< 유회준 교수, 유승협 교수 >
우리 대학 전기 및 전자공학과 유회준 교수, 유승협 교수 공동 연구팀이 신체 모든 부위에 손쉽게 부착이 가능한 생체신호 측정 스마트 스티커 센서를 개발했다.
연구팀의 스티커 센서는 반도체 칩과 휘어지는 유기광전소자를 결합한 초저전력 센서로 심전도, 근전도 뿐 아니라 산소 포화도도 측정 가능해 의료 및 헬스케어 분야에서 광범위하게 응용될 것으로 기대된다.
이용수 박사과정과 이현우 석사과정이 주도한 이 기술은 미국 샌프란시스코에서 열린 세계적 반도체 학술대회 ISSCC(국제고체회로설계학회)에서 3일(현지시간) 하이라이트 논문으로 발표됐다.
스마트 스티커 센서는 길이 55mm, 너비 25mm의 직사각형 페트 필름(PET Film)에 센서, 처리기, 무선송수신기 기능을 집적한 초저전력 시모스 단일칩시스템(CMOS SoC)을 부착한 형태로 하이브리드 집적기술을 활용했다.
연구팀은 적, 녹색의 유기발광다이오드(OLED)와 유기광센서(OPD)로 구성된 유기광전소자를 사용해 전력 소모를 크게 줄였다.
산소 포화도 측정에는 녹색, 적색 광원이 동시에 필요한데 녹색 파장대역에서 효율이 낮은 기존 발광다이오드와 달리, OLED는 두 색의 파장대역 모두에서 고르게 높은 양자효율을 보인다. 동시에 광손실이 적도록 인체에 밀착 가능한 유연함을 가져 적은 구동 전류로 충분한 신호를 확보했다.
연구팀은 기존 기기들이 블루투스 통신으로 데이터를 전송하는 것과 달리 전도성이 존재하는 인체를 통신매질로 이용했다. 고속 저전력 전송이 가능한 인체매질통신 기술을 실현해 무거운 외부 소자 없이 초저전력으로 데이터 통신이 가능하다.
또한 기존 기기들이 개인차나 부위에 상관없이 항상 최대의 빛을 방출하는 것에 비해 스마트 스티커 센서는 자동으로 수신부의 빛 양을 모니터링해 상황에 맞춰 빛을 조절한다.
이를 통해 주변 빛이나 동작에 따른 신호 잡음을 효과적으로 제거하는 기술도 갖췄다. 또한 유기광전소자 특성상 빛의 밝기가 시간의 흐름에 따라 서서히 감소할 수 있지만 이 스티커 센서는 일정한 빛이 나오도록 제어해 장기간 일정한 밝기를 유지할 수 있다.
스마트 스티커 센서는 총 200마이크로와트(μW) 미만의 초저전력으로 구동 가능해 기존 기기의 수~수십 밀리와트(mW)에 비해 매우 감소된 전력 소비량을 보였다. 또한 동전 배터리 포함 약 2그램의 무게로 피부에 완벽히 부착이 가능해 48시간 이상 지속적으로 생체신호를 측정할 수 있다.
유회준 교수는 “국내외 IT 기업들이 차세대 산업으로 웨어러블 헬스케어를 주목하고 관련 디바이스를 출시하고 있다”며 “시장 선점을 위해서는 초저전력 및 소형화는 물론이고 시계, 밴드 같은 액세서리 형태에서 한 단계 나아가는 변화를 보여야 할 것이다”고 말했다.
유승협 교수는 “이번 스마트 스티커 센서의 개발로 플렉서블 OLED와 유기광센서 응용에 새 가능성을 열었다”고 말했다.
연구팀은 관련 회사에 기술이전을 통해 올해 내로 상용화할 예정이라고 밝혔다.
