-
신경 네트워크의 연결을 실시간으로 조절 가능한 신경 칩 플랫폼 개발
우리 대학 바이오및뇌공학과 남윤기 교수 연구팀이 나노입자 기술을 기반으로 시험관 조건에서 배양한 신경 네트워크의 연결을 실시간으로 조절할 수 있는 신경칩 플랫폼을 개발했다고 7일 밝혔다.
이번 연구는 신경 네트워크의 구조를 조절하기 위한 기존의 많은 세포 형태화 기술이 세포 배양 이전 단계에만 적용 가능한 데 반해, 네트워크의 발달 및 성숙 단계에서도 도입할 수 있다는 점에서 큰 의미가 있다.
바이오및뇌공학과 홍나리 박사과정(지도교수:남윤기)이 주도한 이번 연구 결과는 국제 학술지 `네이처 커뮤니케이션즈(Nature Communications)' 12월 9일 字에 게재됐다. (논문명: Thermoplasmonic neural chip platform for in situ manipulation of neuronal connections in vitro)
우리 뇌의 복잡한 구조를 모방하는 신경 네트워크 모델을 체외 조건에서 구현하기 위해서는 신경세포의 위치와 연결을 원하는 구조에 맞춰 정렬하는 기술이 필요하며, 이를 위해 다양한 방식의 미세공정 기법을 통한 신경세포 형태화 기술이 개발돼왔다.
그러나 이러한 기술들은 세포를 배양하기 전에 배양기판의 표면을 개질하는 방법을 기반으로 하고 있어 배양 초기 단계에서 원하는 네트워크의 구조를 통제하는 것은 가능하나, 이후 수일 또는 수 주에 걸친 세포 간 네트워크 형성 과정 중에 네트워크 연결을 조절하는 것이 매우 어렵다는 단점이 있었다.
연구진은 세포 배양 중에도 신경 네트워크의 구조와 기능을 실시간으로 조절할 수 있는 기술을 개발하기 위해, `아가로즈 하이드로겔 (agarose hydrogel), 금 나노막대, 미세 전극 칩' 기반의 신경 칩 플랫폼을 제작했다. 해초로부터 추출한 물질로 조직공학 분야에서 활용되고 있는 아가로즈 하이드로겔은 신경세포의 흡착을 방해하는 세포 반발성을 가지고 있어, 배양기판 상에 다양한 형태의 패턴을 제작해 이 물질이 없는 영역에만 한정적으로 신경 네트워크를 형성시킬 수 있다.
또한 아가로즈 하이드로겔은 열에 의해 녹는 특성이 있어, 국소적인 열을 통해 특정한 위치의 하이드로겔을 제거할 수 있다. 연구진은 원하는 영역에만 국소적 열을 발생시키기 위한 매개체로 금 나노막대를 사용했다. 금 나노막대는 근적외선을 선택적으로 흡수해 열을 발생시킬 수 있는 광열 특성이 있다. 마지막으로 미세 전극 칩은 신경세포의 전기적 신호를 비침습적으로 장기간 측정한다.
연구진은 배양기판인 미세 전극 칩 위에 금 나노막대 층을 형성하고, 그 위에 미세 패턴을 지닌 아가로즈 하이드로겔 층을 제작함으로써, 각 미세 패턴 안에 독립된 신경 네트워크들을 구축했다. 다음으로 개발된 플랫폼을 통해 세 가지의 다른 조작 방식으로 신경 네트워크의 구조와 기능을 조절할 수 있음을 실험적으로 확인했다.
첫 번째로는, 금 나노막대 층에서 발생하는 열을 통해 네트워크 사이에 하이드로겔을 국소적으로 제거했으며, 제거된 영역을 따라 신경돌기(축삭)가 생장해 새로운 신경 연결이 생성됨을 확인했다. 두 번째로는, 네트워크를 연결하고 있는 신경돌기에 직접 열을 가함으로써 원하는 신경 연결을 선택적으로 제거할 수 있음을 관찰했다. 이러한 신경 연결의 생성과 제거 기술을 미세 전극 칩 상에서 실행함으로써, 연구팀은 네트워크의 구조적 변화에 의한 기능적 연결성을 분석할 수 있었다. 세 번째로는, 광열 자극을 이용한 신경 활성 억제 현상을 이용해 개별 네트워크의 활성 변화를 조절하면서 서로 연결된 네트워크 간의 기능적 연결성을 대응시킬 수 있음을 확인했다.
