융합기술학제학부 이규빈 교수 연구팀이 어텐션 맵을 이용해 고해상도 얼굴 이미지에서 학습한 정보를 저해상도 얼굴 이미지 인식 모델에 전달해 성능을 향상시킬 수 있는 방법을 개발했다. 이 기술을 활용하면 저화질 CCTV 영상 등에서의 얼굴 인식 성능이 개선될 것으로 기대된다.
연구팀은 저해상도 네트워크의 어텐션 맵이 고해상도 네트워크의 어텐션 맵과 유사해지도록 학습하는 손실 함수를 추가하여, 저해상도 네트워크가 얼굴 인식에 도움이 되는 주요 영역에 초점을 맞출 수 있도록 유도했다. 또한 CASIA-WebFace 데이터 셋으로 훈련하여 인 TinyFace 공인 벤치마크에서 저해상도(평균 24x24 픽셀) 이미지로 얼굴 인식 성능을 평가했을 때 기존 세계 최고 수준의 인식 성능인 45.49%보다 5% 향상된 47.91%의 인식 정확도를 얻으며, 현재까지 가장 높은 수준의 성능을 달성했다.
이규빈 교수는 “‘어텐션 맵 전이 기법’은 얼굴 인식 외에도 물체 영역 검출, 종류 분류 등 컴퓨터 비전의 다양한 과업에서 핵심 기술로 활용될 것으로 기대된다”고 밝혔다.

지구·환경공학부 윤진호 교수는 美 퍼시픽 노스웨스트 국립연구소 등 국제 공동 연구팀과 함께 날씨예측모델로 얻은 기상인자를 이용해 계산한 산불기상지수의 예측 능력을 인공지능/딥러닝 기법으로 향상시키고 고해상도의 산불 위험도 예측자료를 생산하는 인공지능 모델을 개발했다.
연구팀이 개발한 예측 모델에서는 산불 위험도 산출을 위한 날씨예측모델의 수평해상도가 기존 100km에서 4km로 확대돼 보다 세밀한 행정구역 단위로 예측 정보를 생산할 수 있게 됐다. 또한 학습이 완료된 인공지능 예측 모델은 동일한 과정을 단 몇 초 만에 처리하여 최종 결과물을 생성할 수 있기 때문에 빠른 처리 속도가 요구되는 단기 예측의 실용성 향상에 마중물이 될 것으로 보인다.
윤진호 교수는 “이번 연구에 적용된 방법은 전 세계 어떤 지역에서도 유사한 방식으로 산불 위험을 예측하는 모델을 개발하는 것이 가능하다”고 전하며 “다른 이상기후와 자연재해를 예측하는 시스템에도 적용해 볼 수 있어 다양한 분야에서 응용연구와 예측 시스템 발전에 기여할 수 있을 것”이라고 기대감을 드러냈다.

의생명공학과 정의헌 교수팀과 가톨릭대 의대 안과 황호식 교수가 적외선으로 촬영한 마이봄샘(기름층 생성) 영상을 인공지능(AI)을 활용해 자동으로 정량 분석하는 기술을 개발했다.
마이봄샘은 눈꺼풀에 위치하며 눈물층의 기름막 형성을 담당하는 기관으로, 과다증발형 안구건조증은 마이봄샘의 소실이나 기능 저하로 인해 발생하는 경우가 대부분이다. 따라서 마이봄샘을 촬영해 소실 정도를 파악하는 것이 안구건조증의 정확한 진단과 적절한 치료에 중요하다. 하지만 현재는 임상의가 환자의 마이봄샘 소실정도(meiboscore)를 주관적으로 판독해 정확성과 재현성이 낮다는 한계가 있었다. 이에 연구팀은 실제 병원에서 촬영한 환자들의 마이봄샘 사진을 기반으로 새로 개발한 딥러닝 모델을 학습시켜 의사의 진단보다 더 빠르고 정확한 판독 결과를 도출해내는 데 성공했다.
정의헌 교수는 “실제 임상에서의 효용성을 평가하기 위한 전향적 연구와 첨단 의료기기로서의 상용화를 목표로 공동연구를 계속 진행 중”이라고 향후 계획을 전했다.

