◇ 연세대 연구팀, 청각장애인을 위한 침묵형 음성인식 시스템 개발

연세대학교 전기전자공학과 유기준·황도식·강홍구 교수 연구팀이 세계 최초 단결정 실리콘 기반 고성능 피부 부착형 스트레인 게이지와 딥러닝 기반 스트레인-단어 변환 알고리즘을 결합해 많은 단어를 높은 정확도로 분류하는 침묵형 음성인식 시스템을 개발했다고 6일 밝혔다. 본 연구는 지난 3일 세계적 학술지 'Nature Communications'에 게재됐다.

기존 금속 기반 소자보다 수십 배 높은 민감도를 가지는 p-타입 단결정 실리콘을 초박막 구조로 개량해 신축성을 부여한 스트레인 게이지는 특정 단어를 발음할 때의 얼굴 피부의 움직임을 효과적으로 매핑하며, 이를 통해 침묵형으로 발화된 100개의 단어를 최대 90%의 높은 정확도로 분류하는 데 성공했다.

본 연구는 생체 내에서 발생하는 전기생리학 신호의 측정이 아닌 센서 자체의 물리적 특성 변화를 측정하는 방식을 채택했다. 이는 디스플레이의 픽셀과 마찬가지로 고집적 어레이로의 구현을 통해 한정된 얼굴 면적으로부터 정보량을 증가시킬 수 있는 잠재력을 의미한다. 또 양면 인캡슐레이션이 가능해 체내로부터 피부로 배출되는 땀이나 피지와 같은 노폐물에 의해 센서의 특성이 저하되지 않는다.

◇ 한양대 연구팀, 뇌파에 기계학습 적용...제네시스 G90 '무드큐레이터' 효과 검증

임창환 한양대 바이오메디컬공학과 교수팀이 뇌파 및 생체신호에 기계학습을 적용해 제품에 대한 선호도나 사용자의 감정 변화를 추적할 수 있는 뉴로마케팅(neuromarketing) 기술을 개발했다고 7일 밝혔다. 이번 연구 결과는 감성 컴퓨팅 분야 학술지 'IEEE Transactions on AffectiveComputing'에 지난달 13일 온라인 게재됐다.

개인의 감정 변화는 수치화하기 어렵고 조사 방법에 따라 왜곡될 수 있어 제품에 대한 선호도를 정량적으로 조사하기 위해 뇌파나 생체신호를 이용하는 뉴로마케팅 기법이 연구됐다. 글로벌 기업에서는 제품 출시 전 뉴로마케팅 기법을 이용해 소비자의 제품에 대한 선호도를 사전에 파악하는 과정이 보편화되고 있다.

뇌파를 이용해 사용자의 선호도나 감정을 평가하기 위해 몇 가지 잘 알려진 지표를 활용하는 것이 일반적이지만, 개인별로 뇌파의 차이가 크기 때문에 기존 방식은 설문조사 결과의 보조자료 정도로만 활용됐다.

이를 개선하고자 임 교수팀은 실험 참가자에게 다양한 감정 상태를 유도하는 영상을 보여준 뒤 개인별로 감정 변화를 추적할 수 있는 기계학습 모델을 생성하는 방법으로 뇌파의 개인차를 극복했다.

◇ 사람 시냅스 모사한 반도체 소자 나왔다

한국과학기술연구원(KIST)은 곽준영 인공뇌융합연구단 책임연구원과 강기범 KAIST 교수, 정택모 한국화학연구원 정보전자소재연구단장 연구팀이 2차원(2D) 신소재 기반의 반도체 소자를 개발했다고 6일 밝혔다.

이 소자는 2D 절연체 신물질과 2D 반도체의 이중접합 구조가 기반이다. 연구팀은 “2D 소재는 원자수준으로 두께가 매우 얇아 반도체 소자의 고집적화에 강점이 있다”며 “고유 특성으로 빠른 전기신호 온오프 전환, 전하 이동속도 등 실리콘 소재 대비 기능이 우수하다”고 설명했다.

개발한 소자는 균일한 시냅스 연결 강도 변화를 보이는 것으로 나타났다. 실제 사람의 시냅스 소모 에너지와 유사한 약 15 펨토줄(fj)의 에너지를 소비했다. 연구팀은 “외부 자극의 횟수와 세기에 따라 시냅스 연결 강도를 단시간 또는 장시간 유지할 수 있도록 했다”며 “사람 뇌 기능을 더욱 정밀하게 모사한 것”이라고 말했다.

