-
촉매 반응 활성도의 정량적 분석이 가능한 측정 플랫폼 개발
우리 대학 신소재공학과 정우철 교수, 기계공학과 이강택 교수와 충남대학교 김현유 교수 공동 연구팀이 촉매 반응점 탐색 및 각 지점의 활성을 정량적으로 측정할 수 있는 금속 나노입자 기반 분석 플랫폼 개발에 성공했다고 28일 밝혔다.
촉매란 반응 과정에서 소모되거나 변하지 않으면서 반응 속도를 빠르게 만드는 물질을 말하며, 반응에 참여하지만 소모되지 않기 때문에 소량만 있어도 반응 속도에 지속적으로 영향을 미칠 수 있는 물질이다. 반응을 빠르게 하는 촉매 반응은 더 적은 활성화 에너지를 필요로 하기 때문에 다양한 산업에 활용되고 있다. 백금 등을 이용해 화석 연료의 연소로 인해 발생하는 배기가스의 해로운 부산물을 분해하는 반응을 예로 들 수 있다.
연구팀은 균일한 크기의 금속 나노입자 합성 기술과 3차원 전자 단층촬영 기법을 활용해 촉매 핵심 반응점인 금속-가스-산화물 및 금속-가스상 접합 계면의 수를 정량적으로 분석했으며, 이 같은 결과를 측정된 촉매 반응성과 연계시키는 방식으로 촉매 반응 활성도의 정량적 분석이 가능한 측정 플랫폼을 설계했다. 이러한 기술은 특정 반응에 활용이 제한되지 않기 때문에 향후 여러 촉매 반응 분야에 폭넓게 응용 및 적용될 수 있을 것으로 기대된다.
신소재공학과 이시원, 하현우 박사후연구원, 기계공학과 배경택 박사과정생 공동 제1 저자로 참여한 이번 연구는 재료화학분야 국제 학술지 `켐(Chem, IF=22.804)'에 12월 23일 자 온라인판에 게재됐다. (논문명 : A measure of active interfaces in supported catalysts for high-temperature reactions).
금속 나노입자 촉매는 매우 적은 양으로 우수한 촉매 활성을 보일 수 있다는 가능성으로 에너지·환경 등 여러 분야에서 큰 관심을 받고 있다.
하지만 나노입자로 구성된 촉매 소재는 높은 작동온도에서 서로 응집되는 특성이 있으며 이는 결과적으로 촉매 활성을 저해하는 한계로 작용한다. 그뿐만 아니라, 실제 반응 작동 환경에서 금속 입자 촉매의 구체적인 반응 활성 지점이 어디인지, 각 지점에서의 반응활성도는 얼마나 되는지 그 양을 정량적으로 비교·분석할 수 있는 기술이 없어 해당 분야 발전에 한계가 있었다.
연구팀은 문제 해결을 위해 균일한 크기로 금속 나노입자 촉매를 합성해 입자의 구조를 제어하는 데 성공했으며, 이를 산화물 막으로 감싸는 코팅기술을 적용해 고온에서 나노입자가 응집되는 현상을 해결했다. 여기에 3차원 전자 단층촬영 기법, 스케일링 관계식, 그리고 밀도범 함수 이론을 적용하고 이를 다양한 조건에서 측정한 반응성과 연계시킴으로써 구체적인 반응 지점 및 활성을 규명했다.
연구팀은 이번 연구에서 대표적 귀금속 촉매인 백금과 고온 촉매 반응인 메탄산화반응을 활용했으나, 이번 기술은 향후 소재 종류 및 반응 종류에 상관없이 다양한 분야에 폭넓게 응용 및 적용될 수 있다.
정우철 교수는 "이번 연구를 통해서 주어진 반응에 대한 금속 나노입자 촉매의 반응 특성을 정량적으로 분석할 수 있는 고신뢰성 측정 플랫폼을 구축했다ˮ며, "이는 앞으로 우수한 복합촉매 소재 선별 등 촉매설계 종합 솔루션을 제공하는 데 활용될 것으로 기대한다ˮ 라고 말했다.
우리 대학 물리학과 양용수 교수, GIST 김봉수 교수 연구팀에서도 공동으로 참여한 이번 연구는 한국연구재단 나노·소재원천기술개발사업의 지원을 받아 수행됐다.
2021.12.28
조회수 6342
-
전기및전자공학부 최재혁 교수팀, '제22회 대한민국 반도체 설계대전' 대통령상 수상
우리 대학 전기및전자공학부 최재혁 교수 연구실(연구실명: 집적회로 시스템 연구실, Integrated Circuits and System Lab)에서 ‘제22회 대한민국 반도체 설계대전’의 대통령상 수상자를 배출했다.
‘제22회 대한민국 반도체 설계대전’은 산업통상자원부와 한국반도체산업협회가 공동으로 주관하는 반도체 설계 전문 공모전으로, 반도체 설계분야 대학(원)생들의 설계 능력을 배양하고, 창의적인 아이디어를 발굴하는 것을 목표로 한다.
대통령상 수상자는 최재혁 교수 연구실의 박선의 박사과정, 조윤서 박사과정, 방주은 박사과정 학생으로 6G 통신에서 통신을 방해하는 잡음(noise)을 획기적으로 낮추는 ‘초 저잡음 신호’를 생성할 수 있는 CMOS(상보형금속산화반도체) 공정 기반의 칩을 개발해 대통령상에 선정됐다.
6G 통신은 최대 20 기가bps(Gbps)의 전송 속도를 갖는 5G 통신 대비 최대 50배 빠른 1 테라bps(Tbps)를 목표로 연구가 진행되고 있다. 일반적으로 통신 주파수 대역이 올라갈수록 넓은 통신 대역폭을 사용할 수 있어 데이터 전송 속도를 높일 수 있기 때문에, 6G 통신에서 요구하는 높은 데이터 전송 속도를 위해서는 100 기가헤르츠(GHz) 이상 주파수 대역의 사용이 필수적이다.