의생명공학과 김태 교수 연구팀이 비타민D가 수면 장애 개선과 치매 예방에 효과가 있다는 연구 결과를 잇달아 국제 저널에 게재했다. 특히 이번 연구는 수면 장애 개선과 관련해 비타민D 및 칼슘의 연관성을 최초로 밝혀내 더욱 주목받고 있다. 연구팀은 분당서울대병원 내 교대-비교대 근무자들을 대상으로 임상 연구를 시행하여 양 집단 모두에서 비타민D가 낮을수록 혈중 칼슘 농도가 낮고, 혈중 칼슘 농도가 낮을수록 수면 효율이 떨어지고 일주기 리듬의 지연이 나타나는 등 일상생활에 영향을 끼칠 수 있음을 확인했다. 또한 알츠하이머병 동물(마우스) 모델을 대상으로 비타민D 결핍 실험과 보충 실험을 진행해 비타민D의 결핍 상태가 알츠하이머병을 유발하는 원인 중 하나인 뇌 조직 내 아밀로이드 베타의 수치를 높이고 기억력 저하를 유발하며 비타민D를 보충했을 때 신경퇴행성 변화를 감소시킬 수 있음을 확인했다. 김태 교수는 “비타민D는 현대인의 건강을 위협하는 수면 장애와 치매를 동시에 치료하는 1석 2조의 효과를 얻을 수 있는 손쉽고 안전한 방법일 수 있다”며 이번 연구의 의의를 전했다.

신소재공학부 김동유 교수 연구팀이 소량의 물을 이용해 대면적 유기태양전지 제작 및 준비과정에서 대기 시간 동안 발생하는 도너-억셉터 물질의 과한 응집을 억제하고 최적의 활성층 박막을 얻기 위해 소량의 물을 이용한 처리 공법을 개발했다. 연구팀이 개발한 0-20마이크로리터(μL, 1백만분의 1리터)의 물을 이용한 수처리 공법은 이중층으로 형성된 물이 유기용매 내 섞이지 않은 작은 물방울(droplet) 상태로 침투하며, 물방울 주변에 작은 소용돌이를 유발해 유기용매 내 도너와 억셉터의 응집을 억제해주는 역할을 한다. 연구팀은 대면적 유기태양전지 및 모듈을 제작하기 위해서 슬롯 다이 프린팅 방법을 사용하였으며, 이를 통해 소면적 유기태양전지(0.1㎠)는 최고 13.06%, 대면적 유기태양전지 모듈(10㎠)은 최고 11.92% 효율을 달성하였다. 활성 면적 증가에도 개발된 기술이 성공적으로 도입되어 향상된 소자 결과를 얻을 수 있음을 확인했다. 이번에 개발한 기술은 고효율·고안정성의 대면적 유기태양전지 대량생산 및 실용화를 앞당기는 데 기여할 것으로 보인다.

신소재공학부 김호범 교수가 스위스 로잔 연방공대 나지루딘(Nazeeruddin) 교수팀, 다이슨(Dyson) 교수팀, 이탈리아 콘실리오 국립연구소 포지(Pozzi) 박사팀과 함께 페로브스카이트 태양전지 정공수송용 신규 소재 BSA50를 개발하고 이를 이용해 고효율 장수명 페로브스카이트 태양전지 소자와 모듈을 구현했다.
새로 개발된 BSA50 정공수송층 소재는 페로브스카이트 층 내 광(光) 흡수에 의해 형성된 정공(hole) 추출에 효율적이며, BSA 분자 내 아릴아민(arylamine)의 산소 원자가 페로브스카이트에 존재하는 결함을 제거할 수 있다.
또한 대면적 페로브스카이트 태양광 모듈(6.5x7㎠)을 제작하여 실험한 결과, 기존 소재(Spiro-OMeTAD)를 사용하지 않은 모듈 중 세계 최고 효율인 21.35%를 달성했다.
이번 연구 결과는 페로브스카이트 태양전지의 정공수송층으로 사용되는 전통적인 소재 (Spiro-OMeTAD, 스파이로 오미타드)를 대체해 고효율, 고안정성, 대면적 페로브스카이트 태양전지의 상용화에 일조할 것으로 전망된다.