-
멀티모달 대형언어모델이 GPT-4V를 뛰어넘다
멀티모달 대형 언어모델이란 텍스트뿐만 아니라 이미지 데이터 유형까지 처리할 수 있는 초대형 언어모델을 말한다. 해외 대형 기업의 풍부한 컴퓨팅 자원의 지원으로부터 인간의 뇌에 있는 신경망의 개수와 유사한 수준초대형모델들이 만들어지고 있으나 학계에서는 이런 개발이 쉽지 않았다. KAIST 연구진이 오픈AI의 GPT-4V와 구글의 제미나이-프로(Gemini-Pro)를 뛰어넘는 멀티모달 대형언어모델을 개발하여 화제다.
우리 대학 전기및전자공학부 노용만 교수 연구팀이 오픈AI(OpenAI)의 GPT-4V 등 기업에서 비공개하고 있는 상업 모델인 초대형 언어모델의 시각 성능을 뛰어넘는 공개형 멀티모달 대형 언어모델을 개발해 출시했다고 20일 밝혔다.
노용만 교수 연구팀은 단순히 모델의 크기를 키우거나 고품질의 시각적 지시 조정 데이터셋을 만들지 않고 멀티모달 대형언어모델의 시각 성능을 획기적으로 높인 콜라보(CoLLaVO), 모아이(MoAI) 2가지 기술을 연속적으로 개발했다고 밝혔다.
연구팀이 개발한 첫번째 기술인 ‘콜라보(CoLLaVO)’는 현존하는 공개형 멀티모달 대형언어모델이 비공개형 모델의 성능에 비해 현저하게 낮은 이유를 일차적으로 물체 수준에 대한 이미지 이해 능력이 현저하게 떨어진다는 것을 먼저 검증해 보였다.
해당 능력을 효율적으로 증가시켜 시각-언어 태스크에 대한 성능을 향상 하기 위해 연구팀은 이미지 내의 정보를 배경과 물체 단위로 분할하고 각 배경 및 물체에 대한 정보를 멀티모달 대형언어모델에 입력으로 직접 넣어주는 새로운 방법‘크레용 프롬프트(Crayon Prompt)’라는 시각적 프롬프트를 새롭게 제안했다.
또한 시각적 지시 조정 단계에서 크레용 프롬프트로 학습한 정보를 잃어버리지 않기 위해 연구팀은 물체 수준 이미지 이해 능력과 시각-언어 태스크 처리 능력을 서로 다른 파라미터로 학습해 서로 간의 정보를 잃지 않게 만드는 획기적인 학습 전략인 ‘듀얼 큐로라(Dual QLoRA)’를 제안했다. 이를 통해, 콜라보(CoLLaVO) 멀티모달 대형언어모델은 이미지 내에서 배경 및 물체를 구분하는 능력이 뛰어나 일차원적인 시각 구분 능력이 크게 향상됐다고 밝혔다.
두 번째 대형언어모델인 ‘모아이(MoAI)’는 인간이 사물을 판단할 때 물체의 존재, 상태, 물체 간의 상호작용, 배경에 대한 이해, 텍스트에 대한 이해 등으로부터 상황을 판단하는 인지과학적인 요소에 영감을 받아서 만들어졌다고 밝혔다.
이는 기존 멀티모달 대형언어모델이 텍스트에 의미적으로 정렬된 시각 인코더(vision encoder)만을 사용하기 때문에, 이미지 픽셀 수준에서의 상세하고 종합적인 실세계 장면 이해가 부족하다는 점을 지적하며 이런 컴퓨터 비전 모델들의 결과를 받으면 모두 인간이 이해할 수 있는 언어로 변환한 뒤에 멀티모달 대형언어모델에 입력으로 직접 사용했다.
노용만 교수는 “연구팀에서 개발한 공개형 멀티모달 대형언어모델이 허깅페이스 일간 화제의 논문(Huggingface Daily Papers)에 추천됐고, 각종 SNS를 통해 세계 연구자에게 알려지고 있으며, 모든 모델을 공개형 대형언어모델로 출시 했기 때문에 이 연구모델이 멀티모달 대형언어모델 발전에 기여할 것이다”이라고 언급했다.
