Research Stories 게시판목록

개인화된 가상 착용은 상상을 현실로 바꾸는가?

온라인에서 옷을 구매할 때, 우리는 실제로 입어보지 않고도 얼마나 확신을 가질 수 있을까? 디지털 쇼핑 환경에서는 제품을 직접 경험할 수 없다는 한계 때문에 소비자들은 종종 “이게 나한테 잘 맞을까?”라는 불확실성을 느낀다. 이러한 문제를 해결하기 위해 등장한 기술이 바로 ‘가상 피팅(Virtual Try-On)’이다. 최근에는 단순한 가상 착용을 넘어, 소비자의 신체와 스타일을 반영한 개인화된 가상 피팅 기술이 빠르게 확산되고 있다. 성균관대학교 의상학과 김세은 교수는 미국 오클라호마 주립대학 연구팀과 함께 이러한 개인화된 가상 피팅이 소비자의 의사결정에 미치는 영향을 실증적으로 분석했다. 연구는 특히 소비자가 제품을 얼마나 쉽게 상상할 수 있는지, 그리고 그 과정이 구매 결정에 어떤 심리적 확신을 만들어내는지에 주목했다. 연구 결과, 개인화된 가상 피팅은 소비자의 ‘제품 상상(product imagination)’을 유의하게 향상시키는 것으로 나타났으며, 소비자는 자신의 몸과 유사한 형태로 구현된 가상 이미지를 통해 실제로 착용한 것처럼 제품을 구체적으로 상상하게 된다. 이러한 상상은 단순한 인지적 과정에 그치지 않고, 의사결정 과정에도 직접적인 영향을 미쳤다. 제품을 생생하게 떠올릴수록 소비자는 자신의 선택에 대해 더 편안함과 확신을 느끼는 경향을 보였으며, 이는 가상 피팅이 “이 제품이 나에게 맞을까?”라는 불안을 줄이고 보다 안정적인 의사결정을 가능하게 함을 의미한다. 흥미로운 점은 이러한 효과가 모든 소비자에게 동일하게 나타나지 않았다는 것이다. 연구는 ‘공간 처리 지각(spatial processing perception)’이라는 개인의 인지적 특성이 중요한 역할을 한다는 사실을 밝혀냈다. 공간 정보를 처리하는 능력이 낮은 소비자일수록 가상 피팅의 효과가 더욱 크게 나타났으며, 이는 제품을 머릿속으로 구체적으로 상상하는 데 어려움을 느끼는 소비자일수록 가상 피팅이 제공하는 시각적 정보에 더 크게 의존하기 때문으로 해석된다. 반면, 공간 처리 능력이 높은 소비자는 이미 제품을 충분히 상상할 수 있어 가상 피팅의 추가적인 효과는 상대적으로 제한적이었다. 즉, 개인화된 가상 피팅은 단순히 ‘더 좋은 기술’이 아니라 “누구에게 더 필요한 기술인가”를 보여주는 결과라 할 수 있다. 이번 연구는 가상 피팅 기술이 시각적 경험을 넘어 소비자의 심리적 의사결정 과정을 변화시키는 핵심 메커니즘을 밝혔다는 점에서 의의가 있으며, 특히 제품 상상이라는 인지적 과정이 의사결정 확신으로 이어지는 구조를 규명함으로써 온라인 쇼핑 환경에서 소비자 경험 설계에 중요한 시사점을 제공한다. 앞으로 패션 및 이커머스 기업은 단순히 기술을 도입하는 것을 넘어, 소비자의 인지적 특성에 맞춘 개인화 전략을 통해 더욱 효과적인 쇼핑 경험을 제공해야 할 것으로 보인다. 연구 결과는 국제 저명 SSCI 저널인 Journal of Research in Interactive Marketing에 게재되었다. 논문 게재 성과 SKKU RESEARCH STORY Unveiling product imagination and decision comfort through personalized virtual try-on: the moderating role of spatial processing perception Available Journal of Research in Interactive Marketing 원문 보기 (DOI) SK 김세은 교수 PURE 프로필 →
- No. 392
- 2026-05-07
- 1382
머신러닝으로 임상시험을 혁신하다

성균관대학교 통계학과 박연희 교수는 머신러닝을 임상시험 설계에 실제로 적용할 수 있는 새로운 통계 방법론(MARGO: Machine Learning-Assisted Adaptive Randomization for Group Sequential Trials Based on Overlap Weights)을 개발하였다. 본 연구는 머신러닝 및 인공지능 기반 의사결정을 임상시험이라는 엄밀한 과학적 환경에 안전하게 도입할 수 있는 실질적인 방법을 처음으로 제시했다는 점에서 주목을 받고 있다. 임상시험 혁신의 꿈과 현실적 장벽 최근 머신러닝과 인공지능 기술은 임상시험에서 환자 맞춤형 치료 배정을 위한 핵심 도구로 각광받고 있다. 특히 임상시험 도중 축적되는 데이터를 실시간으로 분석해 더 효과적인 치료에 환자를 배정하는 '적응적 무작위배정(adaptive randomization)'은 환자 예후를 개선할 수 있는 유망한 접근법이다. 그러나 이 방법을 실제 임상시험에 적용하면 심각한 통계적 문제가 발생할 수 있다. 환자의 특성(바이오마커 등)을 반영해 치료를 배정할 경우 치료군 간 공변량 불균형이 생기고, 이는 치료 효과 추정의 편향과 제1종 오류(type I error) 증가로 이어져 잘못된 결론을 도출할 위험이 있다. 특히 임상시험 도중 조기 종료 여부를 판단하는 그룹 순차 설계(group sequential design) 환경에서는 이 문제가 더욱 심화된다. 머신러닝 + 인과추론: 두 마리 토끼를 잡다 박연희 교수는 이 근본적인 문제를 해결하기 위해 머신러닝 예측 모형과 인과추론 기반 propensity score weighting 기법인overlap weight(OW)를 결합한 MARGO를 제안하였다. MARGO는 환자의 공변량 정보를 활용해 각 치료에 대한 성공 확률을 머신러닝으로 예측하고, 이를 기반으로 더 효과적인 치료에 환자를 배정한다. 동시에 OW 기법을 통해 치료군 간 공변량 불균형을 보정함으로써, 적응적 무작위배정으로 인한 편향과 제1종 오류 증가 문제를 효과적으로 제어한다. 연구에서는 SVM, KNN, Random Forest, MLP 등 4가지 머신러닝 알고리즘을 적용하여 그 효과를 검증하였다. 시뮬레이션으로 검증된 우월한 성능 광범위한 시뮬레이션 연구 결과, MARGO는 기존의 고정 무작위배정 방식 및 기존 적응적 무작위배정 방법들과 비교하여 세 가지 측면에서 모두 우월한 성능을 보였다. 첫째, 더 많은 환자를 효과적인 치료에 배정하였다. 둘째, 전체 제1종 오류율을 목표 수준(0.05) 이하로 안정적으로 유지하였다. 