최근 강력한 공중 초음파에 관한 다양한 연구가 이루어지고 있다. 그 중의 하나인 공중 초음파를 이용한 촉각 제시의 연구가 2008년에 시작됐다. 강력한 공중 초음파의 비선형 효과를 활용하는 기술의 대표 예로는 파라메트릭 어레이라고 하는 초지향성 스피커가 있는데, 그 기원은 1980년대까지 거슬러 올라간다. 파라메트릭 어레이와 촉각 제시의 페이즈드 어레이(Phased array)(이후 Airborne Ultrasound Tactile Display, AUTD)의 구성 요소는 거의 동일했지만, AUTD에서는 집속 빔에 의해 공간의 1점에 보다 강한 음장을 만들려고 한 것이 약간의 차이였다. 수천 파스칼이 넘는 음압, 즉 전형적인 공중 파라메트릭 어레이보다는 두 자리 이상 높은 에너지 밀도에 의해 촉각을 생성할 수 있다는 것이 확인되어 초음파 촉각 제시의 연구가 순조롭게 시작됐다. 이때 개발된 초음파 페이즈드 어레이는 강력 공중 초음파를 쉽게 만들어낼 수 있는 귀한 장치이기도 했다. 주변의 물체에 조사해 보면 경량 물체를 움직일 수 있는데다가, 음향류의 생성, 액체의 기화 촉진 등 현저한 효과를 눈앞에서 확인할 수 있어 공중 초음파 연구 영역이 확대되기도 했다.
의료 영상, 군용 감시, 자율주행용 영상등 다양한 차세대 정밀 영상 기술 분야에 적용 기대 KAIST는 바이오및뇌공학과 장무석 교수 연구팀과 김재철AI 대학원 예종철 교수 연구팀이 공동 연구를 통해 인공 지능의 신뢰도 문제를 해결할 수 있는 물리적 학습 기반의 영상 복원 딥러닝 기술을 개발했다고 6일 밝혔다. 연구팀은 영상 취득 환경에서 발생할 수 있는 변수 대부분이 물리적 법칙을 통해 수학적으로 기술 가능하다는 점에 착안해 물리적 법칙과 심층 심경망이 통합된 학습 기법을 제시했다. 모든 영상 기술은 물리적인 영상 기기를 통해 영상 정보를 취득한다. 연구팀은 이 정보 취득 과정에 대한 물리적인 통찰력을 인공지능에 학습시키는 방법을 개발했다. 예를 들면, '네가 도출한 복원 결과가 물리적으로 합당할까?' 혹은 '이 영상 기기는 물리적으로 이런 변수가 생길 수 있을 것 같은데?'라는 식의 질문을 통해 물리적 통찰력을 인공지능에 이식하는 방법을 제시한 것이다. 연구팀은 변화하는 영상 취득 환경에서도 신뢰도 높은 홀로그래피 영상을 복원하는데 성공했다. 홀로그래피 영상 기술은 의료 영상, 군용 감시, 자율 주행용 영상 등 다양한 정밀 영상 기술에 다양하게 활용될 수