연구팀이 개발한 멀티모달 대형언어모델인 콜라보(CoLLaVO)와 모아이(MoAI)는 KAIST 전기및전자공학부 이병관 박사과정이 제1 저자로 참여하고 박범찬 석박사통합과정, 김채원 박사과정이 공동 저자로 참여했다.
콜라보(CoLLaVO)는 자연어 처리(NLP) 분야 최고의 국제 학회인 ‘Findings of the Association for Computational Linguistics(ACL Findings) 2024’에 5월 16일 자로 학회에 승인받았고, 모아이(MoAI)는 컴퓨터 비전 최고의 국제 학회인 ‘European Conference on Computer Vision(ECCV) 2024’학회 승인 결과를 기다리고 있다고 밝혔다.
한편 이번 연구는 KAIST 미래국방 인공지능 특화연구센터 및 전기및전자공학부의 지원을 받아 수행됐다.
[1] CoLLaVO 데모 GIF 영상
https://github.com/ByungKwanLee/CoLLaVO
[2] MoAI 데모 GIF 영상
https://github.com/ByungKwanLee/MoAI
2024.06.20
조회수 3815
-
사회처럼 건강한 유전자 커뮤니티의 모습을 찾다
구성원들 사이의 활발한 교류로 결속력이 높은 사회적 커뮤니티가 건강한 개인을 만들 듯, 유전자 커뮤니티의 결속력도 개인의 건강 상태에 영향을 미칠 수 있을까? 한국 연구진이 유전자 커뮤니티의 결속력 또한 개인의 건강 상태를 결정하고 환자 맞춤형 의료를 위해 활용될 수 있음을 보여 화제다.
우리 대학 바이오및뇌공학과 이도헌 교수 연구팀이 개인화된 유전자 네트워크에서 환자 특이적으로 결속력이 약화된 유전자 커뮤니티를 찾아내 환자 맞춤형으로 약물 표적을 예측할 수 있는 기술을 개발했다고 23일 밝혔다.
최근 고령화와 생활 습관 변화 등에 따라 암, 심혈관계 질환, 대사 질환 등 많은 복합질병의 발병률이 크게 증가하는 실정이다. 이에 전문가들은 개별 환자의 특성을 고려한 ‘환자 맞춤형 의료’를 제공해 그 치료 효과를 높임으로써 개인적, 사회적 의료비 부담을 경감해야 한다고 지적한다.
이도헌 교수 연구팀은 이러한 요구에 발맞춰 개인화된 유전자 네트워크를 정교하게 구축하고 해당 네트워크에서 각 유전자 커뮤니티의 결속력을 정확하게 측정할 수 있는 코지넷(COSINET, COmmunity COhesion Scores in Individualized gene Network Estimated from single Transcripotmics data) 기술을 개발했다.
연구진들은 수백 개의 정상 조직 유전자 발현 데이터를 근거로 유의미한 상관관계를 보이는 유전자 상호작용을 기반으로 정상 조직의 유전자 네트워크를 구축했다. 그리고 유전자 커뮤니티들의 유전자 상호작용마다 보이는 상관관계를 선형 회귀 분석을 통해 모델링한 뒤, 개별 환자의 유전자 발현량이 해당 예측 모델을 잘 따르는지를 통계적으로 분석했다. 이를 통해 환자 특이적으로 그 상호작용이 소실된 유전자 쌍을 정상 조직 유전자 네트워크에서 제거함으로써 개인화된 유전자 네트워크를 구축했다.
더 나아가 개인화된 유전자 네트워크에서 유전자들 사이의 최단 거리를 기반으로 소실된 유전자 상호작용이 각 유전자 커뮤니티 결속력 약화에 미치는 영향력을 정확하게 측정했다.
연구진들은 환자 특이적으로 그 결속력이 크게 감소한 유전자 커뮤니티를 통해 환자 특이적인 질병 기전을 설명할 수 있음을 보이고, 해당 유전자 커뮤니티에서 환자 특이적으로 결속력 약화에 크게 기여하는 유전자들을 찾아, 보다 효과적인 환자 맞춤형 약물 표적을 제안했다. 연구진들은 이러한 약물 표적 발굴 기술이 기존 기술 대비 약 4배 이상 효과적임을 증명했다.