특히 기존 방법들이 제1종 오류율을 최대 0.08~0.18까지 부풀린 시나리오에서도 MARGO는 이를 0.05 이하로 제어하는 데 성공하였다. 셋째, 치료 효과가 실재하는 시나리오에서 높은 검정력을 유지하면서 환자 실패 수를 줄였다. 이는 임상시험의 윤리성과 신뢰성을 동시에 향상시킬 수 있음을 의미한다. "AI를 사용하는 것"에서 "AI를 신뢰할 수 있게 사용하는 것"으로 이번 연구의 가장 중요한 성과는 머신러닝을 임상시험에 단순히 도입하는 것을 넘어, 그 과정에서 발생하는 근본적인 통계적 문제를 엄밀하게 해결했다는 점이다. MARGO는 향후 다양한 인공지능 모델로 확장 적용될 수 있으며, 정밀의학 기반 임상시험뿐만 아니라 데이터 기반 의사결정이 필요한 다양한 분야에 기여할 것으로 기대한다. 본 연구는 Statistics in Medicine에 2025년 게재되었다. 논문 게재 성과 SKKU RESEARCH STORY MARGO: Machine Learning-Assisted Adaptive Randomization for Group Sequential Trials Based on Overlap Weights Statistics in Medicine 원문 보기 (DOI) YP 박연희 교수 PURE 프로필 → 그림1. 중간분석을 포함한 적응적 무작위배정 설계 프레임워크 그림 2. 시뮬레이션 결과: 제1종 오류율의 목표 수준 이하 통제
- No. 391
- 2026-05-07
- 473
성균관대 김영준 교수팀, 배터리 제조의 혁명 ‘건식전극’ 세계 최고 밀도 구현 및 파운드리 사업화 도전

성균나노과학기술원 김영준 교수 연구팀이 차세대 배터리 혁신 제조 공정으로 주목받는 ‘건식전극’ 공정에 최적화된 소재 기술을 개발하고, 이를 통해 세계 최고 수준의 에너지 밀도를 가진 전극 원천기술을 확보했다. 이번 연구는 배터리 생산 패러다임을 바꿀 획기적인 성과로 평가받고 있다. 건식전극 기술은 리튬이온전지나 전고체전지 등 배터리 전극을 제작할 때, 기존의 액체 용매를 사용하는 방식에서 벗어나 용매 없이 고체 가루 형태의 원료를 직접 뭉쳐 전극을 만드는 기술이다. 이는 제조 과정에서 발생하는 유해 물질을 없애고 건조 공정을 생략할 수 있어 매우 친환경적이며 효율적이다. 현재 글로벌 전기차 기업인 테슬라가 양산화를 주도하고 있으며, 전 세계 배터리 기업들이 앞다퉈 기술 확보에 매진하고 있는 분야다. 김영준 교수 연구팀은 건식전극 공정의 고질적인 문제였던 ‘균일한 혼합’과 ‘대면적 생산’의 어려움을 해결하기 위해 활물질(에너지를 저장하는 물질)과 도전재(전기를 흐르게 돕는 물질)를 하나로 합친 ‘원바디(One-body)’ 소재를 개발했다. 이 소재를 통해 고품질의 전극을 대량으로 생산할 수 있는 핵심 기술을 완성했으며, 연세대학교 이용민 교수팀과의 시뮬레이션 협업을 통해 기술의 성능과 신뢰성을 객관적으로 검증했다. 김영준 교수는 “건식전극 기술은 단순한 친환경 공정을 넘어 배터리의 성능과 품질, 그리고 안전성을 획기적으로 높일 수 있는 최적의 해결책”이라며, “이번에 개발한 특화 소재와 생산 공정 기술은 배터리의 제조 원가를 대폭 낮추고 글로벌 시장에서의 성능 경쟁력을 동시에 확보할 수 있는 중요한 발판이 될 것”이라고 연구의 의미를 강조했다. 연구팀은 학술적 성과에 그치지 않고 기술의 실제 상용화를 위해 연구실 창업 스타트업인 (주)코리너지솔루션을 통해 파운드리(위탁 생산) 사업화를 본격 추진할 계획이다. 특히 삼성SDI와 LG에너지솔루션 등 산업계 현장 경험이 풍부한 성균관대 교수진과 협력하여, 차별화된 건식전극 설계 및 셀 제조 기술을 고도화함으로써 국내 배터리 산업의 위상을 높이겠다는 포부를 밝혔다. 이번 연구는 한국연구재단 나노소재기술개발사업의 지원으로 수행되었다. 양극 건식전극 관련 연구 결과는 에너지 분야 세계 최고 권위지인 ‘주울(Joule, IF 35.4)’에 게재되었으며, 음극 관련 연구는 ‘카본 에너지(Carbon Energy, IF 24.2)’ 온라인판에 실려 그 학술적 가치를 전 세계적으로 인정받았다. 논문 게재 성과 SKKU RESEARCH STORY A continuous carbon nanotube sheath enables ultrahigh energy density and fast charging in dry-processed thick electrodes Joule 원문 보기 (DOI) Dry-Processed Graphite Electrodes Enabling Ultra-High Areal Capacity and Stable Fast-Charging Performance Carbon Energy 원문 보기 (DOI) YK 김영준 교수 PURE 프로필 → ▲ 배터리 혁신을 이끄는 건식전극 제조 공정 단계 및 원천 소재 기술 연구 성과 개요도
- No. 390
- 2026-04-28
- 3154
초고차원 데이터 분석의 난제를 푼 이은령 교수, Annals of Statistics 게재 논문으로 2025년 올해의 대한민국 통계연구자상 수상

성균관대학교 통계학과 이은령 교수는 2024년 8월 국제 통계학계의 최고 권위 저널 가운데 하나인 Annals of Statistics에 게재된 논문 “Efficient Functional Lasso Kernel Smoothing for High-Dimensional Additive Regression”의 연구 성과를 인정받아 2025년 제2회 올해의 대한민국 통계연구자상을 수상하였다. 시상식은 2025년 8월 28일 서울 웨스틴조선호텔에서 열린 제14회 국가통계발전포럼에서 진행되었으며, 본 상은 통계청이 국가통계 발전의 기반이 되는 통계학 연구를 장려하고 우수 연구자를 발굴·격려하기 위해 제정한 통계청장상이다. 이번 논문은 변수의 수가 표본 수보다 훨씬 많은 초고차원 데이터 환경에서, 중요한 변수를 효과적으로 선별하면서도 각 변수의 비선형 효과를 정밀하게 추정할 수 있는 새로운 통계 방법론을 제시한 연구이다. 현대 데이터 분석에서는 수많은 변수들 가운데 실제로 의미 있는 신호를 찾아내는 일과, 그 변수들이 반응값에 어떤 방식으로 영향을 미치는지를 유연하게 설명하는 일이 동시에 중요하지만, 이를 함께 만족시키는 방법을 설계하는 것은 매우 어려운 문제로 여겨져 왔다. 이은령 교수 연구팀은 이러한 한계를 극복하기 위해 functional Lasso와 smooth backfitting을 결합한 새로운 커널 기반 방법을 개발하였다. 