연도별 연구과제 14 페이지첫페이지로 이동

연구는 한국의 기후와 지형적 특성을 고려하여 STEM 기반의 스마트 태양광 발전 시스템을 개발하고자 하였다. 한국은 사계절의 변화가 뚜렷하고 산지가 많아 태양광 발전 효율이 기후와 지형 조건에 따라 크게 변동한다. 이에 따라 단순 고정형 패널보다 태양광 추적기의 도입이 필요하지만, 추적기 자체의 소비 전력이 전체 효율을 저하시킬 수 있다는 문제가 존재한다. 본 연구에서는 MATLAB을 활용한 태양의 궤적 및 그림자 예측 모델링을 수행하였으며, 2개의 INA219 센서를 도입하여 발전 전력과 소비 전력을 동시에 측정 가능한 추적기를 제작하였다. 또한 IoT를 통한 실시간 데이터 수집 및 시각화 시스템을 구축하고, 인공지능 기반 조건 분류 알고리즘을 적용하여 추적기의 작동 여부를 자동으로 제어하였다. 연구 결과, 고정형 대비 약 18% 향상된 발전 효율을 확인하였으며, 불필요한 모터 구동을 최소화할 수 있는 스마트 제어 전략의 가능성을 입증하였다. 본 연구는 재생에너지 효율 최적화와 더불어 융합교육적 가치가 높은 STEM 기반 탐구 사례로서, 향후 다양한 현장에서 활용 가능한 스마트 태양광 발전 시스템의 모델을 제시할 수 있을 것이다.

주제어: 스마트 태양광 발전, 태양광 추적기, 에너지 효율 최적화, 사계절 기후, STEM 융합

본 연구에서는 기후변화 및 건물 노후화로 증가하는 구조물의 위험을 조기 탐지하기 위해, 물리법 칙을 반영한 물리신경망 모델(PINN, Physics-Informed Neural Network)을 적용하는 방안 제안한다. 본 연구에서는 구조물의 물리적 특성을 수학적으로 모델링하는 미분방정식과 경계조건과 미분방정식 잔차, 센서 데이터 즉 참값의 차이를 손실함수로 설정한다. 일부 미분방정식에서는 물리 상수의 계수를 학습 대상으로 학습을 진행하였다. 구조물의 물리 모델과 PINN 모델을 적용한 시뮬레이션 결과, 상미분 방정식의 경우 매우 낮은 오차를 보여주었지만, 편미분 방정식을 근사하기 위한 학습을 진행하였을 경우 변위와 물리 상수 모두 오차가 있음을 확인하였다. 복잡한 편미분 방정식의 경우 시간적, 정확도 한계가 있음을 확인하였다. 하지만, 기존의 딥러닝 모델이 상당히 많은 파라메터와 계산량을 요구하지만, 구조물 수학적 물리모델을 반영하는 PINN 모델 적용을 통하여 적은 딥러닝 파라메터로도 구조물의 상태를 예측할 수 있음을 보인다.

주제어: 물리정보신경망, 구조물안전, 수학적 모델링, 딥러닝

기후 변화로 인해 대형 산불이 빈번해지며 막대한 사회경제적 피해가 발생하고 있다. 이에 따라 효과적인 초기 대응을 위한 확산 경로 예측 기술의 중요성이 주목받고 있다. 기존의 데이터 기반 예측 모델은 물리적 현상 반영에 한계가 있으며, 물리 시뮬레이션은 계산 비용이 높아 실시간 대응에 어려움이 따른다. 본 연구에서는 이러한 문제점을 해결하고자 물리 정보 신경망(PINN)을 이용한 산불 확산 예측 모델을 제안한다. 제안 모델은 신경망 학습 과정에 불길 전파의 지배 방정식을 이용하여, 데이터의 부족 여부와 관계없이 물리적으로 타당한 해를 도출한다. 이 접근법을 통해 적은 관측 데이터만으로도 빠르고 정확하게 산불의 잠재적 확산 경로를 예측할 수 있다. 본 연구를 통해 개발된 모델은 신속한 의사결정을 지원하여 산불의 초기 진압 성공률을 높이고, 국민의 생명과 재산, 그리고 산림 자원을 보호하는 데 이바지할 것으로 기대된다.

주제어: 산불 확산 예측, PINN, 딥러닝, 지배방정식, 시뮬레이션

본 연구는 경량 GPT 모델을 대상으로 학교 입시 데이터를 활용하여 지도형 미세조정(SFT) 학습을 수행하고, 향후 휴먼 피드백 기반 강화학습(RLHF) 적용 가능성을 탐구한다. 수집한 데이터를 전처리하고 모델 입력에 맞게 정리하여 학습한 결과, 모델은 학교 특유의 정보에 대해 구체적이고 일관된 답변을 생성할 수 있음을 확인하였다. 일부 데이터 부족으로 인한 응답 정확성 한계가 있었으나, RM 설계와 PPO 기반 RLHF 적용을 통해 계속하여 개선할 계획이다. 본 연구는 NLP 모델 학 습 과정에서 효율적인 데이터 처리와 학습 방법을 탐구하고, 모델 성능 향상 가능성을 확인하는 데 의의가 있다.

