우리 주변에서 가장 쉽게 접할 수 있는 미생물 식품으로는 발효식품을 꼽을 수 있다. 비록 발효식품 내 미생물 바이오매스가 차지하는 비중은 적지만 발효 과정 중 탄수화물과 같이 비교적 영양학적 가치가 낮은 화합물을 소비하며 미생물이 증식함에 따라 단백질이나 비타민 등과 같이 보다 높은 영양학적 가치를 지니는 영양소의 함량이 증진된다.
미생물 배양을 통해 얻은 바이오매스나 배양액으로부터 분리·정제한 각종 식품 화합물 또한 미생물 식품의 한 갈래다. 주변에서 찾아볼 수 있는 예로는 글루탐산나트륨을 비롯한 각종 아미노산과 식품용 단백질·효소, 풍미 화합물, 색소, 생리활성 물질 등이 있다.
마지막으로, 가장 궁극적이며 근본적인 형태의 미생물 식품은 미생물 배양을 통해 생산된 미생물 바이오매스나 추출물 및 이를 이용해 조리한 식품이라고 할 수 있다. 미생물의 바이오매스나 이로부터 추출한 미생물 단백질을 총칭하는 단세포단백질이 대표적인 예라 할 수 있다.
연구진은 이번 논문을 통해 미생물 식품을 보다 지속 가능한 방식으로 생산하는 데 사용할 수 있는 각종 비식용 원료와 이들의 활용 전략을 총망라했다. 더 나아가 해당 원료를 활용해 산업에서 실제로 생산되고 있는 각종 미생물 식품 및 이들의 특징과 함께 지속 가능한 미생물 식품의 생산 및 대중화에 대한 전망 등을 다뤘다.
이번 논문의 제1 저자인 최경록 연구교수는 “여러 지속 가능한 원료로부터 생산된 미생물 식품은 머지않아 우리 식탁에서 흔하게 접하게 될 것”이라고 말했다. 제2 저자인 정석영 박사과정생 역시 “미래의 미생물 식품은 환경에 대한 의무감으로만 소비되는 제한적인 식품이 아닌, 영양과 맛까지 갖춰 소비자들의 선택을 받는 완전식품이 될 것”이라고 말했다. 또한 이상엽 특훈교수는 “우리 자신은 물론 후손들을 위한 지속 가능한 사회를 만들어 나가기 위해 보다 다양한 미생물 식품이 개발되고 대중화될 수 있도록 산·학은 물론 민·관이 더욱 긴밀하게 협력해야 할 때”라고 밝혔다.
이번 논문은 네이처(Nature) 誌가 발행하는 ‘네이처 미생물학(Nature Microbiology)’에 4월 9일 자 온라인 게재됐다.
※ 논문명 : From sustainable feedstocks to microbial foods
※ 저자 정보 : 최경록(한국과학기술원, 제1 저자), 정석영(한국과학기술원, 제2 저자) 및 이상엽(한국과학기술원, 교신저자) 포함 총 3명
한편, 이번 연구는 과기정통부가 지원하는 석유대체 친환경 화학기술개발사업의 ‘바이오화학산업 선도를 위한 차세대 바이오리파이너리 원천기술 개발’ 과제 (과제책임자 KAIST 이상엽 특훈교수) 및 농촌진흥청이 지원하는 농업미생물사업단(단장 장판식 교수)의 ‘미생물 대사시스템 제어를 통한 무기물로부터의 단백질 생산 기술 개발’ 과제 (과제책임자 KAIST 최경록 연구교수)의 지원을 받아 수행됐다.
2024.04.12
조회수 7630
-
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 8046
-
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 5590
-
양자 컴퓨터로 새로운 물성 연구 성공
양자 물질을 연구하거나 설계할 때 기존의 폰노이만식 전자컴퓨터를 이용한 계산은 근본적인 한계를 가진다. 양자계의 경우 양자 얽힘 등의 효과로 인해 계산량이 기하급수적으로 증가하기 때문이다. 따라서 양자물질 설계를 위해 물질의 특성을 알아내고자 할 때, 양자컴퓨터를 이용하는 양자 시뮬레이션이 필요하다.