이 방법은 중요한 변수를 자동으로 선택하는 동시에, 선택된 변수의 효과를 비선형 함수 형태로 정밀하게 추정할 수 있도록 설계되었으며, 계산 효율성과 이론적 타당성도 함께 확보하였다. 또한 편향을 보정한 추론 절차를 함께 제안함으로써 단순한 예측을 넘어 신뢰구간 구성과 유의성 검정까지 가능하게 하였다는 점에서 학문적 의미가 크다. 연구팀은 제안한 방법을 암세포주 유전자 발현자료와 항암제 반응자료에 적용하여 실제 빅데이터 분석에서도 우수한 성능을 확인하였다. 이를 통해 약물 반응과 관련된 중요한 유전자를 효과적으로 식별할 수 있음을 보였으며, 제안한 방법이 바이오정보학과 정밀의료는 물론 금융, 환경, 사회과학 등 다양한 고차원 자료 분석 문제에도 폭넓게 활용될 수 있음을 제시하였다. 이번 수상은 초고차원 자료분석을 위한 새로운 통계 이론과 계산 방법을 함께 제시한 연구의 독창성과 실용성이 동시에 높게 평가받은 성과라 할 수 있다. 논문 게재 성과 SKKU RESEARCH STORY Efficient functional Lasso kernel smoothing for high-dimensional additive regression Annals of Statistics 원문 보기 (DOI) 이 이은령 교수 프로필 → ▲ fLasso-SBF의 핵심 아이디어를 "입력 → 방법 → 출력" 세 단계로 요약한 도식. 왼쪽 (Input) 표본 크기보다 훨씬 많은 수의 후보 공변량에 대한 산점도를 격자로 배열한다. 대부분의 공변량(회색)은 반응변수와 거의 무관한 잡음이며, 빨강·초록·파랑으로 강조된 세 개의 공변량만이 실제로 반응변수에 의미 있는 비선형 효과를 갖는다. 본 논문이 다루는 고차원 희소 가법 모형의 전형적인 상황을 보여준다. 가운데 (Method) 제안 기법 fLasso-SBF는 커널 기반 평활 백피팅에 함수형 Lasso 벌점을 결합한 목적함수를 최소화한다. 그 해는 "소프트 역치화 + 사영"이라는 한 번의 갱신 단계로 표현되며, 기존의 평활 백피팅 알고리즘에 역치화 한 단계만 추가된 간결한 형태여서 구현과 이론 분석이 모두 용이하다. 오른쪽 (Output) fLasso-SBF로 얻은 추정 성분함수들을 겹쳐 그린 그림. 실제로 활성이었던 세 공변량의 성분함수만 부드러운 곡선으로 복원되고, 나머지 비활성 공변량의 추정 성분은 자동으로 0 근방으로 축소된다. 즉, 변수 선택과 비모수적 함수 추정이 한 번의 절차로 동시에 이루어지며, 디바이어싱 과정을 통해 신뢰구간 구성과 가설검정까지 지원한다.
- No. 389
- 2026-04-28
- 971
광활성 올리고전해질에 의한 파이롭토시스 소포 형성

화학과 이진용 교수 연구팀(공동 제1저자 함형철)은 고려대학교 및 싱가포르 국립대학교 공동 연구팀과 함께, 저산소 암 조직에서도 생체 내 물을 직접 산화시켜 염증성 암세포 사멸(파이롭토시스)을 유도하는 차세대 광치료제 ‘NDI-COE’를 개발했다. 이번 연구는 기존 광역학 치료의 산소 의존성 한계를 극복하기 위해 세포막에 삽입되어 물을 산화시키는 신물질을 설계한 것으로, 국제학술지 'Journal of the American Chemical Society' (IF: 15.7)에 2026년 1월 28일 게재되었다. 특히 이진용 교수팀은 밀도범함수이론(DFT) 계산을 바탕으로 NDI-COE의 우수한 광화학적 작동 기전을 분자 수준에서 명확히 규명했다. 비공유 상호작용(NCI) 분석 결과, NDI-COE는 물 분자와 이중 수소 결합을 형성하며 대조군보다 훨씬 강한 결합 에너지(-5.21 kcal/mol)로 물 분자를 안정적으로 포집하는 것으로 확인되었다. 또한 전자 구조 분석을 통해, 빛을 받아 반응성이 높은 삼중항 상태(T1)로 전이되는 스핀-궤도 결합(SOC) 효율이 대조군 대비 약 7.5배(2.87 cm⁻¹) 높게 나타나 우수한 광화학적 반응성을 입증했다. 나아가 산화-환원 전위 계산 결과는 NDI-COE의 들뜬상태 산화 전위(-0.39 V)가 산소 분자로의 자발적인 전자 전달을 촉진해 활성산소를 매우 효율적으로 생성할 수 있는 열역학적 조건을 갖췄음을 증명하였다. 이처럼 DFT 계산을 통해 정량적으로 규명된 신물질의 특성들은 향후 저산소 종양 환경을 극복하는 혁신적이고 정밀한 차세대 광치료제 설계에 있어 중요한 이론적 근거로 활용될 것으로 기대된다. ▲(A) NDI-COE의 비공유 상호작용(NCI) 분석. 파란색은 수소 결합, 초록색은 반데르발스(vdW) 상호작용, 빨간색은 입체 반발을 각각 나타낸다. (B) NDI-COE와 물 사이의 결합 길이 및 결합 위치. (C) 물 존재하에서 NDI-COE의 계산된 라만 스펙트럼 비교. (D) Ben-COE의 NCI 분석. (E) Ben-COE와 물 사이의 결합 길이 및 결합 위치. (F) 물 존재하에서 Ben-COE의 계산된 라만 스펙트럼 비교. (G) Ben-COE와 (H) NDI-COE의 에너지 준위도 및 광물리적 과정. 3G에서 S₀: 단일항 바닥 상태의 중성 분자, D₀: 전자 1개를 받아 형성된 음이온의 바닥 상태 이중항. AEA: 아디아바틱 전자 친화도. (I) 물을 용매로 하는 극화 연속체 모델(PCM)을 사용한 DFT 계산을 통해 바닥 상태 및 여기 상태의 산화·환원 전위(V vs NHE)를 계산하였다. (J) 물을 용매로 하는 PCM 기반 DFT 계산으로 얻은 NDI-COE와 Ben-COE의 바닥 상태 및 여기 상태 산화·환원 전위(Eₒₓ, Eᵣₑd, Eₒₓ*, Eᵣₑd*; V vs NHE)와 프론티어 오비탈 에너지(HOMO, LUMO; eV) 논문 게재 성과 SKKU RESEARCH STORY Photoactivatable Oligoelectrolytes Engendering Pyroptotic Vesicles Journal of the American Chemical Society 원문 보기 (DOI) 이 이진용 교수 PURE 프로필 →
- No. 388
- 2026-04-24
- 2760
성균관대, 차세대 에너지 ‘페로브스카이트 태양전지’ 글로벌 연구 동향 보고서 발간

