양자컴퓨터용 반도체 소자 개발

KAIST 김상현 교수팀(전기 및 전자공학부)이 기존 CMOS* 기반 로직 소자**의 한계를 극복할 3차원 로직 소자와 극저온에서 동작하는 초저전력 반도체 소자 및 회로기술을 개발했습니다. 연구 성과는 차세대 반도체인 저전력 CMOS 로직회로와 극저온에서 작동하는 대형 양자컴퓨터의 핵심 소자로 사용 가능할 전망인데요. * CMOS : 채널이 다른 MOS 집적회로가 상호보완하도록 구성한 칩. 동작속도는 늦지만 소비전력이 적어 소형 컴퓨터, 휴대용 계산기 등에 활용됨.** 로직 소자 : 논리 연산을 하는 전자소자. 로직 반도체 소자는

국내연구진, 도심에서 드론 무력화 가능한 기술 개발했다

드론은 저렴한 가격과 특유의 기동성으로 소방, 정찰, 국방 등 다양한 분야에서 활용되고 있습니다. 그리고, 그 범위는 점점 증가하고 있죠. 드론은 기존 무기대기 저렴하고 쉽게 운용 주체를 숨길 수 있다는 점에서 군 뿐만 아니라 범죄 집단이나 테러리스트의 매력적일 수도 있습니다. 이런 이유로에서, 각국 정부는 공항과 국가 중요 시설에서 무인 항공기를 이용한 테러를 방지하기 위해 안티드론 시스템을 구축하고 있는데요. 이 시스템의 핵심 기술은 드론의 보안 취약점입니다. 안티드론 기술의 중요성은 우크라이나-러시아 전쟁을 통해 명확하게 드러

안 아픈 ‘패치형 백신’ 개발

연세대학교 정형일 교수팀(생명공학과)이 기존 근육 주사를 이용한 백신 접종법의 통증 문제를 개선하고 효능을 극대화한 마이크로니들 기술 기반 패치형 백신을 개발했습니다. 백신이 함유된 미세한 바늘 모양 구조체가 안정적으로 피부 안쪽으로 흡수되도록 설계해 정량 백신 전달이 가능하게 했는데요. 패치형 백신은 기존 주사형 백신의 통증과 불편함을 크게 개선한 기술로, 근육보다 면역 세포가 많이 분포하는 피부에 항원을 직접 전달해 감염병에 대해 뛰어난 방어 효능을 기대할 수 있는 것으로 알려져 있습니다. 백신 유통의 큰 장애물인 콜드체인 문제

항생제 사용을 줄이는 세포선별 시스템 개발

국내 연구진이 바이오산업에서 항생제 사용문제 해결에 도움을 줄 수 있는 기술을 개발했습니다.한국생명공학연구원(이하 생명연) 합성생물학연구센터 이대희 박사 연구팀은 항생제 없이도 바이오제조 공정에 사용할 유전자재조합 세포를 고감도로 선별하는 시스템 개발에 성공하였다고 밝혔는데요. 이를 통해 바이오의약품, 바이오연료 등 바이오 제품 제조공정의 안전성을 높이고, 생산단가를 낮추는데 이바지할 수 있을 것으로 기대됩니다. 바이오산업의 성장을 이끈 기술 중 하나가 바로 유전자재조합 기술입니다. 유전자재조합 기술이란 특정 유전자의 배열 순서를

30% 향상된 고성능 리튬-황 전지 개발

KAIST 생명화학공학과 이진우 교수 연구팀이 POSTECH 한정우 교수 연구팀, LG에너지솔루션 차세대전지연구센터(센터장 손권남 박사)와 공동연구를 통해 기존 대비 에너지 밀도와 수명 안정성을 대폭 늘린 리튬-황 전지를 개발하는 데 성공했습니다. 리튬-황 전지는 상용 리튬 이온 전지에 비해 2~3배 정도 높은 에너지 밀도를 구현할 수 있을 것으로 기대되는데요. 차세대 이차전지 후보군 중 많은 관심을 받고 있습니다. 특히, 전기자동차 및 전자기기와 같이 한 번에 얼마나 많은 양의 에너지를 저장할 수 있는지가 중요한 응용 분야의 경우

마스크 기반 초박형 렌즈리스 카메라 설계 및 제작 기술 개발

연세대학교 전기전자공학과 이승아 교수 연구팀은 경희대학교 전자공학과 박욱 교수 연구팀과 협업 연구를 통해 렌즈리스 카메라 기술의 핵심인 신규 광학소자를 대량으로 생산할 수 있는 기술을 세계 최초로 개발했습니다. 연구팀은 기존 초소형 카메라보다 5배 이상 얇은 카메라를 제작하고 이를 활용해 영상 촬영뿐만 아니라 광학 정보 처리 구현 등 응용을 보여, 렌즈리스 카메라 원천기술의 상용화 가능성을 최초로 제시했는데요. 특히 이번 연구는 위상 복원 알고리즘을 사용해 다양한 위상마스크를 설계하고 이를 단일 노광으로 빠르게 제작할 수 있어 나노

바이오경제를 이끌어가는 대사공학 30년 역사와 미래

KAIST 생명화학공학과 이상엽 특훈교수 연구팀이 지난 30년간 대사공학이 발전해온 역사를 정리했습니다. 그리고, 대사공학이 지속 가능한 발전에 어떻게 기여할 수 있는지 분석한 결과를 ‘지속 가능성과 건강을 위한 대사공학’ 논문으로 발표했습니다. 이번 논문은 셀(Cell) 誌가 발행하는 생명공학 분야 권위 리뷰 저널인 `생명공학 동향(Trends in Biotechnology)'의 40주년 특집호 온라인판에 게재됐습니다.논문명 : Metabolic engineering for sustainability and health 대

소변으로 암 진단?