하지만, 이러한 높은 주파수 대역에서 반송파로 사용될 수 있는 정확한 기준 신호를 CMOS 공정을 이용해 만드는 것은 큰 난제였다. CMOS 공정이 초소형, 저전력 디자인에 유리함에도 불구하고, 그 동작 주파수와 고주파 대역 이득(gain)에 한계가 있고, 저잡음 특성이 SiGe, InP 등의 현존하는 다른 공정에 비해 불리하기 때문에 100 기가헤르츠(GHz) 이상의 주파수 대역에서 초 저잡음 성능을 달성하기 어려웠기 때문이다.
하지만, 최재혁 교수팀 학생들이 개발한 칩에서는 이러한 한계를 극복하고, CMOS 공정을 사용해 처음으로 100 기가헤르츠(GHz) 이상 대역에서 고차 변‧복조 기술을 지원할 수 있는 초 저잡음 신호 생성 기술을 선보였다. 이 기술은 CMOS 공정 기반으로도 6G 통신에서 요구하는 초 저잡음 성능을 달성할 수 있다는 것을 보여줌으로써, 장차 상용화될 6G 통신 칩의 가격 경쟁력과 집적도를 높이는 데 기여할 것으로 기대된다.
대통령상 수상팀에게는 상금 500만 원과 부상이 수여되며, 시상식은 11월 22일 코엑스에서 진행된다.
2021.11.22
조회수 4826
-
KAIST-화성사이언스HUB 유치 조성 MOU
화성시(시장 서철모)는 오늘(11일) 오전 우리 대학, 지역국회의원, 롯데백화점 동탄점과 반도체산업 발전을 위한 「KAIST-화성 사이언스 HUB 조성」 업무협약(MOU)을 체결했다고 밝혔다.
롯데백화점 동탄점이 화성시와 협의로 10년간 무상 제공하기로 한 공공기여 공간의 활용방안과 관련하여 지역 국회의원이자 국회 과학기술정보방송통신위원장인 이원욱 의원의 제안으로 화성시와 KAIST가 협력하여 반도체 산업발전과 과학기술 교육을 위한 공간으로 활용하기로 결정하였다.
내년 3월 OPEN을 목표로 추진할 예정으로 허브 내에 반도체설계교육센터(IDEC)를 유치하여 반도체 신규인력양성을 통해 인근 반도체 클러스터에 우수 인재 지원 및 기존 반도체 인력의 재교육을 담당할 계획이다.
또한, 공유오피스 조성하여 관내 청년 창업 지원 및 기업 컨설팅을 실시할 예정이며, 일부 공간에 KAIST 연구성과 전시관 개관 및 KAIST 스타교수진의 대중강연을 일반 시민과 중·고등학생을 대상으로 정기적으로 개최하여 과학기술에 대한 이해를 높이고 흥미를 유발할 예정이다. 화성시는 이번 협력을 통해 「KAIST-화성 사이언스 HUB」는 반도체 인력양성과 창업 육성은 물론, 과학 대중화를 주도할 ‘K-과학 허브’의 역할을 본격 수행할 전망이다.
11일 오전 롯데백화점 동탄점에서 개최된 「KAIST-화성 사이언스 HUB」 업무 협약식에는 서철모 화성시장, KAIST 이광형 총장, 이원욱 지역 국회의원, 롯데백화점 동탄점 정후식 점장, 과기정통부 고서곤 연구개발정책실장 등 총 10여명이 참석했다.
서철모 화성시장은 “화성시는 삼성전자를 비롯하여 1,500여개 반도체 기업이 소재하는 K-반도체 전략의 중심도시이다. 하버드, MIT와 견주어도 부족하지 않은 카이스트 과학 역량을 통해 화성시 반도체산업 발전을 위해 반드시 필요한 과학기술 인재양성 대장정을 카이스트와 함께 시작하게 되어 기대가 크며, 모든 지원을 아끼지 않겠다”고 말했다.
우리 대학 이광형 총장은 “미래 인재 양성을 위해 각 기관의 뜻을 한데 모은 점이 매우 의미가 있다”라며, “화성시와 KAIST, 롯데가 과학기술을 기반으로 한 동반 성장의 발판을 마련하고 성과를 확대해 나갈 것”이라고 말했다.
이원욱 국회의원은 “4차산업혁명시대 경쟁력은 과학기술 인재에서 나온다. 반도체인력양성을 위해 제안한 내용이 화성시와 카이스트의 노력으로 결실을 맺게 되어 매우 기쁘게 생각한다. 과학기술정보방송통신위원장으로서 국회 차원에서의 지원방안을 강구해 나갈 것이다.”라고 말했다.
한편, 이번 업무협약 기간은 2022년 1월 1일부터 2031년 12월 31일까지이며, 내년 3월 「KAIST-화성 사이언스 HUB」 OPEN 이후, 반도체 인력 양성, 대중 강연 및 과학전시 등을 통해 대중의 관심을 키워나갈 예정이다.
2021.11.15
조회수 5758
-
신소재 데이터 고속 분석을 위한 인공지능 훈련 방법론 개발
우리 대학 신소재공학과 홍승범 교수 연구팀이 시뮬레이션을 기반으로 한 신소재 데이터 분석을 위한 인공지능을 개발했다고 24일 밝혔다.
최근 컴퓨팅 파워가 기하급수적으로 증가함에 따라 인공지능을 활용한 다양한 응용들이 실생활에 활용되고 있으며, 이에 인공지능을 활용해 신소재 데이터를 고속으로 분석하고 소재를 역설계하는 기술의 연구 역시 가속화되고 있다.
