-
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 13721
-
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 10373
-
페로브스카이트 LED 소재의 발광 효율 극대화 메커니즘 규명
우리 대학 화학과 김형준 교수 연구팀이 한밭대학교 홍기하 교수 연구팀과 공동 연구를 통해 페로브스카이트 LED 나노 소재에서 일어나는 발광 효율의 향상 원인을 이론적으로 규명하는 데 성공했다고 12일 밝혔다.
할로겐 페로브스카이트 화합물은 태양 빛을 이용해 높은 효율로 전기를 생산할 수 있어 차세대 태양전지에 사용 가능한 소재로 주목받고 있는 물질이다. 한편, LED는 태양전지와는 반대로 전기를 이용해서 빛을 방출하는 장치로서 디스플레이에 널리 사용되고 있다. 놀랍게도 페로브스카이트는 빛을 전기로 변환시키는 효율뿐 아니라 전기를 빛으로 변환시키는 발광 효율 또한 높은 것으로 알려져 차세대 LED 소재로서도 각광받고 있다.
본래 `페로브스카이트'는 러시아 과학자 페로브스키의 이름을 딴 광물 결정 구조의 이름이다. 연구팀은 이러한 페로브스카이트 결정 구조가 내부의 뒤틀림 정도에 따라 다양한 상(phase)을 가질 수 있음에 주목했다. LED 소재로 널리 사용되는 CsPbBr3라는 페로브스카이트 소재는 결정 구조 내부에 뒤틀림이 존재하는데, 이를 작은 나노 구조로 만들게 되면 이러한 뒤틀림이 최소화된 상이 형성된다. 연구팀은 비단열 양자 동역학 시뮬레이션을 이용해 이러한 결정 구조의 뒤틀림 제어가 발광 효율을 높이기 위한 주요 소재 성질 제어 전략임을 밝혔다.
연구진은 "이번 연구를 통해 페로브스카이트의 소재 결정 구조적 특성과 빛을 발생하는 광 동역학적 특성 사이의 복잡한 상관관계를 규명할 수 있었다ˮ고 말했으며 "추후 이러한 이론 기초 연구를 더욱 확장해 페로브스카이트 결정상 제어를 통한 발광 효율 극대화 전략을 도출해내어 페로브스카이트 기반의 고효율 LED 개발에 기여할 수 있을 것ˮ이라고 말했다.
우리 대학 하윤후 박사과정 학생이 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `미국화학회지 (Journal of the American Chemical Society)' 에 지난해 12월 27일 字 온라인 게재됐다. (논문명: Enhanced Light Emission through Symmetry Engineering of Halide Perovskites).
한편 이번 연구는 한국연구재단(NRF)의 중견연구사업과 선도연구센터 지원 사업, 나노소재기술개발사업으로 진행됐다.
2022.01.12
조회수 9162
-
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 9012
-
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 8221
-
준강자성체를 이용한 차세대 반도체 기술의 발전방향 제시
우리 대학 물리학과 이경진 교수, 김세권 교수 연구팀이 스핀 기반 차세대 반도체 기술(스핀트로닉스)의 최신 연구 동향 및 미래 발전 전략을 정리한 `*준강자성체 기반 스핀트로닉스' 리뷰 논문을 물리 및 재료 분야의 세계적인 학술지 `네이처 머터리얼스 (Nature Materials)' 2022년 1월호에 표지논문으로 게재했다고 6일 밝혔다.
※ 준강자성체: 반강자성체와 같이 서로 이웃하는 자성 이온이 반대 방향으로 정렬되지만, 서로 자성의 크기가 달라서 물질 전체적으로는 자발적인 자성이 남아있는 물체
스핀트로닉스는 성장 한계에 다다른 기존 반도체 기술의 근본적인 문제점들을 전자의 양자적 성질인 스핀을 이용해 해결하고자 하는 연구 분야다. 이는 기존 정보처리 기술을 혁신적으로 발전시켜 초고속 초고집적 차세대 반도체 기술을 구현할 것으로 기대되고 있다. 스핀트로닉스 장치의 핵심 구성 요소는 자성체이기 때문에, 스핀 기반의 초고속 초고집적 정보처리를 구현하기 위해서는 최적의 자성 물질을 규명하는 것이 필수적이다.
지난 수십 년간 스핀트로닉스에서 주로 사용돼왔던 강자성체는 스핀 동역학 속도가 기존 정보 처리 기술의 수준과 유사한 기가헤르츠(GHz) 수준에 머물러 정보 처리 속도 향상에 어려움을 겪고 있었다. 또한, 강자성체가 생성하는 강력한 주위 자기장으로 인해 강자성체 기반 장치들이 서로 강하게 간섭해, 스핀 장치의 집적률을 증가시키는 데도 어려움이 있었다.
