한국과학기술원(KAIST)은 전기·전자공학부 이가영 교수 연구팀이 외부 전원 없이 작동하는 무전력 광센서를 개발했다고 14일 밝혔다. 기존 전원 공급 센서보다 응답도가 20배 높아 동급 기술 가운데 최고 성능을 자랑한다고 연구팀은 설명했다. 연구팀은 ‘반데르발스 전극’과 ‘부분 게이트’ 구조를 도입, 도핑(반도체에 불순물을 넣어 전기적 특성을 바꾸는 작업) 없이도 2차원 반도체에 전기적으로 PN 접합 구조(정공이 많은 P형과 전자가 많은 N형 재료를 접합한 반도체 구조)를 구현할 수 있는 기술을 개발했다. 반데르발스 전극은 반데르발스 힘(분자 사이에 서로 끌어당기는 힘)을 이용해 전기 신호에 민감하게 만들면서도 반도체와 부드럽게 결합해 2차원 반도체의 손상을 막을 수 있다. 부분 게이트 구조는 2차원 반도체의 일부 영역에만 전기 신호를 걸어 한쪽은 P형, 다른 쪽은 N형처럼 작동하게 제어하는 구조로, 도핑 없이도 전기적으로 PN 접합처럼 작동하게 만들 수 있다. 이를 통해 도핑 없이 고성능 PN 접합 구조를 구현, 외부 전원 없이도 빛을 받기만 하면 스스로 전기 신호를 만들어낼 수 있는 광센서를 개발했다. 연구팀이 개발한 광센서의 빛에 대한 민감도(응답도)는
한국과학기술원(KAIST)은 전산학부 김민수 교수 연구팀이 한 대의 그래픽처리장치(GPU) 서버에서 대규모의 전체 그래프신경망(GNN) 모델을 빠르게 학습할 수 있는 GNN 시스템 ‘플렉스지엔엔’(FlexGNN)을 개발했다고 13일 밝혔다. 여러 대의 GPU를 사용하지 않고도 학습 속도가 기존 대비 최대 95배나 빠르다고 연구팀은 설명했다. 그래프 신경망(GNN)은 금융 거래, 주식, 사회관계망(SNS), 환자기록 등 비정형 데이터를 그래프 형태로 분석하는 그래프 인공지능(AI) 모델이다. 샘플링 없이 전체 그래프를 한 번에 학습하는 전체 그래프신경망 방식은 최근 날씨 예측이나 신소재 발견 등 복잡한 문제 해결에 유효하지만, 막대한 메모리와 GPU 서버를 필요로 해 활용에 한계가 있었다. 연구팀은 여러 대의 GPU 서버를 사용하지 않고도 단일 GPU 서버에서 솔리드 스테이트 드라이브(SSD)와 메인 메모리를 활용한 최적의 AI 모델을 개발했다. 단일 컴퓨터 내의 모든 계층적 메모리 구조(GPU, 메인 메모리, SSD)를 활용해 중간 데이터를 효과적으로 관리하고, 학습 규모에 따라 GPU 간 데이터 통신 방식을 유연하게 선택할 수 있다. 입력 그래프, 모델 크
눈에 착용해 간단하게 안과 질환을 검사할 수 있는 콘택트렌즈 기술이 개발됐다. 한국과학기술원(KAIST) 전기·전자공학부 유승협 교수, 서울대분당병원 우세준 교수, 포항공대(POSTECH) 한세광 교수, PHI 바이오메드, 한국전자통신연구원(ETRI) 공동 연구팀은 유기발광다이오드(OLED)를 활용한 무선 콘택트렌즈 기반 망막 진단 플랫폼을 최초로 개발했다고 12일 밝혔다. 망막전위도(ERG)는 망막의 기능이 정상적으로 작동하는지 측정할 수 있는 안과 진단법이다. 