최근 인공지능의 효율 및 정확도를 증가시키는 연구를 바탕으로 자율주행 자동차, 데이터베이스 기반의 마케팅 및 물류 시스템 보조 등의 분야에 인공지능의 활용이 높아지고 있다. 특히 신소재 개발에 장시간이 소요되는 점을 고려할 때, 소재 및 공정 개발에 인공지능을 활용해 다양한 구조 및 물성 데이터 사이의 상관관계를 빠르게 분석해 신소재 개발 소요 시간을 획기적으로 줄일 수 있는 인공지능 방법론이 주목을 받고 있다.
그러나 신소재 데이터의 경우, 대량의 유의미한 실험 데이터를 구하기 어렵고 기업들이 중요한 데이터는 대외비로 취급하고 있어서 인공지능을 소재 데이터 영역에 적용하는 것이 상당히 어려운 것이 현실이다. 이런 데이터의 다양성, 크기 및 접근성 문제가 해결돼야 하며, 이를 보완하기 위해 생성 모델 및 적절한 데이터의 합성에 관한 연구가 진행되고 있다. 인공지능의 성능 향상을 위해 생성되는 데이터 또한 실제 소재가 가지는 물리적 제약을 따라야 하며, 소재 데이터의 재료적 특징을 파악할 수 있는 기술이 필요하다.
홍승범 교수 연구팀이 이번에 개발한 인공지능 훈련 방법론은 훈련을 위해 생성되는 데이터가 물리적 제약을 공유하도록 위상 필드 시뮬레이션을 활용해 기초 데이터를 형성하고 소재 데이터가 가지고 있는 실제 측정 과정에서 발생하는 다양한 잡음, 입자의 분포 정보 및 입자의 경계를 모사해 크기가 작은 소재 데이터의 한계를 해결했다. 기존에 수작업으로 작성한 소재 데이터를 활용한 인공지능과의 상 분리 성능을 비교했으며, 생성된 데이터의 모사 요소가 상 분리에 영향을 미치는 영향을 파악했다.
아울러 이번 연구에서 제시하는 소재 데이터 생성을 활용한 인공지능 훈련 방법은 기존의 수작업으로 훈련 데이터를 준비하는 시간을 크게 단축할 수 있으며, 인공지능의 전이 학습 및 다양한 물리적 제약을 바탕으로 하는 위상 필드 시뮬레이션 활용을 바탕으로 다양한 소재 데이터에 빠르게 적용할 수 있는 장점이 있다.
홍승범 교수는 "인공지능은 분야를 막론하고 다양한 영역에서 활용되고 있으며, 소재 분야 역시 인공지능의 도움을 바탕으로 신소재 개발을 더욱 빠르게 완료할 수 있는 세상을 맞이할 것이다ˮ라며, "이번 연구 내용을 신소재 개발에 바로 적용하기에는 데이터 합성 측면에서의 여전히 보강이 필요하지만, 소재 데이터 활용에 큰 문제가 됐던 훈련 데이터를 준비하는 긴 시간을 단축해 소재 데이터의 고속 분석 가능성을 연 것에 연구의 의의가 있다ˮ고 말했다.
신소재공학과 염지원 연구원, 노스웨스턴(Northwestern) 대학의 티베리우 스탄(Tiberiu Stan) 박사가 공동 제1 저자로 참여한 이번 연구는 노스웨스턴 대학의 피터 부리스(Peter Voorhees) 교수 연구실과 함께 진행됐으며 연구 결과는 국제 학술지 `악타 머터리얼리아(Acta Materialia)'에 게재됐다. (논문명: Segmentation of experimental datasets via convolutional neural networks on phase field simulations)
한편 이번 연구는 KAIST 글로벌특이점 연구 지원으로 수행됐다.
2021.08.24
조회수 6247
-
정유성 교수, 제4회 한성과학상 수상
한성손재한장학회(이사장 손명아)와 한성과학상 심사위원회는 우리 대학 생명화학공학과 정유성 교수를 제4회 한성과학상 화학분야 수상자로 선정했다고 24일 밝혔다.
정유성 교수는 신물질 발견과 그 합성 가능성을 알고리즘이 학습을 통해 예측하는 인공지능 (AI) 역설계 기법을 독자적으로 개발함으로써, 데이터 기반의 소재 및 분자 설계의 새로운 연구 방향을 제시하였다. 기존의 신물질 발견 과정은 전문가의 직관이나 실험적 시행착오를 통해 후보 물질을 제시하고 합성한 후 물성을 측정함으로써 응용 목적에 맞는 후보 물질을 발굴하는 직접 설계 방법이 주를 이루었으나, 많은 시간이 소요되거나 전문가의 직관에서 벗어나는 획기적인 물질의 발견이 더뎠다.
정유성 교수가 독창적으로 구현한 AI 소재 역설계 기법은, 원하는 물성을 갖는 결정구조를 전문가의 직관이나 편견 없이 데이터와 인공지능 알고리즘을 통하여 역으로 찾는 방법으로 신 물질 발견의 시간을 크게 줄여주었고, 화합물의 합성 가능성을 실험에 앞서 미리 예측할 수 있는 AI 알고리즘을 개발하여 실용적인 소재 설계의 가능성을 높였다.
정유성 교수는 “AI 역설계 기술을 통해 신소재 및 신약 개발을 가속화할 수 있다”며 “사람의 개입 없이 데이터와 알고리즘 그리고 로봇에 의해 구현되는 미래 자율 실험실의 알고리즘으로 활용될 수 있을 것"이라고 말했다. 그리고 "무엇보다 연구 성과들을 열정과 노력으로 만들어낸 연구실 멤버들에게 감사드린다"고 소감을 전했다.
