◇ KIST, 뇌 더 잘 모방하는 시냅스 반도체 소자 기술 개발

한국과학기술연구원은 인공뇌융합연구단 정연주 박사팀이 뉴로모픽 반도체에 주로 쓰이는 멤리스터 소자의 특성을 높이면서 가소성과 정보 보존성의 문제를 해결한 인공 시냅스 반도체 소자를 개발했다고 24일 밝혔다.

멤리스터(Memristor)는 메모리(Memory)와 레지스터(Resistor)의 합성어다. 소자의 저항값이 일정하지 않고, 양단에 인가되는 전압에 따라 저항값이 변화하며 일정 시간 동안 이를 저장할 수 있다. 이런 특성 때문에 신호가 자주 강하게 전달되면 연결이 강화되며 정보를 저장하는 뇌 동작을 모방할 수 있다.

연구진은 이온의 환원 확률이 높은 티타늄 전이 금속을 기존 인공 시냅스 소자에 도입했다. 이에 따라 시냅스의 아날로그 특성을 유지하면서도, 저항이 높을 때와 낮을 때의 차이가 약 5배인 생물학적 뇌 시냅스보다 소자의 가소성이 약 50배 향상된 뉴로모픽 반도체를 개발했다.

◇ 생기원, 반도체식 가스센서 실용화 길 열어

한국생산기술연구원은 기능성소재부품연구그룹 정영규박사 연구팀이 칼슘 실리케이트의 수분 흡착층을 활용해 나노시트를 제조하고 이를 기반으로 반도체식 가스센서 실용화의 최대 걸림돌이었던 습기 문제를 해결한 ‘나노시트 반도체 센서기술’을 개발했다고 24일 밝혔다.

연구팀은 먼저 거미줄 구조를 갖는 기존의 주석산화물 나노와이어 사이에 2차원 형태의 칼슘실리케이트를 성장시켰다. 시멘트의 원료인 칼슘 실리케이트(Calcium Silicate)는 보통 응집된 시트 형태로 존재하는데 연구팀은 표면 특성을 제어해 주석산화물 나노와이어 사이에 얇은 나노시트 형태로 칼슘 실리케이트를 성장시키는 데 성공했다.

합성된 2차원 나노시트는 칼슘 실리케이트의 하이드록시기가 효과적으로 대기에 노출되며, 시트 표면에 기능화된 하이드록시기는 물 분자만 선택적으로 흡착하게 된다.

이 같은 친수성으로 인해 대표적 대기오염 물질인 이산화질소(NO2)의 경우 물 분자는 나노시트 표면에 붙잡아두고 미세먼지 전구체 물질만 선택적으로 주석산화물 나노와이어 감지소재에 흡착시킬 수 있다.

◇ KAIST, 저전력 고성능 다이오드 소자 최초 개발

KAIST는 물리학과 조성재 교수 연구팀이 기존 흔히 쓰이는 쇼트키 다이오드(Schottky diode)가 갖는 열적 거동의 한계를 뛰어넘는 저전력 정류 소자를 세계 최초로 개발하는 데 성공했다고 25일 밝혔다.

조 교수 연구팀은 단층 흑연, 즉, 그래핀(graphene)이 가지는 선형적 분산 관계의 전자 띠 구조(lineardispersion band structure)를 이용해 열적 거동 한계(thermionic limit)를 극복한 다이오드를 최초로 구현하는 데 성공했다. 다이오드 전극으로 기존 다이오드에서 활용되었던 금속을 사용하는 대신, 그래핀을 활용함으로써 기존 다이오드의 이상지수 (ideality factor)의 한계를 뛰어넘는 초 이상적(super-ideal) 저전력 정류 소자를 개발하는 데 성공할 수 있었다.

조성재 교수 연구실의 명규호 박사, 신원길 박사, 성경환 박사과정이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 ‘네이쳐 커뮤니케이션스(Nature Communications)’ 7월 온라인판에 출판됐다.

