UNIST 연구팀이 포토레지스트 잔류물 생성을 억제해 2차원 반도체 트랜지스터의 접촉저항을 기존 공정 대비 약 10분의 1 수준으로 낮추는 보호 공정 기술을 개발했다고 24일 밝혔다. UNIST 전기전자공학과 김명수 교수와 반도체소재·부품대학원 김병조 교수팀은 얇은 금속막을 입혀 이황화몰리브덴(MoS₂) 표면에 포토레지스트 잔여물이 눌어붙는 것을 막는 반도체 공정 기술을 개발했다. 이 공정을 적용한 트랜지스터는 접촉저항이 낮아지면서 소자가 켜졌을 때 흐르는 전류도 약 10배 커졌다. 포토레지스트는 빛에 반응하는 고분자 물질로 반도체 표면에 회로 모양을 만드는 데 사용된다. 포토레지스트를 이황화몰리브덴 반도체에 바른 뒤 남길 부분을 마스크로 가리고 나머지를 플라즈마로 깎아 제거하는 과정에서 플라즈마에 노출된 포토레지스트가 딱딱하게 굳어 표면에 붙을 수 있다. 이렇게 생긴 찌꺼기는 일반적인 용매 세척으로는 잘 제거되지 않는다. 강한 초음파 세척을 사용하면 얇고 민감한 이황화몰리브덴이 기판에서 떨어질 수 있고, 열처리도 포토레지스트 찌꺼기가 분해되기 전에 소자가 견딜 수 있는 온도를 넘을 위험이 있어 적용하기 어렵다. 연구팀은 이황화몰리브덴 위에 오염을 대신 받아
UNIST와 한국화학연구원 연구진이 X선을 활용해 대면적 페로브스카이트 태양전지 박막 전체의 결정 배열과 격자 변형을 손상 없이 분석하는 2차원 X선 회절 매핑(2DXDM) 기술을 개발했다. UNIST 김동석·신태주·김진영 교수팀은 한국화학연구원 신윤섭 박사와 함께 대면적 페로브스카이트 박막의 구조를 비파괴 방식으로 분석하는 2DXDM 기술을 개발했다고 19일 밝혔다. 페로브스카이트 태양전지는 액체 상태의 페로브스카이트 원료 용액을 기판 위에 바른 뒤 용매를 증발시켜 태양빛을 흡수하는 결정막을 만드는 차세대 전지다. 저렴한 저온 용액 공정으로 제조할 수 있다는 특징이 있다. 태양전지 효율은 결정이 얼마나 고르게 형성되고 같은 방향으로 배열되는지, 결정 격자에 미세한 뒤틀림이 얼마나 남아 있는지에 영향을 받는다. 그러나 전지 면적이 커지면 중심부와 가장자리에서 용매가 마르는 속도가 달라져 결정이 불균일하게 자라고 결함과 격자 변형이 발생하면서 효율이 떨어질 수 있다. 연구팀이 개발한 2DXDM 기술은 이 같은 결정의 불균일과 격자 변형을 태양전지를 직접 잘라내지 않고 진단할 수 있다. X선을 조사했을 때 박막 결정에서 나타나는 회절무늬의 세기와 방향, 위치가
한국전자통신연구원(ETRI)이 부산광역시와 정부출연연구기관들과 손잡고 AI와 디지털트윈 기술을 활용한 도시침수 예측·대응 플랫폼 현장 실증에 본격 착수한다. ETRI는 지난 3월 부산광역시청 재난대책본부 회의실에서 부산광역시, 한국건설기술연구원(KICT), 한국지질자원연구원(KIGAM), 한국철도기술연구원(KRRI)과 ‘AI 기반 극한호우 대응 플랫폼 기술개발’을 위한 업무협력 의향서(LOI)를 체결했다. 이번 협력은 국가과학기술연구회(NST) 융합형 기본사업인 ‘홍수 안심도시(No WET City) 실현을 위한 디지털 도시홍수 제어 기술 개발’ 사업의 현장 실증과 기술 상용화를 목표로 추진된다. 