Research Stories 게시판목록 | 성균관대학교 복사

빛으로 학습하는 인공 시신경 반도체 소자 개발

기계공학부 김태성 교수 연구팀이 반도체 구조를 원하는 형태로 설계하고, 빛만으로 학습과 기억이 가능한 광전자 시냅스 소자를 개발했다. 인공지능과 초연결 시대가 본격화되면서 방대한 영상 데이터를 실시간으로 감지하고 처리하는 뉴로모픽* 비전 시스템의 중요성이 커지고 있다. 광전자 시냅스*는 빛 신호를 활용해 인간의 신경세포와 시냅스 기능을 모방하는 핵심 기술로 주목받고 있지만, 기존 소재는 구조를 정밀하게 제어하기 어렵고 대면적에서 균일한 성능을 확보하는 데 한계가 있었다. * 뉴로모픽(Neuromorphic): 인간 뇌의 신경망 구조와 작동 방식을 모방한 차세대 컴퓨팅 기술 * 광전자 시냅스: 빛 신호를 이용해 인간의 신경세포와 시냅스 기능을 모방하는 반도체 소자 연구팀은 차세대 초박막 반도체 소재인 반데르발스 물질*에 특수 플라즈마 공정*을 적용해 하나의 소재 안에 서로 다른 구조를 동시에 구현하는 데 성공했다. 이를 통해 별도의 복잡한 공정 없이 빛 자극에 반응하는 인공 시신경 소자를 제작할 수 있었다. * 반데르발스 물질: 원자층이 여러 겹 쌓인 초박막 반도체 소재 * 플라즈마 공정: 기체를 고에너지 상태로 만들어 소재의 구조와 특성을 변화시키는 공정 연구팀은 해당 소자가 빛 자극에 따라 학습과 기억 기능을 구현할 수 있음을 확인했다. 또한 인공지능 이미지 인식 실험에서 96.24%의 높은 정확도를 기록했으며, 기존 구조보다 기억 유지 성능도 34.7% 향상된 것으로 나타났다. 이번 연구는 소자 수준의 학습·기억 기능을 실제 인공지능 연산으로 확장할 수 있는 가능성을 제시했다는 점에서 의미가 크다. 김태성 교수는 "이번 연구는 반도체 구조 자체를 설계해 빛으로 학습하고 기억하는 인공 시신경 소자를 단일 공정으로 구현했다는 점에서 의미가 크다"며 "차세대 뉴로모픽 반도체와 인공지능 하드웨어 개발에 폭넓게 활용될 수 있을 것으로 기대한다"고 말했다. 이번 연구는 한국연구재단 리더연구사업과 기초과학연구원(IBS), 산업통상자원부 반도체 특성화대학원 사업 등의 지원을 받아 수행됐다. 성균관대학교를 비롯해 IBS 양자나노과학 연구단과 한국기계연구원이 공동 연구에 참여했으며, 연구 성과는 세계적 학술지 Advanced Materials(IF 26.8, JCR 상위 1%)에 6월 3일 온라인 게재됐다. ▲ 빛으로 작동하는 설계형 반데르발스 결정 기반 인공 시신경 광시냅스 소자의 구조와 동작 원리 논문 게재 성과 SKKU RESEARCH STORY Designable van der Waals Crystal for Artificial Neuronal Cell Mimicking Advanced Materials 원문 보기 (DOI) TK 김태성 교수 PURE 프로필 →
- No. 400
- 2026-06-15
- 593
나노 구조 전해질 첨가제로 초장수명 수계 배터리 구현

차세대 에너지 저장 장치로 주목받는 수계배터리의 고질적 한계를 극복할 새로운 전해질 기술이 국내 연구진에 의해 개발됐다. 화학공학부 박호석 교수 연구팀은 전해질에 특수 물질을 소량 첨가하는 것만으로 수계배터리의 수명과 용량을 획기적으로 향상시키는 데 성공했다고 밝혔다. 수계배터리는 리튬이온 전지 대비 원재료 비용이 낮고, 물 기반 전해질을 사용해 안전성과 환경 친화성이 뛰어나 에너지 저장 시스템의 유력한 대안으로 꼽혀 왔다. 그러나 반복적인 충·방전 과정에서 전극 표면에 아연이 불균일하게 석출되거나 전해질 내 물과 부반응을 일으키면서 전지가 빠르게 열화되는 문제가 상용화의 걸림돌로 작용해 왔다. 연구팀은 이 문제를 해결하기 위해 '쌍성이온(Zwitterion)'에 주목했다. 쌍성이온은 하나의 분자 안에 양전하와 음전하를 동시에 지니는 물질로, 전기적으로는 중성이지만 주변 이온과의 상호작용을 정밀하게 조절할 수 있다는 특성이 있다. 연구팀이 개발한 쌍성이온 첨가제(C10)는 전해질에 소량 투입됐을 때 분자들이 자발적으로 모여 지름 약 3.77 nm 규모의 나노 구조체를 형성한다. 이 구조체는 두 가지 핵심 역할을 수행한다. 첫째, 아연 이온이 전극 표면에 고르고 안정적으로 달라붙도록 유도해 불균일한 석출을 억제한다. 