이도헌 교수는 “여러 유전자가 관여하는 복합질병은 개별 유전자보다는 유전자들 사이의 상호작용을 고려하는 시스템적 관점에서 바라봐야 하며 현재 임상 현장에서 환자 맞춤형 의료를 위해 쓰이는 단일 유전자 기반의 바이오마커들은 복합질병의 이질성과 복잡성을 충분히 담아내기에는 한계가 있다. 따라서 이번 연구에서 개발한 개인화된 유전자 네트워크에서 유전자 커뮤니티의 결속력에 기반한 코지넷(COSINET) 기술이 복합질병의 환자 맞춤형 의료 실현을 위한 새로운 시각을 열어 줄 수 있을 것”이라고 말했다.
바이오및뇌공학과 이도헌 교수와 왕승현 박사과정이 공동으로 진행한 이번 연구는 영국 옥스퍼드대학교에서 발간하는 생명정보학 분야 최고 학술지인 `생명정보학 브리핑(Briefings in Bioinformatics)’ 2024년 5월호에 게재되고 온라인으로는 4월 15일 발표됐다.
(논문 제목: Community cohesion looseness in gene networks reveals individualized drug targets and resistance, https://academic.oup.com/bib/article/25/3/bbae175/7645997)
한편 이번 연구는 과학기술정보통신부 데이터 기반 디지털 바이오 선도 사업의 지원을 받아 수행됐다.
2024.04.23
조회수 2795
-
GPU에서 대규모 출력데이터 난제 해결
국내 연구진이 인공지능(AI) 등에 널리 사용되는 그래픽 연산 장치(이하 GPU)에서 메모리 크기의 한계로 인해 초병렬 연산*의 결과로 대규모 출력 데이터가 발생할 때 이를 잘 처리하지 못하던 난제를 해결했다. 이 기술을 통해 향후 가정에서 사용하는 메모리 크기가 작은 GPU로도 생성형 AI 등 고난이도 연산이 대규모 출력을 필요한 경우 이를 빠르게 수행할 수 있다.
*초병렬 연산: GPU를 이용하여 수 십 만에서 수 백 만 개의 작은 연산들을 동시에 수행하는 연산을 의미
우리 대학은 전산학부 김민수 교수 연구팀이 한정된 크기의 메모리를 지닌 GPU를 이용해 수십, 수백 만개 이상의 스레드들로 초병렬 연산을 하면서 수 테라바이트의 큰 출력 데이터*를 발생시킬 경우에도 메모리 에러를 발생시키지 않고 해당 출력 데이터를 메인 메모리로 고속으로 전송 및 저장할 수 있는 데이터 처리 기술(일명 INFINEL)을 개발했다고 7일 밝혔다.
*출력데이터: 데이터 분석 결과 또는 인공지능에 의한 생성 결과물에 해당하는 데이터
최근 AI의 활용이 급속히 증가하면서 지식 그래프와 같이 정점과 간선으로 이루어진 그래프 구조의 데이터의 구축과 사용도 점점 증가하고 있는데, 그래프 구조의 데이터에 대해 난이도가 높은 초병렬 연산을 수행할 경우 그 출력 결과가 매우 크고, 각 스레드의 출력 크기를 예측하기 어렵다는 문제점이 발생한다.
또한, GPU는 근본적으로 CPU와 달리 메모리 관리 기능이 매우 제한적이기 때문에 예측할 수 없는 대규모의 데이터를 유연하게 관리하기 어렵다는 문제가 있다. 이러한 이유로 지금까지는 GPU를 활용해 ‘삼각형 나열’과 같은 난이도가 높은 그래프 초병렬 연산을 수행할 수 없었다.
김 교수팀은 이를 근본적으로 해결하는 INFINEL 기술을 개발했다. 해당 기술은 GPU 메모리의 일부 공간을 수백 만개 이상의 청크(chunk)라 불리는 매우 작은 크기의 단위들로 나누고 관리하면서, 초병렬 연산 내용이 담긴 GPU 커널(kernel) 프로그램을 실행하면서 각 스레드가 메모리 충돌 없이 빠르게 자신이 필요한 청크 메모리들을 할당받아 자신의 출력 데이터를 저장할 수 있도록 한다.