한국재료연구원(KIMS, 재료연) 나노표면재료연구본부 정호상 박사 연구팀이 포스텍 노준석 교수 및 경희대 의과대학 최삼진 교수와 공동연구를 통해, 소변 내 대사체의 광신호를 증폭할 수 있는 스트립 형 소변 센서를 개발하고 현장에서 암을 진단하는 데 성공했습니다. 검사가 필요한 시점에 소변을 소량(10uL)으로 용적한 후 빛을 조사하는 것만으로 별도의 분석 과정 없이 전립선암과 췌장암을 검사할 수 있는 기술입니다. 검사기기는 스트립 형으로 제작되어 현장에서 신속 고감도로 암을 진단할 수 있도록 했는데요. 연구팀은 암 환자와 정상인 소

이차전지 성능 높일 새로운 구조체 개발

친환경 대용량 에너지 저장장치로 주목받는 수계 아연금속 이차전지의 성능을 높일 수 있는 새로운 구조체가 국내 연구진에 의해 개발됐습니다. 한국연구재단은 김동완 교수(고려대학교) 연구팀이 아연금속 이차전지의 성능을 높이고, 수명 절감의 다양한 원인을 해결할 수 있는 이중 계면 호스트[1]를 개발했다고 밝혔습니다. [1] 이중계면 호스트 : 아연금속과 수계 전해질 사이에 아연금속이 수지상이 아닌 균일 증착될 수 있도록 다공성 탄소층과 아연산화물 이중으로 구성된 기능성 계면. 리튬금속 전지와 달리 수계 전해질을 사용하는 아연금속 이차전지

사진에서 3차원 정보를 추론하는 인공지능 반도체 IP(지식재산권) 세계 최초 개발됐다

KAIST 전기및전자공학부 유회준 교수가 이끄는 PIM 반도체 설계 연구센터(AI-PIM)가 유수 학계에서 인정한 5종의 최첨단 인공지능 반도체 IP(지식재산권)를 개발했습니다. 대표적으로 심층신경망 추론 기술 및 센서 퓨전[1] 기술을 통해 사진으로부터 3차원 공간정보 추출하고 물체를 인식해 처리하는 인공지능(AI) 칩은 KAIST에서 세계 최초로 개발해 SRAM PIM[2] 시스템에 필요한 기술을 IP(지식재산권)화 한 것입니다.[1] 센서 퓨전 : 카메라, 거리센서 등의 각종 센서로부터 얻은 데이터를 결합하여보다 정확한 데이터

뇌혈관 혈류 속도를 한 장의 사진으로 측정

모바일용 이미지 센서를 사용한 단 한 장의 사진 촬영으로 뇌혈관 내 혈류 속도를 정량적으로 측정할 수 있는 기술이 국내 연구진에 의해 개발됐습니다.한국연구재단은 이승아 교수(연세대학교) 연구팀이 모바일용 롤링 셔터 카메라를 활용해 레이저 스페클[1] 패턴을 촬영하는 방식으로 혈류 속도와 변화를 측정할 수 있는 광영상 기술을 개발했다고 밝혔는데요.[1] 레이저 스페클(laser speckle) : 레이저 빛을 생체 조직과 같은 산란이 일어나는 물체에 조사할 때 레이저 빛과 입자의 상호 작용에 의해 생성되는 반점 모양의 간섭무늬 혈류는

값싸고 초고속 수질정화가 가능한 친환경 소재 개발

DGIST 에너지공학과 박치영 교수팀이 수중 페놀계 유기오염물을 초고속으로 완전히 제거 가능한 ‘비정형 다공성 고분자 소재’ 개발에 성공했습니다. 이번에 개발된 다공성 소재는 광열효과를 바탕으로 물속 미세플라스틱뿐만 아니라 크기가 매우 작은 VOC[1]의 효율적 제거 가능한데요. 동시에 소재의 가격 경쟁력 및 태양광 기반 수질 정화 공정이 가능해, 향후 상업화 가능한 고효율 흡착 소재로 활용될 수 있을 것으로 기대됩니다.[1] VOC (Volatile organic compounds): 비점이 낮아서 대기 중으로 쉽게 증발되는 액체

맞춤형 항암제의 효능을 예측 할 수 있다

똑같은 암을 앓는 환자라도 항암제 효능은 다르죠. 개인별 유전변이 등에 따라 항암제의 반응성이 다르게 나타나기 때문인데요. 이런 환자별 결과를 미리 알려주는 인공지능(AI) 기술이 개발됐습니다. UNIST 바이오메디컬공학과 이세민 교수팀은 고려대 정원기 교수팀, 한양대 서지원 교수팀과 공동으로 ‘다중 오믹스[1] 데이터 기반의 환자 맞춤형 항암제 반응성 예측을 위한 기계학습 모델’을 개발했습니다. 연구진은 대규모 항암제 반응성 데이터와 다중 오믹스 데이터를 활용해 기존의 항암제 반응성 예측 모델보다 훨씬 우수한 성능을 얻었습니다.