□ 그림 설명
그림1. 스마트 스티커 센서에 쓰인 플렉서블 OLED와 유기포토센서
그림2. 반도체 칩과 유기광전 소자 결합 하이브리드 스마트 스티커 센서
그림3. 스마트 스티커 센서 씨모스 단일칩시스템(CMOS SoC)
-
인물 유회준 교수, ISSCC 반도체 설계 최고 권위자로 선정
국제고체회로학회(International Solid-State Circuits Conference, 이하 ISSCC)는 세계 반도체올림픽이라고 불리며 70주년 기념식을 올해 2월 20일 미국 샌프란시스코 메리어트 호텔에서 개최했다. 우리 대학 전기및전자공학부 유회준 교수가 63편의 논문을 발표한 실적으로 동양인으로서 유일하게 톱5에 들어 최다 논문 발표자로 선정되었다고 1일 밝혔다. 유 교수는 ISSCC의 설립 41년이 지난 1995년에 현대전자(現 SK하이닉스)에서 세계 최초로 256M SDRAM을 개발한 뒤 이를 동 학회에서 한국 최초 논문을 발표한 바 있다. 이후 유 교수 연구팀은 KAIST로 옮겨 2000년부터 2023년까지 62편의 논문을 발표하여 동 학회에서 총 63편의 논문을 발표했다. 1996년에 유 교수가 집필한 `DRAM의 설계'라는 책은 삼성전자나 하이닉스 기술자들의 필독서로 활용됐다. 또한, 동 학회에서 DRAM 관련 반도체에 대해 5편, 바이오메
2023-03-02 -
연구 KAIST, 인공지능 반도체 생태계를 선도하다
인공지능 반도체(이하 AI 반도체)가 국가적인 전략기술로 두드러지면서 KAIST의 관련 성과도 주목받고 있다. 과학기술정보통신부는 지난해 2030년 세계 AI 반도체 시장 20% 점유를 목표로 인공지능 반도체 지원사업에 본격적으로 착수한 바 있다. 올해에는 산학연 논의를 거쳐 5년간 1조 200억 원을 투입하는 `인공지능 반도체 산업 성장 지원대책'으로 지원을 확대했다. 이에 따라 AI 반도체 전문가 양성을 위해 주요 대학들의 행보도 분주해졌다. KAIST는 반도체와 인공지능 양대 핵심 분야에서 최상급의 교육, 연구 역량을 쌓아 왔다. 반도체 분야에서는 지난 17년 동안 메사추세츠 공과대학(이하 MIT), 스탠퍼드(Stanford)와 같은 세계적인 학교를 제치고 국제반도체회로학회(이하 ISSCC, International Solid State Circuit Conference)에서 대학 중 1위를 지켜 왔다는 점이 돋보인다. ISSCC는 1954년 설립된 반도체 집적회로 설계
2022-08-04 -
연구 스스로 그림 그리는 인공지능 반도체 칩 개발
전기및전자공학부 유회준 교수 연구팀이 생성적 적대 신경망(GAN: Generative Adversarial Network)을 저전력, 효율적으로 처리하는 인공지능(AI: Artificial Intelligent) 반도체를 개발했다. 연구팀이 개발한 인공지능 반도체는 다중-심층 신경망을 처리할 수 있고 이를 저전력의 모바일 기기에서도 학습할 수 있다. 연구팀은 이번 반도체 칩 개발을 통해 이미지 합성, 스타일 변환, 손상 이미지 복원 등의 생성형 인공지능 기술을 모바일 기기에서 구현하는 데 성공했다. 강상훈 박사과정이 1 저자로 참여한 이번 연구결과는 지난 2월 17일 3천여 명 반도체 연구자들이 미국 샌프란시스코에 모여 개최한 국제고체회로설계학회(ISSCC)에서 발표됐다. (논문명 : GANPU: A 135TFLOPS/W Multi-DNN Training Processor for GANs with Speculative Dual-Sparsity Exploitat
2020-04-06 -
인물 유회준 교수, 아시아 교수 최초 ISSCC 기조연설
우리 대학 전기및전자공학부 유회준 석좌교수가 반도체 올림픽이라 불리는 국제고체회로학회(ISSCC)에서 아시아 교수로서는 최초로 기조연설자로 선정돼 개막 연설을 진행했다. 유 교수는 2월 18일(현지시간) 미국 샌프란시스코 메리어트 호텔에서 열린 제62회 ISSCC에서 세계 각국의 반도체 기술자 3천여 명을 대상으로 ‘지능을 실리콘 상에(Intelligence on Silicon), 부제 : 심층 신경망 가속기부터 뇌 모방 인공지능 시스템 온 칩까지(From Deep-Neural-Network Accelerators to Brain Mimicking AI-SoCs)’ 라는 주제로 인공지능 칩의 현황과 미래에 대한 기조연설을 했다. 유 교수는 실생활에서 인공지능 적용을 가능하게 하는 인공지능 칩 분야에서 세계의 기술을 주도하고 있다는 공을 인정받아 이번 기조연설자로 선정됐다. 유 교수는 학회 개최에 앞서 2월 17일에 열린 전기전자엔지니어협회(IEEE) 국
2019-02-19 -
연구 유회준 교수, 딥러닝용 AI 반도체 개발
우리대학 전기및전자공학부 유회준 교수 연구팀이 스타트업 '유엑스 팩토리'와 함께 가변 인공신경망 기술을 적용해 딥러닝을 효율적으로 처리하는 AI 반도체를 개발했다. 딥러닝이란 컴퓨터가 마치 사람처럼 스스로 학습할 수 있도록 인공신경망을 기반으로 구축한 '기계 학습' 기술이다. 유 교수 연구팀이 개발한 새로운 칩은 반도체 안에서 인공신경망의 무게 정밀도를 조절함으로써 에너지 효율과 정확도를 조절한다. 1비트부터 16비트까지 소프트웨어로 간편하게 조절하면서 상황에 맞춰 최적화된 동작을 얻어낸다. 하나의 칩이지만 '콘볼루션 신경망'(CNN)과 '재귀 신경망'(RNN)을 동시에 처리할 수 있다. CNN은 이미지를 분류나 탐지하는 데 쓰이며, RNN은 주로 시간의 흐름에 따라 변화하는 영상과 음성 등 데이터 학습에 적합하다. 또 통합 신경망 프로세서(UNPU)를 통해 인식 대상에 따라 에너지효율과 정확도를 다르게 설정하는 것도 가능하다. 모바일에서 AI 기술을 구현하려면 고속 연산을
2018-02-26