전체 사업 규모는 약 338억 원이다. 최근 기후변화로 시간당 100mm 이상의 국지성 집중호우와 도심 침수 피해가 반복되면서 기존 단순 기상관측 기반 재난대응 체계의 한계가 지적돼 왔다. 특히 부산과 같이 해안과 산지가 맞닿은 도시는 지형적 특성상 침수와 지반재해가 동시에 발생할 가능성이 높아 정교하고 실시간성이 높은 대응 기술이 요구된다. 참여기관들은 각 기관의 전문 기술과 데이터를 연계해 도시홍수 예측·분석·대응·상황전파까지 가능한 통합형 디지털 재난대응 체계
KAIST(총장 배충식)는 신소재공학과 김경민 교수 연구팀이 반도체에서 자연스럽게 발생하는 잡음을 활용해 사람의 뇌처럼 정보를 처리하는 새로운 뉴로모픽 뉴런 반도체 기술을 개발했다고 16일 밝혔다. 이 기술은 원하는 주파수의 신호를 골라내 뇌의 뉴런과 유사한 전기 신호로 바꿔 처리할 수 있다. 반도체에서 잡음은 라디오의 '지지직' 소리처럼 신호에 불규칙하게 섞여 정보를 정확히 읽는 것을 방해하기 때문에 주로 없애야 할 대상으로 여겨져 왔다. 반면 인간의 뇌에서는 신경세포인 뉴런이 같은 자극에도 매번 똑같이 반응하지 않으며, 이러한 불규칙성은 다양한 신호를 효율적으로 처리하는 데 핵심적인 역할을 한다. 연구팀은 이 원리에 착안해 반도체 잡음을 제거 대상이 아닌 정보 처리 수단으로 활용하는 접근을 택했다. 연구팀이 개발한 뉴로모픽 뉴런은 멤리스터(memristor) 소자를 기반으로 한다. 생물학적 감각 뉴런은 확률적으로 열리고 닫히는 이온 채널 때문에 같은 자극에도 가변적인 발화 반응을 보이는데, 멤리스터 기반 확률적 뉴런은 전류 노이즈를 확률적 스파이크로 변환하는 방식으로 이를 모사한다. 멤리스터의 저항 상태를 조절하면 발화 특성과 입력 반응 범위를 재구성할
KAIST 연구진이 고분자 내부에 수소만 선택적으로 통과할 수 있는 옹스트롬(Å) 수준의 초미세 통로를 촘촘하게 연결하고, 수소 분리 성능을 높이는 새로운 분리막 설계 전략을 제시했다. KAIST는 생명화학공학과 배태현 교수 연구팀이 고분자 분리막 내부에 원자나 분자 크기인 옹스트롬 수준의 초미세 수소 이동통로를 만들고, 이 통로가 얼마나 완전하게 연결돼 있는지를 나타내는 ‘네트워크 완결성(Network Completeness)’을 통해 수소 분리 성능을 규명했다고 13일 밝혔다. 1Å은 100억 분의 1미터로 머리카락 굵기의 약 100만 분의 1 수준이다. 수소는 사용할 때 이산화탄소를 배출하지 않아 미래 친환경 에너지원으로 주목받고 있지만, 생산 과정에서 이산화탄소와 질소 등 다른 기체와 함께 나오는 경우가 많아 높은 순도로 분리·정제하는 기술이 필요하다. 이를 위한 방법 가운데 하나가 작은 수소는 통과시키고 상대적으로 큰 다른 기체는 걸러내는 분리막이다. 그동안 기체 분리에는 미세한 구멍을 정밀하게 설계할 수 있는 금속유기골격체(MOF)와 공유결합유기골격체(COF) 같은 다공성 소재가 주목받았지만, 결함 없이 넓은 면적으로 만들기 어렵다는 한계가 있었다