또한, GPU 메모리가 가득 차도 무중단 방식으로 초병렬 연산과 결과 출력 및 저장을 지속할 수 있도록 한다. 따라서 이 기술을 사용하면 가정에서 사용하는 메모리 크기가 작은 GPU로도 수 테라 바이트 이상의 출력 데이터가 발생하는 고난이도 연산을 빠르게 수행할 수 있다.
김민수 교수 연구팀은 INFINEL 기술의 성능을 다양한 실험 환경과 데이터 셋을 통해 검증했으며, 종래의 최고 성능 동적 메모리 관리자 기술에 비해 약 55배, 커널을 2번 실행하는 2단계 기술에 비해 약 32배 연산 성능을 향상함을 보였다.
교신저자로 참여한 우리 대학 전산학부 김민수 교수는 “생성형 AI나 메타버스 시대에는 GPU 컴퓨팅의 대규모 출력 데이터를 빠르게 처리할 수 있는 기술이 중요해질 것으로 예상되며, INFINEL 기술이 그 일부 역할을 할 수 있을 것”이라고 말했다.
이번 연구에는 김 교수의 제자인 박성우 박사과정이 제1 저자로, 김 교수가 창업한 그래프 딥테크 기업인 (주)그래파이 소속의 오세연 연구원이 제 2 저자로, 김 교수가 교신 저자로 참여하였으며, 국제 학술지 ‘PPoPP’에 3월 4일자 발표됐다. (INFINEL: An efficient GPU-based processing method for unpredictable large output graph queries)
한편, 이번 연구는 과기정통부 IITP SW스타랩 및 ITRC 사업, 한국연구재단 선도연구센터인 암흑데이터 극한 활용 연구센터의 지원을 받아 수행됐다.
2024.03.07
조회수 3616
-
인공지능으로 조현병 원인치료의 실마리 찾다
정신분열증으로도 알려진 조현병은 환청, 환영, 인지장애 등의 증상으로 대표되는 정신질환이다. 국내 연구진이 인공지능을 활용해 그동안 증상 억제만이 가능했던 조현병의 원인을 치료할 수 있는 실마리를 찾았다.
우리 대학 바이오및뇌공학과 이도헌 교수 및 한국한의학연구원(원장 이진용) 공동연구팀이 미국 스탠리 의과학연구소(이하 스탠리연구소) 와의 국제공동연구를 통해 인공지능으로 개인의 유전형과 조현병 사이의 선천적 병리 모델과 조현병 예측 마커를 발굴했다고 27일 밝혔다.
조현병은 2016년 강남역 살인사건, 2019년 진주 방화사건, 2023년 대전 칼부림 사건 등 일부 환자들의 강력범죄와 환자에 대한 사회적 낙인으로 인해 조현병은 심각한 사회적 문제가 되었다. 그러나 이러한 심각성에도 불구하고 조현병의 원인은 명확히 밝혀지지 않아, 리스페리돈(risperidone), 클로자핀(clozapine) 등 항정신병제에 의한 증상의 억제만이 가능한 실정이다.
이도헌 교수 연구팀은 미 스탠리연구소의 다수준 뇌 조직 데이터에 최근 주목받는 인공지능 기술인 `설명가능한 심층학습' 기술을 접목해, 선천적 유전형과 조현병 사이의 병리를 설명하는 인공신경망 모델을 구축했다. 그리고 모델을 해석하여, 선천적 유전형이 유전자·단백질 발현 조절을 통해 뇌의 전전두엽피질, 안와전두엽피질 신경세포의 발생을 변화시켜 조현병 취약성을 결정한다는 사실을 밝혀냈다. 또한, 뇌의 신경세포 밀도를 감소시키는 유전형 조합을 조현병 예측 마커로 제시해, 개인화된 조현병 예측과 세포 치료 등을 통한 조현병 원인치료의 가능성을 열었다.
