액상 화학무기가 도심에 살포된 이후 확산과 잔류 위험을 정밀하게 예측할 수 있는 시뮬레이션 모델이 개발됐다. 해당 모델을 적용한 분석 결과, 일부 맹독성 화학작용제는 살포 직후뿐 아니라 이후에도 지속적인 위험을 유발할 수 있는 것으로 나타났다. 지표면에 가라앉은 화학작용제 액적이 증발하면서 2차 노출이 발생할 수 있기 때문이다. UNIST 지구환경도시건설공학과 최성득 교수 연구팀은 국방과학연구소 연구진과 공동으로 살포된 액상 화학작용제의 이동과 잔류 특성을 분석하는 예측 모델 ‘DREAM-CWA’를 개발했다고 23일 밝혔다. DREAM-CWA는 화학작용제가 공기 중 기체로만 확산된다는 기존 예측 모델과 달리, 액적 형태로 지표면에 잔류할 수 있다는 점을 실질적으로 반영한 것이 특징이다. 특히 액적이 가라앉는 표면을 토양, 아스팔트, 콘크리트 등 도심 환경 요소로 구분해 분석함으로써 시뮬레이션 정확도를 높였다. 표면 특성에 따라 액적에서 증발해 대기로 재유입되는 독성 물질의 양이 달라지기 때문이다. 연구팀은 상온에서 끈적한 액체 상태로 존재하며 맹독성을 지닌 지속성 화학작용제가 살포된 상황을 가정해 시뮬레이션을 수행했다. 그 결과 살포 30분 후 지표면에 남은
개요 AI 모델은 아무리 정교해도 환경이 변하면 성능이 반드시 저하될 수밖에 없다. 최초 완벽에 가까운 정확도를 갖추고 있었다 하더라도 조명 각도부터 소재 반사율, 금형의 마모, 계절별 온습도에 이르기까지 끊임없이 변하는 실제 공정과정에서 차이가 발생하게 되기 때문이다. 이러한 이유로 제조 AI의 진정한 가치는 ‘배우는 공장(Learning Factory)’에 있다. 아무리 잘 보는 AI라고 하더라도 변화에 적응하려면 한 번의 학습으로 끝나는 구조가 아니라 지속적으로 배우고 보정하는 구조(Continuous Learning Loop)를 가져야 한다는 것이다. 이 구조의 핵심이 바로 데이터 루프(Data Loop)다. 그러나 딥러닝의 성능은 단순히 데이터의 ‘양’으로만 결정되지는 않는다. 무의미하거나 부정확한 데이터는 학습 효율이 떨어지고 모델이 불안정해지는 결과가 발생한다. 제조 AI의 본질은 ‘양’이 아니라 ‘정확도’와 ‘전달 구조’에 있다는 것이다. 다시 말해 AI가 어떤 피드백을 얼마나 빠르고 정확하게 받아들이는가가 핵심이다. 제조 AI 학습의 3단계 순환 구조 제조 AI의 정확도를 위해 학습 과정은 아래와 같은 순환형 구조로 설계되어야 한다. 첫째,
환자 자신의 세포로 만든 장 줄기세포(Intestinal Stem Cells, ISCs)는 면역 거부 반응이 적어 난치성 장 질환 치료의 대안으로 주목받아 왔다. 그러나 기존 배양 방식은 쥐 유래 섬유아세포나 매트리젤 등 동물 성분에 의존해 왔고, 이로 인해 안전성과 규제 문제로 임상 적용에 한계가 있었다. 이에 국내 연구진이 동물 유래 성분 없이도 장 줄기세포를 안정적으로 배양하고, 손상 조직으로의 이동과 재생 능력까지 높일 수 있는 기술을 개발했다. KAIST는 생명화학공학과 임성갑 교수 연구팀이 한국표준과학연구원 나노바이오 측정그룹, 한국생명공학연구원 줄기세포 융합연구센터와 공동 연구를 통해 무이종 환경에서 장 줄기세포의 이동성과 재생 능력을 획기적으로 향상시키는 고분자 기반 배양 플랫폼을 개발했다고 23일 밝혔다. 공동연구팀은 줄기세포 치료제의 임상 적용을 가로막아 온 동물 유래 성분 의존 문제를 해결하기 위해, 동물 성분 없이 사용 가능한 고분자 기반 배양 표면 기술 ‘PLUS(Polymer-coated Ultra-stable Surface)’를 개발했다. PLUS는 기상 증착 방식으로 코팅된 합성 고분자 표면으로, 표면 에너지와 화학 조성을 정밀하