성균관대학교는 차세대 태양전지로 전 세계적 주목을 받고 있는 ‘페로브스카이트 태양전지(Perovskite Solar Cells, 이하 PSCs)’ 분야의 기술 발전 과정과 글로벌 연구 동향을 집대성한 종합 분석 보고서를 발간했다. 이번 보고서는 성균관대 화학공학부 박남규 교수 연구팀과 교내 평가기획팀이 공동 집필하였으며, 세계적인 학술 데이터 분석 기업인 클래리베이트(Clarivate)와 협력하여 제작되었다. 보고서에는 페로브스카이트의 기본 개념부터 기술적 진화 과정, 국가 및 주요 연구기관별 경쟁 구도 등 핵심적인 트렌드가 상세히 담겨 있어 관련 분야 학생들과 연구자들에게 유용한 지침서가 될 것으로 보인다. 특히 보고서는 지난 2012년 성균관대 연구진이 세계 최초로 ‘고체형’ 페로브스카이트 태양전지를 구현하며 전 세계 태양광 연구의 패러다임을 바꾼 점에 주목했다. 페로브스카이트는 고유한 결정 구조를 기반으로 한 물질로, 저온 공정 기반의 제조가 가능하고 유연한 소자 구현에 유리한 차세대 태양전지 소재로 주목받고 있다. 성균관대의 혁신적인 연구 이후 해당 기술은 짧은 기간 내에 효율이 급격히 상승하며, 현재는 기존 실리콘 전지의 한계를 극복할 수 있는 차세대 태양전지의 유력한 기술로 평가받고 있다. 학술 연구 정보 서비스인 ‘웹 오브 사이언스(Web of Science)’ 데이터를 기반으로 분석한 결과, 페로브스카이트 태양전지 분야는 2012년 이후 폭발적인 성장세를 보였다. 국가별로는 한국, 중국, 미국이 연구를 선도하고 있으며, 그중에서도 성균관대학교는 논문 발표 수, 피인용 횟수, 상위 1% 논문 비율 등 주요 평가지표에서 세계 최상위권의 성적을 기록하며 글로벌 핵심 연구 거점임을 다시 한번 입증했다. 또한 보고서는 페로브스카이트 태양전지가 탄소중립 실현과 ESG 경영 측면에서 갖는 가치를 강조했다. 아울러 실리콘 태양전지와 페로브스카이트를 적층한 ‘탠덤(Tandem) 구조’기술의 발전으로 상용화 가능성이 높아지고 있다고 분석했다. 이번 연구를 주도한 박남규 교수는 “미래 사회의 에너지는 대부분 전기에너지로 전환될 것이기에 이를 저비용·고효율로 생산하는 기술이 무엇보다 중요하다”며 “탄소 배출이 없는 태양광 발전 중에서도 페로브스카이트 기술은 미래 에너지 사회를 주도할 핵심 병기가 될 것”이라고 말했다. 이어 “성균관대는 해당 분야의 기틀을 마련한 자부심을 바탕으로 앞으로도 글로벌 연구 혁신을 이끌어 나가겠다”고 포부를 밝혔다. 보고서 발간 성과 SKKU RESEARCH STORY 페로브스카이트 태양전지: 미래 에너지 혁신을 여는 로드맵 Clarivate 보고서 다운로드 박 박남규 교수 PURE 프로필 → ▲페로브스카이트 태양전지의 소자 구조와 효율 향상 동향
- No. 387
- 2026-04-20
- 4551
성균관대 장지수 교수팀, ‘온실기체로 전기를 만든다’... 신개념 가스전지 원천기술 개발

나노공학과 장지수 교수 연구팀은 아주대 윤태광 교수, 충북대 김한슬 교수 연구팀과의 공동연구를 통해 대기 중 온실기체를 흡착하는 과정에서 전기를 스스로 만들어내는 신개념 에너지 소자인 ‘가스전지(Gas Capture and Electricity Generator, GCEG)’를 개발했다고 밝혔다. 이는 지구가 뜨거워지는 원인인 온실기체를 단순히 가두는 수준을 넘어, 유용한 에너지원으로 탈바꿈시킨 혁신적인 성과로 평가받는다. 최근 기후 위기 해결을 위해 탄소를 포집하고 저장하는 기술(CCUS)이 주목받고 있으나, 기존 방식은 온실기체를 모으고 처리하는 과정에서 오히려 막대한 양의 전기나 열 에너지를 소모해야 한다는 한계가 있었다. 공동연구팀은 이러한 문제를 해결하기 위해 온실기체가 전극 표면에 달라붙을 때 발생하는 물리·화학적 에너지를 직접 전기에너지로 변환하는 완전히 새로운 방식의 소자를 제안하였다. 연구팀이 개발한 가스전지는 탄소 기반 전극과 하이드로겔 소재를 비대칭 구조로 결합한 형태이다. 대기 중의 질소산화물(NOx)이나 이산화탄소(CO₂)가 장치에 흡착되면 내부에서 전하의 재분포가 일어나고 이온이 이동하면서 외부 전원 없이도 지속적인 직류 전기를 생산한다. 즉, 공기 중의 오염물질이 전지의 ‘연료’가 되어 환경을 정화함과 동시에 전력을 공급하는 셈이다. 이 기술은 향후 별도의 배터리 없이 작동하는 스마트 환경 센서나 자가발전 IoT 시스템은 물론, 대량의 배출가스가 나오는 산업 현장에서 에너지 회수와 탄소 저감을 동시에 달성하는 핵심 기술로 활용될 수 있다. 특히 분산형 에너지 시스템에 적용될 경우 탄소중립 실현을 앞당기는 데 기여할 것으로 보인다. 장지수 교수는 “이번 연구는 온실기체를 단순히 처리해야 할 골칫덩이가 아니라, 새로운 에너지 자원으로 활용할 수 있음을 보여준 사례”라며 “앞으로 이 기술을 탄소중립을 넘어 에너지를 생성하는 환경 기술 플랫폼으로 발전시켜 나가겠다”고 포부를 밝혔다. 이번 연구 성과는 재료과학 분야의 세계적 권위지인 ‘에너지 앤 이바이론멘탈 사이언스(Energy & Environmental Science, IF: 31.0)’에 게재되었으며, 연구의 우수성과 독창성을 인정받아 해당 학술지의 대표 표지(Front cover) 논문으로 선정되었다. 논문 게재 성과 SKKU RESEARCH STORY Electrical power generation from asymmetric greenhouse gas capture Energy & Environmental Science 원문 보기 (DOI) 장 [장지수 교수] 프로필 → ▲ 논문 표지 ▲ 온실기체 흡착기반 전력발생 장치 ‘가스전지’의 원리를 설명하는 그림
- No. 386
- 2026-04-16
- 4160
성균관대 공동 연구팀, 메타렌즈 초고속 대량생산 기술 확보

