-
유체 제어 기술로 대면적 기능성 나노박막 제작 기술 개발
우리 대학 신소재공학과 스티브 박, 김일두 교수 공동 연구팀이 세계 최초로 금속 나노입자가 결착된 전도성 금속 유기 골격체 나노 박막을 대면적으로 제작하는 새로운 공정 기술을 개발했다고 11일 밝혔다.
신소재공학과 김진오 박사, 구원태 박사가 공동 제1 저자로 참여한 이번 연구 결과는 네이처 출판 그룹의 오픈 액세스(Open-access) 학술지 `네이처 커뮤니케이션즈(Nature communications)' 7월 13일 字에 게재됐으며 연구의 우수성을 인정받아 재료공학과 화학 부문의 편집장 선정 논문(Editors' Highlights)에 선정됐다. (논문명: Large-area synthesis of nanoscopic catalyst-decorated conductive MOF film using microfluidic-based solution shearing)
다공성 구조를 가지는 2차원 전도성 *금속유기골격체(Metal-Organic Frameworks, 이하 MOF)는 전도성 유기 리간드 도입을 통해 전하 수송, 전계 효과 및 전자 상호작용과 같은 전기적 특성 제어 및 초소형 금속 나노입자 촉매의 주입이 가능해, 높은 선택성과 민감도를 요구하는 가스 센서 분야의 차세대 신소재로 각광받고 있다.
☞ 금속유기골격체(MOF)는 금속 이온과 유기 연결물질(리간드)가 연결된 다공성 물질로 배위 고분자의 일종이다. 이는 기공을 매개로 하여 화학종의 분리, 가스 저자아, 촉매, 약물 전달, 화학 센서 등 다양한 기능을 수행할 수 있다.
이러한 전도성 MOF의 뛰어난 재료적 특성을 활용하기 위해서는 균일한 전도성 MOF 입자의 합성과 합성된 전도성 MOF 입자 간의 간격을 최소화해 향상된 전자 이동도를 확보할 수 있는 고품질, 대면적 전도성 MOF 박막 제작 기술이 요구된다. 하지만 지금까지 보고된 전도성 MOF 박막 제작 기술의 경우, 나노 수준의 균일한 박막 두께 제어, 대면적 박막 제작 및 초소형 나노입자 촉매의 균일한 결착이 어려워 고민감도 가스 센서 소자 적용에 한계로 존재해왔다.
공동 연구팀은 전도성 MOF 박막의 형성 및 금속 나노입자의 합성 과정을 정밀하게 통제하는 데 중점을 뒀다. 미세 유체(Microfluidic) 시스템을 도입해 화학 반응을 단계적으로 제어하고 용액 전단 공정 (Solution shearing)을 통해 균일한 전도성 MOF 박막을 제조하는 새로운 공정 개발 연구를 진행 했다. 머리카락 굵기보다 가는 미세관 내(300 마이크로미터(㎛) 이하)로 합성에 필요한 용액을 흘려주게 되면 물질 전달이 극대화돼 수백 밀리초( ms)의 매우 짧은 시간에도 불구하고 화학 반응을 일으키고 제어할 수 있다. 이를 통해 금속 나노입자를 수 나노미터의 MOF 기공 내부에 균일하게 결착시킬 수 있게 된다.
미세 유체 시스템으로부터 합성된 용액은 용액 전단 공정을 통해 MOF 박막 형성을 하는데 일정한 속도와 연속적인 용액의 공급으로 인해 대면적의 기능성 MOF 나노 박막 형성이 가능하다. 미세 유체 반응기와 기판 사이에 마이크로 수준의 단차(Gap)를 주며 일정한 속도로 움직일 수 있는 용액 전단 공정은 균일한 계면(Meniscus)을 형성해 일정한 용매 증발을 야기 한다. 이는 균일한 MOF 성장을 일으켜 나노 두께의 박막 제조가 가능하다.
공동 연구팀은 미세 유체의 정밀 제어를 통해 제작된 초소형 나노입자 촉매가 결착된 전도성 MOF 나노 박막을 활용해, 대기 유독 가스 중 하나인 이산화질소(NO2) 기체를 선택적으로 검출할 수 있는 가스 센서를 개발하는 데 성공했으며, 기존에 보고된 2차원 소재 기반 가스 센서 대비 우수한 가스 검출 특성을 검증했다.
열 및 물질 전달 면에서 우수한 장점을 가지는 미세 유체 시스템과 일정한 용매 증발을 통한 두께 제어가 쉬운 용액 전단 공정의 융합 및 이를 이용한 금속 나노입자가 결착된 MOF 나노 박막 합성 연구는 기능성 박막 제조 연구 분야에 새로운 접근법을 제안해 그 파급효과가 클 것으로 기대한다.
공동 제1 저자인 김진오, 구원태 박사는 "입자의 상호작용력 조절을 통해 단일 층 두께에서 나노막대 스스로가 방향성을 통제하며 고 배열로 정렬할 수 있다는 것을 보였다. 이는 외부 힘 없이도 더욱 정교한 자기 조립구조가 가능하다는 것을 보여주는 결과다ˮ 라며 "고배열, 고배향을 갖는 다양한 나노입자의 초박막 필름 제작 및 필름 소자에 활발히 사용될 것이다ˮ 라고 말했다.
한편 이번 연구는 포스코청암재단의 포스코사이언스 펠로우십, K-Materials 글로벌 혁신 교육 연구단 (BK21 FOUR), 지역혁신선도연구센터사업, 한국연구재단의 나노․소재원천기술개발 사업 및 중견연구 사업의 지원을 받아 수행됐다.
2021.08.12
조회수 12338
-
원자 단층 촬영 기술로 나노입자 표면 리간드 분자의 3차원 분포 규명
우리 대학 신소재공학과 최벽파 교수 연구팀이 이화여자대학교 화학신소재공학과 이상헌 교수 연구팀과 공동연구를 통해 원자 단층 촬영 기술을 활용해 나노입자 표면에 존재하는 리간드 분자의 3차원 분포를 최초로 규명했다고 9일 밝혔다.
리간드(Capping ligand)는 금속 나노입자 합성 시 발생하는 유기 분자로서, 입자 간 응집을 방지할 뿐만 아니라 입자의 형태와 각종 특성까지 조절한다는 사실이 밝혀지며 나노입자의 합성 및 설계에 있어 그 중요성이 점점 더 커지고 있다.
신소재공학과 장규선 박사과정과 독일 막스 플랑크 연구소 김세호 박사가 공동 제1 저자로 참여한 이번 연구는 국제학술지인 `네이처 커뮤니케이션즈(Nature Communications, IF: 14.919)' 7월 14일 字 온라인판에 게재됐다. (논문명: Three-dimensional atomic mapping of ligands on palladium nanoparticles by atom probe tomography)
복잡한 구조의 유기 분자로 이루어진 리간드의 공간적 분포를 분석하기 위해서는 원자단위의 공간 분해능과 경량 원소에 대한 높은 검출 민감도를 가지며 3차원 분석이 가능한 기술이 필요하다. 이러한 분석 기술의 부재로 인해 현재까지 나노입자 표면에 존재하는 리간드 분포를 3차원에서 관찰한 사례는 존재하지 않으며, 이로 인해 입자 합성과정에서 리간드의 거동은 상당 부분 미지의 영역으로 남아있다. 예를 들어, 할라이드 리간드인 브롬(Br) 이온의 경우 정육면체 형태의 금속 나노입자 형성을 촉진하는 것으로 알려져 있으나, 여러 논문에서 이와 다른 결과를 보고하고 있다.