◇ KAIST, 정밀한 시각적 판단 추론한 뉴 인공지능 가속칩 개발

KAIST는 전기및전자공학부 윤찬현, 김주영 교수 연구팀이 설명 가능한 인공지능(XAI·eXplainable AI) 기법을 처리하기 위한 노이즈(잡음)에 강한 다중 피라미드 활성화 맵 기반 주의집중 구조가 탑재된 인공지능 칩을 설계하고 삼성전자 DS부문의 지원으로 설명가능 뉴로프로세싱 유닛(EPU·Explainable neuro-Processing Unit)을 개발했다고 24일 밝혔다.

설명가능 인공지능이란 사람이 이해할 수 있고 신뢰할 수 있는 설명을 제공할 수 있는 인공지능 기법이다. 기존의 수학적 알고리즘으로 학습되는 인공지능은 학습예제에 편향돼 신뢰할 수 없거나 수천억개의 매개변수를 사람이 이해할 수 없다는 문제점을 해결하기 위해 왜 인공지능이 특정 결과를 추론했는지 판단근거를 설명할 수 있도록 개발됐다. 

KAIST 연구팀이 개발한 EPU 칩은 광학 위성, 전천후 관측 영상레이더(Synthetic Aperture Radar) 위성 등 특수 목적과 고정밀 인공지능 영상처리시스템에 적용할 수 있고 저지연·저전력으로 인공지능 시스템의 판단 근거에 대한 설명성을 획기적으로 높일 수 있을 것으로 기대된다. 연구팀은 EPU 칩 개발 후속 연구를 진행할 계획이다.

◇ 서강대 연구팀, 초고해상도 양자점 패터닝 기술 개발

서강대학교 화공생명공학과 강문성 교수 연구팀(공동교신저자: 성균관대 배완기 교수, 한국전자통신연구원 강찬모 박사)이 미래형 디스플레이 구현을 위한 핵심기술인 초고해상도 양자점 패터닝 기술을 개발했다고 26일 전했다. 본 연구 성과는 나노과학 분야 학술지 '네이처 나노테크놀로지(Nature Nanotechnology)'에 지난 12일 온라인 게재됐다.

강문성 교수 연구팀은 다양한 용액 공정에 즉각적으로 적용이 가능한 비파괴적 초고해상도 양자점 패턴화 기술을 개발했다. 특히 양자점 표면에 광가교 리간드를 도입해 별도의 첨가물 없이 양자점만으로 패터닝이 가능한 양자점 소재 기술을 제시했다. 광가교 리간드는 자외선에 감응해 주변 리간드와 가교 반응이 가능하며, 자외선이 조사되지 않은 부분을 적절한 용매로 제거하면 간단한 공정을 통해 패턴화된 양자점 박막을 얻을 수 있다. 

연구팀은 해당 기술을 바탕으로 6인치 웨이퍼에 최대 15000ppi의 해상도를 가지는 패턴을 구현했다. 15000ppi의 해상도는 AR/VR 용 디스플레이에서 요구하는 해상도(3000ppi)를 훨씬 상회하는 수치로, 양자점을 차세대 초고해상도 디스플레이에 적용할 수 있는 기반을 마련한 것이라고 연구팀은 설명했다.

◇ KAIST, 인공지능 활용 고용량 배터리 소재 역설계 기술개발

KAIST는 신소재공학과 홍승범교수 연구팀이 기존 문헌에 발표된 실험값들을 추출하는 데이터 마이닝 과정과 이런 실험값들을 입력변수로 하는 다변수 선형회귀 모형을 기반으로 배터리소재 역설계 머신러닝 모델을 수립했다고 23일 밝혔다.

연구팀은 배터리 양극재 원료조성, 1차 및 2차 소결온도와 시간의 공정변수와 컷오프 전위 및 충·방전률과 같은 측정변수, 그리고 1차 및 2차 입자의 크기와 같은 구조변수, 마지막으로 충·방전 용량과 같은 성능변수 간의 상관관계를 정량적으로 수립, 이를 활용해 요구되는 에너지 용량에 맞는 합성조건을 찾는 알고리즘을 개발했다. 

홍승범 교수는 "차세대 배터리소재 역설계의 핵심은 인공지능을 활용해 논문과 특허에 있는 대량의 공정-구조-물성변수들을 자동으로 분류하고 실험값들을 추출, 각 변수 간의 다차원 상관관계를 기반으로 한 모델 수립ˮ이라며 "데이터 마이닝, 머신러닝 그리고 공정 자동화 기술을 융합하는 것이 미래의 신소재공학ˮ이라고 말했다.