이번 연구의 교신저자인 남윤기 교수는 "이번 연구에서 개발된 신경 세포 칩 플랫폼은 신경회로의 구조와 기능을 세포 발달과정 중에 조절할 수 있다ˮ며, "앞으로 뇌신경과학 연구를 위한 다양하고 복잡한 형태의 체외 신경 모델을 구현하는 데 활용될 것으로 기대된다ˮ고 말했다.
한편 이번 연구는 과학기술정보통신부 중견연구자지원사업(도약연구)와 글로벌박사양성사업 지원을 받아 수행됐다.
2021.01.06
조회수 60268
-
효율적 정보 처리를 위한 뇌신경망의 최적화 구조 형성 원리 규명
우리 대학 바이오및뇌공학과 백세범 교수 연구팀이 대뇌 시각 피질 회로가 정보처리에 가장 최적화된 구조를 자발적으로 형성하는 원리를 밝혔다.
이번 연구 결과는 수 십년간의 뇌신경과학 연구에서 그 원리를 명확히 밝혀내지 못했던 시각 피질 기능성 지도들의 복합 구조 형성의 기작을 규명한 것으로, 수학적 모델의 도입을 통해 복잡한 생물학적 신경망 구조의 기원을 찾아낸 성공적인 연구로 평가된다.
연구팀은 망막 신경세포들이 초기 발생 단계에서 일정한 물리적 공간 분포 패턴을 형성하는 과정에서 다양한 종류의 정보 처리 회로가 자발적으로 생성될 뿐만 아니라, 이 패턴으로부터 시각 피질의 기능성 뇌지도들의 규칙적이고 효율적인 복합적 구조가 형성됨을 밝혀냈다.
바이오및뇌공학과 송민 박사과정과 장재선 박사가 공동 1저자로 참여한 이번 연구는 국제 학술지 ‘셀(cell)’의 온라인 자매지 ‘셀 리포츠(Cell Reports)’ 1월 5일 자에 게재됐다. (논문명: Projection of orthogonal tiling from the retina to the visual cortex).
포유류의 일차시각피질 신경세포들은 눈으로부터 입력된 시각 정보의 색, 물체의 형태를 이루는 선분의 각도, 폭 등의 기본적인 시각 정보를 구별하여 전기적 신호로 부호화 한다. 예를 들어 시각 자극의 방향에 따라 반응의 정도가 달라지는 성질인 방향 선택성(orientation selectivity)을 가지는 세포들은 물체의 형태를 구별하기위해 필요한 윤곽선에 대한 정보를 선택적으로 처리한다.
이러한 시각 피질 세포들의 방향 선택성, 공간 주기성등의 성질은 시각 피질 상에서 연속적, 주기적인 형태로 변하는 기능성 지도 (functional map) 구조를 형성하는데, 이 지도들의 구조는 서로 독립적으로 형성되는 것이 아니라 서로 수평, 또는 수직 관계를 이루며 매우 효율적인 짜임새 구조(efficient tiling)를 이룬다. 이를 통해 시각 피질의 모든 국소 영역에서 정보 요소들을 손실없이 효율적으로 부호화할 수 있도록 만드는 대주(hypercolumn) 구조를 형성하는데, 시각 정보처리의 핵심이 되는 이러한 기능성 구조가 어떻게 발생하는지에 대해서는 밝혀진 바가 없었다.
연구팀은 수학적 모델에 기반한 컴퓨터 시뮬레이션을 통하여 포유류의 망막에서 발견되는 신경절 세포들이 단순한 물리적 상호작용을 통해 시각 정보의 입력이 없는 상태에서도 놀라울 정도로 효율적인 공간적 배치를 자발적으로 형성할 수 있음을 확인하였다.
연구팀은 이러한 구조가 시각 피질로 투영되어 시각 피질의 다양한 기능성 뇌지도들을 형성됨과 동시에, 그 지도들 간의 상호 짜임새를 정보처리에 가장 최적화된 형태로 구성할 수 있음을 보였다. 뇌의 주요 정보 처리 회로에 대한 설계도가 이미 망막 단계의 신경망이 형성되는 과정에서 자발적으로 발생함을 증명한 것이다.