UNIST 연구진이 다양한 기후에서 고단백 미세조류 스피루리나의 배양 조건을 자동으로 조절해 생산에 필요한 에너지를 평균 14% 줄이고 이산화탄소 흡수량을 평균 78% 늘릴 수 있는 인공지능(AI) 알고리즘을 개발했다. UNIST 탄소중립대학원 임한권 교수팀은 인도네시아대학교(University of Indonesia) 리에즈카 안디카(Riezqa Andika) 교수팀과 함께 다중 에이전트 강화학습 기반의 스피루리나 배양 AI 제어 알고리즘을 개발했다고 13일 밝혔다. 스피루리나는 단백질 함량이 60%에 이르고 필수아미노산과 비타민, 무기질이 풍부한 미세조류다. 농경지가 아닌 배양시설에서도 빠르게 자랄 수 있어 건강식품과 대체 단백질 원료로 주목받고 있다. 다만 생산량을 늘리면서 조명과 냉난방에 사용하는 에너지를 줄여야 하고, 지역과 계절에 따라 기온과 햇빛의 양이 크게 달라지는 데다 빛과 온도, 영양분, 이산화탄소, 산성도 등 생육 조건이 서로 영향을 줘 채산성을 맞추기 까다롭다. 이산화탄소 공급량을 늘리면 성장이 빨라질 수 있지만 배양액이 산성화돼 광합성과 생장이 저해될 수 있고, 인공조명을 강하게 사용하면 광합성에는 도움이 되지만 전력 사용량이 늘어난다
UNIST 연구진이 철 불순물을 제거하는 대신 입자 안에 가두는 방식으로 상용 마그네슘 합금보다 부식 속도를 1/7 수준으로 낮춘 고내식성 마그네슘 합금을 개발했다. UNIST 신소재공학과 박성수 교수팀은 마그네슘 속 철 불순물을 완전히 제거하는 대신 작은 입자 안에 가두는 설계 기술을 개발해 고내식성 마그네슘 합금을 만들었다고 12일 밝혔다. 마그네슘은 구조용 금속 중 가장 가벼운 소재로 알루미늄보다 가벼워 자동차와 항공기, 드론, 휴대용 전자기기 등 경량화가 필요한 분야에서 주목받아 왔다. 다만 물기나 소금기에 의해 쉽게 분해되는 특성 때문에 활용에 한계가 있었다. 특히 상용 마그네슘 원료에 포함된 미량의 철 불순물은 주변 마그네슘이 먼저 녹도록 해 합금의 부식을 빠르게 진행시키는 요인 중 하나다. 연구팀은 철 불순물이 마그네슘과 직접 닿지 않도록 입자 안에 가두는 방식으로 내식성을 높였다. 이를 위해 마그네슘 합금에 스칸듐을 미량 첨가했다. 스칸듐을 첨가하면 철이 스칸듐 화합물 껍질에 감싸인 ‘코어-쉘’ 구조가 만들어진다. 이 구조를 형성하려면 합금이 굳는 과정에서 철이 많은 코어가 먼저 생기고, 이후 철이 거의 없는 껍질이 이를 덮어야 한다. 연구팀은
한국전자통신연구원(ETRI)이 인공지능(AI)의 판단 근거와 이유, 생성 결과의 검증 정보까지 제공하는 ‘설명가능한 의사결정지원 AI’ 기술을 개발하고 관련 시스템 구조와 요구사항에 대한 국제표준 승인을 받았다. ETRI는 전문지식을 바탕으로 추론하고 판단 이유를 설명하며 생성 결과까지 검증할 수 있는 설명가능한 의사결정지원 AI 기술을 개발했다고 밝혔다. 이 기술의 시스템 구조와 요구사항을 담은 국제표준도 국제전기통신연합(ITU)에서 승인받았다. 승인된 표준은 국제전기통신연합 전기통신표준화부문(ITU-T)의 F.748.59 ‘인간-기계 상호작용 기반 설명가능한 의사결정지원 시스템의 프레임워크와 요구사항’이다. 최근 생성형 AI는 다양한 질문에 빠르고 자연스럽게 답변할 수 있지만 왜 그런 결론을 내렸는지, 어떤 근거를 활용했는지, 결과를 얼마나 신뢰할 수 있는지 충분히 설명하지 못하는 한계가 있다. 특히 의료와 법률, 금융, 행정 등 결과에 대한 책임과 신뢰가 중요한 분야에서는 AI의 판단 과정을 설명하는 기술이 필요하다. 이번 국제표준은 설명가능한 AI가 갖춰야 할 공통 구조와 핵심 기능을 제시한다. AI가 결과만 제시하는 것을 넘어 판단의 근거와 이유,