◇ KAIST, 유기반응 90% 정확도로 예측하는 AI 개발

한국과학기술원(KAIST)은 생명화학공학과 정유성 교수 연구팀이 화학자처럼 생각하면서 유기반응 결과를 정확하게 예측하는 인공지능(AI)을 개발했다고 4일 밝혔다. 

일반적으로 화학자들은 반응물을 본 뒤 유기 화학반응 결과를 예측해 약물·유기발광다이오드(OLED) 등과 같이 원하는 물성을 갖는 분자를 합성한다.

연구팀은 화학반응 데이터베이스(DB)에서 일반화된 화학 반응 규칙(GRT)을 도출한 뒤 '그래프 신경망'(GNN)을 사용해 화학 반응 결과를 예측하는 '로컬 트랜스폼'(Local Transform)을 개발했다.

로컬 트랜스폼은 화학자들의 화학 반응 분석 방식을 모방해 유기 화학 반응성을 학습하는 인공 신경망 모델이다.

◇ KAIST·성균관대 연구팀, 전자만으로 이뤄진 액정 구현 성공

국내 연구진이 순수하게 전자(electron)만으로 이뤄진 액정(액체와 고체의 중간 상태)을 구현하는 데 성공했다.

김성웅 성균관대 에너지과학과 교수와 김용관 한국과학기술원(KAIST) 물리학과 교수 공동연구팀은 이런 내용의 논문을 국제학술지 '네이처 머티리얼스(Nature Materials)'에 게재했다고 2일 밝혔다.

연구팀은 순수 전자상을 실현하기 위해 '전자화물'(electride)이라는 양자 소재에 주목했다.

전자화물은 보통의 물질처럼 전자가 원자의 최외각 궤도에 위치하지 않고, 규칙적으로 배열된 원자들 사이의 공간에 음이온 형태로 존재하는 신소재다. 연구팀은 2차원 전자화물인 '가돌리늄 탄소화합물'(Gd₂C) 표면의 원자층을 제거하고 안에 있던 음이온 전자층을 드러냈다. 

이어 전자층을 Gd2C 원자층으로부터 3Å(옹스트롬·원자 사이 거리를 재는 단위) 떨어진, 빈 진공 공간에 떠 있는 상태로 구현할 수 있었다고 연구팀은 설명했다. 특히 연구팀은 10K(켈빈, 절대온도의 단위)에서 떠 있는 전자의 밀도를 줄여 액체 상태의 전자상을 액정 상태로 변화시키는 데도 성공했다고 밝혔다.

◇ UNIST "금 표면에 V자 반복 '헤링본 무늬' 생기는 이유 규명"

원자 수준의 금 표면에 V자가 반복되는 무늬인 헤링본(herringbone)이 드러나는 이유를 울산과학기술원(UNIST) 연구진이 밝혀냈다.

6일 UNIST는 신소재공학과 펑 딩(Feng Ding) 특훈교수가 금 표면에 헤링본 질감이 나타나는 이유를 밝혀 '사이언스 어드밴시스'(Science Advances)에 5일(현지 시각) 발표했다고 밝혔다. 펑 딩 교수 연구팀은 머신러닝 기술인 인공신경망을 활용해 이 이유를 풀었다.

연구팀에 따르면 금(111) 표면 최상층의 원자 수는 바로 아래층보다 4% 정도 더 많다. 이 때문에 최상층의 몇몇 원자들은 불안정한 위치에 놓인다.

최상층 원자가 이 위치에서 벗어나 안정을 찾으려면 위로 조금 이동해야 하는데, 이때 금 표면에 변형이 생겨 헤링본이 형성되는 것이다.

◇ "나무찌꺼기로 수소 생산"…UNIST 바이오매스 기반 태양광 시스템 개발

국내 연구진이 나무에서 나온 찌꺼기로 유용한 화합물을 만들고, 이 과정에서 얻은 전자(electron)로 '태양광 수소'를 생산하는 기술을 개발했다. 

태양광으로 만든 전기에너지만으로 수소 생산 효율을 크게 높일 수 있어 '그린 수소' 상용화의 기대감이 높아졌다. 

UNIST(울산과학기술원)는 에너지화학공학과 류정기·장지욱·장성연 교수팀이 목질계 바이오매스 중 '리그닌'만 분해해 고부가가치 화합물을 얻고, 이 과정에서 추출된 전자를 태양광 수소 생산에 쓰는 '고효율 수전해 기술'을 개발했다고 5일 밝혔다.

이 기술에는 페로브스카이트 광전극이 쓰였으며, 외부 에너지 공급 없이 태양광 에너지만으로 수소 생산이 가능하다.