최벽파 교수 연구팀은 원자 단층 촬영 현미경(Atom probe tomography)을 활용해 서로 다른 할라이드 리간드를 통해 합성된 두 종류의 팔라듐 나노입자 표면에 존재하는 세트리모늄 리간드(Cetrimonium chloride)의 3차원 분포를 원자단위에서 관찰하는 데 성공했다.
원자 단층 촬영 현미경은 아주 얇은 바늘 모양으로 가공된 시편 표면의 원자들을 고전압 또는 고에너지 펄스를 가해 차례차례 증발시켜 검출기에 충돌시키고, 검출기에 기록된 원자의 충돌 위치와 충돌 순서, 그리고 충돌 원자의 질량 대 전하 비를 이용해 시편의 3차원 원자 분포를 재구성하는 분석 기술이다.
이러한 원자 단층 촬영 기술은 3차원 원자단위 분석 및 화학적 정량 분석이 가능할 뿐 아니라, 옹스트롬(100억 분의 1미터) 단위의 공간 분해능과 모든 원소에 대해 동일한 ppm 단위의 우수한 검출 감도를 갖고 있어 최근 재료 분석 분야에서 큰 주목을 받고 있다.
연구팀은 리간드의 3차원 분포에 대한 단층 촬영 데이터로부터 각각의 나노입자 표면에 존재하는 세트리모늄 리간드의 밀도를 계산했다. 이를 통해 연구진은 세트리모늄 리간드와 할라이드 리간드 사이에 기존에 알려지지 않았던 상호작용이 존재하며, 이러한 서로 다른 리간드 사이의 상호작용이 나노입자의 최종 형태와 산화 저항 특성을 결정할 뿐 아니라 기존의 연구 결과들이 합치되지 않았던 원인이었음을 규명했다.
최벽파 교수는 "이번 연구는 기존에 상반됐던 연구 결과들을 모두 포용할 수 있는 실험적, 이론적 결과를 제시했다는 점에서 의의가 있다ˮ며, "해당 연구를 통해 얻은 결과는 나노입자 합성에 대한 근본적인 이해를 높이고, 우수한 특성을 가진 나노입자를 설계하는데 응용될 수 있으리라 기대한다ˮ고 밝혔다.
한편 이번 연구는 한국연구재단 과학기술분야 기초연구사업인 중견연구자지원사업의 지원을 통해 수행됐다.
2021.08.10
조회수 10844
-
인간의 뇌를 모방한 뉴로모픽 반도체 개발
우리 대학 전기및전자공학부 최양규, 최성율 교수 공동연구팀이 인간의 뇌를 모방한 고집적 뉴로모픽 반도체를 개발했다고 5일 밝혔다.
뉴로모픽(neuromorphic) 하드웨어는, 인간의 뇌가 매우 복잡한 기능을 수행하지만 소비하는 에너지는 20와트(W) 밖에 되지 않는다는 것에 착안해, 인간의 뇌를 모방해 인공지능 기능을 하드웨어로 구현하는 방식이다. 뉴로모픽 하드웨어는 기존의 폰 노이만(von Neumann) 방식과 다르게 인공지능 기능을 초저전력으로 수행할 수 있어 많은 주목을 받고 있다.
공동연구팀은 단일 트랜지스터를 이용해 인간의 뇌를 모방한 뉴런과 시냅스로 구성된 뉴로모픽 반도체를 구현했다. 이 반도체는 상용화된 실리콘 표준 공정으로 제작되어, 뉴로모픽 하드웨어 시스템의 상용화 가능성을 획기적으로 높였다.
우리 대학 전기및전자공학부 한준규 박사과정이 제1 저자로, 같은 학부 오정엽 박사과정이 제2 저자로 참여한 이번 연구는 저명 국제 학술지 `사이언스 어드벤시스(Science Advances)' 8월 온라인판에 출판됐다. (논문명 : Co-integration of single transistor neurons and synapses by nanoscale CMOS fabrication for highly scalable neuromorphic hardware).
뉴로모픽 하드웨어를 구현하기 위해서는, 생물학적 뇌와 동일하게 일정 신호가 통합되었을 때 스파이크를 발생하는 뉴런과 두 뉴런 사이의 연결성을 기억하는 시냅스가 필요하다. 하지만, 디지털 또는 아날로그 회로를 기반으로 구성된 뉴런과 시냅스는 큰 면적을 차지하기 때문에 집적도 측면에서 한계가 있다. 인간의 뇌가 약 천억 개(1011)의 뉴런과 백조 개(1014)의 시냅스로 구성된다는 점에서, 실제 모바일 및 사물인터넷(IoT) 장치에 사용되기 위해서는 집적도를 개선할 필요가 있다.
이를 개선하기 위해 다양한 소재 및 구조 기반의 뉴런과 시냅스가 제안되었지만, 대부분 표준 실리콘 미세 공정 기술로 제작될 수 없어 상용화가 어렵고 양산 적용에 문제가 많았다.
연구팀은 문제 해결을 위해 이미 널리 쓰이고 있는 표준 실리콘 미세 공정 기술로 제작될 수 있는 단일 트랜지스터로 생물학적 뉴런과 시냅스의 동작을 모방했으며, 이를 동일 웨이퍼(8 인치) 상에 동시 집적해 뉴로모픽 반도체를 제작했다.
제작된 뉴로모픽 트랜지스터는 현재 양산되고 있는 메모리 및 시스템 반도체용 트랜지스터와 같은 구조로, 트랜지스터가 메모리 기능 및 논리 연산을 수행하는 것은 물론, 새로운 뉴로모픽 동작이 가능함을 실험적으로 보여 준 것에 가장 큰 의미가 있다. 기존 양산 트랜지스터에 새로운 동작원리를 적용해, 구조는 같으나 기능이 전혀 다른 뉴로모픽 트랜지스터를 제작했다. 뉴로모픽 트랜지스터는 마치 동전에 앞면과 뒷면이 동시에 있는 것처럼, 뉴런 기능도 하고 시냅스 기능도 수행하는 야누스(Janus) 구조로 구현 가능함을 세계 최초로 입증했다.
연구팀의 기술은 복잡한 디지털 및 아날로그 회로를 기반으로 구성되던 뉴런을 단일 트랜지스터로 대체 구현해 집적도를 획기적으로 높였고, 더 나아가 같은 구조의 시냅스와 함께 집적해 공정 단순화에 따른 비용 절감을 할 수 있는 신기술이다. 기존 뉴런 회로 구성에 필요한 평면적이 21,000 단위인 반면, 새로 개발된 뉴로모픽 트랜지스터는 6 단위 이하이므로 집적도가 약 3,500 배 이상 높다.
연구팀은 제작된 뉴로모픽 반도체를 바탕으로 증폭 이득 조절, 동시성 판단 등의 뇌의 기능을 일부 모방했고, 글자 이미지 및 얼굴 이미지 인식이 가능함을 보였다.
연구팀이 개발한 뉴로모픽 반도체는 집적도 개선과 비용 절감 등에 이바지하며, 뉴로모픽 하드웨어의 상용화를 앞당길 수 있을 것으로 기대된다.
한준규 박사과정은 "상보성 금속 산화막 반도체(CMOS) 기반 단일 트랜지스터를 이용해 뉴런과 시냅스 동작이 가능함을 보였다ˮ 라며 "상용화된 CMOS 공정을 이용해 뉴런, 시냅스, 그리고 부가적인 신호 처리 회로를 동일 웨이퍼 상에 동시에 집적함으로써, 뉴로모픽 반도체의 집적도를 개선했고, 이는 뉴로모픽 하드웨어의 상용화를 한 단계 앞당길 수 있을 것이다ˮ 라고 말했다.
한편 이번 연구는 한국연구재단 차세대지능형반도체기술개발사업, 중견연구사업, 미래반도체사업 및 반도체설계교육센터의 지원을 받아 수행됐다.