유전성 망막질환 진단이나 망막 기능 저하 여부 검사 등에 활용된다. 환자가 어두운 방 안에서 고정형 장비를 이용해 검사를 받아야 해 공간적 제약이 뒤따른다. 연구팀은 큰 특수 광원을 설치하지 않고도 렌즈 착용만으로도 ERG를 수행할 수 있는 기술을 개발했다. ERG용 콘택트렌즈 전극에 머리카락의 6∼8분의 1 수준인 12.5㎛(마이크로미터·100만분의 1ｍ) 굵기의 유연한 OLED를 집적하고 무선 전력 수신 안테나와 제어 칩을 탑재했다. 기존 눈에 빛을 쏘이는 스마트 콘택트렌즈형 광원은 대부분 무기 발광다이오드(LED)를 활용해 왔으나, 딱딱한 형태의 무기 LED는 한 곳의 점에서 너무 강한 빛이
우리 몸속 세포들은 신경, 면역, 혈관 기능을 조절하기 위해 다양한 신호 분자(signaling molecules)를 주고받는다. 그중 일산화질소(NO)와 암모니아(NH₃)는 특히 중요한 역할을 하지만, 이들은 불안정하거나 기체 상태로 존재해 외부에서 생성하거나 조절하기가 매우 어려웠다. KAIST 연구진이 전기 자극 하나만으로 세포 안팎에서 원하는 신호 물질을 생성하고, 이를 통해 세포 반응을 마치 전기 스위치처럼 켜고 끌 수 있는 플랫폼을 개발했다. 향후 전자약, 전기유전학, 맞춤형 세포 치료 등 미래형 의료 기술의 핵심 기반으로 활용될 수 있을 것으로 기대된다. KAIST는 생명화학공학과 박지민 교수 연구팀이 생명화학공학과 김지한 교수팀과의 공동연구를 통해, 전기 신호만으로 일산화질소와 암모니아 신호 물질을 원하는 순간에 생성할 수 있고 세포의 반응 시점·범위·지속 시간까지 조절할 수 있는 고정밀 생체 제어 플랫폼인 ‘바이오전기합성(Bioelectrosynthesis) 플랫폼’을 개발했다고 11일 밝혔다. 연구팀은 몸속 질산염(Nitrite, NO2-) 환원효소가 작동하는 것에 아이디어를 얻어, 하나의 물질(질산염, Nitrite, NO2-)로부터 생체
한국과학기술원(KAIST)은 산업디자인과 박현준 교수 연구팀의 차세대 웨어러블 로봇 디자인 ‘엔젤로보틱스 WSF1 비전 콘셉트’가 독일 레드닷 디자인 어워드(Red-dot Design Award)의 디자인 콘셉트-프로페셔널 부문 ‘베스트 오브 더 베스트’상을 수상했다고 8일 밝혔다. 레드닷 디자인 어워드는 ‘iF 디자인 어워드’, ‘IDEA 디자인 어워드’와 함께 세계 3대 디자인상으로 꼽힌다. ‘베스트 오브 더 베스트’(Best of the Best)상은 해당 부문 최고의 디자인에 수여되는 상으로, 전체 수상작 중 1% 이내의 최상위 디자인에 주어진다. 이번 수상작은 기계공학과 공경철 교수가 창업한 엔젤로보틱스와 공동으로 개발한 하반신 마비 장애인용 웨어러블 로봇 ‘워크 온 슈트 F1’ 프로토타입을 사용자 친화형으로 변형한 작품이다. 장애인이 일상적인 환경에서 사용할 수 있는 차세대 웨어러블 로봇의 콘셉트 디자인을 제안했다. 로봇이 사용자를 스스로 찾아가(자율 접근 기능) 앉은 자리에서 혼자 장착할 수 있도록 설계(프론트 로딩 기능)됐다. 박현준 KAIST 교수는 “기술과 심미성, 인간 중심 혁신을 통해 고도의 기술 솔루션을 사용자에게 쉽고, 즐겁고 멋진