이도헌 교수는 바이오의료 분야는 `속내를 알 수 없는 인공지능'보다는 `속내를 해석가능한 인공지능'이 꼭 필요한 분야라고 강조하면서, “기존의 인공지능과 비교했을 때 이번 연구에서는 인공신경망의 중간 노드에 유전자 이름, 세포의 상태와 같은 구체적인 생물학적 의미가 부여된 노드를 배치하고 그들간의 연결관계를 기계학습기법으로 분석했다”라고 말했다.
바이오및뇌공학과 이도헌 교수, 조유상 박사(現 한국한의학연구원 선임연구원), 미 스탠리연구소 김상현 박사, 마리 웹스터 박사가 공동으로 진행한 이번 연구는 영국 옥스퍼드대학교에서 발간하는 세계적 학술지인 `기능유전체학 브리핑(Briefings in Functional Genomics)'지 2023년 9월호에 게재됐다.
2023.09.27
조회수 5120
-
공승현 교수, 30미터 정확도의 스마트폰 위치측정 기술 개발
〈 공승현 교수 연구팀 〉
우리 대학 조천식녹색교통대학원 공승현 교수 연구팀이 LTE 신호만을 이용해 실제 환경에서 평균 30미터 이내의 정확도를 갖는 스마트폰 위치 측정 기술을 개발했다.
김태선 연구원 및 조상재, 김보성, 정승환 석사과정이 참여한 이번 연구를 통해 연구팀은 KT와 협력해 기술 상용화를 추진하고 있다.
최근 전 세계적으로 도심 내에서의 신뢰도 높은 위치 기반 서비스를 제공하기 위한 다양한 기술 개발이 이뤄지고 있다. 그러나 우리나라처럼 기지국과 중계기가 혼재하는 이동통신 환경에서 새로운 장치를 추가하지 않고 이동통신 신호만을 이용하는 제한적인 기술로 넓은 도시 지역에서 높은 정확도와 완성도를 갖는 기술은 아직 보고되지 않고 있다.
일반적으로 GPS 등의 위성항법 시스템은 도심이나 아파트 단지 등 고층 건물이 밀집한 곳에서 극심한 신호의 난반사로 인해 위치 측정 오차가 발생하고 이로 인해 수백 미터 이상의 큰 오차가 발생하기도 한다.
이러한 문제로 최근에는 도심이나 실내에서 와이파이 신호의 RF 핑거프린트를 이용해 스마트폰의 위치를 파악하는 기술이 많이 사용된다. 그러나 이 기술은 여러 대의 와이파이 공유기 신호가 수신되는 특정 공간에서만 높은 신뢰도를 가지고, 공유기가 구축되지 않은 곳에서는 측정할 수 없거나 정확도가 현저하게 떨어진다는 한계가 있다.
연구팀은 스마트폰에서 얻을 수 있는 LTE 기지국 신호에 대한 다양한 측정치를 일정 위치마다 수집해 이를 LTE 핑거프린트(Fingerprint) 데이터베이스로 저장했다. 이후 임의의 사용자 스마트폰에서 측정한 LTE 신호 측정치를 서버로 전달하면 그 측정치를 LTE 핑거프린트 데이터베이스와 비교해 스마트폰의 위치를 파악하는 방식으로, 이는 RF 핑거프린트를 고도화한 기술이다.
연구팀이 개발한 기술의 특징은 LTE 신호를 측정해 얻은 다양한 데이터로부터 각 데이터의 특성에 따라 효과적으로 데이터베이스를 구성하고, 변화가 많은 이동통신 신호 환경에 강인한 최적의 패턴 매칭 기법을 활용하고 있다는 점이다.
연구팀은 개발한 LTE 핑거프린트 기술을 KAIST 교내, 주변 아파트 및 상업 단지를 포함 대전지역과 광화문 일대부터 인사동에 이르는 서울 도심에서 시연해 평균 30미터의 오차를 갖는 성능을 확인했다.