한성과학상은 한국의 노벨상 수상자 배출을 위해 손재한 월드타워 회장이 제정했다. 2018년부터 물리학, 화학, 생명과학 3개 분야에서 독창적인 성과를 낸 젊은 과학자를 선정하고, 수상자에게는 상패와 상금 5,000만 원이 수여된다.
2021.06.30
조회수 8514
-
인공지능을 이용해 숨겨진 소재를 탐색하는 기술 개발
우리 대학 생명화학공학과 정유성 교수 연구팀이 인공지능(AI) 기술을 이용해 숨겨진 소재 공간을 탐색, 숨겨진 새로운 물질을 예측하는 기술을 개발하는 데 성공했다고 27일 밝혔다.
소재 연구의 궁극적인 목표는 원하는 *물성을 갖는 소재를 발견하는 것이다. 그러나 무기화합물의 가능한 모든 조성과 결정구조를 고려할 때 무한대에 가까운 경우의 수를 샅샅이 탐색하기는 쉽지 않다. 이러한 문제 해결을 위한 방안으로 컴퓨터 스크리닝 소재 탐색 방법이 널리 사용되고 있지만 찾고자 하는 소재가 스크리닝 후보군에 존재하지 않을 때는 유망한 물질 후보들을 놓치는 경우가 종종 발생한다.
☞ 물성(physical properties): 물질의 전기적, 자기적, 광학적, 역학적 성질 따위를 통틀어 이르는 말
정유성 교수 연구팀이 개발한 *소재 역설계 방법은 데이터 학습을 통해 주어진 조성을 갖는 결정구조를 새롭게 생성하게 함으로써 기존 데이터베이스에는 존재하지 않던 신물질을 발견할 수 있도록 한다. 특히, 기존의 역설계 방법에서는 원하는 조성을 제어할 수 없지만, 정 교수팀이 개발한 역설계 방법은 원하는 조성을 제어함으로써 숨어있는 화학 공간을 효율적으로 탐색해 물질을 설계할 수 있다.
☞ 소재 역설계(Materials Inverse Design): 주어진 구조에 대한 물성을 측정하는 방식의 반대 개념으로, 특정한 물성을 갖도록 소재의 구조를 역으로 찾아가는 방법
이번 정 교수팀의 연구성과인 결정구조 예측기술은 인공지능 생성모델인 적대적 생성 신경망(GAN, Generative Adversarial Network)을 기반으로 개발됐다. 또 기존의 복잡한 3차원 이미지 기반 물질 표현자의 단점을 해소하기 위해 비교적 간단한 원자들의 3차원 좌표를 기반으로 한 물질 표현자를 사용했다.
정 교수팀은 이번 연구를 통해 개발한 소재 역설계 방법을 활용, 빛을 이용한 수소생산 촉매로 활용될 수 있는 마그네슘-망간-산화물 기반의 광촉매 물질의 결정구조를 예측하는 데도 성공했다. 기존 데이터베이스에 존재하지 않는 조성들을 생성조건으로 다양한 마그네슘-망간-산화물 구조를 생성한 결과, 기존에 알려지지 않았으면서 광촉매로서 전도유망한 특성을 갖는 신물질을 다수 발견했다.
정유성 교수는 "광촉매 물질의 설계에 적용한 이번 소재 설계 프레임워크는 화합물의 화학적 조성뿐 아니라 사용자가 원하는 특정 물성을 갖는 소재를 역설계하는데 적용이 가능하다ˮ면서 "여러 소재 응용 분야에서 활용될 수 있을 것으로 기대된다ˮ고 말했다.
우리 대학 생명화학공학과 김성원 박사과정과 노주환 박사과정이 공동 제1 저자로, 토론토 대학의 아스푸루-구지크(Aspuru-Guzik) 교수가 공동연구로 참여한 이 연구성과는 미국화학회(ACS)가 발행하는 국제학술지 ACS 센트럴 사이언스(ACS Central Science) 지난 8월호에 실렸다.(논문명: Generative Adversarial Networks for Crystal Structure Prediction)
한편, 이번 연구는 과학기술정보통신부 산하 한국연구재단의 기초연구사업(중견연구) 지원을 받아 수행됐다.
2020.10.28
조회수 24936
-
스스로 그림 그리는 인공지능 반도체 칩 개발
전기및전자공학부 유회준 교수 연구팀이 생성적 적대 신경망(GAN: Generative Adversarial Network)을 저전력, 효율적으로 처리하는 인공지능(AI: Artificial Intelligent) 반도체를 개발했다.
연구팀이 개발한 인공지능 반도체는 다중-심층 신경망을 처리할 수 있고 이를 저전력의 모바일 기기에서도 학습할 수 있다. 연구팀은 이번 반도체 칩 개발을 통해 이미지 합성, 스타일 변환, 손상 이미지 복원 등의 생성형 인공지능 기술을 모바일 기기에서 구현하는 데 성공했다.
강상훈 박사과정이 1 저자로 참여한 이번 연구결과는 지난 2월 17일 3천여 명 반도체 연구자들이 미국 샌프란시스코에 모여 개최한 국제고체회로설계학회(ISSCC)에서 발표됐다. (논문명 : GANPU: A 135TFLOPS/W Multi-DNN Training Processor for GANs with Speculative Dual-Sparsity Exploitation)
기존에 많이 연구된 인공지능 기술인 분류형 모델(Discriminative Model)은 주어진 질문에 답을 하도록 학습된 인공지능 모델로 물체 인식 및 추적, 음성인식, 얼굴인식 등에 활용된다.
이와 달리 생성적 적대 신경망(GAN)은 새로운 이미지를 생성·재생성할 수 있어 이미지 스타일 변환, 영상 합성, 손상된 이미지 복원 등 광범위한 분야에 활용된다. 또한, 모바일 기기의 다양한 응용 프로그램(영상·이미지 내 사용자의 얼굴 합성)에도 사용돼 학계뿐만 아니라 산업계에서도 주목을 받고 있다.