물리학과 이경진 교수와 김세권 교수는 지난 수년간의 연구를 통해 새로운 자성체인 준강자성체를 이용하면 강자성체가 갖는 문제점들을 해결해 초고속 초고집적 스핀 기반 정보 처리 장치를 개발할 수 있음을 밝혀왔고, 이를 기반으로 이번 리뷰 논문을 게재했다.
과거 2017년 연구팀은 준강자성체의 스핀 동역학 속도가 기존 정보 처리 기술보다 약 천배 빠른 테라헤르츠(THz) 수준이라는 점을 주목하고, 이를 이용해 스핀 메모리로 활용되는 자구벽을 강자성체보다 월등히 빠른 속도로 구동할 수 있음을 보여 네이처 머터리얼스에 논문을 게재했다. 또한, 2018년 이경진 교수는 반강자성체를 이용하면 스핀 양자 정보의 장거리 전송이 가능함을 밝혀 네이처 머터리얼스에 보고했다. 수년간에 걸친 꾸준한 연구성과로 인해 준강자성체 기반의 초고속 초고집적 스핀트로닉스에 대한 관심이 고조돼, 현재 세계적으로 관련 연구가 활발히 진행중이다.
최신 연구 동향 정리와 더불어, 연구팀은 준강자성체 기반 스핀트로닉스의 미래 발전 방향도 제시했다. 준강자성체 기반의 초고속 자기광학 장치 개발, 준강자성체가 갖는 독특한 스핀파 성질을 이용한 파동/양자 정보처리 장치 개발, 그리고 준강자성체를 이용한 뇌 모사 컴퓨팅 개발 등이 기대된다. 또한, 새로 개발된 준강자성체는 기존의 자성체와 근본적으로 다른 흥미로운 물리현상을 보일 것으로 기대돼 준강자성체 기반의 근본 자성 연구에 대한 발전 방향도 제시했다.
이경진 교수는 "이번 리뷰논문은 그동안 강자성체에만 집중돼왔던 스핀트로닉스 연구를 준강자성체로 확장시키는 데 중요한 이정표가 될 것ˮ이라고 기대감을 내비쳤다.
이번 연구는 이경진 교수, 김세권 교수, 그리고 미국 MIT Geoffrey Beach 교수, 일본 교토대학 Teruo Ono 교수, 네덜란드 Radboud 대학 Theo Rasing, 싱가포르국립대 양현수 교수의 공동 연구로 진행되었으며, 삼성미래기술육성재단과 한국연구재단의 지원을 받아 수행됐다.
2022.01.06
조회수 7441
-
인공지능의 오랜 난제를 뇌 기반 인공지능으로 풀다
우리 대학 바이오및뇌공학과 이상완 교수(신경과학 인공지능 융합연구센터장) 연구팀이 뇌 기반 인공지능 기술을 이용해 인공지능의 난제 중 하나인 과적합-과소적합 상충 문제를 해결하는 원리를 풀어내는 데 성공했다고 5일 밝혔다.
이상완 교수와 김동재 박사(現 뉴욕대학교 박사후 연구원)가 주도하고 우리 대학 정재승 교수가 참여한 이번 연구는 `강화학습 중 편향-분산 상충 문제에 대한 전두엽의 해법'이라는 제목으로 국제 학술지 셀(Cell)의 오픈 액세스 저널인 `셀 리포트(Cell Reports)'에 지난해 12월 28일 字 온라인판에 게재됐다. (논문명: Prefrontal solution to the bias-variance tradeoff during reinforcement learning)
최근 인공지능 모델들은 다양한 실제 문제들에 대해 최적의 해법을 제시하지만, 상황 변화에 유동적으로 대응하는 부분에 있어서는 여전히 어려움을 겪고 있다. 기계학습에서는 이를 과소적합-과적합의 위험성 (underfitting-overfitting risk) 또는 편향-분산 상충 문제(bias-variance tradeoff)라 하며 오랫동안 연구됐지만, 실제 세계와 같이 상충 조건이 계속 변하는 상황에서의 명확한 해법은 아직 제안된 바가 없다.
반면 인간은 현재 주어진 문제에 집중하면서도(과소적합 문제 해결), 당면 문제에 과하게 집착하지 않고(과적합 문제 해결) 변하는 상황에 맞게 유동적으로 대처한다. 연구팀은 뇌 데이터, 확률과정 추론 모형, 강화학습 알고리즘을 이용해 인간의 뇌가 이 문제를 어떻게 해결하는지에 대한 이론적 틀을 마련하고 이로부터 유동적인 메타 강화학습 모델을 도출해냈다.
