-
강화학습을 활용한 인공지능으로 자유구조 메타표면 최적화 성공
우리 대학 전기및전자공학부 장민석 교수 연구팀이 KC ML2(반도체 제조 솔루션 기업 KC에서 설립한 연구조직) 박찬연 박사와 공동연구를 통해 강화학습에 기반한 자유 구조의 메타 표면 구조 설계 방법을 제안했다고 25일 밝혔다.
메타 표면은 빛의 파장보다 훨씬 작은 크기의 구조를 이용해 이전에 없던 빛의 성질을 달성하는 나노광학 소자를 뜻한다. 나노광학 소자는 빛의 특성을 미시 단위에서 제어하여, 자율주행에 쓰이는 라이다(LiDAR) 빔조향 장치, 초고해상도 이미징 기술, 디스플레이에 활용되는 발광소자의 광특성 제어, 홀로그램 생성 등에 활용될 수 있다. 최근 나노광학 소자에 대한 기대 성능이 높아지면서, 이전에 있던 소자구조를 훨씬 뛰어넘는 성능을 달성하기 위해 자유 구조를 가지는 소자의 최적화에 관한 관심이 증가하고 있다. 자유 구조와 같이 넓은 설계공간을 가진 문제에 대해 강화학습을 적용해 해결한 사례는 이번이 최초다.
우리 대학 서동진 연구원 및 ML2 남원태 연구원이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `ACS 포토닉스(ACS Photonics)' 2022년 2월호 전면 표지논문으로 게재됐다. (논문명 : Structural Optimization of a One-Dimensional Freeform Metagrating Deflector via Deep Reinforcement Learning)
강화학습은 동물이 학습하는 방법을 모방한 인공지능 방법론이다. 동물 행동 심리학에서 `스키너의 상자'라고 알려진 실험이 그 모티브가 되었는데, 해당 실험은 상자 내부에 쥐를 넣고 누르면 먹이가 나오는 지렛대를 함께 두는 방식으로 진행된다. 처음에 무작위 행동을 하던 쥐는 지렛대를 누르면 먹이가 나오는 것을 확인한다. 시간이 지날수록 더 높은 빈도수로 지렛대를 누르게 되는데, 이렇게 어떠한 보상(먹이)이 행동(지렛대를 누르는 행위)을 `강화'하는 것을 관찰할 수 있다. 해당 실험과 매우 유사한 구조를 갖는 강화학습은 행동 주체가 자기를 둘러싼 `환경'으로부터 `보상'을 받으면서 환경에 대해 배워나가는 인공지능 방법론이다.
2016년 이세돌 9단과의 대국에서 승리한 구글 딥마인드의 `알파고(AlphaGo)'가 그 대표적 사례다. 알파고는 바둑판으로 표현되는 환경과의 상호작용을 통해 바둑의 복잡한 규칙을 학습했고, 우주에 있는 원자보다 많다고 알려진 경우의 수 중 최적에 가까운 선택을 할 수 있었다. 최근 인공지능 학계에서 강화학습은 인간의 지능과 가장 유사한 형태의 인공지능 방법론으로 크게 주목받고 있다.
연구팀은 복잡한 환경을 쉽게 학습할 수 있는 강화학습의 특징을 메타 표면 자유 구조의 최적화에 활용하는 아이디어를 제안했다. 이전에 메타 표면 자유 구조 최적화 기술은 너무 많은 경우의 수로 인해 해결하기 어려운 것으로 여겨졌다. 따라서 기존 연구 방향은 주로 간단한 기본도형 등으로 구조를 단순화한 방식을 활용했다. 하지만 해당 방식은 기하학적 구조가 제한된다는 한계가 있었고, 더욱 복잡한 구조에 대한 최적화 기술은 달성하기 어려운 것으로 여겨졌다.
연구팀이 제안한 알고리즘은 아주 간단한 아이디어에서 출발한다. 강화학습의 `행동'을 구조의 구성요소를 하나씩 `뒤집는' 것으로 정의하는 것이다. 이것은 기존에 구조를 전체적으로 생성하는 방식으로만 생각되었던 자유 구조의 최적화에 대한 발상을 뒤집는 것이었다. 연구팀은 해당 방법을 이용해 메타 표면에 대한 특별한 사전지식 없이도 가능한 구조를 넓게 탐색하고 최적 구조를 발견할 수 있음을 보였다. 또한, 많은 입사 조건에서 최신 성능과 비슷하거나 앞서며 특정 조건에서는 100%에 가까운 효율을 달성했다.
이번 연구를 통해 자유 구조 최적화 분야의 새로운 돌파구를 찾을 것으로 기대되며, 광소자뿐 아니라 많은 분야의 소자 구조 최적화에도 활용될 수 있을 것으로 기대된다.
제1 저자인 서동진 연구원은 "강화학습은 복잡한 환경에서 최적의 경우를 찾는 데에 효과적인 알고리즘이다. 이번 연구에서 해당 방법으로 자유 구조의 최적화를 수행하는 것에 성공하는 사례를 남겨 기쁘다ˮ고 말했다.
장민석 교수는 "광공학에 인공지능 기술을 적용하는 분야에서 좋은 결과가 나와 과학의 위상을 높이는 데 기여하기를 희망한다ˮ고 말했다.
한편 이번 연구는 한국연구재단의 중견연구자지원사업(전략연구), 한-스위스 이노베이션프로그램, 그리고 미래소재디스커버리 사업의 지원을 받아 수행됐다.
2022.02.25
조회수 12197
-
인간의 촉각 뉴런을 모방한 뉴로모픽 모듈 개발
우리 대학 전기및전자공학부 최양규 교수 연구팀이 지난 2021년 8월에 뉴런과 시냅스를 동일 평면 위에서 동시 집적으로 ‘인간의 뇌를 모방한 뉴로모픽 반도체 모듈’을 개발하고, 연이어서 이번에는 ‘인간의 촉각 뉴런을 모방한 뉴로모픽 모듈’을 개발하는 데에 성공했다고 24일 밝혔다. 개발된 모듈은 인간의 촉각 뉴런과 같이 압력을 인식해 스파이크 신호를 출력할 수 있어, 뉴로모픽 촉각 인식 시스템을 구현할 수 있다.
우리 대학 전기및전자공학부 한준규 박사과정과 초일웅 박사과정이 공동 제1 저자로 참여한 이번 연구는 저명한 국제 학술지 ‘어드밴스드 사이언스(Advanced Science)’ 2022년 1월 온라인판에 출판됐으며, 후면 표지 논문(Back Cover)으로 선정됐다. (논문명 : Self-powered Artificial Mechanoreceptor based on Triboelectrification for a Neuromorphic Tactile System).
인공지능을 이용한 촉각 인식 시스템은 센서 어레이에서 수신된 신호를 인공 신경망을 이용해 높은 정확도로 물체, 패턴, 또는 질감을 인식할 수 있어, 다양한 분야에 걸쳐 유용하게 사용되고 있다. 하지만 이러한 시스템의 대부분은 폰 노이만 컴퓨터가 필요한 소프트웨어를 기반으로 하므로, 높은 전력을 소모할 수밖에 없어 모바일 또는 사물인터넷(IoT) 장치에 적용되기는 어렵다.