둘째, 아연 금속 표면을 얇고 균일한 보호막으로 코팅해 물과의 부반응 및 부식을 효과적으로 차단한다. 개발된 전해질을 적용한 수계배터리는 2,800시간 이상 안정적으로 구동되는 초장수명을 달성했다. 고용량 조건에서는 면적 용량 기준 8.10 mAh cm⁻²를 기록하며 현재까지 보고된 수계배터리 가운데 세계 최고 수준에 해당하는 성능을 보였다. 수명과 용량이라는 두 핵심 지표를 동시에 끌어올린 점이 이번 연구의 두드러진 성과다. 박호석 교수는 "고가의 소재나 복잡한 제조 공정 없이, 전해질에 물질을 소량 첨가하는 단순한 방법만으로도 수계배터리의 성능을 대폭 개선할 수 있다는 것을 증명했다"며 "신재생에너지 저장 뿐 만 아니라, 최근 폭발적으로 증가하고 있는 AI, 데이터센터용 대용량 에너지저장시스템(ESS)에 응용될 수 있을 것"이라고 말했다. 이번 연구는 과학기술정보통신부와 한국연구재단의 리더연구 및 미래유망융합기술파이오니어 사업의 지원을 받아 수행됐으며, 나노기술 분야 국제 학술지 Nano-Micro Letters (IF 36.3, 상위 1%)에 1월 4일자로 게재됐다. 아연이온배터리에서의 C10의 역할 모식도: C10 응집에 의한 국부적 고농도 전해질 형성 및 전기이중층 자가 조립을 통한 균일한 아연 전착 유도 및 부반응 억제 논문 게재 성과 SKKU RESEARCH STORY Self-Assembled Ordered Nanostructure of Zwitterionic Co-Solutes Induces Localized High-Concentration Electrolytes for Ultrastable and Efficient Zinc Metal Anodes Nano-Micro Letters 원문 보기 (DOI) 박 박호석 교수 PURE 프로필 →
- No. 399
- 2026-06-10
- 1736
밈 광고 열풍, 명품 브랜드는 왜 더 많이 공유될까?

최근 인터넷 밈(meme)을 활용한 소셜미디어 광고가 명품 브랜드의 새로운 커뮤니케이션 전략으로 주목받고 있다. 대표적으로 구찌(Gucci)는 #TFWGucci 캠페인을 통해 다양한 밈 콘텐츠를 선보이며 큰 화제를 모았다. 밈은 온라인에서 유행하는 이미지, 영상, 챌린지 등이 이용자들 사이에서 반복적으로 공유·변형되며 빠르게 확산되는 디지털 문화 콘텐츠를 의미한다. 그러나 전통적으로 고급스러움과 희소성을 강조해 온 명품 브랜드가 이러한 밈을 광고에 활용한다는 점은 소비자들에게 다소 의외로 받아들여질 수 있다. 실제로 많은 브랜드들이 소비자와의 소통을 위해 밈 광고를 적극 활용하고 있지만, 이러한 전략이 소비자 반응에 긍정적인 영향을 미치는지, 혹은 브랜드의 고급스러운 이미지를 약화시키는지는 아직 명확하게 밝혀지지 않았다. 미디어커뮤니케이션학과 백태현 교수 연구팀은 중국 북경대학교 연구진과 함께 수행한 국제공동연구를 통해 명품 브랜드의 브랜디드 밈(Branded Meme) 광고가 소비자 반응에 미치는 영향을 네 개의 실험을 통해 실증적으로 규명했다. 본 연구성과는 국제 저명 SSCI 학술지 International Journal of Advertising에 게재되었다. 해당 저널은 2024년 Journal Citation Reports(JCR) 기준 Communication 분야 상위 1.5%에 속하는 Q1 저널이다. 실험 결과, 소비자들은 명품 브랜드의 밈 광고를 일반 광고보다 더 재미있게 인식하는 것으로 나타났다. 명품 브랜드와 인터넷 밈의 예상 밖 조합은 소비자에게 의외성(perceived unexpectedness)을 유발했고, 이러한 의외성은 밈 광고의 지각된 재미(perceived funniness)를 높이는 핵심 요인으로 작용했다(실험 1). 명품 브랜드의 밈 광고는 소비자의 소셜미디어 공유 의도(sharing intention)도 높였다. 소비자들은 명품 브랜드가 밈을 활용할 때 이를 예상 밖의 조합으로 받아들였고, 더 큰 재미를 느낄수록 다른 사람들과 공유하려는 경향을 보였다(실험 2). 실제 페이스북(Facebook) A/B 테스트에서도 동일한 결과가 나타났다. 명품 브랜드의 밈 광고는 일반 광고보다 더 많은 클릭 수(clicks)와 게시물 참여(post-engagement)를 유도했다(실험 3). 