2021.08.06
조회수 11064
-
광 네트워크 기반 GPU 메모리 시스템 개발
소수의 글로벌 기업 주도하에 개발/생산되던 *GPU(Graphic Processing Unit)의 메모리 시스템을, *이종 메모리와 *광 네트워크를 활용해 용량과 대역폭 모두를 대폭 향상한 기술이 우리 연구진에 의해 개발됐다.
☞ 이종 메모리: 서로 다른 특성을 가진 메모리를 통합한 메모리
☞ 광 네트워크: 빛으로 변환된 신호를 사용하여 정보를 전달하는 통신 수단.
☞ GPU: 여러 프로세스를 병렬적으로 빠르게 처리할 수 있는 연산 장치.
우리 대학 전기및전자공학부 정명수 교수 연구팀(컴퓨터 아키텍처 및 운영체제 연구실)이 *3D XPoint 메모리(이하 XPoint)와 *DRAM 메모리를 통합한 이종 메모리 시스템에서 광 네트워크로 통신하는 `옴-지피유(Ohm-GPU)' 기술 개발에 성공함으로써 기존 DRAM을 단독으로 사용한 *전기 네트워크 기반의 GPU 메모리 시스템 대비 181% 이상의 성능 향상을 성취했다고 2일 밝혔다.
☞ 3D XPoint 메모리: DRAM에 비해 용량이 크지만 데이터 전송 속도가 느린 메모리.
☞ DRAM 메모리: 3D XPoint에 비해 데이터 전송 속도가 빠르지만 용량이 작은 메모리.
☞ 전기 네트워크: 전기적인 신호를 사용해 정보를 전달하는 통신 수단.
기존 GPU는 다수의 연산 장치로 구성되어 있어 연산 속도가 매우 빠르다는 장점이 있으나, DRAM을 단독으로 사용하는 메모리 시스템의 낮은 메모리 용량과 좁은 데이터 전송 대역폭으로 인해 연산 성능을 충분히 활용하지 못한다는 문제가 있다. 용량을 증가시키는 대안으로 DRAM을 XPoint로 대체하는 방법이 있으나, 이때 8배 큰 메모리 용량을 얻을 수 있는 반면 읽기/쓰기의 성능이 4배, 6배로 낮아진다. 또한, 대역폭을 증가시키는 대안으로 *HBM(High Bandwidth Memory) 기술을 활용할 수 있으나, 단일 면적 내 장착할 수 있는 전기 채널(*구리 선) 개수의 한계로 인해 GPU 메모리 시스템이 요구하는 고대역폭을 만족하기 어렵다.
☞ HBM: 3D로 DRAM을 쌓아 고대역폭을 얻을 수 있는 메모리.
☞ 구리 선(Copper wire): 전기 신호가 전달되는 통로.
정 교수팀이 개발한 Ohm-GPU 기술은 대용량 XPoint와 고성능의 DRAM을 통합한 이종 메모리 시스템을 채택함으로써, 기존 메모리 시스템과 동일한 성능을 가지면서도 메모리의 용량을 증가시켰다. 또한, 단일 광 채널(*광섬유)로 서로 다른 파장의 다중 광신호를 전달할 수 있는 광 네트워크의 장점을 활용해 메모리 대역폭을 대폭 넓힘으로써 기존 GPU 메모리 시스템의 한계점들을 전면 개선했다.
☞ 광섬유(Optic fiber): 광 신호가 전달되는 통로.
Ohm-GPU 기술은 GPU 내부에 있는 메모리 컨트롤러 및 인터페이스를 수정해 이종 메모리의 모든 메모리 요청을 광신호로 처리한다. 메모리 요청은 일반적으로 DRAM 캐시 메모리에서 처리되지만, DRAM에 없는 데이터는 XPoint로부터 읽어와야 한다. 이때, 발생하는 이종 메모리 간 데이터 이동의 오버헤드(대기 시간)는 1) 연산을 위한 메모리 접근과 데이터 이동을 위한 메모리 접근의 광 파장을 다르게 설정하고, 2) 메모리 컨트롤러 개입을 최소화하고 XPoint 컨트롤러가 이종 메모리 간 데이터 이동을 수행함으로써 완화했다.
개발된 Ohm-GPU 기술은 기존 DRAM을 단독으로 사용하는 전기 네트워크 기반의 GPU 메모리 시스템 대비 다양한 그래 프처리, 과학응용 실행 등에서 181%의 성능 향상을 달성했다. 이는 인공지능(AI), 빅데이터, 클라우드 컴퓨팅 등 대용량, 고대역폭의 데이터 전송을 요구하는 고성능 가속기의 메모리 시스템을 대체할 수 있을 것으로 기대된다.
정명수 교수는 "GPU 메모리 시스템 기술은 일부 해외 유수 기업이 주도하고 있지만, 이번 연구성과를 기반으로 GPU 및 GPU와 유사한 모든 고성능 가속기 메모리 시스템 관련 시장에서 우위를 선점할 가능성을 열었다는 점에서 의미가 있다ˮ라고 강조했다.
한편 이번 연구는 올해 10월에 열릴 컴퓨터 구조 분야 최우수 학술대회인 `마이크로(International Symposium on Microarchitecture, MICRO), 2021'에 관련 논문(논문명: Ohm-GPU: Integrating New Optical Network and Heterogeneous Memory into GPU Multi-Processors)으로 발표될 예정이며, 이를 통해 정교수 팀은 스토리지 및 메모리 관련 연구로 2021, 당해, 전 세계 컴퓨터 구조에서 가장 잘 알려진 4개의 최우수 학술대회 모두에서 그 결과를 공유한다. 해당 연구에 대한 자세한 내용은 연구실 웹사이트(http://camelab.org)에서 확인할 수 있다.
2021.08.03
조회수 8630
-
날숨 속 황화수소 가스 검출을 통한 구취 센서 개발
우리 대학 신소재공학과 김일두 교수 연구팀이 삼성전자 종합기술원과 공동연구를 통해 극소량의 나트륨과 백금 촉매를 금속산화물에 기능화하여 호흡으로 질병을 진단할 수 있는 가스 센서 플랫폼을 개발했다고 28일 밝혔다.
이 가스 센서 플랫폼은 사람의 날숨에 포함된 다양한 질병과 관련된 미량의 생체지표(biomarker) 가스를 선택적으로 감지해 관련된 특정 질병을 실시간 모니터링할 수 있는 기술이다.
혈액 채취나 영상 촬영 없이 내뱉는 숨(호기)만으로 각종 질병 여부를 파악하는 비침습적 호흡 지문 센서 기술은 핵심 미래 기술이다. 호기 속 특정 가스들의 농도변화를 검사해 건강 이상 여부를 판단할 수 있다.
이번 기술은 구취의 생체지표 가스인 황화수소 가스와 높은 반응성을 갖는 나트륨 촉매를 금속산화물 나노섬유 감지 소재 층에 도입해 가스 선택성을 극도로 향상하고, 활성도가 좋은 백금 촉매를 추가로 기능화해 세계 최고 수준의 황화수소 감지 성능을 구현한 기술이다.
호기 가스의 성분에는 수분 외에도 아세톤, 톨루엔, 암모니아, 수소뿐만 아니라 구취의 생체지표 가스인 황화수소(hydrogen sulfide), 메틸머캅탄(methyl mercaptan), 디메틸설파이드(dimethyl sulfide)의 3종 황 화합물이 포함된다. 그중에서 황화수소 가스는 구취 환자에게서 높은 농도로 배출되는 생체지표 가스로서 상기 3종 황화합물 가스 중에서 선택적으로 감지하는 것이 매우 중요하다.