그러나 생성적 적대 신경망은 기존의 딥러닝 네트워크와는 달리 여러 개의 심층 신경망으로 이루어진 구조로, 개별 심층 신경망마다 다른 요구 조건으로 최적화된 가속을 하는 것이 어렵다.
또한, 고해상도 이미지를 생성하기 위해 기존 심층 신경망 모델보다 수십 배 많은 연산량을 요구한다. 즉, 적대적 생성 신경망은 연산 능력이 제한적이고 사용되는 메모리가 작은 모바일 장치(스마트폰, 태블릿 등)에서는 소프트웨어만으로 구현할 수 없었다.
최근 모바일 기기에서 인공지능을 구현하기 위해 다양한 가속기 개발이 이뤄지고 있지만, 기존 연구들은 추론 단계만 지원하거나 단일-심층 신경망 학습에 한정돼 있다.
연구팀은 단일-심층 신경망뿐만 아니라 생성적 적대 신경망과 같은 다중-심층 신경망을 처리할 수 있으면서 모바일에서 학습도 가능한 인공지능 반도체 GANPU(Generative Adversarial Networks Processing Unit)를 개발해 모바일 장치의 인공지능 활용범위를 넓혔다.
연구팀이 개발한 인공지능 반도체는 서버로 데이터를 보내지 않고 모바일 장치 내에서 생성적 적대 신경망(GAN)을 스스로 학습할 수 있어 사생활을 보호를 가능케 하는 프로세서라는 점에서 그 활용도가 기대된다.
모바일 기기에서 저전력으로 다중-심층 신경망을 가속하기 위해서 다양한 핵심 기술이 필요하다. 연구팀이 개발한 GANPU에 사용된 핵심 기술 중 대표적인 기술 3가지는 ▲적응형 워크로드 할당(ASTM, 처리해야 할 워크로드*를 파악해 칩 상의 다중-심층 신경망의 연산 및 메모리 특성에 맞춰 시간·공간으로 나누어 할당함으로써 효율적으로 가속하는 방법) ▲입출력 희소성 활용 극대화(IOAS, 인공신경망 입력 데이터에서 나타나는 0뿐만 아니라 출력의 0도 예측해 연산에서 제외함으로써 추론 및 학습 과정에서의 속도와 에너지효율 극대화) ▲지수부만을 사용한 0 패턴 추측(EORS, 인공신경망 출력의 0을 예측하기 위한 알고리즘으로 인공신경망 입력과 연결 강도(weight)의 부동소수점 데이터 중 지수 부분만을 사용해 연산을 간단히 수행하는 방법)이다.
위의 기술을 사용함으로써 연구팀의 GANPU는 기존 최고 성능을 보이던 심층 신경망 학습 반도체 대비 4.8배 증가한 에너지효율을 달성했다.
연구팀은 GANPU의 활용 예시로 태블릿 카메라로 찍은 사진을 사용자가 직접 수정할 수 있는 응용 기술을 시연했다. 사진상의 얼굴에서 머리·안경·눈썹 등 17가지 특징에 대해 추가·삭제 및 수정사항을 입력하면 GANPU가 실시간으로 이를 자동으로 완성해 보여 주는 얼굴 수정 시스템을 개발했다.
2020.04.06
조회수 13838
-
김지한 교수, 인공지능 이용한 다공성 물질 역설계 기술 개발
〈 김지한 교수 연구팀 〉
우리 대학 생명화학공학과 김지한 교수 연구팀이 인공지능을 활용해 원하는 물성의 다공성 물질을 역설계하는 방법을 개발했다.
김백준, 이상원 박사과정이 공동 1 저자로 참여한 이번 연구결과는 국제 학술지 ‘사이언스 어드밴시스(Science Advances)’ 1월 3일 자 온라인판에 게재됐다. (논문명 : Inverse Design of Porous Materials Using Artificial Neural Networks)
다공성 물질은 넓은 표면적과 풍부한 내부 공극(孔劇)을 가지고 있어 촉매, 기체 저장 및 분리, 센서, 약물 전달 등 다양한 분야에서 활용되고 있다.
기존에는 이러한 다공성 물질을 개발하기 위해 반복적인 실험을 통한 시행착오를 거치면서 시간과 비용이 많이 소모됐다. 이러한 낭비를 줄이기 위해 가상 구조를 스크리닝해 다공성 물질 개발을 가속화 하려는 시도들이 있었지만, 데이터베이스에 존재하지 않는 새로운 구조를 발견하지 못한다는 문제가 있었다.
최근에는 인공지능 기반의 역설계로 원하는 물성을 가진 물질을 개발하는 연구가 주목받고 있지만, 지금까지의 연구들은 단순한 소형 분자들 위주로 적용되고 있으며 복잡한 다공성 물질을 설계하는 연구는 보고되지 않았다.
김지한 교수 연구팀은 인공지능 기술과 분자 시뮬레이션 기술을 활용해 다공성 물질의 한 종류인 제올라이트 구조를 설계하는 방법을 개발했다.
연구팀은 인공지능 생성모델인 적대적 생성 신경망(GAN, Generative Adversarial Network)과 기존 분자 시뮬레이션에서 활용되는 3차원 그리드 데이터를 활용해 복잡한 다공성 물질의 특성을 인공지능이 학습하고 생성할 수 있도록 구조를 개발했다.
개발된 인공신경망 생성모델은 3차원 그리드로 이루어진 구조 정보와 흡착 물성 데이터를 같이 학습하게 되며, 학습 과정 안에서 흡착 물성을 빠르게 계산할 수 있다. 이를 통해 에너지 저장 소재의 특성을 효율적으로 학습할 수 있음을 증명했다.