공승현 교수는 “현재 개발된 기술보다 더 높은 정확도를 갖는 LTE 핑거프린트 기술을 개발하는 것도 가능하며 5G에서는 LTE보다 2배 높은 평균 15미터 내외의 측위 정확도를 얻을 수 있다”라며 “머신러닝 기술을 이용해 기지국이나 중계기의 이설과 추가 등으로 LTE 신호 환경이 바뀌었을 때 이를 자동 탐지하고 LTE 핑거프린트 데이터베이스를 신속히 갱신하는 기술을 추가 연구할 계획이다”라고 밝혔다.
현재는 개발된 기술을 이동통신 시스템에 적용하기 위한 단계별 방안을 계획하면서 상용화를 추진 중이다.
□ 그림 설명
그림1. 기지국 LTE 핑거프린트의 실례
2019.04.16
조회수 10107
-
백무현 교수, 타이타늄 촉매반응으로 화학소재 올레핀 합성 성공
〈 백 무 현 교수 〉
우리 대학 화학과 백무현 교수 연구팀이 우리 주변에 흔한 타이타늄(Titanium) 촉매를 활용해 플라스틱, 의약품 원료로 사용하는 올레핀(olefins) 합성에 성공했다.
석유화학산업 분야 주요 소재인 올레핀은 보통 800℃ 고온으로 석유를 증기 분해(steam cracking)해 제조한다. 매우 높은 열과 에너지가 투입되고 이산화탄소 등 온실가스가 발생하는 것이 단점이다.
연구결과는 27일 국제학술지 네이처 케미스트리에 게재됐다.
기초과학연구원 분자활성 촉매반응 연구단의 부연구단장으로 재직 중인 백무현 교수는 계산화학을 통해 타이타늄을 최적의 촉매로 선택했고 탄화수소(hydrocarbon)의 수소를 선택적으로 없애는 탈수소반응을 구현했다. 이로써 기존 공정에 비해 10분의 1정도 낮은 온도(75℃)에서 올레핀을 합성했다.
올레핀은 플라스틱, 고분자 화합물, 의약품 등에 활용하는 기초 원료이다. 활용도가 커 올레핀 합성 과정은 많은 연구자들이 연구주제로 삼고 있다.
올레핀은 탄화수소가 수소를 잃으면서 탄소(C) 두 개가 이중결합(C=C)해 생성되는데 증기 분해 방식은 반응 중 탄소-탄소 결합이 끊어져 올레핀 혼합물이나 다른 탄화수소들이 합성되는 단점이 있다. 또 석유 대신 천연가스에서 올레핀을 합성하려면 온실가스가 발생해 오염과 공해 문제가 뒤따랐다.
화학자들은 석유와 천연가스 등 탄화수소 화합물을 가공하거나 분해할 때 열과 에너지를 적게 사용하고, 환경오염이 덜한 화학반응을 구현하기 위해 다양한 촉매반응을 연구했다.
탄소와 수소만으로 결합된 탄화수소는 두 분자 간 결합이 매우 강하기 때문에 결합을 끊고 반응을 유도하는 촉매 개발이 주요 과제였다. 이리듐(Iridium), 로듐(rhodium), 루테늄(ruthenium) 등 전이금속을 촉매로 적용했으나 비용이 너무 비싸 실제 산업에 활용하기는 어려웠다.
백 부단장은 비싼 전이금속 보다 수십 배 저렴한 타이타늄을 촉매로 적용했다. 백 부단장은 밀도범함수를 활용한 계산 화학을 통해 최적의 촉매 후보물질로 타이타늄을 제안했고 미국 펜실베니아대학 연구진은 약 75℃에서 탈수소반응이 성공적으로 이뤄졌음을 실험으로 확인했다.
지난해 이리듐 촉매로 메탄가스의 강력한 탄소-수소 결합을 분해한 데 이어 이번 연구에서도 계산화학으로 정확한 촉매를 예측했다. 또 탈수소반응에 이리듐 촉매를 활용할 때 탄화수소가 이성질화(isomerization) 되는 문제도 타이타늄 촉매로 해결됨을 관찰했다.
백 교수는 “이리듐은 반응성이 매우 크지만 값이 비싸고 구하기 어렵다. 반면 타이타늄은 값이 매우 저렴하고 구하기 쉽다”며 “향후 타이타늄 촉매의 반응성과 효율성을 높인다면 기존 올레핀 합성공정의 비용이 줄어들 것”이라고 말했다.