한편, 생물학적 촉각 인식 시스템은, 스파이크 형태로 감각 정보를 전달함으로써 낮은 전력 소비만으로 물체, 패턴, 또는 질감을 판별할 수 있다. 따라서 저전력 촉각 인식 시스템을 구축하기 위해, 생물학적 촉각 인식 시스템을 모방한 뉴로모픽 촉각 인식 시스템이 주목을 받고 있다. 뉴로모픽 촉각 인식 시스템을 구현하기 위해서는 인간의 촉각 뉴런처럼 외부 압력 신호를 스파이크 형태의 전기 신호로 변환해주는 구성 요소가 필요하다. 하지만, 일반적인 압력 센서는 이러한 기능을 수행할 수 없다.
연구팀은 마찰대전 발전기(triboelectric nanogenrator, TENG)와 바이리스터(biristor) 소자를 이용해, 압력을 인식해 스파이크 신호를 출력할 수 있는 뉴로모픽 모듈을 개발했다. 제작된 뉴로모픽 모듈은 마찰대전을 이용하기 때문에, 자가 발전이 가능하고 3 킬로파스칼(kPa) 수준의 낮은 압력을 감지할 수 있다. 이는 손가락으로 사물을 만질 때, 피부가 느끼는 압력 정도의 크기다. 연구팀은 제작된 뉴로모픽 모듈을 바탕으로 저전력 호흡 모니터링 시스템을 구축했다. 호흡 모니터링 센서가 코 주위에 설치되면 들숨 및 날숨을 감지하고 복부 주변에 설치되면 복식호흡을 별도로 감지할 수 있다. 따라서 수면 중 무호흡이 일어날 경우, 이를 감지해 경보를 보냄으로써 심각한 상황으로의 진행을 미연에 방지할 수 있다.
연구를 주도한 한준규 박사과정은 "이번에 개발한 뉴로모픽 센서 모듈은 센서 구동에 필요한 에너지를 스스로 생산하는 반영구적 자가 발전형으로 사물인터넷(IoT) 분야, 로봇, 보철, 인공촉수, 의료기기 등에 유용하게 사용될 수 있을 것으로 기대된다ˮ며, "이는 `인-센서 컴퓨팅(In-Sensor Computing)' 시대를 앞당기는 발판이 될 것이다ˮ고 연구의 의의를 설명했다.
한편 이번 연구는 한국연구재단 차세대지능형반도체기술개발사업, 중견연구사업, 미래반도체사업, BK21 사업 및 반도체설계교육센터의 지원을 받아 수행됐다.
2022.02.25
조회수 13585
-
생각만으로 정확하게 로봇팔 조종이 가능한 뇌-기계 인터페이스 개발
우리 대학 바이오및뇌공학과 정재승 교수 연구팀이 3차원 공간상에서 생각만으로 로봇팔을 높은 정확도 (90.9~92.6%)로 조종하는 `뇌-기계 인터페이스 시스템'을 개발했다고 23일 밝혔다.
정 교수 연구팀은 인공지능과 유전자 알고리즘을 사용해 인간의 대뇌 심부에서 측정한 뇌파만으로 팔 움직임의 의도를 파악해 로봇팔을 제어하는 새로운 형태의 뇌-기계 인터페이스 시스템을 개발했다. 뇌 활동만으로 사람의 의도를 파악해 로봇이나 기계가 대신 행동에 옮기는 `뇌-기계 인터페이스' 기술은 최근 급속도로 발전하고 있다. 하지만 손을 움직이는 정도의 의도 파악을 넘어, 팔 움직임의 방향에 대한 의도를 섬세하게 파악해 정교하게 로봇팔을 움직이는 기술은 아직 정확도가 높지 않았다.
하지만 연구팀은 이번 연구에서 조종 `방향'에 대한 의도를 뇌 활동만으로 인식하는 인공지능 모델을 개발했고, 그 결과 3차원 공간상에서 24개의 방향을 90% 이상의 정확도로 정교하게 해석하는 시스템을 개발했다.
게다가 딥러닝 등 기존 기계학습 기술은 높은 사양의 GPU 하드웨어가 필요했지만, 이번 연구에서는 축적 컴퓨팅(Reservoir Computing) 기법을 이용해 낮은 사양의 하드웨어에서도 인공지능 학습이 가능하여 스마트 모바일 기기에서도 폭넓게 응용될 수 있도록 개발해, 향후 메타버스와 스마트 기기에도 폭넓게 적용이 가능할 것으로 기대된다.
우리 대학 김훈희 박사(現 강남대 조교수)가 제1 저자로 참여한 이번 연구는 국제학술지 `어플라이드 소프트 컴퓨팅(Applied Soft Computing)' 2022년 117권 3월호에 출판됐다. (논문명 : An electrocorticographic decoder for arm movement for brain-machine interface using an echo state network and Gaussian readout).
뇌-기계 인터페이스는 사용자의 뇌 활동을 통해 의도를 읽고 로봇이나 기계에 전달하는 기술로서 로봇, 드론, 컴퓨터뿐만 아니라 스마트 모바일 기기, 메타버스 등에서의 이용될 차세대 인터페이스 기술로 각광받고 있다.
특히 기존의 인터페이스가 외부 신체 기관을 통해 명령을 간접 전달(버튼, 터치, 제스처 등)해야 하지만 뇌-기계 인터페이스는 명령을 뇌로부터 직접적 전달한다는 점에서 가장 진보된 인터페이스 기술로 여겨진다.
그러나 뇌파는 개개인의 차이가 매우 크고, 단일 신경 세포로부터 정확한 신호를 읽는 것이 아니라 넓은 영역에 있는 신경 세포 집단의 전기적 신호 특성을 해석해야 하므로 잡음이 크다는 한계점을 가지고 있다.
연구팀은 이러한 문제 해결을 위해 최첨단 인공지능 기법의 하나인 `축적 컴퓨팅 기법'을 이용해 뇌-기계 인터페이스에서 필요한 개개인의 뇌파 신호의 중요 특성을 인공신경망이 자동으로 학습해 찾을 수 있도록 구현했다.
또한 유전자 알고리즘(Genetic Algorithm)을 이용해 인공지능 신경망이 최적의 뇌파 특성을 효율적으로 찾을 수 있게 시스템을 설계했다. 연구팀은 심부 뇌파를 최종 해석하는 리드아웃(Readout)을 가우시안(Gaussian) 모델로 설계해 시각피질 신경 세포가 방향을 표현하는 방법을 모방하는 인공신경망을 개발했다. 이런 리드아웃 방식은 축적 컴퓨팅의 선형 학습 알고리즘을 이용해 일반적 사양의 간단한 하드웨어에서도 빠르게 학습할 수 있어 메타버스, 스마트기기 등 일상생활에서 응용이 가능해진다.
