◇ KAIST 연구팀, 기존보다 30% 높아진 리튬-황 전지 개발

KAIST는 생명화학공학과 이진우 교수 연구팀이 POSTECH 한정우 교수 연구팀, LG에너지솔루션 차세대전지연구센터와 공동연구를 통해 기존보다 에너지 밀도와 수명 안정성을 대폭 늘린 리튬-황 전지를 개발하는 데 성공했다고 19일 발표했다.

리튬-황 전지는 상용 리튬 이온 전지 보다 2~3배 정도 높은 에너지 밀도를 구현할 수 있을 것으로 기대되고 있는 전지이다. 차세대 이차전지 후보군 중 많은 관심을 받고 있다.

이진우 교수 연구팀은 이번 연구를 통해 리튬 폴리 설파이드의 용해 현상과 전기화학 전환 반응성을 대폭 향상할 수 있는 철(Fe) 원자 기반의 기능성 양극 소재를 개발하는 데 성공했다.

연구팀은 최적화된 전자구조를 지닌 철 원자 기반 기능성 소재를 양극에 도입했다. 리튬 폴리 설파이드의 용해 현상을 효율적으로 억제할 수 있는 효과뿐 아니라 리튬 폴리 설파이드가 불용성의 리튬 설파이드로 전환될 수 있는 반응성 또한 개선할 수 있었다.

◇ KAIST, 기존보다 전력소모 1만배 낮은 플래시 메모리 개발

KAIST는 전기및전자공학부 전상훈 교수 연구팀이 `음의 정전용량 효과(Negative Capacitance Effect, NC 효과)'를 활용해 기존 플래시 메모리의 물리적 성능 한계를 뛰어넘는 음의 정전용량 플래시 메모리 (NC-Flash Memory)를 18일 개발했다고 발표했다.

‘음의 정전용량 효과’란 인가되는 전압이 증가하면 전하량이 감소함을 의미한다. 음의 정전용량 특성을 가지는 유전체를 사용할 때 트랜지스터에 인가되는 전압을 내부적으로 증폭, 상대적으로 낮은 동작전압을 사용할 수 있어 파워소모를 줄일 수 있다.

전상훈 교수 연구팀은 기존 플래시 메모리의 물리적 성능 한계를 극복하고 동작전압을 낮추기 위해 반도체 공정에 사용되는 하프늄옥사이드(HfO2) 강유전체 박막의 NC 효과를 안정화해 저전압 구동이 가능한 강유전체 소재의 NC-플래시 메모리를 세계 최초로 개발했다.

개발된 NC-플래시 메모리는 기존 플래시 메모리 대비 전력 소모가 1만배 이상 낮은 저전력 고성능 특성을 달성했다.

◇ 한밭대 오민욱 교수팀, 성능 높은 고효율 열전소재 개발

한밭대학교는 신소재공학과 오민욱 교수 연구팀은 회오리 형태로 회전하는 구조를 가지는 텔루륨 결정을 이용, 기존보다 약 30%가량 성능이 높은 고효율 열전소재를 개발했다고 19일 밝혔다.

열전소재는 차량이나 선박, 공장 등에서 버려지는 열을 회수해 전기 에너지로 변환할 수 있는 물질로 친환경적으로 전력을 생산할 수 있는 차세대 에너지 변환 기술로서 주목받고 있다.

오 교수팀은 ‘회전’의 개념을 열전소재 설계에 최초로 도입했다. 텔루륨은 결정 성장 시 불순물 함유량에 따라 특정 방향으로 회전하며 정렬하는 성질이 있고, 이 회전축이 전기를 흐르게 하는 통로로 작용함과 동시에 열 전달을 막는 데 효과적인 구조라는 것을 발견했다.

◇ 팬데믹 상황 때 불안감 해소 위해 'AI 챗봇' 도움 받아

인공지능(AI) 기반 챗봇이 코로나19 팬데믹 상황에서 정보의 신속한 전달은 물론 사용자의 불안감 해소를 도왔다는 분석이 나왔다.

이 분석 결과는 기초과학연구원(IBS) 수리 및 계산과학연구단 데이터 사이언스 그룹 차미영 CI(KAIST 전산학부 교수) 연구팀과 차지영 이화여대 교수팀, ㈜심심이가 공동으로 진행한 '팬데믹 상황에서 AI 챗봇의 역할 연구'를 통해 확인됐다.

연구진은 코로나19 팬데믹 초기 2년 간(2020~2021년) 챗봇의 사용이 많았던 상위 5개국(미국·영국·캐나다·말레이시아·필리핀)의 대화 데이터 중 코로나19 관련 대화 1만 9752건을 분석했다.

이후 주제를 추려내는 기계학습 기법인 '토픽 모델링'과 감성 분석을 위한 '자연어처리기법(NLP)'을 활용해 5개 주요 대화 테마와 18개의 주제를 찾아내고 각 주제별 사용자의 감성(긍·부정) 및 국가별 차이를 분석했다.

◇ '렌즈리스 카메라' 상용화 길 열렸다

국내 연구팀이 렌즈리스 카메라 기술의 핵심인 광학 소자를 대량으로 생산할 수 있는 기술을 세계 최초로 개발했다.

이승아 연세대 전기전자공학과 교수 연구팀은 박욱 경희대 전자공학과 교수 연구팀과 협업해 기존 초소형 카메라보다 5배 이상 얇은 카메라를 제작하고 광학 정보 처리까지 구현했다. 이로써 렌즈리스 카메라 원천 기술의 상용화 가능성을 처음으로 제시한 것으로 평가된다.

