-
토마토 황화잎말림 바이러스 병원성 예측을 위한 실험적으로 검증된 AI 모델 개발
성균관대학교 융합생명공학과 Balachandran Manavalan 교수가 이끄는 CBBL 연구팀이 토마토황화잎말림바이러스(TYLCV)의 독성을 정확하게 예측하고 해석할 수 있는 인공지능 모델인 'DeepTYLCV'를 개발했다. Nattanong Bupi 박사, Hariharan Sangaraju, Duong Thanh Tran이 공동 제1저자로 참여한 이번 연구는 식물 과학 분야의 권위 있는 학술지인 Plant Communications (Impact Factor: 11.6; JCR: 6/273; Plant Sciences 분야 상위 2.2%)'에 게재되었다. TYLCV는 전 세계 토마토 생산에 막대한 피해를 주는 가장 파괴적인 토마토 바이러스 병원체 중 하나다. 중증 TYLCV 변이주는 잎 말림, 황화 현상, 생장 저해 및 막대한 수확량 손실을 초래할 수 있습니다. 최근 몇 년 사이 고독성 변이주가 여러 지역으로 계속해서 확산되고 있으며, 심지어 토마토 품종의 유전적 저항성을 무력화하는 사례도 발생하고 있다. 이러한 문제는 정확하고 신속하며, 확장이 용이한 염기서열 기반 질병 감시 체계가 시급히 필요함을 잘 보여준다. Manavalan 교수 연구팀은 생물학과 인공지능의 접점에서 펩타이드 치료제, RNA/DNA 변형 예측, 단백질 기능 분석, 독성 예측, 식물 과학 및 생의학 응용 분야를 위한 AI 기반 솔루션을 개발하며 광범위한 연구를 수행해왔다. 연구팀은 2023년, 최초의 유전체 기반 TYLCV 중증도 예측 도구인 IML-TYLCV를 개발하여 권위 있는 학술지인 Research (Impact Factor: 10.9)에 발표한 바 있다. 하지만 IML-TYLCV는 주로 한국 내 분리주를 기반으로 학습되어, 전 세계의 다양한 TYLCV 변이주에 적용하는 데는 한계가 있었다. 이러한 한계를 극복하기 위해 연구팀은 전 세계 바이러스 분리주 전체에 걸쳐 독성을 예측할 수 있는 더욱 강력한 AI 프레임워크인 DeepTYLCV를 개발하게 되었다. 눈에 보이는 증상에 의존하여 환경 요인의 영향을 받기 쉬운 기존의 현장 진단이나 이미지 기반 AI 모델과 달리, DeepTYLCV는 바이러스 유전체에서 추출한 염기서열 정보를 활용한다. 이를 통해 실제 증상이 확인되기 전 단계에서도 경증 및 중증 변이주를 식별할 수 있으며, 새롭게 출현하는 바이러스 변이체를 모니터링하기 위한 확장성 있는 전략을 제공한다. DeepTYLCV는 단백질 언어 모델 임베딩(protein language model embeddings)을 트랜스포머 인코더와 다중 스케일 합성곱 신경망(multi-scale CNN)이 결합된 하이브리드 구조와 통합하여, 전역적인 서열 패턴과 국소적인 독성 관련 모티프를 모두 포착할 수 있도록 설계되었다. 이러한 심층 서열 표현 방식과 최적화된 기존 특징 기술자를 결합함으로써, DeepTYLCV는 이전의 IML-TYLCV 모델 대비 훨씬 뛰어난 예측 성능을 확보했다. 이 연구의 핵심 강점은 실험을 통한 검증에 있다. 연구팀은 국제 표준 분리주와 한국 현장 분리주를 포함한 15종의 TYLCV 분리주를 대상으로 블라인드 예측을 수행했다. 이러한 예측 결과는 토마토 식물체 감염 분석, 증상 중증도 점수 측정, 바이러스 축적량 분석을 통해 검증되었다. 놀랍게도 DeepTYLCV는 예측된 독성 등급과 실험적으로 관찰된 결과 사이에서 100% 일치율을 기록하며, 새롭게 출현하는 고독성 TYLCV 변이체를 식별하는 데 있어 탁월한 실용적 가치를 입증했다. 이 연구는 인공지능, 바이러스 유전체학, 그리고 식물 병리학이 어떻게 통합되어 정밀 농업과 식물 질병 관리를 지원할 수 있는지를 보여주는 강력한 사례다. DeepTYLCV는 조기 바이러스 감시, 저항성 육종 프로그램, 그리고 새롭게 출현하는 TYLCV 변이주에 대한 신속한 평가를 위한 귀중한 도구로 활용될 수 있을 것이다. 이 연구는 대한민국 과학기술정보통신부 산하 한국연구재단(NRF)의 지원(과제번호: RS-2024-00344752)과 성균관대학교 융합생명공학과 4단계 BK21 사업의 지원을 받아 수행되었다. 