이번 연구는 미국 펜실베니아 대학의 대니얼 민디올라(Daniel J. Mindiola) 교수 그룹과 공동으로 진행됐다.
□ 그림 설명
그림1. 연구진이 제안한 타이타늄 촉매를 활용한 탈수소반응 메커니즘
그림2. 밀도범함수를 활용한 계산화학으로 본 탈수소반응 메커니즘
2017.06.28
조회수 16514
-
최양규 교수, 실리콘 반도체보다 5배 빠르고 저렴한 탄소나노튜브 반도체 개발
우리 대학 전기및전자공학부 최양규 교수 연구팀이 국민대학교 최성진 교수와의 공동 연구를 통해 탄소나노튜브를 위로 쌓는 3차원 핀(Fin) 게이트 구조를 이용해 대면적의 탄소나노튜브 반도체를 개발했다.
이동일 연구원이 제 1저자로 참여한 이번 연구는 나노 분야 학술지 ‘에이씨에스 나노(ACS Nano)’ 12월 27일자에 게재됐다. (논문명: Three-Dimensional Fin-Structured Semiconducting Carbon Nanotube Network Transistor)
탄소나노튜브로 제작된 반도체는 실리콘 반도체보다 빠르게 동작하고 저전력이기 때문에 성능이 훨씬 뛰어나다.
그러나 대부분의 전자기기는 실리콘 재질로 만들어진 반도체를 이용한다. 높은 순도와 높은 밀도를 갖는 탄소나노튜브 반도체의 정제가 어렵기 때문이다.
탄소나노튜브의 밀도가 높지 않아 성능에 한계가 있었고 순도가 낮아 넓은 면적의 웨이퍼(판)에 일정한 수율을 갖는 제품을 제작할 수 없었다. 이러한 특성들은 대량 생산을 어렵게 해 상용화를 막는 걸림돌이었다.
연구팀은 문제 해결을 위해 3차원 핀 게이트를 이용해 탄소나노튜브를 위로 증착하는 방식을 사용했다. 이를 통해 50나노미터 이하의 폭에서도 높은 전류 밀도를 갖는 반도체를 개발했다.
3차원 핀 구조는 1마이크로미터 당 600개의 탄소나노튜브 증착이 가능해 약 30개 정도만을 증착할 수 있는 2차원 구조에 비해 20배 이상의 탄소나노튜브를 쌓을 수 있다.
그리고 연구팀은 이전 연구를 통해 개발된 99.9% 이상의 높은 순도를 갖는 반도체성 탄소나노튜브를 이용해 고수율의 반도체를 확보했다.
연구팀의 반도체는 50나노미터 이하의 폭에서도 높은 전류밀도를 갖는다. 실리콘 기반의 반도체보다 5배 이상 빠르면서 5배 낮은 소비 전력으로 동작 가능할 것으로 예상된다.
또한 기존의 실리콘 기반 반도체에 쓰이는 공정 장비로도 제작 및 호환이 가능해 별도의 비용이 발생하지 않는다.
제 1저자인 이동일 연구원은 “차세대 반도체로서 탄소나노튜브 반도체의 성능 개선과 더불어 실효성 또한 높아질 것이다”며 “실리콘 기반 반도체를 10년 내로 대체하길 기대한다”고 말했다.
이번 연구는 미래창조과학부 글로벌프론티어사업 스마트IT융합시스템 연구단과 미래유망융합파이오니아 사업의 씨모스 THz 기술 융합 연구단의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 3차원 구조의 탄소나노튜브 전자소자의 모식도 및 실제 SEM 이미지
그림2. 개발된 8인치 기반의 대면적 3차원 탄소나노튜브 트랜지스터 전자 소자의 사진 및 단면을 관찰한 투과 전자 현미경 사진
2017.01.04
조회수 15086
-
김재경 교수, 수학 통해 암과 생체시계의 핵심 연결고리 발견
〈 이번 연구에 참여한 김재경 교수와 버지니아 공대 연구팀 〉
우리 대학 수리과학과 김재경 교수가 미분방정식을 이용한 수학적 모델링을 통해 생체시계가 암 억제 핵심 물질인 p53을 24시간 주기로 변화시키는 원리를 예측했다.