현대 물리학의 두 축인 양자역학과 상대성이론은 공간과 시간을 바라보는 관점에서 오랫동안 조화를 이루지 못해 왔다. 상대성이론이 공간과 시간을 ‘시공간’으로 통합해 다루는 반면, 양자역학은 공간에 대해서만 양자상태를 정의하고 시간은 변화의 과정으로 취급해 왔기 때문이다. 이러한 차이는 두 이론이 100년 넘게 근본적 불일치를 안고 발전해 온 배경으로 꼽힌다. 이 같은 문제에 대해 국내 연구진이 새로운 이론적 틀을 제시했다. UNIST는 물리학과 이석형 교수가 시간에 따라 전개되는 양자역학적 동역학 전체를 하나의 거대한 양자상태로 다루는 새로운 이론을 정립하고, 이를 세계적 권위의 학술지인 Physical Review Letters에 게재했다고 22일 밝혔다. 이 교수가 제안한 핵심 개념은 ‘시간 위의 다자 양자상태’다. 이는 여러 시점에 걸쳐 일어나는 양자 과정을 각각 분리된 과정으로 보지 않고, 하나의 통합된 양자상태로 묶어 표현하는 방식이다. 이를 통해 공간적으로 떨어진 계뿐 아니라 시간적으로 분리된 계 역시 동일한 수학적 구조 안에서 다룰 수 있게 됐다. 연구진은 그동안 서로 다른 언어로 기술돼 온 공간상의 양자 ‘상태’와 시간상의 양자 ‘과정’을 하나의
우리가 사용하는 플라스틱 제품 대부분은 녹인 플라스틱을 금형에 주입해 동일한 제품을 대량 생산하는 사출성형 공정을 통해 만들어진다. 그러나 공정 조건이 조금만 달라져도 불량이 발생하기 쉬워, 그동안 제조 현장에서는 숙련자의 경험과 감에 크게 의존해 왔다. 고숙련자 은퇴와 외국인 인력 증가로 제조 지식 단절이 우려되는 가운데, 국내 연구진이 인공지능으로 공정을 스스로 최적화하고 지식을 전수하는 해법을 제시했다. KAIST는 기계공학과 유승화 교수 연구팀이 사출 공정을 스스로 최적화하는 생성형 AI 기술과, 현장 지식을 누구나 활용할 수 있도록 지원하는 LLM 기반 지식 전이 시스템을 세계 최초로 개발하고 그 성과를 국제학술지에 연속 게재했다고 22일 밝혔다. 연구는 기계공학과와 이노코어 PRISM-AI 센터가 공동으로 수행했다. 첫 번째 성과는 환경 변화나 요구 품질에 따라 자동으로 최적 공정 조건을 추론하는 생성형 AI 기반 공정추론 기술이다. 기존에는 온도나 습도, 목표 품질이 바뀔 때마다 숙련자가 반복적인 시행착오를 거쳐 공정 조건을 다시 설정해야 했다. 연구팀은 실제 사출 공장에서 수개월간 수집한 환경 데이터와 공정 파라미터를 활용해 확산 모델(Diff
신체에 물리적인 부드러움을 갖춘 로봇 암은 신체의 부드러움을 활용해 물체 조작을 학습하고 수행한다. 이 글에서는 이러한 형태학적 계산을 이용한 로봇의 물체 조작 학습에 관련된 연구 성과를 소개한다. 구체적으로는 유연 손목의 설계, 유연 손목을 이용한 물체 조작의 학습, 형태학적 계산에 의한 환경 인식, 환경 중의 물체를 이용한 형태학적 계산을 소개한다. 유연 로봇에 의한 물체 조작의 학습 신체에 물리적인 부드러움을 갖춘 로봇 암은 신체의 부드러움을 활용해 물체와 부드럽게 접촉할 수 있다. 로봇이 물리적인 부드러움을 활용해 물체와 부드럽게 접촉할 수 있으면, 물체나 로봇의 모델, 계측 및 실행의 오차를 접촉을 통해 보상할 수 있다. 물리적인 부드러움을 갖춘 로봇 암은 물체와 부드럽게 접촉하기 때문에 시행착오나 교시에 있어서 다양한 접촉을 적극적으로 시도하고, 안전하게 실패 행동을 시험하여 다양한 학습 데이터를 수집할 수 있다. 기계학습을 이용해 로봇의 제어칙이나 행동칙을 자율적으로 획득할 수 있으면, 모델화가 어려운 물리적으로 부드러운 신체의 제어칙을 획득할 수 있고, 수동으로 설계할 수 없을 정도로 다양한 행동을 만들어 내는 행동칙을 생성할 수 있다. 이상과