논문 게재 성과 SKKU RESEARCH STORY DeepTYLCV: An interpretable and experimentally validated AI model for predicting virulence of different tomato yellow leaf curl virus strains Plant Communications 원문 보기 (DOI) BM BALACHANDRAN MANAVALAN PURE 프로필 → 그림 1. DeepTYLCV 프레임워크 개요. 이 프레임워크는 다음과 같은 6가지 핵심 단계로 구성된다: (A) 전 세계 TYLCV 유전체 수집 및 오픈 리딩 프레임으로의 전처리. (B) 서열 문맥 포착을 위한 단백질 언어 모델/자연어 처리 임베딩의 투영 및 스태킹. (C) 전역 및 국소 독성 패턴 학습을 위한 하이브리드 트랜스포머 인코더 및 다중 스케일 CNN 모듈. (D) 최적의 기존 특징 기술자 선정. (E) 중증도 예측을 위한 다층 퍼셉트론 분류기. (F) 사용자 친화적인 웹 서버 구축 및 배포. 그림 2. 토마토 식물체의 증상 발현 및 바이러스 정량화를 통한 DeepTYLCV 예측의 실험적 검증. 15종의 TYLCV 감염성 클론을 토마토 식물체에 아그로 접종함. (A) 현재 모델인 DeepTYLCV와 이전 모델인 IML-TYLCV의 예측 확률. (B) 21일 차의 바이러스 DNA 축적량. (C) 21일간 모니터링한 증상 중증도. (D) 21일 차 감염된 식물체의 가시적 증상. (E) 바이러스 감염을 확인한 PCR 검출 결과.
- No. 395
- 2026-05-15
- 2764
-
성균관대 배정희 교수팀, 법적 형태에 따른 사회적기업 성과 차이 규명
사회복지학과 배정희 교수 연구팀은 한국의 인증 사회적기업 전수 데이터를 활용하여 비영리, 영리, 협동조합 형태의 일자리제공형 사회적기업(Work Integration Social Enterprises, WISEs)의 사회적, 경제적 성과를 비교하였다. 일자리제공형 사회적기업은 노동시장에서 소외된 취약계층에게 일자리를 제공하는 것을 목적으로 비즈니스 모델에 기반하여 경제적 이윤을 창출하는 조직으로써, 취약계층의 사회통합과 경제적 자립에 중요한 역할을 한다. 한국의 경우 2007년 제정된 「사회적기업육성법」에 근거하여 주식회사, 사회복지법인, 비영리민간단체, 일반협동조합 등 법률이 정한 조직 형태를 갖춰야만 정부로부터 사회적기업 인증을 받을 수 있다. 연구 결과, 취약계층 일자리 창출이라는 동일한 목적을 가진 사회적기업이라 할지라도 법적 형태에 따라 서로 다른 성과를 창출한다는 점이 확인되었다. 특히 비영리형 사회적기업은 더 많은 취약계층을 고용하였으며 근로자 중 취약계층 비율도 더 높게 나타나, 영리형 또는 협동조합형 사회적기업보다 더 많은 사회적 성과를 창출하는 것으로 나타났다. 뿐만 아니라 정부 보조금, 민간 기부, 공공시장 매출 등 다양한 재원구조를 활용하여 재정적 성과에서도 상대적으로 높은 순이익을 창출하는 것으로 확인되었다. 반면, 영리형 및 협동조합형 사회적기업은 취약계층 근로자의 근로시간과 임금 수준에서 상대적으로 높은 수준을 보였다. 그러나 이들은 주로 민간 시장 매출에 의존하는 구조를 보였으며, 이로 인해 전체적인 재무성과는 비영리형에 비해 낮은 것으로 나타났다. 본 연구는 사회적기업의 법적 형태 선택이 사회적 가치 실현과 재정적 지속가능성에 중요한 영향을 미친다는 점을 보여주며, 제도적 환경이 조직 성과를 결정한다는 제도주의 이론을 실증적으로 뒷받침한다. 특히 최근 한국 사회적기업 생태계에서 주식회사 형태의 사회적기업이 압도적으로 증가하는 흐름 속에서, 취약계층 고용이라는 본래 목적을 고려할 때 비영리형 사회적기업에 대한 정책적 지원과 균형 있는 생태계 조성이 필요함을 시사한다. 연구결과는 비영리조직 분야 세계적 학술지인 <Nonprofit and Voluntary Sector Quarterly> 55권 2호에 게재되었다. 논문 게재 성과 SKKU RESEARCH STORY Work integration social enterprises with different legal forms: Performance comparison between nonprofit, for-profit, and cooperative organizations Nonprofit and Voluntary Sector Quarterly 원문 보기 (DOI) 배 배정희 교수 프로필 →
- No. 394
- 2026-05-15
- 502
-
흔한 천연 감미료가 고성능 에너지 소재로 스테비아-PVA 하이드로젤 기반마찰대전 나노발전 기술 개발