메탄은 온실효과가 이산화탄소의 25배에 달하는 온실가스로, 산업 현장에서 메탄 단독으로 배출되지 않고 다른 성분과 혼합된 형태로 방출된다. 특히 천연가스에는 메탄과 함께 에탄이 섞여 방출된다. 메탄산화균은 지구상에서 유일하게 메탄을 에너지원으로 사용하는 세균으로 특히 ‘편성 메탄산화균’은 메탄을 산화하는 동시에 세포 내에 생분해성 고분자인 ‘폴리하이드록시부티레이트’(PHB)를 축적할 수 있어 친환경 플라스틱 생산 재료로 주목받는다. 주로 메탄이나 메탄올과 같은 화합물을 활용해 성장하는 것으로 알려져 있으나, 에탄이 섞여 있는 복합 조건에서의 대사 반응은 알려진 바 없다. 한국과학기술원(KAIST) 명재욱 교수와 미국 스탠퍼드대학교 공동 연구팀은 천연가스의 주요 부성분인 에탄이 편성 메탄산화균의 대사에 미치는 영향을 규명했다고 7일 밝혔다. 연구팀은 에탄이 편성 메탄산화균의 성장 기질로 사용되지 않음에도 불구하고 메탄 산화, 세포 성장, PHB 합성 등 주요 대사 경로에 유의미한 영향을 미친다는 사실을 확인했다. 다양한 메탄·산소 농도 조건에서 에탄을 첨가해 메탄산화균을 배양한 결과 에탄 농도가 증가할수록 세포 성장이 억제되고, 메탄 소비가 감소했지만 PHB
한국과학기술원(KAIST)은 기계공학과 김정·박인규 교수 공동 연구팀이 접었다 폈다 자유자재로 가능한 ‘로봇 시트’(robotic folding sheet) 기술을 개발했다고 6일 밝혔다. 접힘(folding)은 면과 접힘선(hinge)의 배열에 기반한 단순한 디자인으로, 고차원의 형상 변화가 가능해 최근 로봇 설계에 많이 접목되고 있다. 기존 복잡한 구조 설계 대비 접힘 구조를 통해 적재 시 공간 효율을 높일 수 있고, 유연하게 구조를 설계할 수 있어 첨단 구조 재료, 우주 탑재 구조물 등에서 널리 활용되고 있다. 다만 기존의 기술은 접힘선 위치와 각도가 사전에 정의돼 있어 사용 도중 접힘 형태를 바꾸기 어렵다는 한계가 있고, 접힘선 구조를 재구성할 수 있는 리프로그래밍 소재 기술에 대한 연구가 시도되고 있지만, 별도의 공정이 필요하다. 연구팀은 현장에서 접힘 현상을 실시간으로 제어할 수 있는 2차원 평면 시트(종이) 형태의 로봇을 개발했다. 사용자가 접힘선을 현장에서 지정해 필요한 순간 원하는 위치가 접히도록 프로그래밍할 수 있다. 얇고 유연한 고분자 기판 안에 미세 금속 저항 네트워크가 내장된 구조로, 개별 금속 저항이 온도 센서 역할을 해 별도의 외부