우리 대학 물리학과 안재욱 교수 연구팀이 코펜하겐 대학 클라우스 뭴머(Klaus MØlmer) 교수 연구팀과 함께 양자 시뮬레이션을 수행하는 양자 컴퓨터 플랫폼으로 최근 가장 주목을 받는 리드버그 원자 양자 컴퓨터를 이용해 양자 자성체의 극단적 특성을 구현하는데 성공했다고 11일 밝혔다.
자성체 물질은 하드 디스크와 같은 전자제품을 비롯해 전력 발전 등에도 사용되는 등 현대 기술의 핵심 요소다. 최근에는 상온 자성체를 넘어서 양자적 특성이 두드러지는 초저온에서 양자 자성체 특성에 관한 연구가 활발히 이뤄지고 있다. 초저온에서 수행되는 물성 분석 및 계측 연구는 MRI 등의 의학 기기 등에 응용될 뿐만 아니라, 차세대 초정밀 제어계측공학을 촉발할 것으로 기대된다.
유명 물리학자 리처드 파인만은 1983년 양자계의 특성을 인공적인 양자계로 모방해 연구하는 양자 시뮬레이션을 제안하였다. 인공적으로 모방한 양자계의 특성을 연구하면 기존 양자계의 특성을 알아낼 수 있다.
양자 시뮬레이션을 이용한 양자 자성체의 연구는 지난 10년간 세계 유수의 대학과 연구소에서 이뤄지고 있으며 이전까지 알려지지 않은 양자 물질의 특성들을 실험적으로 확인하는 성과를 보였다. 현재 양자 물질을 시뮬레이션하는 데 있어 중요한 이슈 중 하나는 극단적인 상황 속 양자 물질의 현상을 관찰하는 것이다.
한편 이와 같은 양자 시뮬레이션을 수행하는 양자 컴퓨터 플랫폼으로 최근 가장 주목을 받는 것은 리드버그 원자다. 리드버그 원자는 최외각 전자가 이온화되어 떨어지기 직전의 매우 높은 에너지를 머금고 있는 원자로, 일반 원자의 만 배 정도의 지름을 가지며 (10의 24제곱)배 정도 더 큰 상호작용을 한다. 우리 대학 물리학과 안재욱 교수 연구팀은 최근 리드버그 원자를 이용해 최대 156큐비트급의 양자 컴퓨터 계산을 선보인 바 있다.
이번 연구에서 글로벌 공동연구팀은 리드버그 원자를 이용한 양자 컴퓨터를 이용해 양자 자성체를 설명하는 모형 중 하나인 하이젠베르크 모형*을 양자 컴퓨터로 모방해 구현했다. 특히 이전의 하이젠베르크 모형의 구현과 다르게, 이번 연구에서는 리드버그 원자의 강한 상호작용을 이용한 극단적 이방성 (3차원 중 특정 방향이 다른 방향 대비 1000배 이상 강하게 상호작용하는 특성으로 새로운 연구영역이 확보됨)을 구현하는 데 성공했다.
*하이젠베르크 모형: 하이젠베르크 자성체 모형은 자성체 스핀 간의 모든 방향 (x, y, z 방향) 상호작용을 가정한 모형으로 양자 자성체의 대표적 모델 중 하나임.
연구를 주도한 안 교수는 “이번 연구는 리드버그 양자컴퓨터를 이용해 새로운 양자 물성을 연구할 수 있음을 보였다”라고 밝히고 “양자컴퓨터를 이용하는 물성 연구가 활발해질 것”이라고 기대했다.
우리 대학 물리학과 김강흔 대학원생 연구원과 덴마크 오르후스 대학의 팬 양(Fan Yang) 박사후 연구원이 참여한 이번 연구는 국제 학술지 `피지컬 리뷰 X (Physical Review X)' 2월 14권에 출판됐다. (논문명 : Realization of an Extremely Anisotropic Heisenberg Magnet in Rydberg Atom Arrays).
한편 이번 연구는 삼성미래기술재단과 한국연구재단의 지원으로 수행됐다.
2024.03.11
조회수 5642
-
해킹 공격 막는 암호 반도체 최초 개발
사물인터넷(IoT), 자율 주행 등 5G/6G 시대 소자 또는 기기 간의 상호 정보 교환이 급증함에 따라 해킹 공격이 고도화되고 있다. 이에 따라, 기기에서 데이터를 안전하게 전송하기 위해서는 보안 기능 강화가 필수적이다.