또한, 연구팀은 인공지능 학습 과정에서 기존의 알려진 제올라이트 구조 중 일부를 제외해 학습시켰고, 그 결과 인공지능이 학습하지 않았던 구조들도 생성할 수 있음을 확인했다.
김지한 교수는“인공지능을 이용해 다공성 물질을 설계한 최초의 사례이다”라며 “기체 흡착 용도에 국한된 것이 아니라 다른 물성에도 쉽게 적용할 수 있어 촉매, 분리, 센서 등 다른 분야의 물질 개발에도 활용될 것으로 기대한다”라고 말했다.
이번 연구는 BK21, 한국연구재단 중견 연구자 지원 사업 그리고 에너지 클라우드 사업단의 지원을 받아 수행됐다.
□ 그림 설명
그림 1. 인공지능 기반 다공성 물질(제올라이트) 생성 개요도
2020.01.07
조회수 10054
-
정유성 교수, 인공지능을 통한 소재 역설계 기술 개발
〈 정유성 교수, 노주환 박사과정〉
우리 대학 EEWS대학원/생명화학공학과 정유성 교수 연구팀이 인공지능을 활용해 원하는 물성을 갖는 신소재를 역설계하는 기술을 개발했다.
연구팀은 알고리즘을 통해 수만 개의 물질을 학습시킨 뒤 인공지능을 통해 원하는 물성을 갖는 소재를 역설계하는 방식으로 4종의 신물질을 발견했다. 향후 신소재 개발에 크게 이바지할 수 있을 것으로 기대된다.
노주환 박사과정이 1저자로 참여한 이번 연구 결과는 ‘셀 (Cell)’ 자매지 ‘매터(Matter)’ 10월 2일 자 온라인판에 출판됐다. (논문명 : Inverse Design of Solid State Materials via a Continuous Representation)
소재 연구의 궁극적인 목표는 원하는 물성을 갖는 신소재를 개발하는 것이다. 하지만 현재까지의 신소재 개발은 화학적 직관과 실험적 시행착오를 통한 방법 위주였기 때문에 개발 비용과 시간이 많이 들어 소재 개념화에서부터 상용화에 걸리는 시간이 평균 30년 정도 소요됐다.
기존의 소재 개발 과정은 소재를 시행착오를 통해 합성하고 난 후 물성을 측정해 만들어진 소재가 응용 목적에 맞는 소재인지를 평가하는 방식으로 개발됐다.
정 교수 연구팀은 인공지능 기술과 슈퍼컴퓨터 활용을 융합해 이러한 소재 개발을 기간을 크게 단축할 수 있는 새로운 소재 역설계 방법을 개발했다. 정 교수팀이 개발한 소재 역설계 방법은 기계(알고리즘)로 기존의 수만 개 물질과 그 물질들이 갖는 물성을 학습하게 한 후, 원하는 물성을 갖는 물질을 인공지능 기반 알고리즘이 역으로 생성하는 방식이다.
연구팀이 개발한 소재 역설계 방법은 기존의 컴퓨터 스크리닝을 통해 소재 설계를 가속화 하는 연구와도 차별성이 있다. 스크리닝 기반의 소재 발견 기술은 발견될 물질이 스크리닝 대상이 되는 물질 데이터베이스를 벗어날 수 없다는 한계를 가지고 있다. 따라서 데이터베이스에 존재하지 않는 새로운 형태의 소재를 발견하지 못한다는 단점이 있다.
연구팀이 개발한 신소재 역발견 모델은 인공지능 모델의 한 종류인 생성모델을 이용한 것으로, 생성모델은 이미지 및 음성 처리에 활발하게 활용되고 있는 기술이다. 예를 들어 수천 명의 얼굴들을 기계로 학습하게 해 새로운 사람의 얼굴을 생성해 내는 인공지능 기법이다.
연구팀은 이미지 생성에 주로 쓰이는 생성모델 기반의 인공지능 기법을 알려지지 않은 무기 고체 소재를 생성하는 데 최초로 적용했다. 특히 기존의 생성모델을 고체 소재에 적용하기 위해 역변환이 가능한 3차원 이미지 기반의 표현자를 도입함으로써 현재까지의 소재 역설계 모델의 한계를 극복했고, 이를 iMatGen(image-based Materials Generator) 이라 이름 지었다.
연구팀은 개발된 소재 역설계 기법을 새로운 바나듐 산화물 결정구조를 예측하는데 적용했다. 이 학습 과정에서 기존에 알려진 물질을 제외해 학습하더라도 제외된 물질들을 역으로 재발견할 수 있음을 확인해 개발 모델의 타당성을 검증했다.
최종적으로 개발된 모델을 통해 학습된 연속 잠재공간을 다양한 방법으로 샘플링하고 역변환 함으로써 기존에 존재하지 않는 전혀 새로운 바나듐 산화물 결정구조를 예측할 수 있었다.
정유성 교수는 “이번 연구는 원하는 물성을 갖는 무기 고체 소재를 역으로 설계하는 방법을 데이터 기반 기계학습으로 최초로 보인 예로, 향후 다양한 응용 분야의 신소재 개발에 도움을 줄 수 있을 것으로 기대한다”라고 말했다.
이번 연구 성과는 한국연구재단, 산업통상자원부 산하 에너지기술평가원, 그리고 KISTI의 지원을 통해 수행됐다.
□ 그림 설명
그림1. 개발된 소재 역설계 모델
2019.10.07
조회수 8285
-
김지한 교수, 컴퓨터 설계 기반 다공성 복합재료 합성
〈 김지한 교수 연구팀 〉
우리 대학 생명화학공학과 김지한 교수와 UNIST 화학과 문회리 교수 공동연구팀이 컴퓨터 설계를 기반으로 한 이론적 디자인을 통해 새로운 다공성 복합재료를 합성하는 데 성공했다.