성균관대학교 기계공학부 최경후 교수 연구팀(제1저자 트렁 루 티엔, 부이 민 꽝)은 경희대학교 화학공학과 김진수 연구팀과 협업해 기존 하이드로젤 기반 마찰대전 나노발전기(TENG)의 낮은 출력·기계적 강도·투명성의 한계를 생체모방 스테비아(Stevia)를 활용해 동시에 극복하는 전략을 제시했다. 스테비아를 폴리비닐알코올(PVA)에 첨가함으로써, 풍부한 수산기(-OH)가 수소결합 기반 가교 구조와 결정성 도메인을 동시에 강화해 기계적 강도 및 이온 전도성을 획기적으로 향상시켰다. 그 결과, 스테비아-PVA 하이드로젤 TENG(S-TENG)은 기존 2D 소재, 바이오 소재, 투명 소재 기반 TENG 대비 기계적 강도는 약 2~5배, 전기 출력은 약 3~8배 향상되었으며, 70% 이상의 가시광선 투과율을 유지했다. 인장강도는 25 MPa(습윤 상태)을 초과하고 510% 이상의 연신율을 보였다. 또한, 연구팀은 개발한 S-TENG가 16,000회 접촉-분리 반복 시험에서도 안정적인 출력(~800V)을 유지함을 보였으며, 30일간 상온 보관 후에도 전기 출력이 저하되지 않음을 확인했다. 스테비아 하이드로젤은 물을 이용한 재용해-재겔화 공정으로 재활용이 가능하며, 재활용 후에도 약 600V의 높은 출력 전압을 유지해 친환경 소재로서의 가능성도 입증했다. 더불어 연구팀은 S-TENG를 손목, 팔꿈치, 무릎, 손가락, 목 등 신체 각 부위에 부착하여 다양한 인체 동작을 감지하는 자가발전 센서로 활용했다. 손가락 굽힘에 대한 반응 상승 시간은 13ms로 매우 빠른 응답 특성을 나타냈으며, 동작 분류를 위해 11가지 머신러닝 모델을 평가한 결과, XGBoost 알고리즘이 95.29%의 최고 분류 정확도를 달성했다. 연구 책임자인 최경후 교수는 "바이오매스 유래 스테비아를 활용해 투명성, 기계적 성능, 전기 출력을 동시에 향상시킨 하이드로젤 전극을 개발했으며, 재활용 가능성까지 확보했다는 점에서 의미가 크다"라며 "이 기술을 IoT 기반 웨어러블 디바이스, 재활 모니터링, 지능형 인간-기계 인터페이스 등 다양한 분야에 적용하는 연구를 지속할 계획이다"라고 밝혔다. 본 연구는 4단계 BK21 인간 중심 융합기계솔루션 미래인재양성 교육연구단과 과학기술정보통신부의 지원을 받아 수행되었으며 재료 과학 분야의 세계적 권위지인 Advanced Materials(IF 26.8, JCR 상위 3% 이내)에 2026년 4월 온라인판에 게재되었다. 또한 본 논문은 Advanced Materials의 inside front cover로 선정되었다. ▲ 스테비아 강화 PVA 하이드로겔 기반 웨어러블 센서의 구조 및 동작 인식 시스템 개념도 ▲ Advanced Materials 저널 Inside front cover 논문으로 선정 논문 게재 성과 SKKU RESEARCH STORY High-Performance Transparent, Deformable, and Recoverable Biomimetic Stevia–PVA Hydrogel Triboelectric Nanogenerator with Machine Learning-Assisted Motion Recognitions Advanced Materials 원문 보기 (DOI) KC 최경후 교수 PURE 프로필 →
- No. 393
- 2026-05-11
- 4205
-
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
- 3314
-
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
- 1110
-
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
- 3552
-
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
- 1344
-
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
- 3046
-
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
- 4780
-
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
- 4423
-
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
- 4670
-
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
- 6326