렌즈리스 이미징은 렌즈 대신 빛을 변조하는 얇은 마스크를 센서 앞에 두고 측정하는 방식이다. 이때 렌즈리스 카메라의 성능을 결정짓는 가장 중요한 요소가 위상 마스크 구조다.

공동 연구팀은 다양한 점확산함수(Point Spread Function·PSF)를 가지는 위상 마스크를 제작하고 초박형 카메라를 개발해 디스플레이의 상(scene)과 실생활의 물체를 촬영했을 때 모두 이미징이 가능하도록 했다.

◇ 낙뢰 보호 반경 넓히는 '레이저 피뢰침' 실전실험 성공

고출력 레이저를 이용해 번개를 유도하는 실험이 성공해 18세기 중반에 만들어진 전통적 피뢰침을 대체할 수 있는 길이 열리게 됐다. 

스위스 제네바대학에 따르면 '에콜 폴리테크니크'(Ecole Polytechnique)의 오렐리앙 우아르 박사 등이 참여한 유럽 연구팀은 알프스 봉우리 중 하나인 젠티스 정상에서 '레이저 피뢰침'(LLR)을 실험한 결과를 과학 저널 '네이처 포토닉스'(Nature Photonics)에 발표했다.

피뢰침은 높이에 따라 보호 반경이 결정된다. 10ｍ 높이에 설치됐다면 낙뢰로부터 보호할 수 있는 반경도 10ｍ정도다. 피뢰침 높이를 무한정 높일 수 없다는 점에서 공항이나 우주발사장, 핵발전소 등 규모가 큰 민감한 시설에서는 전통적 피뢰침의 대안을 찾아왔다.  

고출력 레이저로 이온화된 공기를 만들어 전도체가 되게 함으로써 번개를 유도하는 LLR도 그중 하나인데, 레이저로 전통 피뢰침의 높이를 연장함으로써 낙뢰 보호 영역을 넓히는 효과를 거둘 수 있는 것으로 연구돼 왔다.

◇ KAIST, 나노 측정 3D 표면예측 기술 개발

KAIST는 기계공학과 이정철 교수 연구팀이 현미경 사진을 이용해 나노스케일 3D 표면을 예측하는 딥러닝 기반 방법론을 제시했다고 17일 밝혔다.

나노스케일의 표면 형상을 3D 측정하는 원자현미경은 웨이퍼 소자 검사 등 반도체 산업에서 사용되고 있다. 하지만 원자현미경은 물리적으로 표면을 스캔하기 때문에 측정 속도가 느리고, 고온 극한 환경에서는 작동할 수 없다는 단점을 지닌다.

연구팀은 비접촉 측정 방법인 광 현미경에서 딥러닝을 이용하여 원자현미경으로 얻어질 수 있는 나노스케일 3D 표면을 예측했다. 비슷한 개념인 사진에서 깊이를 예측하는 기술은 자율주행을 위해 많이 연구되고 있는 분야다.

연구팀은 이러한 기술이 적용되는 스케일을 일상생활 범위에서 나노 스케일 범위로 옮겨 인공지능 모델을 훈련했다. 연구팀이 제안한 모델은 광 현미경 사진을 하나의 변수로 표현하고, 이후 이 변수에서 현미경 사진을 3D 표면으로 계산해 나타내는데 성공했다.

◇ 폴리에스터 섬유만 골라낸다..합성섬유 폐기물 재활용 기술 개발

한국화학연구원은 조정모 박사 연구팀이 폐의류 속 염료의 화학적 성질을 이용해 재활용 원료를 분리할 수 있는 선별 기술을 개발하고, 골라낸 폐합성섬유를 합성 이전의 단량체 원료로 되돌리는 화학적 재활용 기술을 개발했다고 18일 밝혔다.

섬유 폐기물은 별도 수거 방법 없이 여러 재질이 혼합 폐기되고 있다. 재활용을 하려면 이를 재질별로 분류해야 한다. 수작업으로 하거나 원료 비중에 따라 물에 뜨고 가라앉는 것으로 구분한다. 분류 후에도 각종 이물질이 포함된 경우가 많아 물리적, 화학적 재활용이 어려웠다.

연구팀은 특정 소재만 선택해 작용하는 값싼 화합물을 활용해 혼합 폐섬유로부터 ‘폴리에스터(PET)’ 소재만을 골라내는 화학적 선별 기술과 분류된 폴리에스터 섬유를 낮은 온도에서 분해해 합성 이전의 단량체 원료로 되돌리는 화학적 재활용 기술을 함께 개발했다.

◇ 한양대 서지원 교수, 효율적인 딥러닝 모델 학습기술 개발

한양대는 컴퓨터소프트웨어학부 서지원 교수 연구팀이 최근 딥러닝 모델을 효율적으로 학습하는 알고리즘을 개발했다고 17일 밝혔다.

해당 기술은 딥러닝 모델 학습에서 사용되는 드롭아웃(Dropout) 알고리즘을 개선한 '자이로 드롭아웃(GyroDropout)'이라는 기술로 모델의 일반화를 높이도록 학습해 추론 정확도를 높이는 기술이다. 

서 교수 연구팀은 서브 네트워크 하나의 학습 횟수를 늘리고 학습되는 서브 네트워크의 개수를 줄였을 때 학습 효율과 일반화 성능이 높아지는 것을 확인하고, 이를 최적화하는 자이로 드롭아웃 알고리즘을 설계했다.

연구팀은 자이로 드롭아웃 알고리즘을 적용해 알렉스넷(AlexNet), 레즈넷(ResNet) 등의 컴퓨터 비전 모델과 버트(BERT) 등의 자연어 처리 모델의 성능이 향상됨을 실험으로 밝혀냈다.