성균관대학교 생명물리학과·지능형정밀헬스케어융합전공 조규진·김인기 교수 연구팀이 포항공과대학교 노준석 교수 연구팀과 공동으로, 가시광 영역에서 동작하는 ‘메타렌즈’를 초당 300개 이상의 속도로 생산할 수 있는 ‘롤투롤(Roll-to-Roll) 나노임프린팅’ 공정 기술을 개발했다고 밝혔다. 이번 연구 성과는 그동안 실험실 수준의 소량 생산에 머물러 있던 메타렌즈 제작의 한계를 극복하고, 실제 산업 현장에 적용 가능한 초고속·저비용 대량 생산의 길을 열었다는 점에서 큰 의미를 갖는다. 연구 결과는 세계 최고 권위의 국제 학술지인 ‘네이처(Nature)’에 4월 16일 온라인판으로 게재되어 학계의 주목을 받고 있다. 메타렌즈는 머리카락보다 수백 배 얇은 나노 구조체를 이용해 빛을 조절하는 초박형 광학 소자다. 기존의 크고 무거운 굴절 렌즈를 획기적으로 줄일 수 있어 차세대 광학 기술로 꼽히지만, 제작 과정에서 비싼 반도체 공정을 사용해야 해 상용화에 어려움이 있었다. 이에 공동연구진은 신문을 찍어내는 방식과 유사한 ‘롤투롤’ 공정을 적용했다. 유연한 기판 위에서 연속적으로 나노 구조를 형성하는 이 기술을 통해 연구팀은 기존 대비 100배 이상의 생산성을 확보했으며, 12인치 대면적 공정에서 1.5초마다 메타렌즈 어레이를 생산하는 데 성공했다. 연구팀은 생산성뿐만 아니라 렌즈의 성능도 극대화했다. 저굴절률 폴리머 구조 위에 이산화티타늄(TiO2) 박막을 원자층 증착(ALD) 방식으로 코팅하여, 빛을 모으는 효율을 기존 10% 수준에서 최대 90%까지 끌어올렸다. 이는 가시광선 전 영역에서 고해상도 이미징이 가능한 수준으로, 실제 실험 결과 회절 한계에 가까운 정밀한 초점 형성을 확인하였다. 성균관대 조규진 교수는 “이번 기술은 환경오염 없이 고속 대량 생산이 가능한 저비용 제조 기술”이라며 “지속 가능한 분산형 롤투롤 인쇄 파운드리 플랫폼으로서 전 세계로 뻗어나가는 ‘K-제조 플랫폼’으로 성장할 것”이라고 포부를 밝혔다. 또한 김인기 교수는 “세 연구 그룹의 설계, 제작, 응용 기술이 집약되어 세계 최고 수준의 완성도를 이뤄냈다”며 “이제는 메타렌즈의 대량생산이 가능해지면서 로봇･드론 등에 활용이 가능한 초소형 카메라 및 바이오･의료 영상을 위한 현미경 등에도 메타렌즈가 활발히 적용될 것”이라고 덧붙였다. 이번 연구는 과기정통부 ERC R2R인쇄유연컴퓨터 개발 연구센터와 미래개척융합과학기술개발사업(글로벌융합연구지원사업, 미래유망융합기술파이오니아사업), 중견연구자지원사업, 삼성미래기술육성사업, 포스코홀딩스 N.EX.T Impact 사업 등의 지원을 받아 수행됐다. 논문 성과 SKKU RESEARCH STORY 300-unit-per-second roll-to-roll manufacturing of visible metalenses Nature 원문 보기 (DOI) IK 김인기 교수 PURE 프로필 → GC 조규진 교수 PURE 프로필 → ▲ 롤투롤 나노임프린팅 기반 메타렌즈 대량 생산 공정 ▲ 제작된 대면적 메타렌즈
- No. 385
- 2026-04-16
- 4330
수소연료전지 한계 넘을 차세대 백금 기반 촉매, 고효율 수소차 상용화 이끈다

성균관대학교 화학공학과 이상욱 교수 연구팀(공동 1저자 석준호 박사과정, 조성찬 박사)은 고려대학교 이광렬 교수 연구팀, 한국과학기술연구원(KIST) 유성종 박사 연구팀과 함께 수소연료전지의 성능 저하와 내구성 문제를 동시에 개선할 수 있는 차세대 백금 기반 촉매를 개발했다. 이번 연구 결과는 재료·에너지 분야의 세계적인 학술지 Advanced Materials(IF=26.8)에 2026년 1월 6일 온라인 게재됐다. 수소연료전지는 수소와 산소의 전기화학 반응을 통해 전기를 생산하는 대표적인 친환경 에너지 기술로, 그 성능과 내구성은 연료전지 양극에서 일어나는 산소환원반응에 크게 좌우된다. 그러나 산소환원반응은 반응 속도가 느리고, 장시간 구동 시 촉매의 구조 변화와 성능 저하가 나타나 상용화 확대의 걸림돌로 지적돼 왔다. 특히 기존 백금 기반 인터메탈릭 촉매는 구조적 안정성이 우수하다는 장점이 있지만, 원자 조성과 배열을 정밀하게 조절할 수 있는 범위가 제한적이어서 전자구조를 세밀하게 제어하는 데 한계가 있었다. 이 때문에 수소전기차와 같은 고부하 운전 조건에서는 높은 활성과 장기 내구성을 동시에 확보하기 어려웠다. 연구팀은 이러한 한계를 극복하기 위해 백금 기반 인터메탈릭 촉매의 구조적 안정성은 유지하면서도, 원자 조성과 전자구조를 보다 정밀하게 제어할 수 있는 새로운 촉매 설계 전략을 제안했다. 이를 바탕으로 백금(Pt)·코발트(Co)·망간(Mn)으로 구성된 삼원계 인터메탈릭 나노촉매를 설계했으며, 촉매와 산화물 계면에서 형성되는 산소 결함을 활용해 촉매 내부의 원자 배열을 제어함으로써 기존에는 구현이 어려웠던 삼원계 Pt 기반 인터메탈릭 촉매를 성공적으로 개발했다. 특히 이번 연구에서는 기존에 보고되지 않았던 계산화학적 접근을 도입해 실험적으로 직접 관찰하기 어려운 전구체 단계의 계면 합성 메커니즘을 규명했다. 연구팀은 계면에서 형성되는 초기 산소 결함이 망간(Mn)의 원자 배열을 유도하는 핵심 인자임을 밝혔으며, 이를 통해 삼원계 인터메탈릭 구조가 형성되는 과정을 이론적으로 설명했다. 이는 단순한 성능 해석을 넘어, 촉매 합성 과정 자체를 원자 수준에서 이해하고 설계할 수 있는 기반을 제시한 성과이다. 새롭게 개발된 촉매는 최적화된 전자구조를 바탕으로 산소환원반응 활성과 내구성을 동시에 향상시켰다. 전기화학 성능 평가에서는 상용 Pt/C 촉매 대비 10배 이상의 질량 활성을 기록했으며, 15만 회 이상의 가속 내구성 시험 이후에도 초기 성능의 96% 이상을 유지했다. 또한 막전극접합체(MAE) 적용 시험에서도 미국 에너지부(DOE)가 제시한 2025년 성능 목표를 상회하는 결과를 보였고, 고부하 조건에서도 기존 촉매보다 높은 출력을 유지해 수소전기차와 발전용 연료전지 분야에서의 활용 가능성을 입증했다. ※논문명: Tailoring Interfacial Oxygen Vacancy-Mediated Ordering in Ternary Pt3(Co,Mn)1 Intermetallic Nanoparticles for Enhanced Oxygen Reduction Reaction ※학술지: Advanced Materials ※논문링크: https://advanced.onlinelibrary.wiley.com/doi/10.1002/adma.202521036 ※연구포털(PURE): https://pure.skku.edu/en/persons/sang-uck-lee/ (왼쪽) 산화물(MnO) 계면에서 형성된 산소 결함이 촉매 내부의 원자 배열을 유도해 기존에는 구현이 어려웠던 Pt–Co–Mn 삼원계 인터메탈릭 구조가 형성되는 과정을 보여준다. (오른쪽 위) 실제 합성된 나노촉매는 원자 수준에서 균일한 구조를 유지하며, Mn, Co, Pt가 고르게 분포함을 확인할 수 있다. (오른쪽 아래) 이러한 구조적 특성은 높은 산소환원반응 활성과 우수한 내구성으로 이어져, 실제 연료전지 조건에서도 기존 촉매를 뛰어넘는 성능을 보였다.