특히, 이번 연구에서 만들어진 뇌-기계 인터페이스 인공지능 모델은 3차원상에서 24가지 방향 즉, 각 차원에서 8가지 방향을 디코딩할 수 있으며 모든 방향에서 평균 90% 이상의 정확도 (90.9%~92.6% 범위)를 보였다. 또한 연구된 뇌-기계 인터페이스는 3차원 공간상에서 로봇팔을 움직이는 상상을 할 때의 뇌파를 해석해 성공적으로 로봇팔을 움직이는 시뮬레이션 결과를 보였다.
인공지능 시스템을 만든 제1 저자인 김훈희 박사는 "공학적인 신호처리 기법에 의존해 온 기존 뇌파 디코딩 방법과는 달리, 인간 뇌의 실제 작동 구조를 모방한 인공신경망을 개발해 좀더 발전된 형태의 뇌-기계 인터페이스 시스템을 개발해 기쁘다ˮ면서 "향후 뇌의 특성을 좀 더 구체적으로 이용한 `뇌 모방 인공지능(Brain-inspired A.I.)'을 이용한 다양한 뇌-기계 인터페이스를 개발할 계획이다ˮ라고 말했다.
이번 연구를 주도한 연구책임자 정재승 교수는 "뇌파를 통해 생각만으로 로봇팔을 구동하는 `뇌-기계 인터페이스 시스템'들이 대부분 고사양 하드웨어가 필요해 실시간 응용으로 나아가기 어렵고 스마트기기 등으로 적용이 어려웠다. 그러나 이번 시스템은 90%~92%의 높은 정확도를 가진 의도 인식 인공지능 시스템을 만들어 메타버스 안에서 아바타를 생각대로 움직이게 하거나 앱을 생각만으로 컨트롤하는 스마트기기 등에 광범위하게 사용될 수 있다ˮ고 말했다.
이번 연구 결과는 사지마비 환자나 사고로 팔을 잃은 환자들을 위한 로봇팔 장착 및 제어 기술부터, 메타버스, 스마트기기, 게임, 엔터테인먼트 애플리케이션 등 다양한 시스템에 뇌-기계 인터페이스를 적용할 가능성을 열어 줄 것으로 기대된다.
이번 연구는 한국연구재단 뇌 원천기술개발사업의 지원을 받아 수행됐다.
2022.02.24
조회수 15386
-
장수명 리튬 금속 배터리를 위한 새로운 액체 첨가제 개발
우리 대학 신소재공학과 강지형 교수와 박찬범 교수, 충남대학교 송우진 교수 공동연구팀이 새로운 대칭성 이온성 액체 첨가제를 개발하고, 이를 이용해 장수명 리튬 금속 배터리를 구현했다고 21일 밝혔다.
리튬 금속 배터리는 기존의 흑연 음극재를 리튬 금속 음극으로 대체한 배터리로, 흑연 전극이 사용된 배터리에 비해 높은 에너지 밀도를 가지는 차세대 전지다.
하지만 리튬 금속은 증착 시 발생하는 침상(dendrite)의 리튬이 내부 단락을 일으켜 배터리의 수명과 안전성을 저해시킨다는 문제점이 있었다. 이러한 침상의 성장은 리튬 팁(Tip)이 평평한 부분에 비해 강한 전기장을 띄는 것으로 인해 리튬 이온 흐름이 돌출부에 집중되는 현상으로부터 발생한다.
이온성 액체는 이러한 침상의 리튬을 억제할 수 있는 유망한 첨가제다. 이온성 액체의 양이온은 리튬 팁에 흡착돼 알킬 사슬 기반의 반(反)리튬성 보호층을 형성하고 이를 통해 리튬 이온을 팁 주변으로 반발시켜 균일한 리튬 증착을 유도할 수 있다.
그러나 기존의 이온성 액체는 비대칭적인 분자 구조를 가져 높은 양친매성(amphiphilic, 극성인 물과 비극성인 기름 모두에 친화적인 성질)을 보이기 때문에 자가 응집되는 현상이 일어난다. 그 결과 상대적으로 이온성 액체가 부족한 부분이 발생해 불완전한 보호층이 생기는 문제가 있었다.
강지형 교수 연구팀은 최적의 반리튬성 보호층을 형성하는 분자 구조가 대칭성을 띠는 이온성 액체 첨가제를 새롭게 개발해 침상의 리튬 성장을 억제하고 리튬 금속 배터리의 안정성을 크게 개선했다.
공동연구팀은 이온성 액체에 대칭성의 알킬 사슬을 도입해 양친매성을 완화했으며, 이에 따라 이온성 액체가 응집 현상 없이 균일한 반리튬성 보호층을 형성한다는 것과 대칭 사슬 중에 `n-헥실 사슬'이 최적의 보호층을 만든다는 것을 확인했다.
대칭성의 이온성 액체 첨가제를 삼원계(니켈·고발트·망간) 배터리에 사용한 경우, 600 사이클 동안 쿨롱 효율 99.8%와 초기 용량의 80%를 유지하며 우수한 성능을 보였고, 희박 전해액(E/C, electrolyte/cathode ratio=3.5 g/Ah), 초박막 리튬(두께 40μm)과 같은 실용적인 조건에서도 250 사이클 동안 전극의 용량이 80% 이상 유지되는 높은 안정성을 보였다. 이는 기존 기술 대비 3배 향상된 결과다.
우리 대학 신소재공학과 장진하 박사과정이 제1 저자로 참여한 이번 연구 결과는 에너지 재료 분야 저명 국제 학술지 `어드밴스드 에너지 머티리얼즈 (Advanced Energy Materials)' 2월 10일 字 온라인판에 게재됐다. (논문명 : Self-assembled Protective Layer by Symmetric Ionic Liquid for Long-cycling Lithium-Metal Batteries).
강지형 교수는 "이번 연구는 장수명 리튬 금속 배터리 구현을 위한 전해질 설계 방향을 새롭게 제시했다는 점에서 의미가 있다ˮ고 하면서, "이번에 개발된 신개념 전해질은 급속도로 성장하고 있는 배터리 소재 시장에 게임 체인저가 될 것으로 기대된다.ˮ고 말했다.
한편 이번 연구는 한국연구재단의 미래소재디스커버리사업, 과학기술정보통신부의 리더연구자 지원사업, 나노소재기술개발사업, 2020 과학기술연구원 공동연구사업의 지원을 받아 수행됐다.
2022.02.22
조회수 12168
-
딥러닝을 응용한 신속한 박테리아 검출 방법 개발
우리 대학 전산학부 조성호 교수, 신소재공학과 정연식 교수 공동 연구팀이 딥러닝(deep learning) 기법과 표면 증강 라만 분광법(surface-enhanced Raman spectroscopy, SERS)의 결합을 통해 효율적인 박테리아 검출 플랫폼 확립에 성공했다고 10일 밝혔다.
공동 연구팀은 질량분석법, 면역분석법(ELISA), 중합효소 연쇄 반응(PCR) 등과 같은 일반적인 박테리아 검출 방법보다 획기적으로 빠르게 신호 습득이 가능한 SERS 스펙트럼을 연구팀 고유의 딥러닝 기술로 분석해 다양한 용액 속 박테리아 신호 구분에 성공했다.