KAIST(총장 배충식)는 전기및전자공학부·반도체공학대학원 최신현 석좌교수 연구팀이 입력 데이터의 변화 속도에 맞춰 반응 특성을 스스로 조절하는 새로운 AI 반도체 소자 '프로그래머블 동적 멤트랜지스터(Programmable Dynamic Memtransistor, PDM)'와 이를 집적한 어레이를 개발했다고 7일 밝혔다. 기존 AI 반도체는 입력 신호에 반응하는 속도와 정보를 기억하는 시간이 한 번 정해지면 바꿀 수 없는 고정된 반응 특성을 지닌다. 그러나 실제 환경에서 발생하는 신호는 서로 다른 시간 척도를 갖는다. 음성이나 생체 신호는 비교적 빠르게 변화하는 반면 기상 정보나 산업 설비 상태는 상대적으로 느리게 변화한다. 심장 박동·날씨·공장 설비 상태처럼 시간에 따라 달라지는 데이터를 다루는 시계열 AI에서는 이러한 고정형 구조가 처리 정확도를 떨어뜨리는 근본적 한계로 작용해 왔다. 연구팀이 개발한 PDM은 입력 신호의 시간 정보를 처리하는 휘발성 동적 특성과, 해당 시간 응답 특성을 설정·유지하는 비휘발성 메모리 기능을 하나의 트랜지스터에 통합했다. 5nm 두께의 IGZO 기반 전하 저장층과 SiO2/HfO2/SiO2 전자 포획층으로 구성되며, 외부
UNIST 연구진이 세부 상품군에 따라 달라지는 소비자의 구매 성향을 분석해 상위 5개 상품 추천 적중률을 기존 최고 기술보다 최대 36.3% 높인 인공지능(AI) 추천 기술을 개발했다. UNIST는 인공지능대학원 이연창 교수팀이 상품군별 소비 성향 차이를 반영하는 교차 도메인 추천 기술 ‘멀티탭(Multi-TAP)’을 개발했다고 6일 밝혔다. 교차 도메인 추천은 사용자의 구매 기록이 충분히 쌓인 상품 분야에서 얻은 정보를 구매 기록이 부족한 다른 상품 분야의 추천에 활용하는 기술이다. 전자제품을 자주 구매했지만 홈·생활용품 구매 기록은 적은 사용자를 대상으로 전자제품 구매 이력을 활용해 홈·생활용품을 추천하는 방식이다. 멀티탭은 같은 상품 분야 안에서도 세부 상품군에 따라 달라지는 구매 성향을 구분하고, 다른 상품 분야의 정보는 현재 추천과 관련된 정도에 따라 선별적으로 반영한다. 사용자는 컴퓨터를 구매할 때 가격이 높고 평점이 좋은 제품을 선택하면서도 홈 오디오를 구매할 때는 가격이 낮고 인기 있는 제품을 고를 수 있다. 기존 기술은 이 같은 세부 상품군별 구매 성향 차이를 충분히 반영하지 못했다. 멀티탭은 구매 이력과 상품 정보를 분석해 사용자가 가격과