- No. 384
- 2026-04-03
- 6047
전기로 리그닌 난분해 결합 끊어 고부가 화합물로 전환하는 e-Biorefinery

성균관대학교 김재훈 교수 연구팀과 한국과학기술연구원(KIST) 이동기 박사 연구팀이 목질계 바이오매스의 핵심 성분인 리그닌을 전기화학적으로 고부가가치 방향족 화합물과 사이클로헥센계 화합물로 전환하는 고효율 촉매 공정을 개발했다. 이번 연구는 외부 수소 가스를 사용하지 않고도 비교적 온화한 조건에서 리그닌의 난분해성 에테르 결합을 선택적으로 절단하고, 동시에 유용한 화학소재 전구체로 고도화할 수 있음을 입증한 성과다. 연구 결과는 Applied Catalysis B: Environment and Energy(IF 21.1, JCR 상위 2% 이내)에 2026년 2월 게재됐다. 최근 탄소중립과 지속가능 화학산업에 대한 관심이 높아지면서, 화석자원 기반 방향족 화학소재를 바이오매스 유래 물질로 대체하려는 연구가 활발히 진행되고 있다. 그중 리그닌은 목질계 바이오매스에서 가장 탄소가 풍부한 성분으로 다양한 방향족 화합물의 잠재적 공급원으로 평가받지만, 복잡한 고분자 구조와 강한 C–O 및 C–C 결합 때문에 선택적 전환이 매우 어렵다. 특히 4–O–5 및 α–O–4 diaryl ether 결합은 기존에도 고온·고압 수소 분위기에서 분해가 시도돼 왔으나, 높은 에너지 소모와 낮은 선택성이 한계로 지적돼 왔다. 또한 기존 전기화학적 리그닌 분해 연구 역시 단량체 수율이 낮고 실제 리그닌 유래 생성물의 직접 확인이 충분하지 않았다. 연구팀은 이러한 한계를 극복하기 위해 5 wt% Pd/C 촉매를 활용한 전기환원 기반 리그닌 전환 전략을 제시했다. 이 공정은 물 전기분해 과정에서 촉매 표면에 형성되는 활성 수소를 이용해 리그닌의 에테르 결합을 절단하는 방식으로 작동한다. 즉, 별도의 외부 수소 공급 없이도 전기에너지 만으로 리그닌 분해와 후속 수소화 반응을 동시에 유도할 수 있으며, 전류밀도 조절을 통해 표면 흡착 수소의 양을 정밀하게 제어할 수 있다는 점이 특징이다. 연구팀은 이 방법을 4–O–5 및 α–O–4 결합을 대표하는 모델 화합물과 실제 자작나무 유래 리그닌 용해액에 모두 적용해 성능을 검증했다. 그 결과, 4–O–5 결합 모델 화합물인 diphenyl ether(DPE)와 phenyl tolyl ether(PTE)는 70℃, 50 mA cm⁻² 조건에서 90분 이내에 100% 전환되었고, α–O–4 결합 모델 화합물인 benzyl phenyl ether(BPE) 역시 30℃의 더 낮은 온도에서 완전 전환되었다. 생성물 측면에서도 높은 선택성이 확인됐다. DPE는 cyclohexanol 99.8%와 cyclohexane 85.2%를, PTE는 4-methyl cyclohexanol 99.5%와 methyl cyclohexane 95.6%를, BPE는 cyclohexanol 99.2%, toluene 51.8%, methyl cyclohexane 46.3%를 각각 나타냈다. 이는 리그닌의 에테르 결합 절단 이후 생성된 방향족 중간체가 다시 선택적으로 수소화되며 유용한 업그레이드 생성물로 이어진다는 점을 보여준다. 연구팀은 반응 효율을 높이는 최적 조건도 규명했다. 이소프로판올(IPA)을 공용매로 도입할 경우 반응물 용해도와 수소 전달 특성이 동시에 향상되었으며, 특히 30 wt% IPA 조건에서 DPE 전환율 100%와 Faradaic efficiency 70.2%를 달성했다. 또한 전류밀도는 50 mA cm⁻²에서 가장 우수한 성능을 보였고, 더 높은 전류밀도에서는 수소 발생 반응이 경쟁적으로 증가해 오히려 목표 반응 효율이 감소하는 것으로 나타났다. 즉, 리그닌 전기화학 전환에서 공용매 조성과 전기화학 조건의 정밀 제어가 핵심이라는 점을 실험적으로 입증했다. 촉매 작동 원리에 대한 분석에서도 중요한 결과가 도출됐다. 연구팀은 Pd/C 촉매 내에서 PdO와 금속 Pd가 서로 다른 기능을 수행하는 이원적 메커니즘을 제시했다. PdO는 리그닌의 C–O 결합 절단을 주도하고, 이후 생성된 Pd⁰는 phenol과 benzene 같은 중간체를 cyclohexanol과 cyclohexane으로 수소화하는 역할을 담당했다. 실제로 Pd foil만 사용할 경우 DPE 전환율은 19.3%에 그쳤고, PdO만 사용할 경우 57.4% 수준에 머물렀지만, Pd/C에서는 가장 높은 활성과 선택성이 나타났다. 또한 Pd/C는 Pt/C, Ru/C, Ag/C, Ni/C보다 높은 전환 성능과 함께 가장 높은 TOF 468.0 h⁻¹를 기록했으며, 5회 재사용 후에도 DPE 전환율 95.0%를 유지해 촉매 내구성도 우수한 것으로 확인됐다. 연구팀은 나아가 이 기술을 실제 자작나무 바이오매스에 적용해 공정 확장 가능성도 확인했다. 먼저 메탄올 용매분해를 통해 탈리그닌도 81 wt%를 달성했지만, 이 단계에서의 리그닌 유래 페놀성 단량체 수율은 5.0 C%에 머물렀다. 이후 Pd/C 기반 전기화학 공정을 추가 적용한 결과, 강산성 조건에서는 중합이 빠르게 진행되어 효율이 제한되었으나, 보다 완만한 0.5 M acetate buffer(pH≈5)로 전환하자 단량체 수율이 1시간 후 13.6 C%, 4시간 후 19.6 C%까지 증가했다. 특히 4-n-propanol syringol에 대해 41.6%의 높은 선택성을 보였으며, GC×GC–TOF/MS 분석에서는 4-n-propyl syringol, 4-n-propyl guaiacol, 4-n-propanol guaiacol, syringylacetone 등 다양한 단량체 생성물이 확인됐다. 