전산학부 노어진 석박사통합과정 학생과 신소재공학과 김민준 박사과정 학생이 공동 제1 저자로 참여한 이번 연구는 국제학술지‘바이오센서 및 바이오일렉트로닉스 (Biosensors and Bioelectronics)’1월 18일 字 온라인 판에 게재됐다. (논문명: Separation-free bacterial identification in arbitrary media via deep neural network-based SERS analysis)
박테리아 감염으로 인한 질병 예방과 원인 분석을 위해 소변 또는 음식물에서 신속한 박테리아 검출법이 요구되며, 다양한 바이오마커 분석물의 스펙트럼 신호를 높은 민감도로 수초~수십초 이내에 측정하는 SERS가 검출 방법으로 주목받고 있다.
박테리아 대상의 기존 SERS 신호 분석은 그 복잡성과 수많은 신호 겹침 현상 때문에 주성분 분석(principal component analysis, PCA)과 같은 통계적인 방법으로도 정확도에 한계가 있었다. 특히, 박테리아의 고유 신호와 간섭현상을 일으키는 환경 매질의 신호를 제거하기 위해 번거로운 박테리아 분리 과정을 거쳐 시간 소모가 큰 것이 문제로 지적돼 왔다. 따라서 SERS를 이용한 박테리아 검출의 활용도를 높이기 위해서는 분리 단계를 최소화하고 신속하게 높은 정확도로 분석하는 기술 개발이 요구된다.
연구팀은 분리 단계를 완전히 생략해 박테리아가 담긴 서식 용액을 SERS 측정 기판에 올려 신호를 측정하고 딥러닝을 이용해 분석하는 방법을 시도했으며, 이를 위해 서로 다른 커널 크기(kernel size)를 가지는 이중 분기 네트워크로 구성된 `듀얼 WK넷' (DualWKNet, Dual-Branch Wide Kernel Network)라는 효율적인 딥러닝 모델을 개발했다.
특정 매질 속 박테리아의 신호는 매질의 신호와 유사해 사람의 눈으로는 구별하기가 사실상 불가능하지만, 연구팀은 DualWKNet을 이용해 스펙트럼 신호의 특징을 추출하고 물, 소변, 소고기 용액, 우유, 배양 배지 등 다양한 환경 내 대장균(Escherichia coli)과 표피 포도상구균(Staphylococcus epidermidis)의 신호를 학습해 최대 98%의 정확도로 검출 및 구분했다.
조성호 교수는 "이번 연구는 딥러닝 기술을 활용해 실제 환경에서 사용 가능한 라만 신호 분석 방법을 제시했다는 점에서 의미가 있다ˮ며 "의료 분야와 식품 안전 분야로 확장하여 사용돼 발전에 이바지할 것ˮ이라고 예상했다.
한편 이번 연구는 한국연구재단의 나노 및 소재기술개발사업의 지원을 받아 수행됐으며, 향후 추가 연구와 기술이전을 통해 KAIST 교원/학생 공동 창업 기업인 ㈜피코파운드리에서 상용화를 추진할 계획이다.
2022.02.10
조회수 11322
-
광학 칩과 광섬유로 초안정 마이크로파 발생 기술 개발
우리 대학 기계공학과 김정원 교수와 물리학과 이한석 교수 공동연구팀이 광학 칩과 광섬유를 이용해 손바닥만 한 작은 장치로부터 2조분의 1(5×10-13) 수준의 주파수 안정도를 가지는 초안정 마이크로파를 발생하는 기술을 개발했다고 26일 밝혔다.
이 새로운 기술을 이용하면 기존의 마이크로파 발생 기술들보다 월등하게 우수한 위상잡음과 주파수 안정도의 마이크로파를 핸드폰 크기 면적의 작은 장치로부터 생성할 수 있어, 향후 5G/6G 통신, 전파망원경을 이용한 천체 관측, 군용 레이더, 휴대용 양자 센서 및 초고속 신호 분석 기술 등의 다양한 분야에서 획기적인 성능 향상이 가능하다.
우리 대학 기계공학과 권도현 박사(現 한국표준과학연구원)와 나노과학기술대학원 정동인 박사가 공동 제1 저자로 참여한 공동연구팀의 이번 논문은 국제학술지 `네이처 커뮤니케이션즈(Nature Communications)' 1월 19일 字에 게재됐다. (논문명: Ultrastable microwave and soliton-pulse generation from fibre-photonic-stabilized microcombs)
최근 초소형 마이크로공진기(microresonator)를 이용해 광 펄스를 생성하는 마이크로콤(micro-comb) 기술이 급격하게 발전하고 있다. 마이크로콤은 광 펄스가 나오는 속도를 수십 기가헤르츠(GHz, 1초에 10억 번 진동)에서 테라헤르츠(THz, 1초에 1조 번 진동)까지 높일 수 있어 고주파 마이크로파(microwave)나 밀리미터파(millimeter-wave) 생성이 쉽고 시스템의 소형화가 가능해 다양한 정보통신기술 시스템의 대역폭 향상과 성능 개선에 핵심적인 역할을 할 것으로 기대되고 있다.
마이크로콤은 이론적으로 펨토초(femtosecond, 10-15초=1,000조분의 1초) 수준의 펄스 간 시간 오차를 가지지만, 소형 소자의 특성상 주변 환경에 의해 쉽게 변해 장시간 그 성능을 유지하는 데에 어려움이 있었다. 이를 해결하기 위해 마이크로콤을 기계적으로 안정한 장치에 주파수 잠금해 안정도를 향상할 수 있으나, 지금까지는 이러한 안정화 장치가 매우 복잡하고 진동에 민감하며 부피가 커서 초소형 마이크로콤이 가지는 장점을 살릴 수 없고 실험실 밖 응용에 활용할 수 없었던 문제가 있었다.
연구팀은 이 문제를 해결하기 위해 광섬유를 이용해 마이크로콤의 주파수를 안정화하는 기술을 개발했다. 1km 길이의 광섬유는 열 기계적(thermomechanical) 잡음 한계에 의한 이론적인 길이 안정도가 1,000조분의 1 수준으로 매우 우수하면서도, 부피가 작고 매우 가벼우면서 가격도 저렴한 장점이 있다. 연구팀은 이러한 광섬유 기반의 안정화 장치를 108 mm × 73 mm × 54 mm 크기로 구현할 수 있었다.
그 결과 생성된 22-기가헤르츠(GHz) 마이크로파의 시간 오차를 상용 고성능 신호 발생기보다 6배 이상 향상된 10펨토초 수준으로 낮출 수 있었으며, 주파수 안정도는 2조분의 1(5×10-13) 수준까지 낮출 수 있었다.
