본문 바로가기 대메뉴 바로가기

연구

단일 센서만으로도 혼합 가스 분류가 가능한 초저전력, 초소형 전자코 개발​
조회수 : 2605 등록일 : 2023-06-14 작성자 : 홍보실

사진 1. (왼쪽부터) 기계공학과 박인규 교수, 윤국진 교수, 조인철 박사, 이기철 박사과정

< 사진 1. (왼쪽부터) 기계공학과 박인규 교수, 윤국진 교수, 조인철 박사, 이기철 박사과정 >

우리 대학 기계공학과 박인규 교수, 기계공학과 윤국진 교수 공동 연구팀이 단일 센서만으로도 혼합 가스 분류가 가능한 전자코 시스템'을 개발하는 데 성공했다고 13일 밝혔다. 일반적으로 금속산화물 저항변화식 가스센서는 반응성을 가진 가스들에 비선택적인 응답을 보이기 때문에 가스들을 선택적으로 판별하는 것이 어려웠다. 특히, 두 가지 이상의 서로 다른 가스들이 섞인 혼합가스를 실시간으로 분류하는 것은 가스센서의 실상황 활용도를 높이는 것에 반드시 필요한 기술이나 아직까지 해결되지 못했다. 가스센서에 선택성을 부여하기 위해 센서 어레이와 패턴인식 알고리즘을 적용한 전자코 시스템이 활발히 연구중이나, 전자코에 사용되는 센서의 수가 많아질수록 전체 시스템의 소모전력과 부피 또한 필연적으로 증가하였다.

그림 1. 단일 마이크로 LED 가스센서와 가변광조사 기법을 활용한 전자코 시스템의 모습. 가변광조사에 의한 센서반응을 주파수 변환을 거쳐 스펙트로그램 변환 이후 딥러닝 모델의 학습 데이터로 활용함. 그 결과, 혼합가스에 대해서도 포함된 가스의 종류와 농도 판별이 가능함.

< 그림 1. 단일 마이크로 LED 가스센서와 가변광조사 기법을 활용한 전자코 시스템의 모습. 가변광조사에 의한 센서반응을 주파수 변환을 거쳐 스펙트로그램 변환 이후 딥러닝 모델의 학습 데이터로 활용함. 그 결과, 혼합가스에 대해서도 포함된 가스의 종류와 농도 판별이 가능함. >

공동 연구팀은 전자코에 사용되는 개별 센서의 소모전력을 최소화하고, 적은 수의 센서만으로도 선택적 가스감지가 가능한 기술 개발에 집중하였다. 기존의 저항변화식 가스센서는 고온의 줄히팅으로 가스감지소재인 금속산화물을 가열하기 때문에 소모전력이 수십 mW로 높았다. 공동 연구팀은 마이크로 크기의 초소형 LED 기반의 광원일체형 가스센서를 개발하여 줄히팅 방식 대비 소모전력을 백 분의 일 이하 수준으로 줄였다. 이후 LED의 광량을 불규칙하게 주기적으로 변화시키며 구동하는 가변 광조사 기법을 적용하였다. 서로 다른 타겟가스들은 LED의 광량이 변화함에 따라 각기 다른 유니크한 응답 패턴을 나타내기 때문에 이 현상을 응용하면 동일 시간 내에 수집할 수 있는 센서 데이터가 훨씬 많아지고 풍부해진다. 결론적으로 가변광조사 기법으로 마이크로 LED 가스센서를 구동하고 데이터전처리와 딥러닝 알고리즘을 적용하여 단일 센서만으로도 선택적 가스판별이 실시간으로 가능한 전자코 시스템을 개발하였다. 센서의 크기는 5 × 5 mm2 초소형이고 평균 소모전력은 0.53 mW이고 에탄올과 메탄올이 혼합된 상황에서 각 가스의 종과 농도를 실시간으로 구별해낼 수 있었다.

연구책임자인 기계공학과 박인규 교수는 "본 연구에서 제안된 가변광조사 구동 기법은 빠른 ON/OFF가 가능하고 상온 동작하여 열적/기계적 내구성이 우수한 마이크로 LED 가스센서에 최적인 원천 기술이고, 이 기법을 활용하여 하나의 센서만으로도 우수한 선택성을 가진 전자코 시스템을 개발할 수 있었다라고 기술에 대한 자신감을 밝혔다. 또한 단일 센서만을 사용하기 때문에 소모전력과 시스템 부피가 최소화되었고, 특히 혼합가스의 각 성분과 농도를 실시간으로 판별해내는 기술은 실상황에서 매우 활용성이 높을 것이라고 연구의 의미를 설명했다.

그림 2. 마이크로 LED 가스센서의 가변광조사 기법과 그에 대한 센서 응답 데이터의 전처리 과정

< 그림 2. 마이크로 LED 가스센서의 가변광조사 기법과 그에 대한 센서 응답 데이터의 전처리 과정 >

기계공학과 조인철 박사와 이기철 박사과정이 공동 제1 저자로 참여하고 한국연구재단의 지원으로 수행된 이번 연구 결과는 네이처 (Nature) 자매지인 `: 과학과 응용 (Light: Science & Applications)' (impact factor=20.257)2023418정식 게재됐다. (논문명: Deep-learning-based gas identification by time-variant illumination of a single micro-LED-embedded gas sensor)

그림 3. 출판된 논문의 초록

< 그림 3. 출판된 논문의 초록 >

관련뉴스