하지만 모든 브랜드에서 밈 광고가 효과적인 것은 아니었다. 프라다(Prada)와 같은 명품 브랜드에서는 밈 광고가 소비자 공유 의도를 높였지만, 자라(Zara)와 같은 패스트패션 브랜드에서는 오히려 일반 광고가 더 높은 공유 의도를 보였다(실험 4). 연구팀을 이끈 백태현 교수는 "명품 브랜드와 인터넷 밈의 예상 밖 조합이 소비자에게 신선함과 재미를 제공할 때 가장 큰 효과를 발휘한다"며, "브랜드 특성을 고려한 밈 광고 커뮤니케이션 전략이 필요하다"고 설명했다. 논문 게재 성과 SKKU RESEARCH STORY Meme advertising for luxury brands: Effects on perceived funniness and sharing intention International Journal of Advertising 원문 보기 (DOI) 백 백태현 교수 PURE 프로필 →
- No. 398
- 2026-06-05
- 2486
박성준 교수 연구팀, 액체금속 기반 초고신축·항동결 수화젤 전해질 개발

화학공학과 박성준 교수 연구팀이 액체금속 입자를 활용해 영하 20℃ 환경에서도 원래 길이의 9배까지 늘어나는 변형에도 성능 저하 없이 작동하는 초고신축·항동결 수화젤 전해질을 개발했다. 이번 성과는 극한 환경에서도 안정적으로 작동하는 에너지 저장장치 구현에 활용될 것으로 기대된다. 웨어러블 전자기기 발전으로 유연성·안정성을 동시에 구현한 에너지 저장 기술 수요가 늘고 있다. 전하를 나르는 통로인 전해질의 물성이 핵심이다. 수분 함량이 높은 기존 수화젤 기반 전해질은 기계적 강도가 낮고 저온에서 쉽게 동결돼 성능이 떨어진다. 연구팀은 액체 원료가 단단하고 질긴 고분자 고체로 변하도록 첫 단추를 끼워주는 '개시제' 물질로 액체금속 입자를 활용했다. 액체금속 입자를 초음파로 분산한 뒤 원료인 아크릴아마이드와 아크릴산의 중합을 유도해 수화젤을 제조하는 원리다. 외부 열이나 자외선과 같은 추가적인 에너지 공급이 필요없다. 물과 잘 결합하지 않는 소수성 물질인 스티렌메타크릴레이트(SMA)를 첨가해 고분자 사슬 사이의 물리적 가교를 만들었다. 외부 힘으로 변형되면 결합이 끊어졌다가도 쉽게 재형성돼 신축성이 매우 높아지는 원리다. 재료가 끊어지기 직전까지 원래 길이보다 최대로 늘어난 값인 파단신율이 900%에 달했다. 수화젤을 염화리튬(LiCl) 용액에 침지하자 물 분자 사이의 수소결합을 억제하는 항동결 특성이 구현됐다. 영하 20℃에서도 전도성과 유연성을 동시에 유지할 수 있다. 개발된 전해질로 만든 에너지 저장장치는 4만5000회 충방전 후에도 98%의 성능을 유지했다. 연구팀은 "실용화를 위해서는 장기간 사용 시의 안정성 검증과 대면적 공정에서의 재현성 확보가 필요하다"며 "다양한 전극 소재 및 실제 디바이스 환경과의 호환성을 추가적으로 평가해야 한다"고 설명했다. 박 교수는 "액체금속을 활용한 새로운 수화젤 전해질 설계 전략을 제시했다"며 "향후 웨어러블 전자기기 및 차세대 유연 에너지 저장장치 개발에 활용될 것으로 기대된다"고 밝혔다. 연구결과는 3월 13일 국제학술지 'Nano-Micro Letters'에 공개됐다. ▲ 액체금속 기반 수화젤 전해질의 제조 및 소자 구조 모식도 논문 게재 성과 SKKU RESEARCH STORY Ultra-Stretchable Anti-Freezing Hydrogel Electrolytes Cross-Linked by Liquid Metal Particle Initiators Toward Soft Energy Storage Devices Nano-Micro Letters 원문 보기 (DOI) 박 박성준 교수 PURE 프로필 →
- No. 397
- 2026-06-02
- 2359
다수 집단 고차원 데이터의 숨은 의존성 구조에 대한 베이지안 추론 개발