놀랍게도 인간의 뇌는 중뇌 도파민 회로와 전두엽에서 처리되는 `예측 오차'의 하한선(prediction error lower bound)이라는 단 한 가지 정보를 이용해 이 문제를 해결한다. 우리의 전두엽, 특히 복외측전전두피질은 현재 내가 사용하고 있는 문제 해결 방식으로 주어진 문제를 얼마나 잘 풀 수 있을지에 대한 기대치의 한계를 추정하고(예: `이렇게 풀면 90점까지는 받을 수 있어'), 변화하는 상황에 맞춰 최적인 문제 해결전략을 유동적으로 선택하는 과정 (예: `이렇게 풀면 기껏해야 70점이니 다르게 풀어보자')을 통해 과소적합-과적합의 위험을 최소화하게 된다.
이상완 교수 연구팀은 2014년 해당 전두엽 영역이 환경의 불확실성을 바탕으로 강화학습전략을 유동적으로 조절하는 데 관여한다는 사실을 처음 발견했고(`뉴런(Neuron)' 학술지에 발표), 2015년에는 인과관계 추론 과정에도 관여한다는 사실을 발견했다(`PLOS Biology' 학술지에 발표). 이어 2019년에는 해당 뇌 영역이 문제의 복잡도까지 고려할 수 있다는 사실을 발견했다(`네이처 커뮤니케이션즈(Nature Communications)' 학술지에 발표).
이러한 일련의 연구 결과들은 자신의 학습 및 추론 능력을 스스로 평가하는 인간의 메타 인지 능력을 보여주는 증거로, 이 능력을 바탕으로 인공지능이 풀기 어려워하는 현실 세계의 다양한 상충적 상황들을 풀어낼 수 있다는 `전두엽 메타 학습 이론'을 정립한 바 있다(`사이언스 로보틱스(Science Robotics)' 학술지에 발표). 이번 연구는 이 이론에 기반해 인공지능의 오랜 난제 중 하나인 과소적합-과적합 상충 문제를 실제로 풀어낸 최초의 사례로 평가된다.
연구를 통해 개발된 메타 강화학습 모델을 이용하면 간단한 게임을 통해 인간의 유동적 문제 해결 능력을 간접적으로 측정할 수 있다. 더 나아가 스마트 교육이나 중독과 관련된 인지 행동치료에 적용할 경우 상황 변화에 유동적으로 대처하는 인간의 문제 해결 능력 자체를 향상할 수 있을 것으로 기대된다. 차세대 인공지능, 스마트 교육, 인지 행동치료 등 다양한 분야에 파급력이 큰 원천 기술로 최근 국내 및 해외 특허 출원이 완료된 상태다.
연구를 주도한 제1 저자 김동재 박사는 "인간 지능의 특장점에 대한 이해가 얼마나 중요한지 보여주는 연구 중 하나ˮ라고 말했다. 연구 책임자인 이상완 교수는 "인공지능이 우리보다 잘 푸는 문제가 많지만, 반대로 인공지능으로 풀기 어려운 문제들이 우리에게는 정말 쉽게 느껴지는 경우들이 많다. 인간의 다양한 고위 수준 능력을 인공지능 이론 관점에서 형식화하는 연구를 통해 인간 지능의 비밀을 하나씩 풀어나갈 수 있을 것으로 기대된다ˮ라며 "이러한 뇌 기반 인공지능 연구는 인간의 지능을 공학적으로 탐구하는 과정으로 볼 수 있으며, 인간과 인공지능이 서로 도우며 함께 성장해 나갈 수 있는 명확한 기준점을 마련할 수 있을 것ˮ이라고 말했다. 이상완 교수는 뇌 기반 인공지능 연구의 독창성과 도전성을 인정받아 구글 교수 연구상과 IBM 학술상을 받은 바 있다.
연구팀은 과학기술정보통신부의 재원으로 정보통신기획평가원의 지원을 받아 설립한 KAIST 신경과학-인공지능 융합연구센터에서 기반 기술을 활용해 인간 지능을 모사한 차세대 인공지능 모델을 개발하고, 아울러 딥마인드, IBM 인공지능 연구소, MIT, 옥스퍼드 대학 등 국제 공동연구 협약 기관과 공동연구를 통해 기술의 파급력을 높여나갈 계획이라고 말했다.
한편 이번 연구는 삼성전자 미래기술육성센터, 과학기술정보통신부 정보통신기획평가원 및 한국연구재단의 지원을 받아 수행됐다.
2022.01.05
조회수 9417
-
학습 없이 자발적으로 발생하는 뇌 인지기능 원리 밝혀
우리 대학 바이오및뇌공학과 백세범 교수 연구팀이 학습을 전혀 거치지 않은 뇌 신경망에서 선천적인 인지 기능이 발생하는 원리를 규명했다고 30일 밝혔다.