이번 연구는 기존의 고온·고압 수소화 기반 리그닌 업그레이딩 공정과 달리, 전기만으로 리그닌의 난분해 결합을 선택적으로 끊고 동시에 고부가가치 화합물로 전환할 수 있는 새로운 바이오리파이너리 플랫폼을 제시했다는 점에서 의의가 크다. 특히 외부 수소 없이 진행되는 온화한 공정 조건, 실제 목질계 바이오매스 적용 가능성, 그리고 PdO/Pd⁰의 기능 분담 메커니즘 규명까지 함께 제시함으로써 향후 지속가능 화학소재 생산과 바이오연료 전구체 제조를 위한 핵심 기술로 활용될 것으로 기대된다. ※논문명: Highly efficient electro-reductive conversion of lignin into aromatics and cyclohexenes ※학술지: Applied Catalysis B: Environment and Energy ※논문링크: https://doi.org/10.1016/j.apcatb.2025.125851 ※저자정보: 제1저자 Neha Karanwal, 공동저자 김서연, Yasora Liyanage, 교신저자 이동기, 김재훈 ※연구포털(PURE): https://pure.skku.edu/en/persons/jaehoon-kim/ 리그닌으로부터 재생전력 기반 e-biorefinery를 활용한 유용성분 생산 개념도 Pd/C 촉매 기반 전기화학 공정을 통해 리그닌 모델 화합물의 난분해성 C–O 결합을 선택적으로 절단하고, 이를 유용한 화합물로 전환하는 반응 원리
- No. 383
- 2026-03-27
- 5399
몇 개의 예시 영상만으로도 행동을 인식하는 AI 개발

성균관대학교 소프트웨어학과 허재필 교수 연구팀이 적은 수의 예시 영상만으로도 새로운 행동을 정확히 인식할 수 있는 인공지능(AI) 기술을 개발했다. 일반적으로 인공지능이 사람의 복잡한 동작을 이해하기 위해서는 방대한 학습 데이터가 필요하다. 하지만 실제 현장에서는 특정 행동에 대한 영상을 충분히 확보하기 어려운 경우가 많다. 연구팀은 이러한 한계를 극복하기 위해, 단 몇 개의 예시만으로도 새로운 행동의 특징을 빠르게 학습하고 구별하는 영상 인식 기술인 Few-shot Action Recognition 연구에 주목했다. 연구팀이 제안한 방식의 핵심은 영상 전체를 시간 순서대로 일일이 대조하는 기존의 복잡한 연산 방식에서 벗어나, 영상 내 핵심적인 움직임만을 효율적으로 요약해 비교하는 것이다. 이를 위해 영상의 주요 정보를 몇 가지 기준으로 요약하고, 같은 기준으로 정리된 정보끼리 비교함으로써 행동의 공통점과 차이점을 보다 정확하게 파악할 수 있도록 했다. 특히 이 기술은 영상의 재생 속도나 전체 길이가 서로 다르더라도 행동의 본질을 유연하게 파악할 수 있다는 점에서 강점이 있다. 동일한 동작이라도 사람의 습관이나 촬영 환경에 따라 움직임의 속도와 길이가 달라질 수 있는데, 연구팀의 알고리즘은 이러한 시간적 변동성에도 안정적으로 대응해 새로운 행동을 효과적으로 인식할 수 있다. 이번 연구 성과는 학술적 가치와 우수성을 세계적으로 인정받아, 컴퓨터 비전 및 인공지능 분야 최고 권위의 학술대회인 CVPR 2025에서 구두 발표 논문으로 선정되었다. 본 기술은 향후 스포츠 동작 분석, 지능형 보안 시스템을 통한 위험 상황 감지, 로봇의 자율 행동 학습 등 영상 이해 기술이 필요한 다양한 산업 분야에서 핵심적인 역할을 할 것으로 기대된다. ※논문명: Temporal Alignment-Free Video Matching for Few-shot Action Recognition ※학술대회: IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2025 ※발표형태: Oral Presentation (채택률 0.74%) ※논문링크: 10.1109/CVPR52734.2025.00509 ※저자정보: SuBeen Lee, WonJun Moon, Hyun Seok Seong, Jae-Pil Heo ※연구포털(PURE): https://pure.skku.edu/en/persons/jae-pil-heo/ ▲핵심 패턴 기반 영상 요약 및 비교를 통한 행동 인식 기술의 개념도
- No. 382
- 2026-03-26
- 4187
인공지능 하드웨어를 위한 하프늄 산화물 기반 차세대 메모리소자 개발

성균관대학교 기계공학부 김태성 교수 연구팀이 하프늄 산화물 기반 강유전 트랜지스터 어레이를 개발하고, 이를 활용한 차세대 인공지능(AI) 하드웨어 구현에 성공했다. 최근 인공지능(AI)과 사물인터넷(IoT)의 확산으로 대규모 데이터를 빠르게 처리하면서도 전력 소모를 최소화할 수 있는 새로운 컴퓨팅 구조가 요구되고 있다. 그러나 현재 대부분의 컴퓨터는 데이터를 저장하는 메모리와 계산을 수행하는 연산 장치가 물리적으로 분리된 ‘폰 노이만 구조(Von Neumann architecture)’를 사용하고 있어, 데이터 이동 과정에서 속도 지연과 높은 에너지 소모가 발생한다. 이러한 구조적 한계를 극복하기 위한 대안으로 메모리 내부에서 직접 연산을 수행하는 ‘인-메모리 컴퓨팅(In-Memory Computing)’ 기술이 차세대 AI 하드웨어의 핵심 기술로 주목받고 있다. 강유전 트랜지스터는 인-메모리 컴퓨팅 구현을 위한 유력한 후보 소자로 평가받고 있으나, 기존 강유전체 소재들은 여러 구조적 한계를 가지고 있었다. 