호흡을 이용한 질병 진단은 테들라(Tedlar) 백에 포집된 날숨 가스를 소형 센서 장치로 주입한 후 수분 이내의 빠른 속도로 분석할 수 있는 비침습 진단 방법으로 최근 조명을 받고 있다. 또한, 질병 대사가 일어나는 시점에서 검출할 수 있어 조기 진단이 용이하다.
하지만 생체지표 가스들은 매우 미량의 농도인 10억분의 1(ppb)에서 100만분의 1(ppm) 수준으로 호흡 속에서 배출되기 때문에 정확한 분석을 위해서는 기술의 진보가 필요하다. 호기 속 수백 종 이상의 방해 가스들 속에서 목표 가스만을 선택적으로 분석하는 것은 저항 변화식 센서의 취약점으로 남아있다.
기존 가스 센서는 산화물 감지 소재 표면에 백금, 팔라듐 등 특정 촉매를 결합하거나 n-형 반도체식 금속산화물과 p-형 반도체식 금속산화물의 헤테로 접합 구조를 도입해 감지 특성을 높이려는 등의 시도가 있었으나 여전히 ppb 농도에서 생체지표 가스 감지 특성이 높지 않다는 한계가 있다.
연구팀은 미량의 염화 나트륨(NaCl)과 백금 촉매를 전기방사를 통해 넓은 비표면적과 다공성 구조를 갖는 금속산화물 나노섬유에 결착시켜 특정 생체지표 가스에 선택적으로 반응하는 감지 소재를 개발했다. 나트륨과 백금의 복합촉매가 결착된 나노섬유 센서는 백금 촉매만 결착되거나 촉매가 결착되지 않은 센서 대비 각각 10배 및 200배 이상 감지 특성이 향상됨을 확인했다.
특히 1 ppm의 황화수소 가스에 대해 감도가 780배 수준으로 바뀌는 세계 최고 수준의 감도 특성을 확인했고, 호기 속 방해 가스 중 반응성이 좋다고 알려진 에탄올 가스 대비 약 277배 수준의 선택도가 관찰됐다.
연구팀은 기존에도 호흡으로 질병을 진단하는 센서를 개발했으나 이번 기술은 가스 감지 성능 및 정확도와 신뢰도가 큰 폭으로 향상됐다는 특징이 있다. 또한, 연구팀은 이번에 개발한 초고성능의 가스 센서를 상용화된 압력센서, 온도센서, 습도센서와 결합해 간단하게 날숨을 불어넣는 것(호기 가스 직접 측정)만으로도 개개인의 호흡을 분석해 일반인도 쉽게 건강 이상을 판별할 수 있는 휴대용 복합센서 디바이스 플랫폼을 개발했다.
연구팀은 가스 크로마토그래피-질량분석법 기반 상용 구취 진단기를 활용한 호기 가스의 정성적 정량적 비교분석을 바탕으로 80건의 날숨 분석을 진행한 결과, 이번 복합센서 플랫폼이 86.3%의 정확도로 구취 유무를 판별할 수 있음을 확인했다. 이번 기술은 구취 유무를 지속적으로 모니터링하는 헬스케어 기기에 손쉽게 적용할 수 있다.
김일두 교수는 "기존 센서에 사용되지 않은 알칼리 금속 기반 촉매를 잘 알려진 백금 촉매와 함께 도입함으로써, 질병과 연관된 생체지표 가스에 초고감도 및 고 선택성으로 반응하는 센서 소재를 구현할 수 있었다ˮ며 "감지 소재 개발에 머물지 않고 실제 센서 디바이스 구현 및 호기 가스 임상시험을 통해 높은 정확도로 구취 유무를 판별할 수 있다는 측면에서 매우 의미가 있는 연구 결과다. 누구나 손쉽게 스스로 진단할 수 있는 자가 진단 기기의 진보는 의료비 지출 상승을 막고 지속적인 건강관리에 큰 도움이 될 것이다ˮ고 밝혔다.
이번 연구는 공동 제1 저자인 신하민, 김동하 박사과정(KAIST 신소재)과 정원종 전문연구원(삼성전자 종합기술원)의 주도하에 진행됐으며, 남궁각 전문연구원(삼성전자 종합기술원)과 김일두 교수(KAIST 신소재)가 교신저자로 참여했다.
연구 결과는 나노과학 분야의 권위적인 학술지 `에이씨에스 나노(ACS Nano)' 8월호 표지 논문으로 발행될 예정이며, `미국화학학회(ACS) 위클리 프레스팩(Weekly PressPac)'에 7월 21일 자로 소개되어 전 세계 수천 명의 기자단에게 홍보됐다. 또한, 관련 기술은 국내를 포함해 유럽, 미국, 중국에 특허로 출원됐다.
2021.07.29
조회수 11399
-
살아있는 미생물 내 바이오 플라스틱 생성 관찰 최초 성공
우리 대학 생명화학공학과 이상엽 특훈교수(연구부총장)와 물리학과 박용근 석좌교수 공동연구팀이 ‘3차원 홀로그래픽 현미경 기술을 통한 미생물의 바이오 플라스틱 과립 생산 특징 규명’에 성공했다고 27일 밝혔다.
이번 연구 결과는 국제 학술지인 ‘미국국립과학원회보(PNAS)'에 7월 27일 字 온라인 게재됐다.
※ 논문명 : Three-dimensional label-free visualization and quantification of polyhydroxyalkanoates in individual bacterial cell in its native state
※ 저자 정보 : 이상엽(KAIST, 교신저자), 박용근(KAIST, 교신저자), 최소영(KAIST, 공동 제1 저자), 오정훈(KAIST, 공동 제1저자), 정재황(KAIST, 공동 제1저자) - 총 5명
전 세계적으로 폐플라스틱으로 인한 환경오염 및 생태계 파괴, 미세 플라스틱의 인류 보건 위협 등의 문제가 심각해짐에 따라 다양한 규제 및 대안 기술들이 연구되고 있다. 그중 미생물로부터 만들어지는 폴리에스테르인 폴리하이드록시알카노에이트 (polyhydroxyalkanoate, 이하 PHA)가 기존 합성 플라스틱을 대체할 친환경 바이오 플라스틱으로 많은 관심을 받고 있다.
PHA는 폴리에틸렌이나 폴리프로필렌과 같은 범용 플라스틱과 유사한 물성을 가지고 있어 용기 포장재, 비닐, 일회용품 등의 다양한 활용이 가능하며, 토양이나 해양 환경에서 생분해가 가능한 고분자라는 가장 중요한 장점을 갖고 있다.
PHA는 몇몇 미생물 내에 불용성의 과립(granule) 형태로 발견되는 고분자 물질로, 미생물이 환경 변화 및 세포 상태에 따라 탄소원, 에너지원으로 세포 내에 축적하게 된다. PHA가 세포 내에 축적되는 원리를 관찰하기 위해 여러 연구가 진행돼왔다.
형광 현미경, 투과전자현미경, 전자 저온 촬영 등의 기술이 이용됐는데, 이는 2차원상의 이미지만을 제시하거나 형광 물질과 같은 별도의 표식이나 세포의 고정/절편 제작 과정이 있어야 하여, 세포 원래 그대로의 상태에서의 관측이 어려웠다. 따라서 기술적 한계로 인해 세포 내에서 PHA 과립 형성에 대한 완전한 이해가 어려웠고, 관측 결과에 기반을 둔 여러 형성 메커니즘 모델만이 제안돼왔다.
이에 이상엽 특훈교수와 박용근 석좌교수 공동연구팀은 최근 떠오르고 있는 *3차원 홀로그래픽 현미경 기술을 통해 PHA 생산 박테리아의 심층 관찰 및 정량/정성 분석 연구를 수행했다.
*3차원 홀로그래픽 현미경 기술은 물질의 굴절률(refractive index)을 활용하는 이미징 방법으로, 염색 등 준비 과정을 필요로 하지 않기 때문에 살아 있는 세포의 3차원 정보를 정량적으로 측정 가능하다.