이번 연구 결과는 동물들이 출생 직후 학습을 거치지 않은 상태에서도 기초적 인지 기능들을 수행할 수 있게 하는 `선천적 뇌 기능'에 대한 이해에 다가가는 기초를 마련했으며 `초기 뇌 신경망 인지 기능의 발생'에 대해 기존의 상식과 완전히 다른 시각을 제시한다.
또한 연구팀의 결과는 일반적인 인공지능 모델에서 기능을 발생시키기 위해서는 외부의 데이터 학습이 반드시 요구되는 것과 달리, 생물학적 뇌 신경망의 기능 발생과 진화는 확률적으로 생성되는 물리적 연결 구조에 의해 자발적으로 발생할 수 있다는 차별된 기저 원리를 제안한다.
연구팀은 인지과학 분야에서 활발히 연구돼 온 얼굴 인지 기능(face detection)에 초점을 두어 뇌의 시각 신경망을 모사한 인공신경망에서의 사물 인지 기능을 시뮬레이션했다. 이를 통해 모든 연결 가중치가 무작위로 정해지도록 초기화된 심층신경망이 전혀 학습을 거치지 않은 상태에서도 얼굴 이미지를 다른 사물 이미지와 구별할 수 있음을 발견했다.
연구팀은 이러한 무작위화 신경망에서 발생하는 얼굴 선택성 (face-selectivity)이 실제 동물 실험에서 관측되는 다양한 생물학적, 인지 행동적 특성들과 매우 유사한 양상을 보이는 것을 확인했다. 이는 이론적 모델 기반의 본 연구 결과가 충분한 생물학적 타당성을 가지며, 향후 뇌 신경망에서 나타나는 선천적 인지 기능의 핵심적 발생 원리를 설명하는 일반적인 이론으로 확장될 수 있음을 시사한다.
우리 대학 바이오및뇌공학과 백승대, 송민 박사과정이 공동 제 1저자로 참여한 이번 연구는 국제 학술지 `네이처 (Nature)'의 자매지 `네이처 커뮤니케이션스 (Nature Communications)' 12월 16일 字에 게재됐다. (논문명 : Face Detection in Untrained Deep Neural Networks)
인지 지능의 최초 발생에 관한 연구는 뇌신경과학, 인지과학과 인공지능 분야 모두에서 중요한 주제다. 특히, 별다른 학습 과정 없이 출생 직후부터 다양한 인지 기능을 수행할 수 있게 하는 뇌의 `선천적' 인지 기능은 데이터 입력을 통한 학습에 의존하는 인공신경망의 기능과 뚜렷이 구별되며, 이에 대한 이해는 생물학적 지능의 발생과 진화의 원리를 밝히는 데 결정적인 역할을 할 것으로 기대됐다.
또한 얼굴 인지 기능은 사회적 행동을 하는 다양한 동물 종의 어린 개체들에서 관측되며, 이 기능의 발생을 위해 외부 정보의 학습이 필수적인지는 학계에서 활발하게 논의돼왔다.
연구팀은 앞서 진행했던 연구를 토대로 구축한 신경망 기능 발생 이론에 기반해, 아무런 학습을 거치지 않은 계층적 신경망의 초기 피드 포워드 연결 구조를 통해 얼굴 인지 기능이 자발적으로 형성될 수 있을 것이라 가정했다. 이를 확인하기 위해 수행한 심층신경망 시뮬레이션에서 얼굴 이미지를 비롯한 단순 사물의 인식 기능은 학습을 전혀 거치지 않은 초기 무작위화 신경망에서 자발적으로 발생할 수 있음을 확인했다.
이러한 결과는 학습이 이루어지기 전, 신경망의 초기 구조가 갖춰진 시점에 이미 다양한 인지 기능이 발생할 수 있음을 보여주며, 뇌 과학의 오랜 화두인 지능 형성의 선천성 또는 후천성(nature vs. nurture) 논의와 관련해 자발적으로 발생하는 선천적 기능 발생에 대한 이해의 중요성을 강조한다.
백세범 교수는 "이번 연구는 뇌신경과학 연구의 가장 근본적인 질문 중 하나인 선천적인 인지 기능의 발생을 설명할 수 있는 최초의 이론을 제시해 생물학적 지능의 발생과 진화의 원리를 이해하는데 결정적인 단서를 제공할 것으로 기대된다ˮ며 "한편으로 데이터 학습 기반 인공지능 구현의 방법과 완전히 다른 관점의 생물학적 지능 구현 원리를 정립해 현재의 인공지능 개발의 상식과 완전히 다른 시각을 제공할 수 있을 것으로 기대된다ˮ고 언급했다.