국내 산학 협력 연구진이 인공지능(AI) 로봇 및 자동화 시스템을 활용해 연구자 개입 없이 이차전지 양극 소재를 탐색하는 ‘자율 탐색 실험실’을 구축했다. 한국과학기술원(KAIST)은 신소재공학과 서동화 교수팀이 포스코홀딩스 미래기술연구원 에너지소재연구소 LIB소재연구센터 연구팀과 이 같은 실험실을 구축했다고 3일 밝혔다. 이차전지 양극 소재는 높은 충전 속도, 에너지 밀도, 안정성 등 어려운 기준을 전부 충족해야 하므로 개발을 위해서는 수많은 후보군을 고려해 탐색을 진행해야만 한다. 연구팀은 연구자 개입 없이 시료 정량, 혼합, 펠렛화, 소결 및 분석을 수행하는 자동화 시스템과 분석된 데이터를 해석하고 이를 학습해 최선의 후보군을 선택하는 AI 모델을 기반으로 했다. 소결 공정에 필요한 시간이 50배 단축됐고, 지능형 실험 자동화 시스템을 24시간 운용할 경우 12배 이상의 실험 데이터 확보 및 93%의 소재 탐색 기간 단축이 가능해졌다. 소재 탐색에 필요한 실험 횟수가 500회라고 가정할 때 연구자가 직접 실험을 수행하는 기존 방식으로는 84일이 소요되지만, 자동화 시스템은 약 6일 만에 완료할 수 있다. KAIST 서동화 교수는 “양질의 소재 데이터를
비트센싱은 자사의 고성능 4D 이미징 레이더 플랫폼을 기반으로 KAIST AVE 연구실, 제타모빌리티(ZETA Mobility)와 함께 오토모티브 분야의 AI 기반 4D 이미징 레이더 기술 고도화 및 상용화를 위한 3자간 업무협약(MOU)을 체결했다고 밝혔다. 이번 협약은 각 기관이 보유한 전문성과 기술력을 바탕으로 협력 체계를 구축해, 자율주행 및 첨단운전자보조시스템(ADAS)에 필수적인 4D 이미징 레이더의 성능을 극대화하고 이를 차량 시스템에 실시간으로 적용 가능한 임베디드 AI 기반 솔루션으로 구현하는 것을 목표로 한다. 협약에 따라 비트센싱은 고성능 4D 이미징 레이더 하드웨어 플랫폼을, KAIST AVE 연구실은 레이더 신호처리 및 센서융합 기반 AI 알고리즘, 제타모빌리티는 대규모 오토모티브 데이터셋과 임베디드 AI 기술을 각각 제공하며 공동 연구 및 개발을 추진한다. 4D 이미징 레이더는 기존 3D 정보에 고도(Z축) 데이터를 더해 객체의 거리, 속도, 방향, 높이를 정밀하게 파악할 수 있는 기술이다. 레이더 특성상 비, 눈, 안개 등 악천후에도 안정적인 감지 성능을 유지할 수 있어 자율주행차가 마주하는 다양한 도로 환경에서도 신뢰성을 확보할
한국과학기술원(KAIST)은 전기및전자공학부 권경하 교수팀이 미국 노스웨스턴대 박찬호 박사팀과 주변 빛으로 심박수, 혈중산소포화도, 땀 성분 등을 분석하는 건강 모니터링 의료용 웨어러블 기기의 배터리 전력 부담을 줄인 적응형 무선 차세대 웨어러블 플랫폼을 개발했다고 30일 밝혔다. 연구팀은 광 측정 방식(Photometric Method), 고효율 다접합 태양전지(Photovoltaic Method) 및 축광·발광(Photoluminescent Method) 기술 등 세 가지 상호 보완적 빛 에너지 핵심 기술을 통합했다. 이들 기술이 상호 보완적이면 24시간 연속 작동을 가능하게 한다고 연구팀은 설명했다. 