KAIST 연구진이 대용량 에너지저장장치(ESS)의 유력 후보인 바나듐 레독스 흐름전지(VRFB)의 핵심 전해질 생산시간을 기존보다 67% 줄이는 공정 기술을 개발했다. KAIST는 생명화학공학과 김희탁 교수 연구팀이 바나듐 레독스 흐름전지의 핵심 전해질을 빠르고 안정적으로 생산하는 공정을 개발했다고 5일 밝혔다. 최근 24시간 가동되는 인공지능(AI) 데이터센터가 늘어나면서 태양광과 풍력 등 재생에너지로 생산한 전기를 대량으로 저장한 뒤 필요할 때 안정적으로 공급하는 대용량 ESS의 중요성이 커지고 있다. 바나듐 레독스 흐름전지는 화재 위험이 거의 없고 전해질을 담는 탱크 크기를 확대하면 저장 용량도 늘릴 수 있어 AI 데이터센터와 재생에너지용 초대형 배터리로 주목받고 있다. 다만 배터리의 연료 역할을 하는 바나듐 전해질을 최적 상태인 V3.5+로 만드는 데 긴 시간과 높은 비용이 필요해 상용화의 걸림돌로 작용해 왔다. 기존 공정은 환원제를 이용해 바나듐 이온이 전자를 얻도록 하는 화학적 환원으로 전해질을 만든 뒤, 전기를 흘려 바나듐 이온의 전자 상태를 조절하는 전기화학적 환원을 거쳐 최종 전해질을 생산한다. 이 가운데 마무리 단계인 전기화학적 환원 공정
KAIST 전산학부 김민수 교수 연구팀이 외부 전문 최적화 프로그램(솔버, Solver) 없이도 AI가 스스로 실행 가능한 계획을 만들도록 학습하는 강화학습 기술 ‘RL-SPH(Reinforcement Learning-based Start Primal Heuristic)’를 개발했다고 밝혔다. 물류 배송과 차량 경로 탐색, 공장 생산 일정, 병원 근무표 작성은 여러 조건을 만족하면서 가장 효율적인 계획을 찾아야 하는 대표적인 정수선형계획법(ILP) 문제다. 택배 배송을 예로 들면 배송 시간을 줄이는 것뿐 아니라 차량 적재량과 기사 근로시간을 지키고 모든 배송지를 빠짐없이 방문해야 하며 조건 하나만 어겨도 실제로 사용할 수 없는 계획이 된다. 기존 AI는 비용이 적게 드는 계획을 제안하더라도 차량 적재량이나 근로시간 같은 현실 조건을 위반하는 경우가 많아 Gurobi나 SCIP 같은 전문 솔버가 마지막에 오류를 수정해야 했다. 연구팀이 개발한 RL-SPH는 처음부터 정답을 예측하는 대신 현재 계획을 단계적으로 수정하는 방식을 택했다. 변수를 하나씩 바꾸며 제약조건을 해결하고 그 결과를 학습해 점점 더 나은 계획을 만들어가는 구조다. 연구팀은 가장 좋은 계획보다
KAIST 전기및전자공학부 김준모 교수 연구팀이 대규모 언어모델(LLM)의 안전성을 검증하는 레드팀 기술의 한계를 극복한 새로운 프레임워크 '스테이블-지플로우넷(Stable-GFlowNet)'을 개발했다. 생성형 AI의 레드팀(Red Teaming)은 AI가 유해하거나 위험한 답변을 하도록 유도하는 공격 프롬프트를 만들어 숨은 약점을 찾아내는 과정이다. 기존에는 강화학습을 이용해 공격 프롬프트를 생성하는 방식이 주로 사용됐지만 가장 성공률이 높은 한두 가지 공격 방법만 반복 생성하는 '모드 붕괴'가 자주 발생해 다양한 취약점을 충분히 찾지 못하는 한계가 있었다. 연구팀은 이를 해결하기 위해 세 가지 핵심 기술을 개발했다. 대조 궤적 균형(CTB) 기법으로 복잡한 계산을 줄이고 학습을 안정화했으며 노이즈 경사 가지치기(NGP)로 불필요한 잡음을 제거하고 중요한 정보만 학습하도록 했다. 유창성 안정화 장치(MKS)를 적용해 사람이 실제 사용할 법한 공격 프롬프트를 생성하도록 유도했다. 그 결과 스테이블-지플로우넷은 기존 기술이 찾아낸 17개의 고유 공격 유형보다 약 7배 많은 134개의 공격 유형을 발굴하면서도 92%의 높은 공격 성공률을 유지했다. 교차 공격(