한편 이번 연구는 한국연구재단의 이공분야기초연구사업 및 원천기술개발사업, KAIST 특이점교수 사업의 지원을 받아 수행됐다.
2021.12.31
조회수 8250
-
촉매 반응 활성도의 정량적 분석이 가능한 측정 플랫폼 개발
우리 대학 신소재공학과 정우철 교수, 기계공학과 이강택 교수와 충남대학교 김현유 교수 공동 연구팀이 촉매 반응점 탐색 및 각 지점의 활성을 정량적으로 측정할 수 있는 금속 나노입자 기반 분석 플랫폼 개발에 성공했다고 28일 밝혔다.
촉매란 반응 과정에서 소모되거나 변하지 않으면서 반응 속도를 빠르게 만드는 물질을 말하며, 반응에 참여하지만 소모되지 않기 때문에 소량만 있어도 반응 속도에 지속적으로 영향을 미칠 수 있는 물질이다. 반응을 빠르게 하는 촉매 반응은 더 적은 활성화 에너지를 필요로 하기 때문에 다양한 산업에 활용되고 있다. 백금 등을 이용해 화석 연료의 연소로 인해 발생하는 배기가스의 해로운 부산물을 분해하는 반응을 예로 들 수 있다.
연구팀은 균일한 크기의 금속 나노입자 합성 기술과 3차원 전자 단층촬영 기법을 활용해 촉매 핵심 반응점인 금속-가스-산화물 및 금속-가스상 접합 계면의 수를 정량적으로 분석했으며, 이 같은 결과를 측정된 촉매 반응성과 연계시키는 방식으로 촉매 반응 활성도의 정량적 분석이 가능한 측정 플랫폼을 설계했다. 이러한 기술은 특정 반응에 활용이 제한되지 않기 때문에 향후 여러 촉매 반응 분야에 폭넓게 응용 및 적용될 수 있을 것으로 기대된다.
신소재공학과 이시원, 하현우 박사후연구원, 기계공학과 배경택 박사과정생 공동 제1 저자로 참여한 이번 연구는 재료화학분야 국제 학술지 `켐(Chem, IF=22.804)'에 12월 23일 자 온라인판에 게재됐다. (논문명 : A measure of active interfaces in supported catalysts for high-temperature reactions).
금속 나노입자 촉매는 매우 적은 양으로 우수한 촉매 활성을 보일 수 있다는 가능성으로 에너지·환경 등 여러 분야에서 큰 관심을 받고 있다.
하지만 나노입자로 구성된 촉매 소재는 높은 작동온도에서 서로 응집되는 특성이 있으며 이는 결과적으로 촉매 활성을 저해하는 한계로 작용한다. 그뿐만 아니라, 실제 반응 작동 환경에서 금속 입자 촉매의 구체적인 반응 활성 지점이 어디인지, 각 지점에서의 반응활성도는 얼마나 되는지 그 양을 정량적으로 비교·분석할 수 있는 기술이 없어 해당 분야 발전에 한계가 있었다.
연구팀은 문제 해결을 위해 균일한 크기로 금속 나노입자 촉매를 합성해 입자의 구조를 제어하는 데 성공했으며, 이를 산화물 막으로 감싸는 코팅기술을 적용해 고온에서 나노입자가 응집되는 현상을 해결했다. 여기에 3차원 전자 단층촬영 기법, 스케일링 관계식, 그리고 밀도범 함수 이론을 적용하고 이를 다양한 조건에서 측정한 반응성과 연계시킴으로써 구체적인 반응 지점 및 활성을 규명했다.
연구팀은 이번 연구에서 대표적 귀금속 촉매인 백금과 고온 촉매 반응인 메탄산화반응을 활용했으나, 이번 기술은 향후 소재 종류 및 반응 종류에 상관없이 다양한 분야에 폭넓게 응용 및 적용될 수 있다.
정우철 교수는 "이번 연구를 통해서 주어진 반응에 대한 금속 나노입자 촉매의 반응 특성을 정량적으로 분석할 수 있는 고신뢰성 측정 플랫폼을 구축했다ˮ며, "이는 앞으로 우수한 복합촉매 소재 선별 등 촉매설계 종합 솔루션을 제공하는 데 활용될 것으로 기대한다ˮ 라고 말했다.
우리 대학 물리학과 양용수 교수, GIST 김봉수 교수 연구팀에서도 공동으로 참여한 이번 연구는 한국연구재단 나노·소재원천기술개발사업의 지원을 받아 수행됐다.
2021.12.28
조회수 8721
-
유전자 가위로 생체 내 정밀한 유전자 교정에 의한 면역 항암 치료
CRISPR/Cas9 시스템을 이용하여 유전자교정을 일으킴으로써 암의 면역 치료를 유도하는 기술이 우리 대학 연구진에 의해 개발됐다.