연구팀은 이 플랫폼을 다양한 의료 센서에 적용해 실용성을 검증했다. 광용적맥파 측정 센서는 심박수와 혈중산소포화도를 실시간으로 모니터링해 심혈관 질환의 조기 발견을 가능하게 한다. 청색광 노출량 측정 센서는 피부 노화와 손상을 유발하는 블루라이트를 정확히 측정해 개인 맞춤형 피부 보호 가이드를 제공한다. 땀 분석 센서는 마이크로 유체 기술을 활용, 땀 속 염분, 포도당, pH를 동시에 분석해 탈수나 전해질 불균형을 실시간으로 감지할 수 있다. 센서 내 데이
KAIST는 화학과 박정영 석좌교수 연구팀이 충남대학교 김현유 교수, 미국 센트럴플로리다대학교(UCF) 정연웅 교수 연구팀과 공동연구를 통해 이차원 전이금속 칼코겐화합물인 백금 셀레나이드(PtSe₂) 표면에 노출된 백금 원자를 활용, 우수한 일산화탄소 산화 성능을 구현하는 데 성공했다고 22일 밝혔다. 연구진은 촉매 성능을 극대화하기 위해 기존의 백금 덩어리 촉매 형태에서 백금 원자가 고밀도로 표면에 분산되도록 해 더 적은 양의 백금으로 더 많은 촉매반응을 유도했다. 표면의 전자 구조를 제어해 백금과 셀레늄 사이의 전자 상호작용을 활발하게 일어나도록 유도했다. 이 과정을 통해 제작된 수 나노미터 두께의 백금 셀레나이드 박막은 동일 조건에서 일반 백금 박막보다 전 온도 범위에서 더 우수한 일산화탄소 산화 성능을 나타냈다. 특히 표면에서는 일산화탄소와 산소가 골고루 비슷한 비율로 흡착돼 서로 반응할 기회가 높아졌고 이로 인해 촉매 반응이 크게 향상됐다. 이러한 성능 향상의 핵심은 ‘셀레늄 결손(Se-vacancy)’으로 인해 노출이 확대된 표면 백금 원자들이 드러나면서 기체들이 붙을 수 있는 흡착점도 늘어났다는 데 있다. 연구진은 해당 백금 원자들이 실제 반응
한국과학기술원(KAIST)은 전산학부 안성진 교수팀이 딥러닝 분야 석학인 캐나다 몬트리올대 요슈아 벤지오 교수와 인공지능(AI) 확산모델(diffusion model)의 추론-시간 확장성을 크게 개선하는 신기술을 개발했다고 20일 밝혔다. 확산모델은 많은 AI 응용에 활용되고 있지만, 효율적인 추론-시간 확장에 대한 연구가 부족했다. 이 기술은 인공지능 학습 이후 추론 단계에서 더 많은 계산 자원을 효율적으로 활용, 단순히 데이터나 모델 크기를 키우는 것으로는 해결할 수 없는 고난도 문제를 풀 수 있도록 돕는 핵심 AI 기술로 주목받는다. 안 교수 공동 연구팀은 몬테카를로 트리 탐색(Monte Carlo Tree Search) 기반 새로운 확산모델 추론기법을 제안했다. 이 방법은 확산 과정 중 다양한 생성 경로를 트리 구조로 탐색하며, 제한된 계산 자원으로도 높은 품질의 출력을 효율적으로 찾아낼 수 있도록 설계됐다. 이를 통해 기존 모델(방법)이 한 번도 성공하지 못한 ‘자이언트-스케일의 미로 찾기’ 태스크에서 100% 성공률을 달성했다. 특히 트리 탐색을 효율적으로 병렬화해 비용을 최적화함으로써 기존 방법보다 최대 100배 빠른 속도를 얻는 데 성공했다.