이 기술은 매우 우수한 위상잡음과 주파수 안정도의 마이크로파와 광 펄스를 동시에 생성할 수 있어, 다양한 최첨단 과학기술 분야들에서 활용할 수 있다. 대표적인 예로서 전파망원경 기반의 초장기선 간섭계(very long baseline interferometer, VLBI)의 경우 보다 높은 주파수와 낮은 잡음을 가지는 마이크로파와 광 펄스를 사용하면 측정 분해능과 관측 정밀도를 획기적으로 향상시킬 수 있어 기존에는 관측할 수 없었던 블랙홀의 사건의 지평선(event horizon)과 같은 새로운 천체 현상들을 탐사할 수 있을 것으로 기대된다.
우리 대학 기계공학과 김정원 교수는 "이번에 개발된 초안정 기술을 통신, 레이더, 데이터 변환기와 전파망원경 등 다양한 분야들에 적용하기 위한 후속 연구들을 진행 중ˮ이라고 밝혔으며, 물리학과 이한석 교수는 "향후 성능을 더욱 끌어올리고자, 실리콘 칩 상에 구현된 핵심 소자인 마이크로공진기의 광학적 특성을 개선하는 연구를 수행 중ˮ이라고 밝혔다.
한편 이번 연구는 정보통신기획평가원 양자센서핵심원천사업과 한국연구재단 중견연구사업의 지원을 받아 수행됐다.
2022.01.26
조회수 13595
-
다공성 나노소재를 활용한 고신뢰성 시냅스 소자 개발
우리 대학 전기및전자공학부 최신현 교수 연구팀이 다공성 구조를 갖는 *차세대 저항 변화 소자(멤리스터)를 활용해 우리 뇌의 신경전달물질 시냅스를 모방한 고신뢰성 소자(시냅스 소자)를 개발했다고 25일 밝혔다.
☞ 멤리스터(Memristor): 메모리와 레지스터의 합성으로 이전의 상태를 모두 기억하는 메모리 소자. 전원공급이 끊어졌을 때도 직전에 통과한 전류의 방향과 양을 기억한다.
최 교수 연구팀은 기존 양이온 저항 변화 방식과 음이온 저항 변화 방식을 혼합한 하이브리드 형태로 매개체를 구성해, 비정질로 이루어진 다공성 구조 및 버퍼 층을 이용해 고신뢰성 시냅스 소자를 설계했다. 해당 구조는 저온 공정을 통해 형성함으로써 기존 실리콘 상보형 산화금속 반도체(CMOS)에 집적 및 적층 가능해 집적도 높은 대용량 로직/인공신경망 컴퓨팅 시스템 제작에 활발히 응용될 수 있을 것으로 기대된다.
우리 대학 최상현 연구원과 박시온 연구원이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `사이언스 어드밴시스(Science Advances)' 1월호에 출판됐다. (논문명 : Reliable multilevel memristive neuromorphic devices based on amorphous matrix via quasi-1D filament confinement and buffer layer)
멤리스터는 저전력으로 인메모리(In-memory) 컴퓨팅, 가중치 저장, 행렬 계산 능력(vector-matrix multiplication) 등으로 차세대 논 폰노이만 구조에 쓰일 수 있는 차세대 소자로 주목받고 있다.
그러나 현존하는 멤리스터로 실용적인 대용량 인공신경망 컴퓨팅 (Large-scale neural computing) 시스템을 만들기 위해서는 멤리스터 단위 소자의 신뢰성을 확보할 수 있는 연구가 필요하다.
소자의 신뢰성 저하는 전통적으로 비정질 물질 내에 무작위적으로 움직이는 결함 및 이온의 배치에서 기인한다. 최신현 교수는 이러한 문제를 단결정 물질을 사용해 결함 및 이온의 무작위적인 움직임을 제어함으로써 소자 신뢰성 확보에 성공한 바 있다. 하지만 단결정을 이용하는 문제 및 제작에 고온 공정이 필요하므로 기존 실리콘 CMOS에 집적 및 적층이 어려워 집적도를 높이는 데 한계가 있었다.
연구팀은 이번 연구를 통해 기존의 비정질 물질을 사용해 신뢰성을 확보할 수 있는 다공성 구조의 양이온 제어층 및 버퍼층으로 이용되는 음이온 제어층을 설계했고, 이를 통해 적층 및 집적 가능한 소자를 제작했다. 연구팀은 기존 소자 대비 6배 이상 신뢰성을 개선할 수 있었으며, 이와 동시에 인공 시냅스 소자로서 필요한 다른 특성들도 확보할 수 있었다.
연구를 주도한 최신현 교수는 "이번에 개발한 고신뢰성 시냅스 소자는 안정적인 대용량 어레이 제작의 방향성을 제시할 수 있을 것으로 기대되며, 차세대 신소자를 기반으로 한 뉴로모픽 컴퓨팅 등 빅데이터 처리가 필요한 응용 분야에 적합한 플랫폼을 구축하는 데에 기여할 수 있기를 바란다. 또한, 미국, 대만 기업에서 활발히 진행 중인 차세대 신소자 기반 기술 개발이 국내에서도 활성화되기를 희망한다ˮ며 "다른 물질계에서도 구조적으로 적용할 수 있는 방법론을 제시함으로써 활발히 연구가 진행될 것으로 생각된다ˮ고 연구의 의의를 설명했다.
한편 이번 연구는 한국연구재단, 나노종합기술원, 삼성미래기술육성재단의 지원을 받아 수행됐다.
2022.01.25
조회수 12193
-
전하 전달 복합체를 이용한 신개념 디스플레이 소재 개발
우리 대학 신소재공학과 정연식 교수, 전덕영 명예교수, 한국전자통신연구원(ETRI) 권병화 박사 공동 연구팀이 차세대 디스플레이 소자에 적용 가능한 신개념 금속 산화물 복합 나노소재 개발에 성공했다고 19일 밝혔다.
KAIST-ETRI 공동 연구팀은 특정 금속 산화물 나노입자가 다른 산화물 내부에서 나노미터(nm) 크기로 분산될 경우, 접촉면(인터페이스)에서 전하가 교환되면서 전하 전달 복합체(Charge transfer complex)를 형성하는 새로운 현상을 발견했다. 연구팀은 이를 유기발광다이오드(OLED) 등 고부가가치 디스플레이에 적용해 기존 상용 유기 소재 기반의 소자 성능을 뛰어넘는 데 성공했다.
오는 2월에 우리 대학 신소재공학 박사학위 취득 예정인 김무현 연구원이 주도하고 조남명 박사, ETRI 주철웅 선임연구원 등이 참여한 이번 연구는 국제학술지 `네이처 커뮤니케이션스(Nature Communications)' 1월 10일 字 온라인판에 게재됐다. (논문명: Metal Oxide Charge Transfer Complex for Effective Energy Band Tailoring in Multilayer Optoelectronics)
디스플레이 발광 셀 등 다층구조를 가지는 광전자소자에서 금속 산화물은 우수한 전기적 특성 및 안정성 덕분에 전하 수송 및 주입 층으로 널리 활용되고 있다. 하지만, 유기 발광 다이오드(OLED)에서 퀀텀닷 발광다이오드(QLED), 페로브스카이트 발광다이오드(PeLED)로 이어지는 미래 디스플레이 산업에서 이러한 금속 산화물 소재를 더 유용하게 활용하기 위해서는 에너지 레벨 및 전기전도도와 같은 특성들이 더 넓은 범위에서 제어될 수 있어야 한다.