좀처럼 실현될 수 없다고 생각했던 (사람이나 동물에 가까운) 놀라운 로봇이 등장하고 있다. 여기서 실현된 기술을 대단한 기술이라고 생각하면 쉽게 손을 댈 수 없다. 하지만 보통의 기술(조합)이나 정도로도 가능할지도 모른다. 많은 사람이 손을 대야 이룰 수 있는 가능성이 넓어지고 다양한 로봇이 탄생한다. 또한 개발 비용과 제조비용을 줄일 수 있다. AI가 주목받는 가운데 수동보행은 역학적인 구조 속에 필요한 계산이 이미 내재되어 있다거나, 컴퓨터가 없어도 충분히 지능적이다 라고 평가되고 있다. 수동 보행의 경우, 걸을 수 있는 원리가 존재한다. 수동 보행 로봇의 연구는 곧 역학 원리의 발견과 그 활용법 개발에 다름 아니다. 이케마타 등은 보폭 일정(착지 시의 고관절 각도 일정)에 의한 안정화 원리를 발견하고, 가느다란 미음 자모형 프레임을 소형 수동 보행 로봇에 부착하는 것만으로 안정된 수동 보행을 실현했다. 기네스 세계 기록에도 인정받아 대단한 로봇일지 모르나, 실현된 기술은 로우 테크이며 수제작 수준이다. 아직 사람이나 동물의 신체에는 여러 가지 역학 원리(힌트)가 숨겨져 있을 것이다. 그 원리를 공학적으로 잘 살리면 지금보다 더 사람이나 동물에 가까운 놀
각종 제조·조립 현장에서 무거운 대상물을 들어 올리고 이동시키며, 정확한 위치로 정렬해 조립 포지션에 안착시키는 작업은 대부분 반복적인 메커니즘으로 이뤄진다. 문제는 이 반복성이 오히려 위험을 증폭시킨다는 점이다. 작업자가 하중을 버티는 시간이 길어질수록 피로는 누적되고, 자세가 무너지기 시작하면 안전사고와 품질 저하가 동시에 발생한다. 이는 개인 숙련도의 문제가 아니라 공정 설계와 장비 선택 방식에서 비롯되는 구조적 리스크다. 이러한 배경에서 많은 현장은 매니퓰레이터(Manipulator)를 도입한다. 작업자가 직접 조작하되 장비가 하중을 지지하고, 자세·각도·위치를 보조하는 장치다. 그러나 실제 현장에서는 매니퓰레이터 도입 시 사양표부터 비교하는 경우가 많다. 겉으로 보기에는 빠른 의사결정처럼 보이지만, 경험적으로 이 접근은 가장 많은 재작업과 공수 증가를 낳는다. 매니퓰레이터는 자동화 로봇이 아니다. 판단과 경로를 장비가 대신 수행하는 자동화 장치가 아니라, 작업자가 조작과 판단을 주도하고 장비는 힘과 도달거리, 안정성을 보강하는 인체공학적 핸들링 장치다. 핵심은 장비가 무엇을 할 수 있느냐가 아니라, 작업자가 무엇을 더 안전하게, 더 오래, 더 일정한
우리가 마트에서 수산물을 구매할 때, 해당 수산물이 어디서 잡혀 어떤 과정을 거쳐 식탁에 오르는지 확인하기는 쉽지 않다. 복잡한 유통 구조로 인해 이동 경로를 투명하게 파악하는 데 한계가 있었기 때문이다. KAIST 연구진이 이러한 문제를 해결하고, 전 세계 어디서나 통용되는 국제 기준으로 수산물 이동 경로를 확인할 수 있는 디지털 기술을 개발했다. KAIST는 KAIST 오토아이디랩 부산혁신연구소 김대영 소장이 개발한 GS1 국제표준 기반 디지털전환 솔루션 ‘올리오패스(OLIOPASS)’가 글로벌 수산물 이력추적 협의체 GDST의 성능 검증을 통과해, 국내 최초로 ‘GDST 호환 솔루션(Capable Solution)’ 인증을 획득했다고 19일 밝혔다. GDST 인증을 받은 기술은 전 세계에서 13개에 불과하다. 이 가운데 생산·가공·유통·판매에 이르는 전 과정을 관리하는 전 구간 이력추적 기술을 지원하는 사례는 KAIST를 포함해 전 세계 7곳뿐이다. GDST는 2015년 세계경제포럼 제안으로 설립된 국제 협의체로, 수산물 이동 전 과정의 정보를 국제표준에 따라 디지털로 기록하고 공유하는 체계를 구축해 왔다. 수산물 이동 과정에서 반드시 기록해야 할 핵심