백세범 교수는 “시각 정보처리의 핵심 구조인 시각 피질의 기능성 지도가 어떻게 자발적으로 발생하는지 규명하였을 뿐 아니라, 다양한 정보를 처리하는 각각의 뇌신경망 회로 구조가 단순한 물리적 상호작용에 의해 가장 효율적인 형태의 복합 구조를 형성할 수 있음을 처음으로 증명한 연구다" 라고 언급했다.
이번 연구는 한국연구재단의 이공분야기초연구사업 및 원천기술개발사업의 지원을 받아 수행됐다.
2021.01.06
조회수 56915
-
백세범 교수팀, 고등 인지 기능의 자발적 발생 원리 규명
우리 대학 바이오및뇌공학과 백세범 교수 연구팀이 학습 과정을 전혀 거치지 않은 신경망에서 고등 시각 인지 기능이 자발적으로 발생할 수 있음을 보였다고 4일 밝혔다.
이번 연구 결과는 신경망에서 상위 인지 기능을 발생시키기 위해서는 반드시 충분한 데이터 학습이 필요하다는 기존의 상식과 완전히 상반되는 것으로, 현재 통용되고 있는 인공지능의 구현 방식에 대한 근본적인 의문을 던진다.
또한 연구팀의 결과는 다양한 생물 종의 뇌에서 관측되는 선천적인 인지 기능의 발생에 대한 설명 가능한 이론을 제시할 뿐만 아니라, 뇌신경과학 연구의 가장 근본적인 질문 중 하나인 `인지 지능의 발생 및 진화'의 원리에 대한 기존과는 전혀 다른 새로운 시각을 제시한다.
연구팀은 뇌의 시각 신경망을 모사한 인공신경망 시뮬레이션을 통해, 모든 연결 가중치가 무작위로 정해지도록 초기화된 신경망이 전혀 학습을 거치지 않은 상태에서도 특정 숫자에 선택적으로 반응하는 `수량 선택성'을 자발적으로 생성함을 발견했다. 또한 이렇게 자발적으로 발생한 수량 선택적 유닛은 실제 동물의 뇌에서 발견되는 수량 선택적 뉴런들이 보이는 *`베버-페히너 법칙' 등의 주요 특성을 동일하게 따름을 확인했다.
☞ 베버-페히너 법칙(Webber-Fechner law): 자극과 감각 사이의 상대적 관계를 나타내는 심리물리학적 법칙. 인지 가능한 자극 강도 변화량은 현재 강도에 지수적으로 비례한다는 것으로 이는 인지생물학에서 기본적인 원리로 알려져 있다.
우리 대학 물리학과 김광수 석박사통합과정, 바이오및뇌공학과 장재선 박사가 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `사이언스(Science)'의 온라인 자매지 `사이언스 어드밴시스(Science Advances)' 1월 1일 字에 게재됐다. (논문명 : Visual number sense in untrained deep neural networks)
신경망에서 인지 지능의 발생에 관한 연구는 뇌인지과학과 인공지능 분야 모두에서 핵심적인 연구 주제 중 하나다. 흥미롭게도 인지 기능을 발생시키기 위해서 일반적으로 많은 양의 데이터 입력을 통한 학습 과정을 거쳐야 하는 인공신경망과 달리 동물의 뇌는 태어난 직후부터 다양한 인지 기능을 수행하는 `선천적' 인지 지능을 가지고 있는 것이 관찰돼왔다.
이러한 차이점은 생물학적 지능의 발생과 진화의 원리를 이해하는 데 결정적인 역할을 하고, 현재 개발된 인공지능과의 차이점을 보여주는 핵심적인 단서를 제공할 것으로 기대되고 있으나 이러한 인지 기능이 어떻게 자발적으로 발생하는지는 아직 명확하게 알려진 바가 없었다.
이에 연구팀은 학습을 거치지 않은 신경망의 초기 상태에서 나타나는 단순한 물리적 구조 특성이 다양한 인지 기능을 발생시킬 수 있을 것이라 예상했다. 이를 확인하기 위해 수행한 심층신경망 시뮬레이션 연구를 통해 모든 연결 가중치가 무작위로 초기화된 신경망에서도 `계층 구조'와 무작위적 피드 포워드 연결만 형성된다면 특정 수량에 선택적으로 강한 반응을 보이는 신경망 유닛들이 자발적으로 생성됨을 확인했다.