그리고 김재경 교수의 수학적 모델링은 미국 버지니아 공대 칼라 핀키엘스타인(Carla Finkielstein, 아르헨티나) 교수 연구팀의 실험을 통해 검증돼 생체시계와 암 사이에 중요한 연결고리가 있음이 증명됐다.
이번 연구 결과는 미국의 저명 학술지 미국국립과학원회보(PNAS) 11월 9일자 온라인 판에 게재됐다.
뇌 속의 생체 시계는 우리가 24시간 주기에 맞춰 살 수 있도록 행동과 생리작용을 조절한다. 밤 9시가 되면 뇌 속의 멜라토닌 호르몬이 분비를 유발해 일정 시간에 수면을 취하게 하는 등 세포분열부터 운동 및 학습 능력 등 다양한 생리 작용에 관여한다.
만성적 야근, 교대 근무 등으로 인해 생체 시계와 실제 시간이 충돌해 생체 시계의 교란이 생기면 당뇨, 암, 심장병 등 다양한 질병을 유발할 수 있다.
지난 2014년 김 교수가 버지니아 공대의 칼라 핀키엘스타인 교수 연구팀과 만났을 때 핀키엘스타인 교수 연구팀은 암 억제물질인 p53이 24시간을 주기로 변화함을 관찰했지만 어떤 원리로 생체시계가 p53의 24시간 주기 리듬을 만들어내는지는 알지 못하는 상태였다.
p53이 세포의 조절 시스템 중에서도 매우 복잡한 시스템으로 구성돼 실험만을 통해 원리를 밝혀내기엔 많은 시간과 인력이 소모되기 때문이다.
김 교수는 문제 해결을 위해 수리모델링을 이용한 컴퓨터 시뮬레이션을 통해 수백만 경우의 가상 실험을 실시했다. 시행착오에 기반한 전통적 실험 대신 수리모델을 이용함으로써 비용, 시간, 인력 등을 줄일 수 있었다.
김 교수는 이 과정에서 생체 시계의 핵심 역할을 하는 물질인 Period2 단백질이 p53의 생체리듬과 깊은 관련이 있음을 밝혔다. 세포는 크게 핵과 세포질 두 가지 성분으로 나뉜다. p53은 핵과 세포질에 모두 존재할 수 있는데 이 중 핵 안으로 p53이 들어가면 안정화돼 분해가 느리게 일어난다.
김 교수는 p53 단백질을 핵 안으로 끌고 들어가는 물질이 생체 시계의 핵심 역할을 하는 Period2 단백질임을 예측했다.
이러한 김 교수의 수리모델을 통한 예측들은 핀키엘스타인교수 연구팀에 의해서 실험으로 검증돼 생체시계와 암 사이의 핵심 연결 고리를 발견할 수 있었다.
이번 연구는 p53 단백질을 정상화하는 수많은 항암제들이 투약 시간에 따라 효과가 달라졌던 원인을 규명하고 최적의 항암제 투약 시간을 밝히는 데 중요한 역할을 할 것으로 기대된다.
연구팀은 생체시계가 불안정한 교대 근무 직종 종사자들이 암 발병 확률이 높아지는 원인 규명 및 치료법 개발에 역할을 할 것으로 예상된다고 밝혔다.
김 교수는 “간호사, 경찰 등 교대 근무로 인해 고생하시는 분들이 좀 더 건강한 생활을 할 수 있도록 수학을 통해 조그만 기여를 하게 돼 기쁘다”며 “이번 성과를 통해 우리나라에서 아직은 부족한 생물학과 수학의 교류가 활발해지길 기대한다”고 말했다.
미국 버지니아 공대와 공동으로 진행한 이번 연구는 포스코 청암 재단, 미국과학연구재단, 한국연구재단의 신진연구자 지원 사업 등의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 수학과 실험을 통해서 밝혀진 생체시계의 핵심 단백질 Period2(Per2)와 암 억제 핵심 물질인 p53의 복잡한 상호작용
그림2. 이번 연구에서 사용된 수리모델의 일부
2016.11.10
조회수 40165