KAIST는 우주연구원·항공우주공학과 이대영 교수 연구팀이 무인탐사연구소, 한국천문연구원, 한국항공우주연구원, 한양대학교와 함께 달 탐사의 최대 난제로 꼽혀온 피트(Pit)와 용암동굴(Lava Tube)에 진입할 수 있는 전개형 에어리스 휠을 세계 최초로 개발했다고 18일 밝혔다. 달 탐사에서 지하 공동 붕괴로 형성된 피트와 용암동굴은 극심한 온도 변화와 우주 방사선으로부터 보호받을 수 있는 천연 은신처로 주목받아 왔다. 동시에 태양계 초기의 지질 기록을 보존한 과학적으로 매우 중요한 지역으로 평가된다. 그러나 급경사와 암반, 낙하 위험이 겹친 가혹한 지형 탓에 지금까지 어떤 국가도 본격적인 접근에 성공하지 못했다. 미국 항공우주국(NASA)과 유럽우주국(ESA) 등 주요 우주기관은 대형 로버에서 소형 로버를 사출해 탐사하는 방식을 제안해 왔으나, 소형 로버의 구조적 한계로 기동성이 충분히 확보되지 않았다. 기존 가변형 휠 역시 냉간 용접, 불균일 열팽창, 연마성이 강한 달 먼지 등 혹독한 달 환경으로 인해 실용화에 어려움이 있었다. 연구팀은 이러한 문제를 해결하기 위해 복잡한 기계 구조 대신 종이접기(오리가미) 구조와 소프트 로봇 기술을 결합한 전개형 에어
아무리 많은 데이터를 학습해도 인공지능(AI)은 사람의 의도를 정확히 이해하지 못하는 경우가 많다. 사람의 선호를 반영하기 위해 활용되는 비교 학습 방식 역시 판단이 모호한 상황에서는 오히려 AI를 혼란스럽게 만드는 한계가 있었다. KAIST는 전기및전자공학부 김준모 교수 연구팀이 인간의 선호를 효과적으로 반영하면서도 데이터 효율성과 학습 안정성을 크게 높인 강화학습 프레임워크 ‘TVKD(Teacher Value-based Knowledge Distillation)’를 개발했다고 17일 밝혔다. 기존 AI 학습 방식은 ‘A가 B보다 낫다’는 식의 선호 비교 데이터를 대량으로 수집해 모델을 학습시키는 구조였다. 이 과정에서 많은 데이터가 필요하고, 선호 판단이 불명확한 경우 학습 안정성이 떨어진다는 문제가 지속적으로 제기돼 왔다. 연구팀은 이러한 한계를 극복하기 위해, 사람의 선호를 먼저 충분히 학습한 ‘교사(Teacher) 모델’이 핵심 정보를 ‘학생(Student) 모델’에 전달하는 방식을 제안했다. 이는 복잡한 내용을 정리해 설명해 주는 가정교사와 유사한 개념으로, 연구팀은 이를 ‘선호 증류(Preference Distillation)’라고 명명했다. T
삐뚤빼뚤한 손글씨로 작성된 수학 답안을 사람처럼 채점하고, 풀이 과정의 오류까지 짚어주는 인공지능(AI) 모델이 개발됐다. UNIST 인공지능대학원 김태환 교수와 POSTECH 고성안 교수 연구팀은 손글씨 수학 답안을 자동으로 평가하는 AI 모델 ‘베미(VEHME, Vision-Language Model for Evaluating Handwritten Mathematics Expressions)’를 개발했다고 17일 밝혔다. 주관식 수학 문제 채점은 교육 현장에서 가장 많은 시간이 소요되는 업무 중 하나로 꼽힌다. 수식과 그래프, 도형이 혼합된 답안 구조와 학생마다 다른 필체, 배치 방식 때문에 이를 자동화하는 데에는 기술적 한계가 있었다. AI가 손글씨 수식을 정확히 인식하고 풀이 과정의 오류를 판단하기가 쉽지 않았기 때문이다. 연구팀이 개발한 베미는 사람이 풀이 과정을 따라가듯 수식의 위치와 문맥을 함께 이해해 채점을 수행한다. 단순히 정답 여부를 판단하는 데 그치지 않고, 풀이 과정 중 어느 단계에서 어떤 오류가 발생했는지도 함께 분석할 수 있다. 연구진이 미적분부터 초등학교 산수 수준까지 다양한 손글씨 수학 답안을 대상으로 성능을 검증한 결과, 베미는