이러한 신경망 유닛들은 실제 뇌에서 발견되는 수량 선택적 신경세포의 주요한 성질들과 유사한 특성을 보였다. 이 결과는 생물학적 뇌에서 생애 초기에 발견되는 선천적인 숫자 선택성 역시 동일한 원리에 의해 발생할 가능성을 시사한다.
이러한 결과는 기초적인 인지 기능이 신경망의 초기 구조가 갖춰진 시점에 이미 존재하고 이후 다양한 학습을 통해 조절될 수 있음을 보여주며, 뇌신경과학의 중요한 화두 중 하나인 `지능의 선천적 혹은 후천적(nature vs. nurture) 형성'에 관해 매우 중요한 단서를 제공하는 발견으로 평가된다.
연구팀의 결과는 학습과 훈련에 의존해 대부분의 뇌 기능이 발생한다는 기존의 시각을 탈피해, 선천적이고 자발적으로 발생하는 뇌 기능에 대한 보다 심도 있는 연구가 필요하다는 사실을 시사한다. 한편으로 현재의 인공지능 구현 기법들과 완전히 다른 인공지능 구현 원리를 제시할 수 있는 생물학적 뇌 기반 이론을 제시한다.
백세범 교수는 "뇌 신경망 연구를 통해 얻은 아이디어를 인공신경망 연구에 적용하고, 그 결과를 다시 뇌과학적 원리를 발견하는 데 사용해 중요한 통찰을 가능하게 한 의미있는 연구ˮ라며 "뇌신경과학과 뇌공학 분야 모두에서 가장 중요한 질문 중 하나라고 할 수 있는 인지 지능의 기원에 대한 이해의 전환점을 가져올 것으로 기대된다ˮ라고 언급했다.
한편 이번 연구는 한국연구재단의 이공분야기초연구사업 및 원천기술개발사업의 지원을 받아 수행됐다.
2021.01.04
조회수 65606
-
인공지능 기술을 이용한 유전자 전사인자 예측 시스템 개발
우리 대학 생명화학공학과 이상엽 특훈교수와 미국 캘리포니아대학교 샌디에이고캠퍼스(UCSD) 생명공학과 버나드 팔슨(Bernhard Palsson) 교수 공동연구팀이 인공지능을 이용해 단백질 서열로부터 *전사인자를 예측하는 시스템인 '딥티팩터(DeepTFactor)'를 개발했다고 29일 밝혔다. 이번 연구는 국제학술지인 '미국국립과학원회보(PNAS)'에 12월 28일 字 게재됐다. (논문명: DeepTFactor: A deep learning-based tool for the prediction of transcription factors)
※ 전사인자 (transcription factor) : 유전자의 전사(유전 정보를 복사하는 과정)를 조절하는 단백질. 특정 DNA 서열에 특이적으로 결합해 유전자의 전사를 조절한다.
※ 저자 정보 : 김기배(한국과학기술원, 제1 저자), 예 가오(Ye Gao) (UCSD, 제2 저자), 버나드 팔슨(Bernhard Palsson) (UCSD, 제3 저자), 이상엽(교신저자) 포함 총 4명
전사인자는 특정한 DNA 서열에 특이적으로 결합해 유전자의 전사(유전 정보를 복사하는 과정)를 조절하는 단백질이다. 전사인자로 인한 유전자 전사를 분석함으로써 유기체가 유전적 또는 환경적 변화에 어떻게 반응해 유전자의 발현을 제어하는지 이해할 수 있다. 이러한 점에서 유기체의 전사인자를 찾는 것은 유기체의 전사 조절 시스템 분석을 위한 첫 단계라고 할 수 있다.
지금까지 새로운 전사인자를 찾기 위해서는 이미 알려진 전사인자와의 상동성(유사한 성질)을 분석하거나, 기계학습(머신러닝)과 같은 데이터 기반의 접근 방식을 이용했다. 기존의 기계학습 모델을 이용하기 위해서는 분자의 물리 화학적 특성을 계산하거나, 생물학적 서열의 상동성을 분석하는 등, 해결하고자 하는 문제에 대한 전문 지식에 의존해 모델의 입력값으로 사용할 특징을 찾아내는 과정이 필요하다.