◇ 경기대 연구팀, '적정 화물 운임' 중개서비스 AI기술 개발

경기도 지역협력연구센터(GRRC)의 지원을 받은 경기대 연구팀이 화물운송 요일, 시각, 날씨 등 200여만건의 빅데이터를 활용해 적정 운임을 산정하는 인공지능(AI) 기술을 개발했다. 

24일 경기도에 따르면 GRRC에서 연구를 수행하고 있는 경기대 산업경영공학과 장태우 교수팀은 '화물운송 중개 고도화 서비스'를 개발, 오는 10월 서비스 제공을 목표로 하고 있다. 기존 국내 화물운송 시장은 표준화된 운임이 정해져 있지 않아 화물운송을 위탁하는 화주와 실제 운송을 책임지는 차주 사이에 입장 차에 따른 갈등이 빈번하게 발생한다.

경기대 연구팀은 200여만개의 화물 요금 관련 데이터를 활용해 요일과 날씨는 물론 무게, 거리 등 70여개의 요금 결정 요인을 반영해 합리적인 운송료를 도출했다.

◇ AI 기술로 암 위험도·생존율 판단…서울대 연구팀 성과

서울대 공동연구진이 AI 딥러닝 기술을 활용해 암 조직의 위험도를 판단하고, 암 환자의 생존율을 예측할 수 있는 방법을 개발했다.

서울대는 권성훈 전기정보공학부 교수가 문경철·박정환 서울대 의대 교수와 공동연구를 통해 암 조직 이미지를 세포 간의 그래프인 ‘암세포 네트워크’로 표현하고 의료진이 해석할 수 있도록 그래프 기반의 딥러닝 기술을 통해 새로운 진단 지표를 발굴했다고 19일 밝혔다. 이번 연구결과는 국제학술지인 ‘네이쳐 바이오메디컬 엔지니어링(Nature Biomedical Engineering)’에 게재됐다. 서울대는 향후 암의 위험도를 판단하는 데 중요한 역할을 할 것으로 기대된다고 밝혔다. 

이번 연구의 핵심은 암 조직 내부 세포 간 상호작용인 ‘암 미세환경’을 학습하는 동시에 해석할 수 있는 딥러닝 기술을 개발해 현장 의료진들이 암 환자의 생존율 진단 지표 등으로 활용할 수 있는 단초를 마련했다는 것이다. ‘암 미세환경’은 차세대 암 치료로 주목받는 면역치료제의 성공 여부를 결정하고 암의 위험도를 판단하는 데 중요한 역할을 하는데, 그동안 의료현장에선 이를 해석하는데 너무 방대한 데이터가 필요해 의료진들이 암 조직을 심층적으로 진단하는 데 활용하지 못했다.

◇ DGIST 연구팀, 저비용·고성능 리튬-황 전지 기술 개발

대구경북과학기술원(DGIST)은 에너지공학과 유종성 교수 연구팀이 황(sulfur)과 실리카(이산화규소)를 이용해 저비용으로 수명이 길고, 고에너지를 담을 수 있는 리튬-황 전지 기술을 개발했다고 24일 밝혔다.

황을 양극 소재로 사용하는 리튬-황 전지는 비싼 희토류를 양극 소재로 사용하는 기존 리튬이온전지보다 여러 배 이상 높은 에너지 밀도를 갖고 있어 전기차나 드론 등 고에너지 장치에 활용할 수 있다. 가격이 싸고 풍부한데다 유해하지 않은 장점도 있다.

그러나 충전과 방전 때 생기는 다황화물이 전지 음극 쪽으로 확산하면서 황 활물질(방전할 때 화학적으로 반응해 전기에너지를 생성하는 물질) 손실이 발생해 용량과 수명이 줄어든다는 단점이 있다.

유 교수 연구팀은 판상형 실리카를 합성하고 그 안에 황을 담아 새로운 실리카-황 중간층(interlayer)을 구현해 이런 단점을 보완했다.