우리 대학 생명과학과 정현정 교수, 서울대학교 의과학과 정기훈 교수 공동연구팀이 CRISPR/Cas9 리보핵산단백질을 생체 내에 효과적으로 전달하는 나노복합체를 개발하여 면역 관문 유전자를 교정함으로써 항암 효과를 보이는데 성공했다고 밝혔다.
암은 현대인의 건강을 위협하는 대표적인 요인으로 꼽히고 있다. 암의 치료 방법 중 면역 항암 요법은 부작용이 적고 높은 치료 성적을 보여 다양한 암 유형에 적용할 수 있다. 기존에는 항체 기반 치료법이 주로 임상에서 사용되고 있으며 다양한 고형암의 치료에 승인되었으나, 일시적인 효과로 반복 투여가 필요하다.
CRISPR/Cas9 시스템은 유전체의 서열을 직접 정밀하게 교정할 수 있으며, DNA 이중가닥을 절단하는 Cas9 제한효소와 특정 서열을 표적하는 단일 가이드 RNA로 이루어진다. 유전자교정 치료제의 경우 일반적으로 바이러스 기반 치료 방법을 이용했으나 돌연변이 유발, 비특이적 표적 효과 등으로 인해 한계가 있다. 비바이러스 치료제로 Cas9 단백질 및 단일가닥 RNA를 이용하면 바이러스 치료보다 안전성을 높일 수 있으나 낮은 세포내 전달 효과로 치료 효능이 떨어진다. 전달 효율을 높이기 위해 기존에 다양한 방법이 개발되고 연구됐으나, 일반적으로 과량의 전달체물질을 사용함으로써 생체 내 독성 문제가 나타나는 한계점이 있다. 이러한 문제점을 개선하기 위해 연구팀은 Cas9 단백질에 세포내 유입을 촉진하는 고분자를 접합시켜 극미량의 전달체물질로 고효율 전달이 가능한 Cas9 컨쥬게이트를 제작하여 활용했다.
연구팀은 이러한 Cas9 컨쥬게이트, 단일 가이드 RNA 및 변형된 데옥시뉴클레오타이드(DNA)를 추가해 나노조립된 리보핵단백질 복합체(이하 NanoRNP)를 개발했다. 이 복합체는 Cas9 컨쥬게이트, RNA 및 DNA의 상호작용으로 쉽게 제작할 수 있고, 유전자 교정 치료제로써 단일 요법에 의해 항암 치료가 가능하다는 점이 장점이다.
우리 대학 생명과학과 석박사통합과정 이주희 학생이 제1 저자로 참여한 이번 연구 결과는 재료화학 분야 국제학술지 `케미스트리 오브 머티리얼즈(Chemistry of Materials)'에 12월 20일 字 온라인 게재됐다. (논문명 : Nano-assembly of a Chemically Tailored Cas9 Ribonucleoprotein for In Vivo Gene Editing and Cancer Immunotherapy)
NanoRNP의 경우 Cas9에 부착된 고분자가 강한 양이온성을 지녀 단일 가이드 RNA와 안정적으로 복합체를 형성시키며, 생체내 분해효소로부터 보호하여 활성을 향상시킨다. 본 연구팀은 NanoRNP를 피부암에서 많이 발현되는 프로그램된 세포사멸 리간드-1 (PD-L1) 유전자를 표적하는데 응용하였다. PD-L1은 면역 세포의 표면 수용체에 존재하는 프로그램된 세포사멸 수용체-1 (PD-1)과 상호작용하여 면역 세포의 반응을 억제해 암세포의 세포사멸 회피를 유도한다.
연구팀은 NanoRNP를 이용하여 PD-L1 유전자의 교정으로 유전자결손을 유도하여, 면역 세포들이 활성화되고 종양미세환경의 변화로 면역 세포에 의한 암세포 사멸이 유도됨을 확인했다.
연구팀은 이번 연구 결과를 응용해 향후 암 뿐만 아니라 유전 질환 등 다양한 질병에 적용함으로써 연구를 확대 및 발전시켜 나갈 수 있을 것으로 기대하고 있다.
한편 이번 연구는 한국연구재단 중견연구자지원사업, 범부처전주기의료기기연구개발사업 및 KAIST End Run 사업의 지원을 통해 이뤄졌다.
2021.12.24
조회수 9139
-
자성메모리 기반 지능형 반도체 소재 기술 개발
우리 대학 신소재공학과 박병국 교수 연구팀이 차세대 비휘발성(Non-volatile) 메모리인 *스핀궤도토크 자성메모리(SOT-MRAM)의 스위칭 분극을 전기장 인가를 통해 임의로 제어하는 소재 기술을 개발했다고 21일 밝혔다.