이러한 복합물질은 각각의 특성을 동시에 가지면서 융합된 새로운 성질을 나타낼 수 있어 촉매, 기체 저장 및 분리, 센서, 약물 전달 등 다양한 분야에 응용할 수 있을 것으로 기대된다.
권오민 박사과정과 UNIST 김진영 박사가 공동 1 저자로 참여한 이번 연구결과는 국제 학술지 ‘네이처 커뮤니케이션즈(Nature communications)’ 8월 9일 자 온라인판에 게재됐다. (논문명 : Computer-aided discovery of connected metal-organic frameworks)
이번 연구에 사용한 금속 유기 구조체(Metal-Organic Framework, MOF)는 다양한 금속 이온 집합체와 유기 리간드로 구성된 화합물의 일종으로 나노 수준의 기공을 갖는 결정성 물질이다.
금속 유기 구조체는 각 구성요소의 다양성 덕분에 지난 20년간 8만여 개 이상의 구조들이 실험으로 합성됐다. 금속 유기 구조체는 표면적이 매우 넓고 기공의 물리-화학적 특성을 세밀하게 조절할 수 있어 기존의 제올라이트를 대체할 수 있는 차세대 다공성 물질이기도 하다.
최근 금속 유기 구조체를 다른 소재와 혼합해 기능을 다양화하거나, 한가지 물질의 단점을 다른 물질의 장점으로 보완함으로써 성능을 최적화하는 연구가 진행되고 있다.
그러나 기존의 합성된 금속 유기 구조체 복합재료들은 두 물질의 경계면에서 서로 어떻게 결합하는지에 대한 정확한 정보가 없고 그 형태가 무질서해 어떻게 만들어지는지에 대한 이해가 부족했다.
8만여 개의 금속 유기 구조체 중 표면에서 서로 결합할 수 있는 조합을 일일이 눈으로 찾아내는 것은 매우 시간이 오래 걸리기 때문에, 화학자의 직관만으로 새로운 이종 금속 유기 구조체 간 단결정 복합재료를 합성하기 위해서는 수많은 시행착오를 겪어야 했다.
따라서 8만여 개 이상의 금속 유기 구조체를 사용해 복합물질을 형성할 수 있는 경우의 수가 상당히 많음에도 불구하고 지금까지 합성된 복합재료의 수는 극히 일부로 제한됐다.
문제해결을 위해 공동연구팀은 미시적인 분자구조 정보를 활용해 먼저 합성 가능성이 큰 구조들을 선별한 뒤, 이를 실험적으로 합성함으로써 실제 새로운 복합물질을 개발하고 합성하는 시간을 획기적으로 단축했다.
김지한 교수가 이끈 시뮬레이션팀은 직접 개발한 컴퓨터 알고리즘을 활용해 기존에 발표된 8만여 개의 데이터로부터 특정 구조체의 결정면과 상호 연결될 수 있는 결정면을 가진 다양한 금속 유기 구조체 쌍들을 얻는 데 성공했다.
또한, 양자역학 시뮬레이션을 통해 두 금속 유기 구조체가 연결된 경계면이 가질 수 있는 안정적인 구조를 예측해냈다.
문회리 교수의 연구팀은 시뮬레이션 결과를 바탕으로 6종류의 새로운 금속 유기 구조체 복합재료를 성공적으로 합성함으로써 시뮬레이션으로 예측된 내용이 실험적으로 합성될 수 있음을 증명했다.
또한, 금속 유기 구조체 결정면 위에 다른 구조체가 하나의 구조로 자라나는 원리를 규명했고, 두 물질의 기공이 서로 연결돼 내부까지 분자가 자유롭게 이동할 수 있음을 확인했다.
이번 연구에서 성공한 서로 다른 두 금속 유기 구조체 간 경계면을 분자 수준에서 깨끗하게 하나의 구조로 연결하는 다공성 복합재료는 지금껏 없던 새로운 개념의 물질이다.
문회리 교수는 "실험과 컴퓨터 시뮬레이션의 협력 연구를 통해 그간 합성이 어려웠던 다기능 다공성 복합재료를 설계하고 합성할 수 있음을 보여줬다. 기존 신약개발에서 활용되던 연구 방식이 거대시스템인 다공성 재료에까지 확대된 성공적 사례이다”라고 말했다.
김지한 교수는“세계 최초로 나노 다공성 복합물질을 이론적으로 디자인해 합성까지 성공한 첫 사례라는 사실에 의미가 있다”라며 “새로운 복합재료 개발을 위해 필요한 시간과 비용을 획기적으로 줄일 수 있고, 적용 분야를 MOF-나노입자, MOF-제올라이트, MOF-고분자 복합재료로 쉽게 확장할 수 있다”라고 말했다.
이 연구 결과는 삼성전자 미래기술육성센터의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 합성에 성공한 MOF 구조
2019.08.26
조회수 12205
-
이병주 교수, 게임의 랙 현상 해소 기술 개발
〈 이병주 교수, 이인정 박사과정 〉
우리 대학 문화기술대학원 이병주 교수와 핀란드 알토 대학교(Aalto Univ) 공동 연구팀이 게임의 겉보기 형태를 변화시켜 게임 내 레이턴시 효과, 일명 랙(lag)을 없앨 수 있는 기술을 개발했다.