이는 유기 발광 소재, 퀀텀닷, 페로브스카이트 등으로 발광층 소재가 매우 다양해짐에 따라 디스플레이 소자들의 성능을 극대화하기 위해서는 각각의 시스템에 최적화된 전기적 특성을 제공해야 하기 때문이다.
연구팀은 에너지 레벨 차이가 있는 두 금속 산화물 사이에서 일어나는 전하 전달(Charge transfer) 현상에 주목했다. 전하 전달 복합체는 마치 건포도 빵의 형태와 유사한 구조로 되어 있는데, 건포도(나노입자)를 더 넣게 되면 더 많은 당분(전하)이 빵(매트릭스)으로 이동하여 빵 전체가 더 달콤해지는 원리로 비유될 수 있다.
이 새로운 개념을 산화 몰리브덴(MoO3) 나노입자와 산화니켈(NiO)의 조합으로 구현해 두 금속 산화물의 전하 전달 현상을 효과적으로 유도했으며, 광범위한 에너지 레벨 조절 능력 및 최대 2.4배의 전기전도도 향상을 달성했다. 이를 녹색과 청색 OLED에 적용했고 기존의 상용 유기 소재를 적용한 소자보다 32% 더 우수한 외부양자효율을 달성함으로 높은 범용성과 성능을 입증했다.
신소재공학과 정연식 교수는 "이번 기술은 핵심 소재의 성능 제어 방법을 혁신함으로써, 실감형 메타버스 구현에 꼭 필요한 최첨단 디스플레이 구현에 기여할 것ˮ이라고 전망했다.
이번 연구는 과학기술정보통신부 및 한국연구재단이 추진하는 미래소재디스커버리지원사업(단장 최성율), 글로벌프런티어 사업(단장 김광호) 및 나노·소재기술개발사업, 그리고 산업통상자원부에서 추진하는 소재부품장비혁신 Lab기술개발사업의 지원을 받아 수행됐다.
2022.01.24
조회수 14422
-
새로운 고무형태의 고체 전해질로 세계 최고성능 전고체전지 구현 성공
우리 대학 생명화학공학과 김범준 교수 연구팀이 미국 조지아공대(Georgia Tech) 이승우 교수팀과 공동연구를 통해 새로운 개념의 엘라스토머 고분자 전해질을 개발하고 이를 통해 세계 최고성능의 전고체전지를 구현했다고 13일 밝혔다.
우리 대학 한정훈 및 조지아공대 이승훈 연구원이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `네이처(Nature)' 1월 13일에 출판됐다. (논문명: Elastomeric electrolytes for high-energy solid-state lithium batteries).
전고체 리튬메탈전지(all-solid-state Li-metal battery)는 이차전지에 사용되는 휘발성이 높은 액체전해질을 고체로 대체해 화재 및 자동차 안전사고를 막을 수 있는 미래기술로서, 현재 상용화된 리튬이온전지(Li-ion battery)에 비해 에너지밀도를 획기적으로 향상해 자동차 주행거리 확보 및 안전 문제를 해결할 수 있는 `꿈의 배터리 기술'이다.
공동 연구팀은 상온에서 리튬(Li) 이온의 전도도가 탁월하며, 기계적 신축성이 모두 확보된 엘라스토머(고무) 형태의 고분자 전해질을 개발했으며, 이를 전고체전지에 적용해 410Wh/kg의 세계 최고성능을 보이는 전고체 리튬 메탈전지를 구현했다. 이러한 기술을 도입하면 현재 한번 충전으로 800 km까지 주행 가능한 전기자동차의 구현(현재 500 km수준)이 가능할 것으로 보이며, 기존의 액체 전해질을 적용한 리튬이온전지의 안정성을 획기적으로 향상할 것으로 기대된다.
고체 전해질은 크게 고분자 기반, 산화물 기반, 황화물 기반의 전해질로 나뉘는데, 현재 황화물 기반에서 가장 활발한 연구가 되고 있으나 가격이 매우 비싸다는 단점이 있다. 고분자 기반 고체전해질은 원료가 매우 싸고, 저온 대량생산 공정, 가벼움의 장점을 갖고 있지만, 상온에서 낮은 이온전도도를 가지는 문제점이 있으며, 전지 충‧방전 시 안정성이 떨어진다.
연구팀은 고무처럼 신축성이 탁월한 엘라스토머 내부에 리튬 이온전도도가 매우 높은 플라스틱 결정 물질을 3차원적으로 연결한 엘라스토머 고분자 고체전해질을 개발했다. 연구팀이 개발한 전해질은 기존에 대표적인 폴리에틸렌옥사이드(PEO) 기반의 고분자 전해질에 비해 100배 정도 향상된 10-3 S/cm의 이온전도도를 가진다. 또한, 고무처럼 신축성이 우수한 전해질은 전지 충‧방전 시 안정성에 가장 큰 문제가 되는 리튬 덴드라이트(dendrite)의 성장을 억제해, 탁월한 전지 성능 및 안정성을 확보했다.
개발된 고분자 전해질은 얇은 리튬금속 음극과 니켈 리치 양극(NCM-Ni83)으로 구성된 전고체전지에서 4.5V 이상의 고전압에서도 안정적인 구동을 보였으며, 410Wh/kg 이상의 세계 최고의 에너지밀도를 보였다.
SK이노베이션의 최경환 차세대 배터리 센터장은 “전고체 배터리는 전기차주행거리와 안전성을 획기적으로 늘릴 수 있다”며 “전고체 배터리 상용화 여부는 전기차 시장의 판도를 가를 중요한 과제로, 김범준/이승우 교수 연구팀이 개발한 엘라스토머 전해질은 기존의 고분자계 고체전해질의 한계를 해결한 획기적인 결과”라고 말했다.
이차전지 분야의 권위자인 서울대 강기석 교수는 “전고체 이차전지에 대한 세계적인 개발 경쟁이 치열한 가운데, 기존 고체전해질과 차별되는 엘라스토머 기반의 신규 고체전해질 개발은 이 분야의 발전에 새로운 가능성을 제시할 것이다.”라고 말했다.
우리 대학 김범준 교수는 "이번 연구를 통해 미래의 배터리라고 불리는 세계 최고 성능 전고체전지를 개발했을 뿐만 아니라 엘라스토머 전해질이라는 기존과는 완전히 다른 새로운 종류의 고체전해질을 개발해 소재 원천 기술을 확보했다는 것에 큰 의의가 있다ˮ라고 밝혔으며, 미국 조지아공대 이승우 교수는 "이번 연구를 통해 개발한 엘라스토머 전해질은 기존의 고체전해질이 가진 문제점을 획기적으로 개선하고, 제조 공정이 매우 간단해, 전고체전지의 전해질의 게임체인저가 될 것으로 기대한다ˮ라고 밝혔다.