한편, 심층 학습(딥러닝)은 문제 해결을 위한 잠재적인 특징을 내재적으로 학습할 수 있기에 최근 다양한 생물학 분야에서 활용되고 있다. 하지만, 심층 학습을 이용한 예측 시스템의 경우 시스템 내부의 복잡한 연산 때문에 추론 과정을 직접 확인할 수 없는 `블랙박스(black box)'라는 특징을 가지고 있다.
공동연구팀은 심층 학습 기법을 이용해 주어진 단백질 서열이 전사인자인지 예측할 수 있는 시스템인 딥티팩터(DeepTFactor)를 개발했다. 딥티팩터는 단백질 서열로부터 전사인자를 예측하기 위해 세 개의 병렬적인 합성곱 신경망(convolutional neural network)을 이용한다. 공동연구팀은 딥티팩터를 이용해 대장균(Escherichia coli K-12 MG1655)의 전사인자 332개를 예측했으며, 그중 3개의 전사인자의 게놈 전체 결합 위치(genome-wide binding site)를 실험으로 확인함으로써 딥티팩터의 성능을 검증했다.
공동연구팀은 나아가 딥티팩터의 추론 과정을 이해하기 위해 특징 지도 (saliency map) 기반의 심층 학습 모델 해석 방법론을 사용했다. 이를 통해 딥티팩터의 학습 과정에서 전사인자의 DNA의 결합 영역에 대한 정보가 명시적으로 주어지지 않았지만, 내재적으로 이를 학습해 예측에 활용한다는 사실을 확인했다.
연구팀 관계자에 따르면, 특정 생물군의 단백질 서열만을 위해 개발됐던 이전 예측 방법론들과 달리, 딥티팩터는 모든 생물군의 단백질 서열에서 우수한 성능을 보여 다양한 유기체의 전사 시스템 분석에 활용 가능할 것으로 기대된다.
이상엽 특훈교수는 “이번 연구에서 개발한 딥티팩터를 이용해서 새롭게 발견되는 단백질 서열과 아직 특성화되지 않은 수많은 단백질 서열을 높은 처리 능력으로 분석할 수 있게 됐다”며 “이는 유기체의 전자 조절 네트워크 분석을 위한 기초 기술로써 활용 가능할 것”이라고 밝혔다.
한편, 이번 연구는 과기정통부가 지원하는 기후변화대응기술개발사업의 바이오리파이너리를 위한 시스템대사공학 원천기술개발 과제 지원을 받아 수행됐다.
2020.12.30
조회수 58960
-
딥러닝으로 소재 합성 가능성 예측 기술 개발
우리 대학 생명화학공학과 정유성 교수 연구팀이 딥러닝을 활용해 소재의 합성 가능성을 높은 정확도로 예측하는 기술을 개발했다고 22일 밝혔다.
신소재 설계의 궁극적인 목표는 소재를 설계하고 그것을 실험적으로 합성하는 것이지만 현실적으로는 새롭게 설계된 대부분의 소재가 실제 합성 단계에서 성공하지 못하고 버려지는 경우가 많다. 이는 불필요한 시간과 자원의 낭비를 초래한다. 소재의 합성 여부는 반응 조건, 열역학, 반응 속도, 소재 구조 등 다양한 요인에 의해서 결정되기 때문에, 소재의 합성 가능성을 예측하는 것은 매우 도전적인 과제로 여겨져 왔다.
이런 문제 해결을 위한 방안으로 간단한 열역학적 안정성만을 고려해 고체 소재의 합성 가능성을 추정하지만 정확도는 매우 떨어지는 편이다. 일례로 에너지적으로 안정된 물질이라 하더라도 합성이 안 되는 경우가 아주 빈번하고, 또 반대로 *준안정 상태의 물질들도 합성되는 경우가 많기 때문이다. 따라서, 합성 가능성에 대한 예측 정확도를 획기적으로 높일 수 있는 방법론의 개발이 시급한 과제로 여겨져 왔다.