* 스핀궤도토크 자성메모리: 면방향 전류에서 발생하는 스핀전류를 이용해 자화 방향을 제어하는 동작 방식으로 기존의 스핀전달토크 자성메모리(STT-MRAM) 보다 동작 속도가 10배 이상 빠른 장점이 있다.
연구팀은 이 결과를 이용해 하나의 소자에서 다양한 논리연산이 가능함을 보임으로, 기억과 연산 기능을 동시에 수행하는 스마트 소자의 개발 가능성을 높였다. 특히 이 기술은 차세대 지능형 반도체로 개발되는 프로세싱-인-메모리 (PIM)에 적용할 수 있을 것으로 기대된다. PIM (processing-In-Memory) 기술은 메모리 공간에서 로직 기능을 수행해 프로세서에서 처리하는 데이터양을 획기적으로 줄임으로써, 기존 컴퓨팅 기술인 폰노이만 구조의 한계를 극복하는 기술로 여겨지고 있다.
신소재공학과 강민구 박사과정과 최종국 박사과정이 공동 제1 저자로 참여하고 신소재공학과 육종민 교수, 물리학과 이경진, 김갑진 교수, 충남대학교 정종율 교수, 고려대학교 박종선 교수와 공동으로 수행한 이번 연구는 국제 학술지 `네이처 커뮤니케이션스(Nature Communications)'에 12월 7일 字 온라인 게재됐다. (논문명 : Electric-field control of field-free spin-orbit torque switching via laterally modulated Rashba effect in Pt/Co/AlOx structures)
스핀궤도토크 자성메모리(SOT-MRAM)는 고속 동작 및 높은 안정성 특성으로 차세대 자성메모리 기술로 개발되고 있다. 하지만 이 메모리는 정보 기록을 위해서 외부자기장을 인가해야 하는데, 이는 고집적 소자에 치명적인 단점으로 작용한다. 따라서 외부자기장 없이 자화 방향을 제어하는 무자기장 스위칭 기술의 개발이 요구되고 있다.
연구팀은 자성메모리에 측면 게이트 구조를 도입해 계면의 라쉬바 효과를 제어함으로 무자기장 스핀 궤도 토크 스위칭 소재 기술을 개발했다. 또한, 게이트 전압의 부호에 따라 스위칭 방향을 제어하는 결과를 보였고, 이를 이용해 하나의 소자에서 배타적 논리합(XOR), 논리곱(AND) 등의 다양한 논리연산을 구현하는 데 성공했다. 이 기술은 데이터를 저장하는 메모리 반도체와 연산 기능을 수행하는 로직 반도체가 융합된 MRAM 기반 프로세싱-인-메모리(PIM) 소자의 원천 기술로써 활용될 수 있을 것으로 기대된다.
제1 저자인 강민구 연구원은 "이번 연구는 차세대 자성메모리 내에서 프로그램이 가능한 논리연산을 실험으로 규명해, 향후 미래 컴퓨팅 기술로 여겨지는 지능형 반도체 소자 개발에 응용될 수 있을 것이다ˮ 라고 밝혔다.
한편 이번 연구는 삼성미래기술육성재단의 지원을 받아 수행됐다.
2021.12.21
조회수 8131
-
형광 염색 없이 분자 정보를 보는 AI 현미경 개발
우리 대학 물리학과 박용근 석좌교수 연구팀이 형광 염색 없이 세포의 분자 정보를 볼 수 있는 인공지능 현미경 기술을 개발했다고 20일 밝혔다.
광학 현미경은 수백 년 전부터 현재에 이르기까지 생물학 및 의학에서 가장 중요하게 쓰이는 기술 중 하나로, 이미지 형성 원리에 따라 여러 형태로 발전해왔다. 최근 수십 년간 분자생물학이 눈부시게 발전하면서 세포 내의 특정 구조를 형광(fluorescence) 으로 표지하는 것이 가능해졌고, 이처럼 높은 생화학적 특이성(biochemical specificity) 덕분에 형광 현미경은 현재 가장 폭넓게 쓰이는 광학 현미경 기술이 됐다.
그러나 형광 현미경은 형광 표지 자체가 세포를 변형하는 것이기 때문에 세포에 부담을 주게 되고, 밝기와 세포독성, 안정성 문제 때문에 초고속 또는 장기간 측정이 힘들며, 제한된 색깔로 인해 다양한 구조를 동시에 보는 것이 어려운 근본적인 한계가 있다.