기존의 3차원(3D) 신경세포 배양 기술은 뇌의 복잡한 다층 구조를 정밀하게 구현하기 어렵고, 구조와 기능을 동시에 분석할 수 있는 플랫폼이 부족해 뇌 연구에 제약이 있었다. KAIST 연구진은 뇌처럼 층을 이루는 신경세포 구조를 3D 프린팅 기술로 구현하고, 그 안에서 신경세포의 활동까지 정밀하게 측정할 수 있는 통합 플랫폼 개발에 성공했다. KAIST는 바이오및뇌공학과 박제균·남윤기 교수 공동연구팀이 뇌 조직과 유사한 기계적 특성을 가진 저점도 천연 하이드로겔을 이용해 고해상도 3D 다층 신경세포 네트워크를 제작하고, 구조적·기능적 연결성을 동시에 분석할 수 있는 통합 플랫폼을 개발했다고 16일 밝혔다. 기존 바이오프린팅 기술은 구조적 안정성을 위해 고점도 바이오잉크를 사용하지만 이는 신경세포의 증식과 신경돌기 성장을 제한하고 반대로 신경세포 친화적인 저점도 하이드로겔은 정밀한 패턴 형성이 어려워 구조적 안정성과 생물학적 기능 사이의 근본적인 상충 관계가 있었다. 연구팀은 묽은 젤로도 정밀한 뇌 구조를 만들고 층마다 정확히 정렬하며 신경세포의 활동까지 동시에 관찰할 수 있는 3대 핵심기술을 결합해 정교하고 안정적인 뇌 모사 플랫폼을 완성했다. 묽은 젤(하
한국과학기술원(KAIST) 전기·전자공학부 최신현 석좌교수와 충남대 반도체융합학과 이종원 교수 공동 연구팀은 생명체의 감각 신경계 기능을 모사한 인공 감각 신경계를 개발했다고 15일 밝혔다. 사람 등 동물은 익숙한 자극은 무시하고, 중요한 자극에만 선별적으로 민감하게 반응함으로써 에너지 낭비를 막고 민첩하게 대응할 수 있다. 예를 들어 여름철 에어컨 소리나 옷이 피부에 닿는 감촉은 곧 익숙해져 신경 쓰지 않게 되지만, 누군가 이름을 부르거나 날카로운 물체가 피부에 닿으면 재빠르게 반응한다. 이는 감각 신경계의 ‘습관화’와 ‘민감화’ 기능에 의해서 조절되는 것으로, 이런 사람의 신경계를 모사해 환경을 효율적으로 인식하고 반응하는 로봇을 개발할 수 있다. 다만 복잡한 신경계 특성을 로봇에 구현하려면 별도의 소프트웨어나 회로가 필요해 소형화에 한계가 있다. 이에 차세대 뉴로모픽(사람의 뇌 구조를 닮은 소자) 반도체인 멤리스터 소자를 활용해 에너지 효율을 높이려는 연구가 시도되고 있다. 멤리스터는 전류 흐름에 따라 저항 세기가 변하는 차세대 전기 소자로, 0 또는 1의 디지털 정보뿐만 아니라 다양한 아날로그 저항값을 저장할 수 있다. 기존 멤리스터는 단순히 전도도의
KAIST 연구진이 고온 실험을 통해서만 가능했던 합금의 융해 특성을 인공지능(AI)으로 해결했다. KAIST는 신소재공학과 홍승범 교수 연구팀이 미국 노스웨스턴대 크리스 울버튼 교수팀과 국제 공동연구를 통해, 밀도범함수이론(DFT) 기반의 형성에너지(합금이 얼마나 안정적인지를 나타내는 값) 데이터를 활용해 합금이 녹을 때 성분이 유지되는지를 예측하는 고정확도 머신러닝 모델을 개발했다고 14일 밝혔다. 연구팀은 밀도범함수이론을 통해 계산한 형성에너지와 기존의 실험적 융해 반응 데이터를 머신러닝에 결합해 4536개의 이원계 화합물에 대한 융해 반응 유형을 학습한 후, 그 예측 모델을 구성했다. 다양한 머신러닝 알고리즘 중 특히 ‘XGBoost’ 기반 분류 모델이 합금이 잘 섞이는지 여부에 대해 가장 높은 정확도를 보였으며, 약 82.5%의 예측 정확도를 달성했다. 연구팀은 또한 샤플리(Shapley) 기법을 활용해 모델의 주요 특징(feature)들을 분석했으며 이 중에서도 기울기 변화가 크다는 것은 그 조성에서 에너지적으로 매우 유리한(안정한) 상태가 형성된다는 뜻으로 ‘형성에너지 곡선의 기울기 변화(convex hull sharpness)’가 가장 중요한
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 08월 15일 15시 01분