대기오염의 주요 원인 가운데 하나인 이산화질소를 보다 정확하게 감시해야 할 필요성이 커지고 있다. 이산화질소는 자동차 배기가스와 산업 활동 등에서 발생해 건강과 환경에 영향을 미치는 물질로, 이를 정밀하게 감지할 수 있는 기술은 도시 대기질 관리의 핵심 요소로 꼽힌다. 광주과학기술원(GIST)은 신소재공학과 이상한 교수 연구팀이 백금과 금 등 값비싼 귀금속 촉매를 사용하지 않고도 이산화질소를 매우 민감하게 감지할 수 있는 새로운 가스센서 기술을 개발하는 데 성공했다고 밝혔다. 이번 연구는 센서 성능을 높이기 위해 귀금속 촉매에 의존해 온 기존 방식의 한계를 넘어, 비용 부담을 낮추면서도 성능을 크게 향상시킬 수 있는 대안을 제시했다. 일반적으로 금속산화물 가스센서는 공기 중 특정 기체가 센서 표면과 반응할 때 발생하는 전기적 변화를 감지해 유해가스 농도를 측정한다. 그동안 널리 사용돼 온 텅스텐산화물 센서는 구조적 안정성은 높지만 반응 속도가 느리고 민감도가 낮다는 한계를 지녀왔다. 이를 보완하기 위해 센서 표면에 반응을 촉진하는 촉매를 추가하는 방식이 활용돼 왔으며 금, 백금, 팔라듐 등 귀금속이 주로 사용됐다. 그러나 귀금속 촉매는 가격이 높고 수급이 불
빛의 파장과 세기, 즉 밝기를 서로 간섭 없이 조절할 수 있는 모래알 크기의 칩이 개발됐다. 실시간으로 파장과 세기를 제어해야 하는 양자 얽힘 광원이나 소형화가 요구되는 광신호 처리 장치 구현에 활용될 수 있을 것으로 기대된다. UNIST 전기전자공학과 이종원 교수 연구팀은 빛의 세기와 파장을 각각 독립적으로 제어할 수 있는 새로운 메타표면 소자를 세계 최초로 개발했다고 16일 밝혔다. 메타표면은 빛의 파장보다 훨씬 작은 나노 구조물을 표면에 배열해 빛의 광학적 성질을 인위적으로 조절하는 소자다. 부피가 큰 기존 광변조 매질을 대체할 수 있어 기기 경량화에 유리하며, 기존 기술로는 구현하기 어려웠던 광학 현상을 가능하게 한다. 연구팀이 개발한 메타표면은 제2고조파 생성 현상을 제어한다. 제2고조파 생성은 입력된 빛의 에너지를 두 배로 증폭해 파장이 절반인 새로운 빛으로 변환해 출력하는 기술이다. 예를 들어 적외선 영역의 빛을 입력하면 파장이 다른 빛으로 변환되며, 이는 미량 생체 분자 감지 센서나 양자 통신 기술 등에 활용될 수 있다. 그동안 제2고조파 생성 기술은 빛의 파장과 세기가 서로 복잡하게 얽혀 있다는 한계가 있었다. 변환 효율을 높여 세기를 키우면
영화 해리 포터의 투명 망토와 레이더에 잡히지 않는 스텔스 전투기의 공통점은 물체가 있어도 보이지 않는다는 점이다. KAIST 연구진은 이러한 개념을 한 걸음 더 나아가, 늘어나고 움직일수록 전파를 더 잘 숨길 수 있는 ‘똑똑한 투명 망토’와 같은 기술을 개발했다. 이 기술은 움직이는 로봇과 몸에 붙이는 웨어러블 기기, 차세대 스텔스 기술의 새로운 가능성을 열 것으로 기대된다. KAIST는 기계공학과 김형수 교수와 원자력및양자공학과 박상후 교수 연구팀이 액체금속 복합 잉크를 기반으로 전자기파를 흡수·조절·차폐할 수 있는 차세대 신축성 클로킹 기술의 핵심 원천기술을 개발했다고 16일 밝혔다. 클로킹은 물체가 있어도 레이더나 센서 같은 탐지 장비에는 없는 것처럼 보이게 만드는 기술이다. 클로킹 기술을 구현하려면 물체의 표면에서 빛이나 전파를 자유롭게 조절할 수 있어야 한다. 그러나 기존 금속 재료는 딱딱하고 잘 늘어나지 않아, 억지로 늘리면 쉽게 끊어지는 한계가 있었다. 이 때문에 몸에 밀착되는 전자기기나 자유롭게 형태가 변하는 로봇에 적용하는 데 어려움이 컸다. 연구팀이 개발한 액체금속 복합 잉크는 원래 길이의 최대 12배인 1200%까지 늘려도 전기가 끊어지
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2025년 12월 24일 20시 53분