이와는 대조적으로, 각 물질과 빛의 상호작용을 결정하는 근본적인 특성인 굴절률(refractive index)을 이용해 아무런 염색을 하지 않아도 되는 현미경 기술 또한 꾸준히 발전해왔다. 굴절률로부터 파생되는 빛의 흡수, 위상차 등을 이용한 전통적인 현미경은 물론, 최근에는 굴절률 자체를 3차원 상에서 정량적으로 측정하는 다양한 홀로그래픽 현미경(holographic microscopy) 기술이 박용근 교수 연구팀에서 개발돼 상용화된 바 있다. 이러한 비표지(label-free) 현미경 기술은 형광 현미경과 비교해 여러 가지 장점을 갖고 있지만, 굴절률과 세포 내 구조들의 관계가 명확하지 않아 분자 특이성이 떨어진다는 단점이 있었다.
박용근 교수 연구팀에서는 2012년 초부터 조영주 졸업생(제1 저자, 물리학과·수리과학과 학사 11학번·KAIST 총장 장학생, 現 스탠퍼드대학교 응용물리학과 박사과정) 주도로 홀로그래픽 현미경 분야에 인공지능을 도입해 특이성 문제를 해결하려는 일련의 연구가 시작됐다.
우선 형태적으로는 비슷하나 생화학적인 구성에 차이가 있는 시료(여러 종의 박테리아, 다양한 분류의 백혈구 등)의 굴절률 영상은 사람 눈에는 비슷하게 보이는데, 흥미롭게도 인공지능은 이를 높은 정확도로 분류할 수 있음을 보였다(2013-2014년 KAIST 학부연구프로그램(URP) 이후, 2015년 Optics Express, 2017년 Science Advances, 2020년 ACS Nano 등 게재). 이러한 결과는 매우 다양한 생체 시료에서 일관되게 관찰됐고, 따라서 연구팀은 생화학적 특이성이 높은 정보가 굴절률의 공간 분포에 숨겨져 있다는 가설을 세웠다.
세포생물학 분야 최고 권위지인 `네이처 셀 바이올로지(Nature Cell Biology, IF 28.82)'에 12월 7일 발표된 이번 연구(논문명: Label-free multiplexed microtomography of endogenous subcellular dynamics using generalizable deep learning)에서, 연구팀은 홀로그래픽 현미경 영상으로부터 형광 현미경 영상을 직접 예측할 수 있음을 보임으로써 이 가설을 증명했다. 인공지능이 찾아낸 굴절률 공간 분포와 세포 내 주요 구조 간의 정량적인 관계를 이용해 굴절률의 공간 분포 해독이 가능해졌고, 놀랍게도 이러한 관계는 세포 종류와 관계없이 보존돼 있음을 확인했다.
이 과정에서 만들어진 `인공지능 현미경'은 홀로그래픽 현미경과 형광 현미경의 장점만을 갖는다. 즉, 형광 표지 없이 형광 현미경의 특이적인 영상을 얻을 수 있다. 따라서 자연 상태 그대로의 세포에서 동시에 수많은 종류의 구조를 3차원으로 볼 수 있으며, 밀리초(ms) 수준의 초고속 측정과 수십 일 수준의 장기간 측정이 가능해졌다. 더욱이 기존 데이터에 포함되지 않은 새로운 종류의 세포에도 즉시 적용이 가능하기에, 다양한 생물학 및 의학 연구에 응용이 가능할 것으로 기대된다.
이번 연구는 조영주 박사과정과 박용근 교수가 지난 10여 년간 발전시켜온 광학 및 인공지능 기술력 이외에도, 다학제적 접근과 KAIST 기술을 바탕으로 한 창업 덕분에 가능했다. 생명과학과 허원도 교수(공동 교신저자)와 박외선 박사(공동 제1 저자)가 오랜 기간 발전시켜온 분자생물학 및 형광 현미경 기술 덕분에 인공지능 학습에 필요한 데이터를 얻을 수 있었으며, 조영주 박사과정이 허원도 교수 연구팀에서 2015년 1년간 연구했던 경험 덕분에 구체적인 아이디어가 나오게 됐다.
또한 박용근 교수 연구팀 홀로그래픽 현미경 기술로 창업한 ㈜토모큐브를 통해 현미경 및 데이터 형식이 규격화돼 대규모 인공지능 학습이 용이했고, 이를 바탕으로 ㈜토모큐브 조형주 연구원(공동 제1 저자) 및 민현석 연구원(공동 교신저자) 등 인공지능 전문 인력이 합류하면서 최신 인공지능 기법들의 빠른 도입이 가능했다.
한편 이번 연구는 한국연구재단의 창의연구사업, 과학기술정보통신부의 정보통신방송 기술개발사업 (홀로그램핵심기술), 일자리진흥원의 연구장비개발 및 고도화지원사업, 한국보건산업진흥원의 보건의료기술 연구개발사업의 지원을 받아 수행됐다.
2021.12.20
조회수 8651