☞ 준안정(metastable) 상태 : 어떤 물질이 열역학적으로 안정된 ‘바닥 상태’가 아닌 상태
정유성 교수 연구팀이 개발한 소재 합성 가능성 예측기술은, 기존 합성이 보고된 고체 소재들의 구조적 유사성을 그래프 합성 곱 신경망(GCN, Graph Convolutional Neural Network)으로 학습해 새로운 소재의 합성 가능성을 예측할 수 있다. 특히, 현재까지 합성이 안 된 물질이라 하더라도 합성이 성공할 가능성은 여전히 존재하기 때문에 참값(레이블)을 이미 알고 학습을 진행하는 일반적인 지도학습과는 달리 양의 레이블(+)을 가진 데이터와 레이블이 없는 데이터(Positive-Unlabeled, P-U)를 이용한 분류 모델 기반의 준 지도학습을 사용했다.
정 교수팀은 5만여 종에 달하는 이미 합성이 보고된 물질과 8만여 종의 *가상 물질로 이뤄진 `머터리얼스 프로젝트(Materials Project, MP)'라는 소재 관련 데이터베이스를 이용해 모델을 구축했다. 연구팀 관계자는 이 신기술을 활용한 결과, 소재들의 합성 가능성을 약 87% 정확하게 예측할 수 있다고 설명했다. 정 교수팀은 또 이미 합성된 소재들의 열역학적 특성을 분석한 결과, 열역학적 안정성만으로는 실제 소재의 합성 가능성을 예측할 수 없다는 사실도 알아냈다.
☞ 가상 물질(hypothetical materials) : 기존에 합성되어 보고된 물질들을 원소 치환해서 얻어지는 가상의 물질들로 아직 실험적으로 합성 보고가 이루어지지 않은 물질
이와 함께 머터리얼스 프로젝트(MP) 데이터베이스 내에 합성 가능성 점수가 가장 높은 100개의 가상 물질에 대해 문헌조사를 실시한 결과, 이들 중 머터리얼스 프로젝트(MP) 데이터베이스에는 합성 여부가 아직 알려지지 않았지만 실제로 합성돼 논문에 보고된 소재만도 71개에 달하는 것을 확인했고 이를 통해 모델의 높은 정확도를 추가로 입증했다.
정유성 교수는 "빠른 신소재 발견을 위해 다양한 소재 설계 프레임워크가 존재하지만 정작 설계된 소재의 합성 가능성에 관한 판단은 전문가 직관의 영역으로 남아 있다ˮ면서 "이번에 개발한 합성 가능성 예측 모델은 새로운 소재를 설계할 때 실제로 합성 가능성을 실험 전에 미리 판단할 수 있어 새로운 소재의 개발시간을 단축하는 데 큰 도움이 될 것ˮ이라고 말했다.
생명화학공학과 장지돈 박사과정과 구근호 박사후연구원이 공동 제1 저자로 참여한 이번 연구결과는 미국화학회가 발행하는 국제학술지 미국화학회지(Journal of the American Chemical Society) 온라인 10월 26일 자에 실렸다. (논문명: Structure-Based Synthesizability Prediction of Crystals Using Partially Supervised Learing)
한편 이번 연구는 과학기술정보통신부 산하 한국연구재단의 기초연구사업(중견연구)과 미래소재 디스커버리 사업 지원을 받아 수행됐고, 연구에 KISTI의 슈퍼컴퓨터를 활용했다.
2020.12.22
조회수 55105
-
인공지능을 이용해 숨겨진 소재를 탐색하는 기술 개발
우리 대학 생명화학공학과 정유성 교수 연구팀이 인공지능(AI) 기술을 이용해 숨겨진 소재 공간을 탐색, 숨겨진 새로운 물질을 예측하는 기술을 개발하는 데 성공했다고 27일 밝혔다.
소재 연구의 궁극적인 목표는 원하는 *물성을 갖는 소재를 발견하는 것이다. 그러나 무기화합물의 가능한 모든 조성과 결정구조를 고려할 때 무한대에 가까운 경우의 수를 샅샅이 탐색하기는 쉽지 않다. 이러한 문제 해결을 위한 방안으로 컴퓨터 스크리닝 소재 탐색 방법이 널리 사용되고 있지만 찾고자 하는 소재가 스크리닝 후보군에 존재하지 않을 때는 유망한 물질 후보들을 놓치는 경우가 종종 발생한다.