또한 이번 연구에는 한국연구재단의 중견도약연구사업, 미래소재디스커버리 사업, 기초연구실지원사업의 지원을 받아 수행되었으며, 한국화학연구원의 김병각 박사, 한국에너지기술연구원의 정규남 박사가 공동연구에 참여했다.
2022.01.13
조회수 17707
-
낙엽을 활용한 친환경 마이크로 슈퍼커패시터 개발
우리 대학 기계공학과 김영진 교수 연구팀과 한국에너지기술연구원(이하 에너지연, 원장 김종남) 에너지저장연구실 윤하나 박사 연구팀이 공동연구를 통해, 극초단 펨토초 레이저 직접 묘화 기술을 기반으로, 세계최초 낙엽 상 그래핀-무기-하이브리드 마이크로 슈퍼커패시터 제작에 성공했다고 13일 밝혔다.
웨어러블 전자 장치의 발전은 유연한 에너지 저장장치의 혁신에 직접적으로 영향을 받는다. 다양한 에너지 저장장치 중 마이크로 슈퍼커패시터의 경우 높은 전력 밀도, 긴 수명 및 짧은 충전 시간으로 큰 관심을 끌고 있다. 그러나, 증대되는 전자 전기 제품의 소비 및 사용, IT 모바일 기기의 첨단화에 따른 짧은 교체 주기에 따라 폐전지의 발생량이 증대하고 있다. 이는 폐전지의 수거, 재활용 및 처리 과정에 있어, 안정성 및 환경적인 이슈 등의 많은 어려움을 유발한다.
산림은 전 세계 육지의 30% 가량을 덮고 있으며, 산림에서는 엄청난 양의 낙엽이 배출된다. 이러한 바이오매스는 자연적으로 풍부하고, 생분해성이며 재생 가능한 매력적인 친환경 재료다. 그러나 이를 효과적으로 활용하지 못하고 방치하면 화재 위험, 식수원 오염 등 산림 재해가 발생할 수 있다.
연구팀은 두 가지 문제점을 동시에 해결할 방법으로 친환경의 생분해성 바이오매스인 낙엽 위에 추가 재료 없이 펨토초 레이저 펄스를 조사해, 대기 중에서 특별한 처리 없이 단일 단계로 높은 전기 전도성을 지닌 미세 전극인 3D 다공성 그래핀을 생성하는 기술을 개발했다. 또한 이를 활용해 유연한 마이크로 슈퍼커패시터를 제작하는 방안을 제시했다. 연구팀은 해당 연구를 통해 낙엽으로부터 쉽고 저렴하며 빠르게 다공성 그래핀-무기결정 하이브리드 전극을 제작할 수 있음을 보였으며, 제작된 그래핀 마이크로 슈퍼커패시터를 LED 발광을 위한 전원 공급 및 온, 습도계 타이머/카운터 기능의 전자시계 전원 공급을 테스트함으로써 성능을 검증했다. 이는 저가의 녹색 그래핀 기반 유연한 전자 제품의 대량 생산을 위한 길을 열 수 있음을 의미한다. (그림1)
연구 논문의 교신저자인 우리 대학 김영진 교수는 개발된 차세대 에너지 저장 소자에 대해 "현재 감당이 어려운 산림 바이오매스인 낙엽을 차세대 에너지 저장 소자로 재사용함으로써, 폐자원의 재사용 및 에너지 선순환 시스템 확립을 가능하게 한다ˮ라고 했다. 또한 공동 교신저자인 에너지연 윤하나 박사는 "이번 기술은 친환경 산업의 기술 혁신 및 고부가가치 신재생에너지 및 이차전지 사업으로써의 신시장 창출뿐 아니라 국가의 사회적, 경제적 비용을 크게 감소시킬 수 있을 것이며, 더 나아가 웨어러블 전자 제품 및 스마트 홈이나 사물 인터넷에도 적용될 것으로 기대된다ˮ라고 말했다.
이번 연구는 한국농림축산식품부의 기획평가원 지원사업과 산림청의 산림과학기술 연구개발사업 및 한국에너지기술연구원 주요사업의 지원을 받아 수행됐다.
기계공학과 레딘츤손 박사 후 연구원과 에너지연 이영아 연구원이 공동 제1 저자로 참여한 이번 연구 결과는 재료과학 및 융합연구분야의 세계적인 학술지인 `어드밴스드 펑셔널 머티리얼즈'(Advanced Functional Materials)에 작년 12월 5일 온라인 공개됐다. (논문명 : Green Flexible Graphene–Inorganic-Hybrid Micro-Supercapacitors Made of Fallen Leaves Enabled by Ultrafast Laser Pulses)
2022.01.13
조회수 13033
-
세계 최초 그래프 기반 인공지능 추론 가능한 SSD 개발
우리 대학 전기및전자공학부 정명수 교수 연구팀(컴퓨터 아키텍처 및 메모리 시스템 연구실)이 세계 최초로 그래프 기계학습 추론의 그래프처리, 그래프 샘플링 그리고 신경망 가속을 스토리지/SSD 장치 근처에서 수행하는 `전체론적 그래프 기반 신경망 기계학습 기술(이하 홀리스틱 GNN)'을 개발하는데 성공했다고 10일 밝혔다.
연구팀은 자체 제작한 프로그래밍 가능 반도체(FPGA)를 동반한 새로운 형태의 계산형 스토리지/SSD 시스템에 기계학습 전용 신경망 가속 하드웨어와 그래프 전용 처리 컨트롤러/소프트웨어를 시제작했다. 이는 이상적 상황에서 최신 고성능 엔비디아 GPU를 이용한 기계학습 가속 컴퓨팅 대비 7배의 속도 향상과 33배의 에너지 절약을 가져올 수 있다고 밝혔다.
그래프 자료구조가 적용된 새로운 기계학습 모델은 기존 신경망 기반 기계학습 기법들과 달리, 데이터 사이의 연관 관계를 표현할 수 있어 페이스북, 구글, 링크드인, 우버 등, 대규모 소셜 네트워크 서비스(SNS)부터, 내비게이션, 신약개발 등 광범위한 분야와 응용에서 사용된다. 예를 들면 그래프 구조로 저장된 사용자 네트워크를 분석하는 경우 일반적인 기계학습으로는 불가능했던 현실적인 상품 및 아이템 추천, 사람이 추론한 것 같은 친구 추천 등이 가능하다. 이러한 신흥 그래프 기반 신경망 기계학습은 그간 GPU와 같은 일반 기계학습의 가속 시스템을 재이용해 연산 되어왔는데, 이는 그래프 데이터를 스토리지로부터 메모리로 적재하고 샘플링하는 등의 데이터 전처리 과정에서 심각한 성능 병목현상과 함께 장치 메모리 부족 현상으로 실제 시스템 적용에 한계를 보여 왔다.
정명수 교수 연구팀이 개발한 홀리스틱 GNN 기술은 그래프 데이터 자체가 저장된 스토리지 근처에서 사용자 요청에 따른 추론의 모든 과정을 직접 가속한다. 구체적으로는 프로그래밍 가능한 반도체를 스토리지 근처에 배치한 새로운 계산형 스토리지(Computational SSD) 구조를 활용해 대규모 그래프 데이터의 이동을 제거하고 데이터 근처(Near Storage)에서 그래프처리 및 그래프 샘플링 등을 가속해 그래프 기계학습 전처리 과정에서의 병목현상을 해결했다.