연구팀은 PHA의 한 종류인 *PHB 생산 미생물로 잘 알려진 쿠프리아비두스 네카토르(Cupriavidus necator)와 이 미생물의 PHB 합성 대사회로 유전자를 가진 재조합 대장균을 이용해 비교·분석을 수행했다.
*PHA는 현재까지 약 150여 가지의 하이드록시산 화합물들이 단량체로 보고되었으며, PHA 중 가장 대표적이며 많은 연구가 이루어진 것이 poly(3-hydroxybutyrate) [PHB]임
연구팀은 재구성된 세포의 3차원 굴절률 분포로 단일세포 수준에서 세포와 세포 내 과립의 3차원 시각화 및 이를 통한 부피, 질량, 밀도, 분포 등의 정량 분석에 성공했다. 수백 개의 단일 세포들과 세포 내의 PHA 과립에 대한 정량 및 이의 통계 분석을 통해 두 미생물에서의 PHA 과립 형성의 차이점을 도출해냈다.
특히, 단일세포 내의 PHA 과립의 밀도의 개념을 새롭게 제시했으며, 두 미생물에서의 PHA 과립의 밀도의 차이 및 세포 내 분포 형태 및 위치에 대한 특이적인 차이를 발견했다. 더 나아가서, 두 미생물의 PHA 과립 형성의 차이를 나타내게 하는 핵심 단백질을 규명해, 재조합 대장균의 PHA 과립 형성의 양상을 쿠프리아비두스 네카토르와 유사하게 변화시킬 수 있었다.
또한, 실시간 모니터링을 통해 최대 약 8시간 동안의 세포와 세포 내 PHA 과립의 성장 과정을 보여주는 3차원 영상을 제작할 수 있었다. 이는 미생물이 살아있는 상태에서 별도의 처리 과정이 없는 자연 상태 조건 하에, 세포 내 PHA 과립의 형성과 세포 분열과 연계된 이동을 3차원에서 실시간으로 관측한 세계 최초의 결과라는 데 큰 의의가 있다.
이상엽 특훈교수는 “이번 연구를 통해 미생물의 PHA 생산 원리에 대해 더욱 깊은 이해가 가능해졌고, 이는 생물학과 물리학의 융합 연구로서 이뤄진 성과라는 데에 큰 의의가 있으며, 향후 다양한 바이오 플라스틱 생산 공정 개발에 큰 도움이 될 것”이라고 말했다.
한편 이번 연구는 과기정통부가 지원하는 기후변화대응기술개발사업과 바이오·의료기술개발사업의 지원을 받아 수행됐다.
2021.07.28
조회수 13270
-
RNA 바이러스 초고감도 검출 기술 개발
우리 대학 생명화학공학과 박현규 교수 연구팀이 핵산의 절단 및 중합 연쇄반응 시스템을 활용해 RNA 바이러스의 표적 RNA를 초고감도로 검출하는 새로운 등온 핵산 증폭(NESBA, Nicking and Extension chain reaction System-Based Amplification) 기술을 개발했다고 15일 밝혔다.
생명화학공학과 주용 박사과정, 김효용 박사가 공동 제1 저자로 참여한 이번 연구는 영국 왕립화학회가 발행하는 국제학술지 `나노스케일 (Nanoscale)'에 2021년도 24호 표지(Front cover) 논문으로 지난달 16일 선정됐다. (논문명: Ultrasensitive version of nucleic acid sequence-based amplification (NASBA) utilizing nicking and extension chain reaction system)
현재 전 세계적으로 팬데믹 (Pandemic)을 일으키고 있는 코로나19 바이러스와 같은 RNA 바이러스를 검출하기 위한 표준 진단 방법은 역전사 중합효소 연쇄반응(qRT-PCR)이다. 이러한 표준 분자진단 방법은 면역진단 방법과 비교해 진단의 정확도는 매우 우수하지만 정교한 온도 조절 장치가 필요하고 진단에 드는 시간이 길어 장비의 소형화에 제약이 있으며 전문 진단 설비가 갖추어진 대형 병원 또는 전문 임상검사실에서만 제한적으로 사용된다는 단점이 있다.
연구팀은 이러한 현행 기술의 한계를 극복하기 위해 핵산의 절단 및 중합 연쇄반응 시스템에 의해 구동되는 초고감도의 신개념 등온 핵산 증폭 기술을 개발했으며, 이를 통해 별도의 온도 변환 과정 없이 동일 온도에서 표적 바이러스의 RNA를 초고감도로(검출 한계: 1 아토 몰 (aM)) 매우 신속하게(20분 이내) 검출하는 데 성공했다.
연구팀은 기존 나스바(NASBA, Nucleic Acid Sequence-Based Amplification) 등온 증폭 기술에 절단효소 인식 염기서열이 수식된 프라이머를 도입함으로써, 절단효소 및 DNA 중합효소 활성을 기반으로 T7 프로모터를 포함하는 이중가닥 DNA를 지수함수적으로 증폭할 수 있었고, 최종적으로 표적 RNA를 기존의 NASBA 기술에 비해 100배 이상 향상된 민감도로 검출할 수 있었다.
연구팀은 이 기술을 통해서, 호흡기 세포 융합 바이러스(RSV)의 유전 RNA(genomic RNA)를 별도의 전처리 없이 매우 신속하고 고감도로 검출함으로써, 기술의 실용성을 증명함과 동시에 현장 검사(POCT) 기술로서의 높은 활용 가능성을 입증했다.
박현규 교수는 "이번 신개념 등온 핵산 증폭 기술은 현재 대유행하고 있는 코로나19 바이러스와 같은 RNA 바이러스들을 신속하게 조기 진단 할 수 있는 분자진단 시스템에 활용될 가능성이 매우 큰 기술ˮ이라고 이번 연구의 의의를 설명했으며, 현재 코로나19의 임상 샘플 테스트에서도 매우 좋은 결과를 얻었다고 언급했다.
한편 이번 연구는 한국연구재단의 글로벌 프런티어사업과 경남제약(주)의 연구비 지원으로 수행됐다.
2021.07.15
조회수 11309
-
신경신호 모사를 통한 인공 감각 시스템 개발
우리 대학 바이오및뇌공학과 박성준 교수 연구팀이 고려대학교 천성우 교수, 한양대학교 김종석 박사 공동 연구팀과 함께 인간 피부-신경 모사형 인공 감각 인터페이스 시스템을 개발했다고 12일 밝혔다.
이번 연구 결과는 국제 학술지 `네이처 일렉트로닉스(Nature Electronics)'에 2021년 6월 3일 字로 출판됐다. (논문명: Artificial Neural Tactile Sensing System)
가상/증강 현실, 메타버스, 화상 환자를 위한 인공피부, 로봇형 의수/의족 등에 사용될 수 있는 인공 감각 시스템은, 구현해야 할 원리와 그 시스템의 복잡성 때문에 실제 감각기관처럼 만들기 어려운 상황이었다. 특히 사람은 다양한 유형의 촉각 수용기를 통해 (압력, 진동 등) 정보를 조합하여 촉각을 감지하므로, 완벽한 인공 감각 시스템의 구현은 더욱 어려울 수 밖에 없다.
연구팀은 문제 해결을 위해 나노입자 기반의 복합 촉각 센서를 제작하고, 이를 실제 신경 패턴에 기반한 신호 변환 시스템과 연결하는 방법을 사용하였다. 이 두 가지 기술의 조합을 통해 연구팀은 인간의 촉각 인식 프로세스를 최대로 모방하는 인공 감각 인터페이스 시스템을 구현하는데 성공했다.