주제어: 자연어 처리(NLP), 인간 피드백 기반 강화학습(RLHF), RM(보상 모델), SFT, GPT

최근 자연어 처리(NLP)분야에서는 단어의 의미를 수치화하는 단어임베딩 기술과 데이터를 생성하는 생성적 적대 신경망의 결합 가능성이 주목받고 있다. 본 연구는 이러한 배경 아래 Word2Vec 기반 단어 임베딩과 GAN 구조를 결합하여 문장 생성 모델을 구현하였다. 이를 통해 Gemsim 라이브러리를 활용하여 다양한 단어 벡터를 구축하고 Word2Vec의 하이퍼파라미터 조정을 통해 의미적 유사도를 분석하였다. 이후 Keras 기반의 GAN을 적용하여 문장 학습 및 생성을 수행하였고, Word2Vec과 GAN을 결합한 생성 모델을 통해 데이터 증강 가능성을 검토하였다. 딥러닝, 단어 임베딩, Word2Vec, GAN, 형태소 분석

본 연구는 FSR 압력 센서를 활용하여 사용자의 앉은 자세를 분석하고 피드백을 제공하는 맞춤형 건강 관리 시스템을 제안한다. 이를 위해 FSR 센서 및 멀티플렉서의 원리와 특성에 대해 학습하고, 서버 구조와 데이터 전송 프로토콜을 비교 분석하였다. 또한, 데이터베이스와 웹 애플리케이션의 특성을 학습하였다. 학습한 내용을 바탕으로 FSR 센서와 멀티플렉서, 아두이노 ESP32 보드를 활용한 다중 FSR 센서 회로를 설계하고 제작하였다. 센서 데이터를 JSON 형식으로 변환하고, Wi-Fi 기반 송수신 코드를 아두이노 IDE로 구현하였다. Python Flask로 웹 서버를 구축하여 수신된 데이터를 시각화하고, 자세 분석을 위한 AI 학습 방법을 학습하여 지도 학습을 적용한 모델을 학습하였다. 데이터 수집을 위해 다양한 사람들을 착석시켜 센서값을 얻고 사용자의 자세를 촬영하여 데이터를 수 집하였다. 이후 데이터를 바탕으로 학습을 진행하고, 학습된 모델을 서버에 도입하여 사용자의 자세를 실시간으로 분석하고 피드백을 제공하는 시스템을 구현하였다.

주제어: 앉은 자세 분석, 사물인터넷, 인공지능, 데이터분석, 데이터통신

본 연구는 OpenAI Gymnasium의 루나랜더(LunarLander) 환경에 유전자 알고리즘(Genetic Algorithm, GA)을 적용하여 다양한 초기 조건에서도 안정적으로 착륙할 수 있는 프로그램을 구현하는 것을 목적으로 한다. 루나랜더 환경은 위치, 속도, 각도, 착륙 다리 상태 등 입력값에 따라 동작을 선택하는 시뮬레이션으로, 단순 무작위 시도만으로는 효율적인 착륙 전략을 찾기 어렵다. 이에 본 연구에서는 가상의 개체 집단을 구성하고, 각 개체의 착륙 성능을 적응도로 평가하여 선택, 교차, 돌연변이 과정을 거듭함으로써 점진적으로 성능을 향상시키고자 한다. 특히 엘리트 보존 방식을 통해 우수한 개체를 유지하면서도, 무작위성을 도입한 교차와 돌연변이를 통해 국소해(local optimum)에 빠지는 문제를 방지하고자 한다. 향후 연구에서는 다양한 선택 및 교차 기법을 비교하고, 환경 변수(중력, 바람 등)의 변화를 반영하여 알고리즘의 일반화 가능성을 검증하고자 한다. 본 연구는 유전자 알고리즘의 진화적 탐색 능력을 활용하여 강화학습 환경에서 효율적인 정책 학습의 가능성을 제시한다.