초기의 웨어러블 및 플렉서블 전자기기 가운데 상당수는 시험 환경에서는 의도한 대로 작동했지만, 실제 환경에 적용되면 제대로 기능하지 못했다. 안정적으로 동작하는 것처럼 보였던 장치들도 반복적인 움직임에 노출되면서 고장이 발생하거나 성능이 저하되기 시작했다. 문제는 개념 자체가 아니라 하드웨어에 있었다. 여러 개의 강성 인쇄회로기판(PCB)을 기반으로 한 설계는 반복적인 굽힘, 신장 또는 기타 주기적인 기계적 변형에 최적화되어 있지 않았다. 강성 부품, 취약한 인터커넥트, 그리고 고정된 기판이 지속적으로 굽혀지고 늘어나며 끊임없이 움직이는 시스템에 통합될 경우, 그 과정에서 발생하는 응력은 피로 누적과 시스템 불안정을 초래할 수 있다. 최신 설계에서는 움직임을 완화해야 할 환경적 스트레스 요인으로 보기보다, 변형 자체를 정상적인 작동 조건으로 인식한다. 이에 따라 재료, 인터커넥트, 센서 및 시스템 아키텍처는 초기 설계 단계부터 기계적 유연성과 순응성을 고려해 개발되고 있다. 엔지니어들은 의료용 웨어러블 기기, 스마트 섬유, 소비자 전자기기와 같은 연속 모니터링 장치에서 편안한 착용감과 자유로운 이동성을 구현하기 위해 다양한 폼팩터, 인터커넥트 구조 및 전력
제철업에서 용광로(고로)는 열효율이 뛰어난 용선(녹은 철) 제조 프로세스이며, 2025년 현재 전 세계에 약 800기의 고로가 존재하고 연간 10억 톤 이상의 용선이 고로에 의해 제조되고 있다. 고로에서는 코크스나 미분탄 등의 환원재로 산화철을 환원․용해하기 때문에 용선 1톤당 약 2톤의 CO2가 배출된다. 지구 온난화 대책으로 최근 고로 조업에서는 환원재 비율(용선 1톤당 환원재의 양)의 저감이 요구되고 있으며, 열원 부족으로 인해 생산 안정화가 점점 어려워지고 있다. 고효율 및 안정적인 조업이 요구되는 가운데, 제조 현장에서는 오랫동안 오퍼레이터의 경험과 감에 의존한 수동 조업이 이루어져 왔다. 그러나 일본의 노동 인구는 감소 추세에 있으며, 앞으로는 현장을 지탱할 우수한 오퍼레이터 확보가 어려워질 것으로 예상된다. 따라서 프로세스 자동화를 통한 고효율·안정 조업의 중요성이 더욱 커지고 있다. 그림 1에 고로 조업의 개요를 나타냈다. 높이 100m, 노 용적 5,000m3에 이르는 거대한 반응 장치로, 하루에 약 1만 톤의 용선을 제조한다. 용광로 상부에서 투입된 철광석과 코크스는 노 내부를 하강하면서 노 하부에서 불어넣는 약 1,200℃의 열풍과 미분탄
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘, 이준원 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김진희 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 이메일 : help@hellot.net | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2026년 09월 09일 19시 42분