연구팀은 우선 압전재료 및 압전 저항성 재료의 조합으로 이루어진 전자 피부를 제작했다. 이 센서는 나노입자의 적절한 조합을 통해 피부 내의 압력을 감지하는 늦은 순응 기계적 수용기(SA mechanoreceptor)와 진동을 감지하는 빠른 순응 기계적 수용기(FA mechanoreceptor)를 동시에 모사할 수 있다는 특징을 가지고 있다. 해당 센서를 통해 생성된 전위는, 연구팀이 제작한 회로 시스템을 통해 실제 감각 신호와 같은 형태의 패턴으로 변환된다. 이때 생체 내 상황을 최대한 모사하기 위해, 실제 감각신경을 추출, 다양한 감각에 의한 신호를 측정하여 함수화하는 방법이 사용됐다.
해당 시스템을 동물 모델에 적용한 결과, 연구팀은 인공 감각 시스템에서 발생한 신호가 생체 내에서 왜곡 없이 전달되며, 근육 반사 작용 등 생체 감각 관련 현상들을 구현할 수 있음을 확인했다. 또한 연구팀은 지문 구조로 만든 감각 시스템을 20여 종의 직물과 접촉함으로써, 딥 러닝 기법을 통해 직물의 질감을 99% 이상 분류할 수 있을 뿐만 아니라 학습된 신호를 기반으로 인간과 동일하게 예측할 수 있음을 보여줬다.
박성준 교수는 "이번 연구는 실제 신경 신호의 패턴 학습을 바탕으로 한 인간 모사형 감각 시스템을 세계 최초로 구현했다는 데 의의가 있다. 해당 연구를 통해 향후 더욱 현실적인 감각 구현이 가능할 뿐만 아니라, 연구에 사용된 생체신호 모사 기법이 인체 내 다양한 종류의 타 감각 시스템과 결합될 경우 더욱 큰 시너지를 낼 수 있으리라 기대한다ˮ 라고 말했다.
한편 이번 연구는 한국연구재단 신진연구사업, 범부처의료기기개발 사업, 나노소재원천기술개발사업, 차세대 지능형 반도체 개발사업, KK-JRC 스마트 프로젝트, KAIST 글로벌 이니셔티브 프로그램, Post-AI 프로젝트 사업의 지원을 받아 수행됐다.
2021.07.12
조회수 11575
-
정송 교수 연구팀, 아시아대학 최초 ACM MobiSys 2021 Best Paper Award 수상
우리 대학 AI대학원과 전기및전자공학부 소속 정송 교수 연구실의 김세연 박사과정생과 이경한 박사졸업생 (현 서울대 전기정보공학부 부교수)이 지난 주 COVID-19으로 인해 온라인으로 개최된 2021년도 ACM MobiSys 학회(https://www.sigmobile.org/mobisys/2021/)에서 Best Paper Award를 수상했다.
ACM MobiSys는 모바일시스템 분야의 최고 학회로서 올해 총 266편의 논문이 제출되어 36개의 논문이 억셉트되었으며 (논문게재율: 21.6%) 이번 정송 교수 연구팀의 Best Paper Award 수상은 19년의 MobiSys 역사상 첫 아시아권 대학의 수상이다. (제1저자 소속 대학 기준)
- 논문명: zTT: Learning-based DVFS with Zero Thermal Throttling for Mobile Devices
(모바일 기기의 열쓰로틀링 방지를 위한 강화 학습 기반의 동적 주파수 할당 기술)
- 논문 저자: 김세연 (KAIST), 빈경민 (서울대), 하상태 (U. of Colorado at Boulder), 이경한 (서울대), 정송 (KAIST)
- 논문 내용:
동적 전압/주파수 할당 기술(Dynamic Voltage and Frequency Scaling, DVFS)은 운영 체제(OS) 단에서 프로세서 성능을 보장하는 동시에 에너지 소모를 줄이기 위해 동적으로 프로세서의 전압과 주파수를 조절하는 기술이다. 하지만 모바일 기기의 동적 주파수 할당 기술은 두 가지 한계점을 가지고 있다. 첫째, OS 레벨에서 수행되기 때문에 어플리케이션의 성능을 보장하지 못한다. 둘째, 모바일 기기의 특성상 빈번하게 변하는 환경을 반영하지 못하여 과열을 일으켜 열쓰로틀링(Thermal Throttling)을 야기시켜 사용자 경험(QoE)를 크게 감소시킬 수 있다. 특히, 모바일 기기에서 발열 문제는 최신 스마트폰과 같은 고성능 기기의 성능을 크게 떨어뜨리는 고질적인 문제로 알려져 있다. 해당 연구에서는 이러한 기존 기술의 한계를 해결하기 위해 모바일 기기의 과열을 예방하고, 사용자 경험을 보장하는 동시에 에너지 소모를 최소화하기 위해 심층 강화 학습(Deep-Reinforcement Learning) 기반의 동적 주파수 할당 기술을 개발했다. 이는 실시간으로 수집되는 상태 정보를 바탕으로 어플리케이션과 모바일 기기의 동작 환경에 적응하여 안정된 성능을 보장하고, 전력 소모를 크게 줄일 수 있는 기술이다. 연구팀은 해당 연구 기술이 운영 체제나 어플리케이션이 보다 최적화된 성능으로 동작하기 위한 하나의 설정 옵션으로 패키징될 수 있을 것이라고 전망하고 있다.
위 상을 수상한 김세연 박사과정생은 논문에 대해 “5G 스마트폰과 같은 모바일 단말에서 과도한 발열로 인해 발생하는 열쓰로틀링에 따른 급격한 성능 저하 문제를 강화학습 기반의 동적 전압/주파수 스케일링을 통해 획기적으로 해결한 연구”라고 설명했다.
정송 교수는 “사용자 체감 성능을 높이면서 열쓰로틀링으로 인한 급격한 성능 저하를 방지하기 위해서는, 적정한 온도를 유지하기 위한 총전력 소모 범위 내에서 프로세서 컴포넌트 (CPU, GPU 등) 간 최적의 전력 분배를 수행하는 것이 관건이지만, 주변 환경 (주변 온도, 쿨링 상황 등)과 사용자 애플리케이션 특성에 따라 허용 가능한 총 전력 소모 범위와 최적의 전력 분배가 실시간으로 변화하기 때문에 전통적인 제어기법으로는 해결하기 매우 어려운 문제였다”고 부연 설명했다.
연구팀의 이러한 결과는 전력소모 문제로 인공지능 기법의 도입이 어려울 것으로 예상되었던 모바일 플랫폼에서 조차 강화학습 기반의 시스템 제어가 성능 개선에 크게 이바지 할 수 있음을 보임으로써, 차세대 운영체제에 AI/ML 기반 제어 기법들을 적극적으로 도입하기 위한 계기를 마련한 것으로 평가받았다.
2021.07.09
조회수 10740
-
약물 가상 스크리닝 기술로 코로나19 치료제 후보 발굴
우리 대학 생명화학공학과 이상엽 특훈교수(연구부총장)와 한국파스퇴르연구소 김승택 박사 공동연구팀이 ‘약물 가상 스크리닝 기술을 이용한 코로나19 치료제 개발’에 성공했다고 8일 밝혔다.
이번 연구 결과는 국제 학술지인 ‘미국국립과학원회보(PNAS)'에 7월 7일 字 온라인 게재됐다.