대표적인 페로브스카이트 계열 강유전체(PZT 등)는 우수한 분극 특성을 보이지만 수십 나노미터 이하로 박막화할 경우 강유전 특성이 급격히 약화되는 두께 스케일링 한계가 존재한다. 또한 납(Pb)을 포함하는 소재 특성상 환경 규제와 CMOS 공정 호환성 측면에서 제약이 따른다. 최근 주목받고 있는 HfO₂ 기반 강유전체 역시 안정적인 강유전 상(orthorhombic phase) 형성이 공정 조건에 매우 민감하며, 열처리 온도·막 두께·전극 재료에 따라 결정상이 쉽게 변화하는 문제가 있다. 이로 인해 소자 간 특성 변동성이 증가하고, 대면적 집적 시 균일성 확보가 어렵다는 한계가 있었다. 연구팀은 이러한 문제를 해결하기 위해 반도체 공정과의 호환성이 높은 하프늄-지르코늄 산화물(HfZrO₂)을 활용해 새로운 강유전 트랜지스터 구조를 구현했다. 이 소재는 수 나노미터 두께에서도 전기적 분극을 유지할 수 있으며, 기존 CMOS 공정에 직접 통합이 가능하다는 장점이 있다. 연구팀은 원자층 증착(ALD) 공정을 통해 HfO₂와 ZrO₂를 원자 단위로 정밀하게 반복 적층하여 초박막 HfZrO₂를 합성했으며, 400℃ 이하의 급속 열처리(RTA)를 통해 강유전 특성을 안정적으로 발현시켰다. 이번 연구의 핵심은 ‘격자공학(lattice engineering)’이라는 설계 전략이다. 물질 내부에서 원자들은 규칙적인 격자 구조를 이루며, 이 배열 방식에 따라 물성, 특히 강유전 특성이 결정된다. 연구팀은 화학 조성을 변경하거나 새로운 원소를 추가하는 대신, 열처리 과정에서 발생하는 미세한 응력을 활용해 원자 배열을 제어했다. 금속마다 열을 받았을 때 팽창하는 정도가 서로 다르다는 점에 착안해, 강유전 박막을 서로 다른 열팽창계수를 가진 금속 전극 사이에 배치하였다. 열처리 과정에서 금속과 박막 사이에 형성되는 미세한 인장 응력이 HfZrO₂ 내부의 원자 배열을 재정렬시키며, 강유전성이 발현되는 사방정계(orthorhombic phase)을 선택적으로 안정화한 것이다. 이는 물질의 성분을 바꾸지 않고 외부에서 가해지는 기계적 응력 설계를 통해 물성을 정밀하게 제어한 새로운 접근법이다 그 결과 텅스텐(W) 전극을 적용한 소자는 약 11V의 넓은 메모리 윈도우와 10⁶ 이상의 온/오프 전류비를 확보했으며, 80ns 펄스 조건에서 10¹²회 이상의 반복 동작에서도 안정적인 특성을 유지했다. 또한 350개 소자로 구성된 어레이 전반에서 스위칭 전압 분포가 균일하게 나타나 대면적 집적 가능성을 실험적으로 입증했다. 하나의 소자에서 최대 22단계 이상의 전도도 상태를 구현했으며, 전도도 비(Gmax/Gmin)는 약 160 수준으로 확보되어 아날로그 가중치 표현에 충분한 동적 범위를 제공했다. 장기 강화(LTP) 및 장기 약화(LTD) 특성 또한 안정적으로 구현되어 시냅스와 유사한 학습 동작을 재현했다. 특히 본 연구는 동일한 HfZrO₂ 박막 스택을 유지하면서 전극 설계만으로 소자의 동작 모드를 제어할 수 있음을 수치적으로 입증했다는 점에서 차별화된다. 대칭적인 W/HZO/W 구조에서는 강유전 특성이 극대화되어 비휘발성 메모리 동작이 구현되었고, 다른 전극 조합에서는 휘발성 또는 준휘발성 특성이 나타났다. 이는 하나의 공정 플랫폼에서 로직과 메모리 기능을 선택적으로 구현할 수 있는 재구성형 구조임을 의미한다. 연구팀은 실험적으로 측정한 실제 소자 특성을 반영해 합성곱 신경망(VGG-8 기반 CNN)을 시뮬레이션한 결과, CIFAR-10 이미지 분류에서 97.2%의 정확도를 달성했다. 이는 소자의 비선형성, 가중치 비대칭성, 소자 간 변동성 등 실제 물리적 특성을 고려한 조건에서도 높은 AI 추론 성능을 유지할 수 있음을 보여준다. 또한 9×2 강유전 트랜지스터 어레이를 활용해 엣지 검출 및 이미지 필터 연산을 아날로그 영역에서 직접 구현함으로써, 메모리 내부에서 곱셈-누적(MAC) 연산이 가능함을 실험적으로 검증했다. 김태성 교수는 “이번 연구는 기존 강유전체의 두께 스케일링 한계와 상 안정성 문제를 열응력 기반 격자공학으로 극복했다는 점에서 의미가 크다”며 “높은 내구성과 아날로그 가중치 정밀도를 동시에 확보함으로써 저전력 엣지 AI 및 뉴로모픽 반도체로 확장 가능한 실질적인 플랫폼을 제시했다”고 밝혔다. 이어 “메모리와 연산 기능을 물리적으로 통합할 수 있는 기반 기술로서 차세대 인-메모리 컴퓨팅 기술 발전에 중요한 전환점이 될 것”이라고 덧붙였다. 해당 연구 성과는 나노과학 분야의 세계적 학술지 ACS Nano(IF 16.1, JCR 상위 5% 이내)에 1월 27일 온라인 게재되었다. ※ 논문명: Thermal Expansion-Engineered Ferroelectric Transistor Arrays for Scalable Edge AI Computing ※ 학술지: ACS Nano ※ 논문링크: https://pubs.acs.org/doi/10.1021/acsnano.5c14095 ※ 저자정보: 교신저자 김태성 교수, 제1저자 김건욱 석박통합과정, 석현호 박사후연구원, 손시훈 석박통합과정, 최현빈 박사과정 ※ 연구포털(PURE): https://pure.skku.edu/en/persons/taesung-kim/ ▲응력 조절을 통한 하프늄 산화물 격자공학 기반 고성능 강유전 트랜지스터 구현 ▲텅스텐 전극을 이용한 하프늄-지르코늄 산화물 강유전 트랜지스터 어레이와 인공지능 하드웨어 구현 개념도
- No. 381
- 2026-03-11
- 5508