우리 대학 전기및전자공학부 최양규 교수와 류승탁 교수 공동연구팀이 ‘해킹 막는 세계 최초 보안용 암호 반도체’를 개발하는 데 성공했다고 29일 밝혔다.
연구팀은 100% 실리콘 호환 공정으로 제작된 핀펫(FinFET) 기반 보안용 암호반도체 크립토그래픽 트랜지스터(cryptographic transistor, 이하 크립토리스터(cryptoristor))를 세계 최초로 개발했다. 이는 트랜지스터 하나로 이루어진 독창적 구조를 갖고 있을 뿐만 아니라, 동작 방식 또한 독특해 유일무이한 특성을 구비한 난수발생기다.
인공지능 등의 모든 보안 환경에서 가장 중요한 요소는 난수발생기이다. 가장 널리 사용되는 보안 칩인 ‘고급 암호화 표준(advanced encryption standard, AES)’에서 난수발생기는 핵심 요소로, AES 보안 칩 전체 면적의 약 75%, 에너지 소모의 85% 이상을 차지한다. 따라서, 모바일 혹은 사물인터넷(IoT)에 탑재가 가능한 저전력/초소형 난수발생기 개발이 시급하다.
기존의 난수발생기는 전력 소모가 매우 크고 실리콘 CMOS 공정과의 호환성이 떨어진다는 단점이 있고, 회로 기반의 난수발생기들은 점유 면적이 매우 크다는 단점이 있다.
연구팀은 기존 세계 최고 수준 연구 대비 전력 소모와 점유 면적 모두 수천 배 이상 작은 암호 반도체인 단일 소자 기반의 크립토리스터(cryptoristor)를 개발했다. 절연층이 실리콘 하부에 형성되어 있는 실리콘 온 인슐레이터(Silicon-on-Insulator, SOI) 기판 위에 제작된 핀펫(FinFET)이 가지는 내재적인 전위 불안정성을 이용해 무작위적으로 0과 1을 예측 불가능하게 내보내는 난수발생기를 개발했다.
다시 설명하면, 보통 모바일 기기 등에서 정보를 교환할 때 데이터를 암호화하는 알고리즘에는 해커가 암호화한 알고리즘을 예측할 수 없도록 하는 것이 중요하다. 이에 무작위의 0과 1이 난수이며 0과 1의 배열이 매번 다른 결과가 나오게 하여 예측 불가능성을 가지도록 함으로써 공격자가 예측하지 못하도록 차단하는 방식이다.
특히, 크립토리스터 기반 난수발생기 연구는 국제적으로도 구현한 사례가 없는 세계 최초의 연구이면서, 기존 논리 연산용 또는 메모리용 소자와 동일한 구조의 트랜지스터이기 때문에, 현재 반도체 설비를 이용한 양산 공정으로 100% 제작이 가능하며 저비용으로 빠르게 대량생산이 가능하다는 점에서 의미가 크다.
연구를 주도한 김승일 박사과정은 개발된 “암호 반도체로서 초소형/저전력 난수발생기는 특유의 예측 불가능성으로 인해 보안 기능을 강화해 칩 또는 칩 간의 통신 보안으로 안전한 초연결성을 지원할 수 있고, 특히 기존 연구 대비 에너지, 집적도, 비용 측면에서 탁월한 장점을 갖고 있어 사물인터넷(IoT) 기기 환경에 적합하다”고 연구의 의의를 설명했다.
전기및전자공학부 김승일 박사과정이 제1 저자, 유형진 석사가 공저자로 참여한 이번 연구는 국제학술지 ‘사이언스(Science)’의 자매지인 ‘사이언스 어드밴시스(Science Advances)’ 2024년 2월 온라인판에 정식 출판됐다. (논문명 : Cryptographic transistor for true random number generator with low power consumption)
한편 이번 연구는 한국연구재단 차세대지능형반도체기술개발사업, 국가반도체연구실지원핵심기술개발사업의 지원을 받아 수행됐다.
2024.02.29
조회수 6931