※ 논문명 : Drugs repurposed for COVID-19 by virtual screening of 6,218 drugs and cell-based assay
※ 저자 정보 : 이상엽(한국과학기술원, 교신저자), 김승택(한국파스퇴르연구소, 교신저자), 장우대(한국과학기술원, 제1저자), 전상은(한국파스퇴르연구소, 제2저자), 포함 총 4명
코로나바이러스감염증-19(이하 코로나19)는 글로벌 팬데믹으로 전개되고 있으며 현재 인류 보건을 심각하게 위협하는 상황이다. 코로나19 치료 목적으로 미국식품의약국(FDA)에서 정식 승인을 받은 렘데시비르(상품명 베클러리)가 현재 임상에서 사용 중이지만, 사망률은 감소시키지 못하고 회복 기간을 5일 정도 단축함으로써 치료 효과가 기대에 미치지 못하는 것으로 알려졌다. 또한 렘데시비르는 정맥 주사제여서 의료기관에서 입원을 통해 수일 동안 투여받아야 하므로 팬데믹 상황에 적합하지 않은 약물이다. 따라서 코로나19로 인한 사망률을 획기적으로 감소시키고, 치료 기간을 단축시키는 경구용 치료제 개발이 시급한 상황이었다.
이에 이상엽 특훈교수와 한국파스퇴르연구소 김승택 박사 공동연구팀은 약물 가상 스크리닝 기술을 이용한 약물 재창출 전략으로 코로나19 치료제 개발 연구를 수행했다.
연구팀은 팬데믹 상황에 대응한 신속한 치료제 개발을 위해 가상 스크리닝 기술을 이용한 약물 재창출 전략을 수립했다. 약물 재창출은 이미 안전성이 검증된 FDA 승인 약물 또는 임상 진행 중인 약물을 대상으로 새로운 적응증을 찾는 방식이다. 이 전략은 신약 개발 과정에 소요되는 시간을 단축시킬 수 있어 코로나19와 같은 팬데믹 상황에 적합한 신약 개발 전략이다.
우리 대학 생명화학공학과 장우대 박사는 우선 FDA 승인 약물 또는 임상 진행 중인 약물을 데이터베이스에서 수집해 6,218종의 약물 가상 라이브러리를 구축했다. 실험으로 이 약물들을 모두 검증하기에는 시간과 비용이 많이 소요되기 때문에 바이러스 치료제로 가능성이 있는 약물만 신속하게 선별할 수 있는 컴퓨터 기반 가상 스크리닝 기술을 도입했다.
기존의 도킹 시뮬레이션 기반의 가상 스크리닝 기술은 높은 위양성률(false positive rate)로 인해 유효물질 도출 비율(hit rate)이 매우 낮은 것이 문제점인 상황이었다. 연구팀은 구조 유사도 분석 모듈과 상호작용 유사도 분석 모듈을 도킹 전후에 도입하여 가상 스크리닝의 정확도를 높이는 데 성공했다. 이번 연구를 통해 개발된 가상 스크리닝 기술은 단백질-약물 복합체 구조 정보를 이용하여 다양한 후보 약물을 빠르고 정확하게 스크리닝할 수 있는 것이 특징이다.
연구팀은 또한 바이러스 치료제로 주로 사용되는 핵산 유사체(nucleotide analogues) 기반 전구약물(prodrug)의 활성형 구조를 자동으로 생성하는 알고리즘을 개발했다. 전구약물은 그 자체로는 약효가 없고 체내 대사를 통해 활성형 구조로 변환되어야만 약효를 나타낸다. 따라서 전구약물은 활성형으로 구조변환 후, 도킹 시뮬레이션을 수행하는 것이 중요하다. 연구팀은 렘데시비르를 포함한 여러 핵산유사체 기반 전구약물들의 활성형 구조를 자동으로 생성하는 데 성공하였고, 도킹 시뮬레이션의 정확도를 향상시킬 수 있었다.
연구팀은 가상 스크리닝 플랫폼으로 사스-코로나바이러스-2(SARS-CoV-2)의 복제와 증식에 필수적인 역할을 하는 단백질 가수분해 효소(3CL hydrolase, Mpro)와 RNA 중합효소(RNA-dependent RNA polymerase, RdRp)를 저해할 수 있는 후보 화합물을 15종과 23종으로 각각 선별했다.
그 후, 가상 스크리닝으로 선별된 38종의 약물에 대해 한국파스퇴르연구소의 생물안전 3등급(BSL-3) 실험실에서 세포 이미지 기반 항바이러스 활성 분석 플랫폼을 활용해 약효를 검증했다.
먼저 사스-코로나바이러스-2를 감염시킨 원숭이 신장세포(Vero cell)를 이용한 시험관 내(in vitro) 실험을 수행한 결과, 38종의 약물 중 7종의 약물에서 항바이러스 활성이 확인됐다.
또한, 검증된 7종의 약물에 대해 인간 폐 세포(Calu-3 cell)에서 추가적인 검증 실험을 수행했고, 3종의 약물에서 항바이러스 활성이 확인됐다. 후보 약물에는 암 및 특발성 폐섬유증(idiopathic pulmonary fibrosis)으로 임상이 진행 중인 오미팔리십(omipalisib), 암 및 조로증(progeria)으로 임상이 진행 중인 티피파닙(tipifarnib), 식물 추출물로써 항암제로 임상이 진행 중인 에모딘(emodin)이 있다. 특히 오미팔리십은 현재 코로나19 표준 치료제인 렘데시비르 대비 항바이러스 활성이 약 200배 이상 높은 것으로 확인됐고, 티피파닙은 렘데시비르와 유사한 수준으로 항바이러스 활성이 확인됐다.
세포 수준에서 항바이러스 효과가 확인된 약물은 바이러스 감염 동물모델을 이용한 전임상시험이 필요하다. 이에 연구팀은 과기정통부의 코로나 치료제 전임상 지원사업을 통해 후보 약물 중 하나의 약물에 대해 약효를 평가했다. 그러나 이 과정에서 동물에 대한 약물 독성이 나타났다. 약물의 독성을 최소화하면서 치료 유효 농도에 도달할 수 있는 최적의 약물 농도를 찾기 위해 추가적인 전임상시험을 진행할 예정이다. 또한, 나머지 후보 약물들에 대해서도 전임상시험을 계획 중이다.
연구팀 관계자는 이번 연구를 통해 예측 성능이 우수한 약물 가상 스크리닝 플랫폼을 구축했고, 이를 통해 코로나19 치료제로 유망한 후보물질을 단기간에 발견할 수 있었다고 설명했다.
이상엽 특훈교수는 “이번 연구를 통해 신종 바이러스 출현 시 신속하게 대응할 수 있는 기반 기술을 마련했다는 데에 의의가 있으며, 이를 통해 향후 코로나바이러스 계열의 유사한 바이러스나 신종 바이러스 출현 시에도 적용할 수 있는 기술을 개발하고자 한다”라고 밝혔다.
한편 이번 연구는 과기정통부가 지원하는 KAIST 코로나대응 과학기술 뉴딜사업과 바이오·의료기술개발사업의 지원을 받아 수행됐다.
2021.07.08
조회수 13327
-
원자 하나가 촉매가 되다
우리 대학 신소재공학과 김상욱 교수 연구팀은 지난 2010년 물리학과 김용현 교수의 이론연구팀과 공동연구를 통해 세계 최초로 단일 원자촉매(Single atom catalyst)를 개발하는 데 성공한 바 있다.
이러한 `최초연구'의 성과를 인정받아 김상욱 교수 연구팀은 최근 미국화학회(American Chemical Society)에서 발간하는 신소재 분야의 가장 중요한 연구 동향을 소개하는 학술지 `어카운츠 오브 매터리얼 리서치(Accounts of Material Research)'에 특별 초청 리뷰 논문을 표지 논문으로 게재했다고 1일 밝혔다. (논문명 : Discovery of Single-Atom Catalyst: Customized Heteroelement Dopants on Graphene)
촉매는 소량의 첨가만으로 다양한 화학반응의 효율을 높이는 소재를 의미하며, 최근 그 중요성이 급속하게 커지고 있는 에너지, 환경 및 바이오/헬스 분야에서 핵심적인 요소로서 큰 관심을 끌고 있다. 대표적인 예로서 수소연료전지의 에너지 변환반응이나 환경친화적인 수소연료 생성반응 등에서 백금이나 희토류등 값비싼 촉매를 대체하기 위한 연구가 전 세계 신소재 연구의 화두가 되고 있다.