이인정 박사과정이 1 저자로 참여하고 알토대학교 김선준 연구원이 공동으로 개발한 이번 연구는 지난 5월 4일 열린 인간-컴퓨터 상호작용 분야 최고권위 국제 학술대회 CHI 2019(The ACM CHI Conference on Human Factors in Computing Systems)에서 풀 페이퍼로 발표됐다. (논문명 : Geometrically Compensating Effects of End-to-End Latency in Moving-Target Selection Games)
레이턴시는 장치, 네트워크, 프로세싱 등 다양한 이유로 인해 발생하는 지연(delay) 현상을 말한다. 사용자가 명령을 입력했을 때부터 출력 결과가 모니터 화면에 나타날 때까지 걸리는 지연을 엔드-투-엔드 레이턴시(end-to-end latency)라 한다.
상호작용의 실시간성이 중요한 요소인 게임 환경에서는 이러한 현상이 플레이어의 능력에 부정적 영향을 미치는 것으로 알려져 있다.
연구팀은 레이턴시가 있는 게임 환경에서도 플레이어의 본래 실력으로 게임을 할 수 있도록 돕는 레이턴시 보정 기술을 개발했다. 이 기술은 레이턴시의 양에 따라 게임의 디자인 요소, 즉 장애물의 크기 등의 형태를 변화시킴으로써, 레이턴시가 있음에도 레이턴시가 없는 것처럼 느껴지는 환경에서 플레이할 수 있다.
연구팀은 레이턴시가 플레이어에 미치는 영향을 분석해 플레이어의 행동을 예측하는 수학적 모델을 제시했다. 시간제한이 있는 상황에서 게임 플레이를 위해 버튼 입력을 해야 하는 ‘움직이는 타겟 선택’ 과업에 레이턴시가 있을 때 사용자의 성공률을 예측할 수 있는 인지 모델이다.
이후에는 이 모델을 활용해 게임 환경에 레이턴시가 발생할 경우의 플레이어 과업 성공률을 예측한다. 이를 통해 레이턴시가 없는 환경에서의 플레이어 성공률과 비슷한 수준으로 만들기 위해 게임의 디자인 요소를 변형한다.
연구팀은 ‘플래피 버드(Flappy Bird)’라는 게임에서 기둥의 높이를 변형해 레이턴시가 추가됐음에도 기존 환경에서의 플레이 실력을 유지함을 확인했다. 연구팀은 후속 연구를 통해 게임 속 장애물 등의 크기를 변형함으로써 레이턴시를 없애는 등의 확장 연구를 기대하고 있다.
이 교수는 “이번 기술은 비 간섭적 레이턴시의 보정 기술로, 레이턴시의 양만큼 게임 시계를 되돌려 보상하는 기존의 랙 보상 방법과는 다르게 플레이어의 게임 흐름을 방해하지 않는 장점이 있다”라고 말했다.
이번 연구는 한국연구재단 신진연구자지원사업(프로게이머 역량 극대화를 위한 게임 입력장치의 설계 최적화) 및 KAIST 자체 연구사업의 지원을 받아 수행됐다.
□ 그림 설명
그림1. 게임의 겉보기 형태를 변화시킴으로써, 플레이어가 제로 레이턴시 환경과 레이턴시가 있는 환경에서 같은 실력을 유지
2019.07.02
조회수 13241
-
이지현 교수, CAADRIA 학회 사사다 상 수상
〈 이지현 교수 〉
우리 대학 문화기술대학원 이지현 교수가 15일 뉴질랜드 웰링턴에서 열린 컴퓨터 기반 건축 디자인 분야 국제학회 ‘CAADRIA 2019(the 24th Annual Conference of the Association for Computer-Aided Architectural Design Research in Asia)’에서 사사다 상(Sasada Prize)을 받았다.
건축 디자인 관련 세계 최고 학회 중 하나인 CAADRIA가 2007년 츠요시 사사다(Tsuyoshi Sasada, 1941-2005) 교수를 기리기 위해 제정한 사사다 상(Sasada Award)은 컴퓨터 보조 설계 차세대 연구자들을 지원하기 위한 CAADRIA의 미션 중 하나이다. 해당 분야 커뮤니티에 지속적인 공헌을 하고 탁월한 연구 성과를 낸 연구자에게 수여된다.
수상자인 이지현 교수는 최민규, 김미래 석사과정, 이태하 박사과정과 함께 연구한 ‘사례기반추론을 통한 부동산 지가 예측 시스템 (Land Price Prediction System Using Case-based Reasoning)’ 연구를 기반으로 그동안 CAAD (Computer-Aided Architectural Design) 분야에 기여한 점을 인정받아 2019년 수상자로 선정됐다.
이지현 교수는 해당 연구를 통해 서울특별시와 울산광역시를 제외한 6대 광역시로부터 40여 개 변수를 행정동 단위로 수집한 후 사례기반 추론 방법을 적용해 행정동 내의 평균 평당 아파트 가격을 예측하는 모델을 제시했다. 연구팀이 도출한 모델의 후속연구가 수행되면 기존의 전문가 판단을 대체할 수 있을 것이라는 가능성을 보여줬다.
이지현 교수는 수상 관련 연구 내용인 추천과 예측을 할 수 있는 인공지능의 한 분야인 사례기반추론(Case Based Reasoning)관련 2002년 졸업논문부터 근 20년간 꾸준하게 연구를 진행해 왔으며, CBR 관련 국내외 논문 40여 편을 발표한 바 있다.
이지현 교수는 “CAAD 관련 연구자에게 자랑스러운 상을 받게 돼 개인적으로는 매우 큰 영광이라 생각하지만 지난 수상자들을 볼 때 과분하다는 생각도 든다”라며 “6월 KAIST에서 열리는 ‘CAAD Futures 2019’가 성공적으로 이뤄질 수 있도록 준비함과 동시에 앞으로도 꾸준하게 CAAD 및 컴퓨테이셔널 디자인 연구를 선보여 국내외에서 KAIST의 위상을 높이는데 기여하겠다”라고 말했다.
2019.04.19
조회수 10307