일반적인 계산형 스토리지는 장치 내 고정된 펌웨어와 하드웨어 구성을 통해서 데이터를 처리해야 했기 때문에 그 사용에 제한이 있었다. 그래프처리 및 그래프샘플링 외에도, 연구팀의 홀리스틱 GNN 기술은 인공지능 추론 가속에 필요한 다양한 하드웨어 구조, 그리고 소프트웨어를 후원할 수 있도록 다수 그래프 기계학습 모델을 프로그래밍할 수 있는 장치수준의 소프트웨어와 사용자가 자유롭게 변경할 수 있는 신경망 가속 하드웨어 프레임워크 구조를 제공한다.
연구팀은 홀리스틱 GNN 기술의 실효성을 검증하기 위해 계산형 스토리지의 프로토타입을 자체 제작한 후, 그 위에 개발된 그래프 기계학습용 하드웨어 *RTL과 소프트웨어 프레임워크를 구현해 탑재했다. 그래프 기계학습 추론 성능을 제작된 계산형 스토리지 가속기 프로토타입과 최신 고성능 엔비디아 GPU 가속 시스템(RTX 3090)에서 평가한 결과, 홀리스틱 GNN 기술이 이상적인 상황에서 기존 엔비디아 GPU를 이용해 그래프 기계학습을 가속하는 시스템의 경우에 비해 평균 7배 빠르고 33배 에너지를 감소시킴을 확인했다. 특히, 그래프 규모가 점차 커질수록 전처리 병목현상 완화 효과가 증가해 기존 GPU 대비 최대 201배 향상된 속도와 453배 에너지를 감소할 수 있었다.
☞ RTL (Registor Transistor Logic): 저항과 트랜지스터로 구성한 컴퓨터에 사용되는 회로
정명수 교수는 "대규모 그래프에 대해 스토리지 근처에서 그래프 기계학습을 고속으로 추론할 뿐만 아니라 에너지 절약에 최적화된 계산형 스토리지 가속 시스템을 확보했다ˮ며 "기존 고성능 가속 시스템을 대체해 초대형 추천시스템, 교통 예측 시스템, 신약 개발 등의 광범위한 실제 응용에 적용될 수 있을 것ˮ이라고 말했다.
한편 이번 연구는 미국 산호세에서 오는 2월에 열릴 스토리지 시스템 분야 최우수 학술대회인 `유즈닉스 패스트(USENIX Conference on File and Storage Technologies, FAST), 2022'에 관련 논문(논문명: Hardware/Software Co-Programmable Framework for Computational SSDs to Accelerate Deep Learning Service on Large-Scale Graphs)으로 발표될 예정이다.
해당 연구는 삼성미래기술육성사업 지원을 받아 진행됐고 자세한 내용은 연구실 웹사이트(http://camelab.org)에서 확인할 수 있다.
2022.01.10
조회수 11005
-
3차원 표정인식용 인공지능 라이트필드 카메라 개발
우리 대학 바이오및뇌공학과 정기훈, 이도헌 교수 공동연구팀이 근적외선 기반 라이트필드 카메라와 인공지능기술을 융합하여 얼굴의 감정표현을 구분하는 기술을 개발했다고 7일 밝혔다.
라이트필드 카메라는 일반적인 카메라와 다르게 미세렌즈 배열(Microlens arrays)을 이미지센서 앞에 삽입해 손에 들 수 있을 정도로 작은 크기이지만 한 번의 촬영으로 빛의 공간 및 방향 정보를 획득한다. 이를 통해 다시점 영상, 디지털 재초점, 3차원 영상 획득 등 다양한 영상 재구성이 가능하고 많은 활용 가능성으로 주목받고 있는 촬영 기술이다.
그러나 기존의 라이트필드 카메라는 실내조명에 의한 그림자와 미세렌즈 사이의 광학 크로스토크(Optical crosstalk)에 의해 이미지의 대비도 및 3차원 재구성의 정확도가 낮아지는 한계점이 있다.
연구팀은 라이트필드 카메라에 근적외선 영역의 수직 공진형 표면 발광 레이저(VCSEL) 광원과 근적외선 대역필터를 적용해 기존 라이트필드 카메라가 갖는 조명 환경에 따라 3차원 재구성의 정확도가 낮아지는 문제를 해결했다. 이를 통해 얼굴 정면 기준 0도, 30도, 60도 각도의 외부 조명에 대해, 근적외선 대역필터를 사용한 경우 최대 54%까지 영상 재구성 오류를 줄일 수 있었다. 또한, 가시광선 및 근적외선 영역을 흡수하는 광 흡수층을 미세렌즈 사이에 제작하면서 광학 크로스토크를 최소화해 원시 영상의 대비도를 기존 대비 약 2.1배 정도로 획기적으로 향상하는 데 성공했다.
이를 통해 기존 라이트필드 카메라의 한계를 극복하고 3차원 표정 영상 재구성에 최적화된 근적외선 기반 라이트필드 카메라(NIR-LFC, NIR-based light-field camera) 개발에 성공했다. 연구팀은 개발한 카메라를 통해 피험자의 다양한 감정표정을 가진 얼굴의 3차원 재구성 이미지를 조명 환경과 관계없이 고품질로 획득할 수 있었다.
획득한 3차원 얼굴 이미지로부터 기계 학습을 통해 성공적으로 표정을 구분할 수 있었고, 분류 결과의 정확도는 평균 85% 정도로 2차원 이미지를 이용했을 때보다 통계적으로 유의미하게 높은 정확도를 보였다. 이뿐만 아니라, 연구팀은 표정에 따른 얼굴의 3차원 거리 정보의 상호의존성을 계산한 결과를 통해, 라이트필드 카메라가 인간이나 기계가 표정을 판독할 때 어떤 정보를 활용하는지에 대한 단서를 제공할 수 있음을 확인했다.
정기훈 교수는 "연구팀이 개발한 초소형 라이트필드 카메라는 정량적으로 인간의 표정과 감정을 분석하기 위한 새로운 플랫폼으로 활용될 수 있을 것으로 기대된다ˮ며 "모바일 헬스케어, 현장 진단, 사회 인지, 인간-기계 상호작용 등의 분야에서 활용될 것ˮ이라고 연구의 의미를 설명했다.
우리 대학 바이오및뇌공학과 배상인 박사과정 졸업생이 주도한 이번 연구 결과는 국제저명학술지 `어드밴스드 인텔리전트 시스템즈(Advanced Intelligent Systems)'에 2021년 12월 16일 온라인 게재됐다. (논문명: Machine-Learned Light-Field Camera that Reads Facial Expression from High-Contrast and Illumination Invariant 3D Facial Images).
한편 이번 연구는 과학기술정보통신부 및 산업통상자원부의 지원을 받아 수행됐다.
2022.01.07
조회수 10621