일반적인 촉매는 그 표면에서 화학반응을 일으키는데, 이상적으로는 단일 원자가 촉매가 된다면 같은 양의 촉매로 최대 효율을 낼 수 있으며 이를 세계 최초로 실현한 것이 김상욱, 김용현 교수팀이 개발한 단일 원자 촉매의 개념이다. 김상욱 교수 연구팀은 탄소나노튜브를 화학적으로 성장시키는 과정에서 철(Fe) 원자가 우리 혈액 속의 헤모글로빈 구조와 유사한 단원자 혼성구조를 생성함을 발견하고, 한 개의 원자에 기반한 새로운 연료 전지 촉매를 제시한 것이다. 해당 촉매는 입자 응집으로 인해서 수명이 짧은 기존의 백금 촉매의 한계를 극복할 수 있는 새로운 촉매의 형태로 주목을 받았다.
김 교수 팀의 연구 이후 최근에는 전 세계의 많은 연구 그룹들이 단일 원자촉매 연구에 뛰어들고 있으며, 새로운 고효율 촉매를 개발하기 위해 가장 전망이 밝은 분야로 각광받고 있다.
김상욱 교수는 "이번에 출판된 총설에는 그래핀과 같은 나노소재에 금속원소를 도핑하는 방식에서 시작된 단일 원자 촉매의 제조부터 구조와 물성, 그리고 응용까지 망라한 최신 연구 동향들이 잘 정리돼 있다ˮ며, "앞으로 해당 분야 연구에 심도 있는 통찰을 제시하길 희망하여, 향후 고효율 단일 원자 촉매 상용화의 시발점이 될 것이다ˮ라고 이번 논문의 의의를 설명했다.
이번 연구 성과는 과학기술정보통신부·한국연구재단 원천기술개발사업의 지원으로 수행됐다. 김상욱 교수는 국내에서 유일하게 이 권위 있는 학술지의 편집위원으로 활동하고 있다.
2021.07.01
조회수 12915
-
딥러닝 생성모델의 오류 수정 기술 개발
우리 대학 AI대학원 최재식 교수(설명가능 인공지능연구센터장) 연구팀이 심층 학습(이하 딥러닝) 생성모델의 오류 수정 기술을 개발했다고 25일 밝혔다.
최근 딥러닝 생성모델(Deep Generative Models)은 이미지, 음성뿐만 아니라 문장 등 새로운 콘텐츠를 생성하는 데 널리 활용되고 있다. 이런 생성모델의 발전에도 불구하고 최근 개발된 생성모델도 여전히 결함이 있는 결과를 만드는 경우가 많아, 국방, 의료, 제조 등 중요한 작업 및 학습에 생성모델을 활용하기는 어려운 점이 있었다.
최 교수 연구팀은 딥러닝 내부를 해석하는 설명가능 인공지능 기법을 활용해, 생성모델 내부에서 이미지 생성과정에서 문제를 일으키는 유닛(뉴런)을 찾아 제거하는 알고리즘을 고안해 생성모델의 오류를 수리했다. 이러한 생성 오류 수리 기술은 신경망 모델의 재학습을 요구하지 않으며 모델 구조에 대한 의존성이 적어, 다양한 적대적 생성 신경망에 폭넓게 응용 및 적용될 수 있을 것으로 기대된다. 또한, 고안된 기술은 딥러닝 생성모델의 신뢰도를 향상해 생성모델이 중요 작업에도 적용될 수 있을 것으로 기대된다.
AI대학원의 알리 투씨(Ali Tousi), 정해동 연구원이 공동 제1 저자로 참여한 이번 연구는 `국제 컴퓨터 비전 및 패턴인식 학술대회 (IEEE Conference on Computer Vision and Pattern Recognition, CVPR)'에서 6월 23일 발표됐다. (논문명: Automatic Correction of Internal Units in Generative Neural Networks, CVPR 2021).
적대적 생성 신경망은 생성기와 구분기의 적대적 관계를 이용한 모델로서, 생성 이미지의 품질이 높고 다양성이 높아, 이미지 생성뿐만 아니라 다양한 분야(예, 시계열 데이터 생성)에서 주목받고 있다.
딥러닝 생성모델의 성능을 향상하기 위해서 적대적 생성기법 및 생성기의 새로운 구조 설계 혹은 학습 전략의 세분화와 같은 연구가 활발히 진행되고 있다. 그러나 최신 적대적 생성 신경망 모델은 여전히 시각적 결함이 포함된 이미지를 생성하고 있으며, 재학습을 통해서 이를 해결하기에는 오류 수리를 보장할 수 없으며, 많은 학습 시간과 비용을 요구하게 된다. 이렇게 규모가 큰 최신 적대적 생성 신경망 모델의 일부 오류를 해결하기 위해 모델 전체를 재학습하는 것은 적합하지 않다.
연구팀은 문제 해결을 위해 생성 오류를 유도하는 딥러닝 내부의 유닛(뉴런)을 찾아 제거하는 알고리즘을 개발했다. 알고리즘은 딥러닝 모델의 시각적 결함의 위치를 파악하고, 딥러닝 모델 내 여러 계층에 존재하는 오류를 유발한 유닛을 찾아서 활성화하지 못하도록 하여 결함이 발생하지 않도록 했다.
연구팀은 설명가능 인공지능 기술을 활용해 시각적 결함이 생성된 이미지의 어느 부분에 분포하는지, 또 딥러닝 내부의 어떤 유닛이 결함의 생성에 관여하는지 찾을 수 있었다. 개발된 기술은 딥러닝 생성모델의 오류를 수리할 수 있고, 생성모델의 구조에 상관없이 적용할 수 있다.
연구팀은 전통적인 구조를 가지는 `진행형 생성모델(Progressive GAN, PGGAN)'에서 개발 기술이 효과적으로 생성 오류를 수리할 수 있음을 확인했다. 수리 성능은 매사추세츠 공과대학(MIT)이 보유한 수리 기술 대비 FID 점수가 10점 정도 감소했으며, 사용자 평가에서 시험 이미지 그룹의 약 50%가 결함이 제거됐고, 약 90%에서 품질이 개선됐다는 결과를 얻었다. 나아가 특이 구조를 가지는 `StyleGAN2'와 `U-net GAN'에서도 생성 오류 수리가 가능함을 보임으로써 개발 기술의 일반성과 확장 가능성을 보였다.
연구팀이 개발한 생성모델의 오류 제거 기술은 다양한 이미지 외에도 다양한 생성모델에 적용돼 모델의 결과물에 대한 신뢰성을 높일 것으로 기대된다.
공동 제1 저자인 알리 투씨와 정해동 연구원은 "딥러닝 생성모델이 생성한 결과물에 있는 시각적 오류를 찾고, 이에 상응하는 활성화를 보이는 생성모델 내부의 유닛을 순차적으로 제거함으로써 생성 오류를 수리할 수 있음을 보였다ˮ라며 이는 "충분히 학습된 모델 내부에 미학습 혹은 잘못 학습된 내부요소가 있음을 보여주는 결과다ˮ라고 말했다.
한편 이번 연구는 2021년도 과학기술정보통신부의 재원으로 정보통신기획평가원의 지원을 받은 혁신성장동력프로젝트 설명가능인공지능 및 한국과학기술원 인공지능 대학원 프로그램과제를 통해서 수행됐다.
2021.06.25
조회수 19087