주제어: 유전자 알고리즘, 진화학습, 모델화, 선택법, 교차, 돌연변이

백두산 화산지대는 동북아시아의 대표적 활화산으로, 다양한 화산암의 성분 변화는 마그마 진화 과정을 이해하는 핵심 단서가 된다. 본 연구에서는 MELTs 프로그램을 활용하여 백두산 화산암의 주성분 조성을 기반으로 마그마의 진화 과정을 수치적으로 모의하였다. Harker와 TAS 다이어그램을 통해 알칼리 계열의 마그마가 고철질에서 규장질로 진화하는 일반적 경향과 더불어, 후기 단계에서 서브-알칼리 계열로 이동하는 복합적 양상이 확인되었다. 이는 단순한 결정 분화 작용뿐 아니라 부분용융 조건 변화, 외부 물질 혼입, 마그마 혼합 등이 복합적으로 작용했음을 시사한다. MELTs 모 의를 통해 이러한 조건별 변화를 검증함으로써, 백두산 마그마 진화 과정에 대한 정량적 이해를 심화하고 향후 분화 예측 연구에도 기여할 수 있을 것이다.

주제어: 백두산 화산지대, 마그마, MELTs, 결정 분화 작용, 마그마 진화 과정

본 연구는 포도당 수송체 중 하나인 GLUT2의 세포막 수송 조절을 통해 새로운 혈당 저해제 개발 가능성을 탐색하였다. 기존 인슐린 기반 치료와는 차별화된 방식으로 당뇨병 환자의 혈당을 낮추기 위해 GLUT2의 재활용 과정에 주목하였으며, 이 과정에 관여하는 RAB11A 단백질의 역할을 규명하였다. 간세포에서 RAB11A와 GLUT2의 발현을 RT-PCR과 Western blot 실험을 통해 확인하고, RAB11A 활성을 증가시키는 물질을 처리한 결과 GLUT2의 발현 증가와 세포 내 포도당 흡수율 상승이 관찰되었다. 이는 RAB11A를 표적으로 하는 새로운 방식의 혈당 저해제 개발의 가능성을 시사한다.

주제어: 당뇨병, Glucose uptake, 혈당 조절, GLUT2, RAB11A

본 연구는 유산균 발효로 감마아미노부티르산(GABA, γ-aminobutyric acid)을 생산하여 GABA를 식품에 첨가하는 것을 목적으로 하며 다양한 발효식품에서 GABA 함량을 증진시키는 연구를 진행하였다. 실험방법으로는 MRS(De Man, Rogosa, and Sharpe) 배지를 이용하여 유산균을 배양하고 BCP(Bromocresol Purple) 배지로 유산균의 유무를 확인했다. 다음으로 유산균의 GABA의 생산 유무를 확인하기 위해 TLC(Thin-Layer Chromatography)와 HPLC(High Performance Liquid Chromatography)를 이용해 다양한 균주의 GABA 생산 능력을 비교하여 향후에 사용할 균주를 선택하였다. 또한 GABA에 불안 감소, 수면 개선, 인지 기능 향상 등을 수행하는 억제성 신경 전달물질이 있다는 것을 이용하여 보리차에 GABA를 강화한 건강 기능 식품을 생산하기 위해 MSG(L-monosodium Glutamate)의 농도에 따른 보리차에서의 GABA 생산 정도를 확인하는 실험을 진행했다.

주제어: GABA, 유산균 발효, 유산균 배양, 균주 스크리닝

본 연구는 알맞은 식품 신선도 센서를 개발하기 위해 우유를 이용하여 실험하였다. 전이금속과 용매, VIS 사용하여 센서를 제작하였다. 실온에서 WA 우유를 첨가한 센서와 냉장 UUs 우유를 첨가한 센서의 색 변화 차이를 판찰하고 유의미한 결과가 나온 센셔를 찾아내고자 하였으며 이에 대한 기초 자료를 제공한다.

주제어: 전이금속, 유해 가스, 식품 신선도, 감지 센셔

본 연구는 현재 상용화된 LFP 배터리의 낮은 에너지 밀도와 NCM 배터리의 낮은 안정성과 높은 가격 문제를 차세대 양극재 개발을 통해 개선하고자 한다. 이를 위해 LMFP 소재에 탄소 나노튜브 코팅과 전도성 탄소 복합체를 적용하여 에너지 밀도 및 안정성 문제를 완화하고 초고속 충전 성능을 구현하는 것을 목표로 설정하였다. 배터리 제작 공정 이해를 위해 NCM을 활용한 코인셀 제작 및 전기화학적 평가를 진행하였다. 또한 LMFP/C 복합체의 물성과 구조를 XRD를 통해 분석하여 LMFP가 목표 상으로 합성되었음을 확인하였고, SEM을 통해 LMFP 표면에 CNT 코팅이 균일하게 이루어졌음을 확인하였다. LMFP의 충·방전 곡선의 전압 구간과 사이클 간격 분석을 통한 전기화학적 성능 평가를 바탕으로 실질적 성능을 검증함으로써 LMFP의 차세대 저가형 고성능 리튬 이온 전지 양극 소재로서의 가능성을 제시한다.

주제어: 리튬이온전지, 양극소재, LMFP, 저가형, 고성능 전극