성균관대학교 통계학과 이경재 교수 연구팀은 서울대학교 장원 교수, University of Cincinnati의 Xuan Cao 교수와의 공동연구를 통해 다수 집단 고차원 데이터의 숨은 의존성 구조에 대한 베이지안 추론을 개발하였다. 고차원 데이터 속 의존성 지도 현재 과학과 산업 현장에서는 유전체, 기후, 금융, 센서 데이터처럼 수많은 변수가 동시에 관측되는 고차원 데이터가 빠르게 증가하고 있다. 이러한 데이터에서 중요한 문제는 각 변수들이 연결된 종속 구조를 학습하여, 방대한 자료에 숨은 정보를 보여주는 “의존성 지도”를 파악하는 것이 중요하다. 예를 들어 기후 자료에서는 가까운 지역의 온도가 서로 관련될 수 있고, 유전체 자료에서는 인접한 위치의 유전자들이 함께 작용할 수 있다. 이러한 의존성을 추론에 반영할 수 있다면, 개별 변수를 따로 분석하는 것보다 더욱 효율적인 추론이 가능하다. 여러 집단의 의존성을 함께 추론하는 j-LANCE 방법 개발 본 연구에서 제안한 j-LANCE(joint LocAl depeNdence CholEsky)는 유전체, 기후 등의 실제 데이터에서, 변수들이 자연스러운 순서를 가지며 가까운 이웃 변수들과 주로 관련된다는 점에 주목하였다. 이를 통해 각 변수가 어느 정도 범위의 이웃 변수들과 연결되는지를 추정하고, 여러 집단 사이의 유사한 구조를 함께 학습하면서도 집단별 차이를 허용하도록 방법론을 설계하였다. 이때, 기존 방법들은 여러 집단의 자료를 따로 분석하거나 반대로 모든 집단이 같은 구조를 가진다고 단순화하는 경우가 많았지만, 본 연구에서는 Markov random field prior를 이용하여 집단 간 유사성과 차이를 데이터에서 유연하게 학습할 수 있도록 설계하였다. 이론적 정확성과 빠른 계산을 동시에 확보 본 연구의 중요 성과는 고차원 환경에서도 이론적인 정확성과 계산 효율성을 동시에 달성한다는 점이다. 본 연구에서는 j-LANCE가 여러 집단의 의존성 구조를 정확하게 추정할 수 있다는 것을 이론적으로 증명하였고, 추정 결과가 참값에 가까워지는 속도 역시 nearly minimax-optimal 임을 보였다. 또한 복잡한 반복 계산인 MCMC를 사용하지 않아도 베이지안 추론이 가능하도록 방법론을 설계하여, 고차원 데이터에서도 빠른 분석이 가능하다는 장점을 확보하였다. 기후자료 분석으로 확인한 실제 활용 가능성 본 연구에서는 ERA5 데이터를 이용하여 2019년부터 2021년까지 미국 태평양 북서부 지역 30개 지점의 온도를 분석하고, 바람의 흐름을 반영한 공간적 순서를 바탕으로 지역 간 온도 의존성 구조를 추정하였다. 그 결과 j-LANCE는 연도별로 유사한 의존성 패턴을 포착하는 동시에, 특정 연도에 나타난 특이한 의존성 구조도 감지하는 것을 확인하였다. 이로부터 j-LANCE의 실제 데이터 활용성을 확인할 수 있었으며, 향후 기후, 유전체, 금융, 센서 시계열 등 여러 집단의 복잡한 데이터를 동시에 분석해야 하는 다양한 분야에 활용될 수 있을 것으로 기대된다. *본 연구성과는 통계학 분야 국제 학술지인 Bayesian Analysis에 게재되었다. 논문 게재 성과 SKKU RESEARCH STORY The Joint Local Dependence Cholesky Prior for Bandwidth Selection Across Multiple Groups Bayesian Analysis 원문 보기 (DOI) 이 이경재 교수 PURE 프로필 → 그림 1. ERA5 기후 데이터의 온도 heatmap 그림 2. ERA5 기후 데이터에서 추정된 Cholesky factors. 각 열은 오른쪽부터 2019, 2020, 2021년에 해당하며, 각 행은 위부터 j-LANCE, 연도별 독립 LANCE, 벌점화 가능도 기반 추론 방법, 그룹 그래피컬 라쏘 방법의 결과를 나타냄
- No. 396
- 2026-05-26
- 3356
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
- 5925
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
- 1766
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
- 7812
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
- 4158
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
- 1864
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
- 4258
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
- 1873