☞ 물성(physical properties): 물질의 전기적, 자기적, 광학적, 역학적 성질 따위를 통틀어 이르는 말
정유성 교수 연구팀이 개발한 *소재 역설계 방법은 데이터 학습을 통해 주어진 조성을 갖는 결정구조를 새롭게 생성하게 함으로써 기존 데이터베이스에는 존재하지 않던 신물질을 발견할 수 있도록 한다. 특히, 기존의 역설계 방법에서는 원하는 조성을 제어할 수 없지만, 정 교수팀이 개발한 역설계 방법은 원하는 조성을 제어함으로써 숨어있는 화학 공간을 효율적으로 탐색해 물질을 설계할 수 있다.
☞ 소재 역설계(Materials Inverse Design): 주어진 구조에 대한 물성을 측정하는 방식의 반대 개념으로, 특정한 물성을 갖도록 소재의 구조를 역으로 찾아가는 방법
이번 정 교수팀의 연구성과인 결정구조 예측기술은 인공지능 생성모델인 적대적 생성 신경망(GAN, Generative Adversarial Network)을 기반으로 개발됐다. 또 기존의 복잡한 3차원 이미지 기반 물질 표현자의 단점을 해소하기 위해 비교적 간단한 원자들의 3차원 좌표를 기반으로 한 물질 표현자를 사용했다.
정 교수팀은 이번 연구를 통해 개발한 소재 역설계 방법을 활용, 빛을 이용한 수소생산 촉매로 활용될 수 있는 마그네슘-망간-산화물 기반의 광촉매 물질의 결정구조를 예측하는 데도 성공했다. 기존 데이터베이스에 존재하지 않는 조성들을 생성조건으로 다양한 마그네슘-망간-산화물 구조를 생성한 결과, 기존에 알려지지 않았으면서 광촉매로서 전도유망한 특성을 갖는 신물질을 다수 발견했다.
정유성 교수는 "광촉매 물질의 설계에 적용한 이번 소재 설계 프레임워크는 화합물의 화학적 조성뿐 아니라 사용자가 원하는 특정 물성을 갖는 소재를 역설계하는데 적용이 가능하다ˮ면서 "여러 소재 응용 분야에서 활용될 수 있을 것으로 기대된다ˮ고 말했다.
우리 대학 생명화학공학과 김성원 박사과정과 노주환 박사과정이 공동 제1 저자로, 토론토 대학의 아스푸루-구지크(Aspuru-Guzik) 교수가 공동연구로 참여한 이 연구성과는 미국화학회(ACS)가 발행하는 국제학술지 ACS 센트럴 사이언스(ACS Central Science) 지난 8월호에 실렸다.(논문명: Generative Adversarial Networks for Crystal Structure Prediction)
한편, 이번 연구는 과학기술정보통신부 산하 한국연구재단의 기초연구사업(중견연구) 지원을 받아 수행됐다.
2020.10.28
조회수 31405
-
알츠하이머병을 유발하는 새로운 유전인자 발견
우리 대학 바이오및뇌공학과 정용 교수 연구팀이 알츠하이머병을 유발하는 새로운 유전인자를 발견했다고 28일 밝혔다.
정 교수 연구팀은 환자의 뇌 영상·유전자와 함께 뇌척수액 데이터를 이용해 알츠하이머병의 새로운 유전인자를 발견했다. 연구팀은 새로 발견한 이 유전인자가 알츠하이머병의 원인 단백질로 알려진 아밀로이드 및 타우 단백질과는 별도로 환자의 인지 저하를 발생하는 사실과 함께 이 유전자가 항산화 효소 대사와 관련됐음을 입증했다. 이번 연구를 계기로 전 세계 약 1억5000만 명에 달하는 알츠하이머병 환자의 병태생리학적 규명은 물론 새로운 치료제 개발에 기여할 것으로 큰 기대를 모으고 있다.
우리 대학 의과학대학원김항래 박사가 제1 저자로 참여한 이번 연구 논문은 9월 16일 字 신경학 분야 저명 학술지인 '신경학(Neurology)'에 게재됐다. (논문명 : Genetic variants beyond amyloid and tau associated with cognitive decline: A cohort study)
알츠하이머병은 치매의 가장 흔한 원인인데 고령화에 따라 전 세계적으로 환자 수가 급속히 늘고 있다. 알츠하이머병을 유발하는 주요 원인 단백질로는 아밀로이드 및 타우 단백질이 알려져 있다. 따라서 이러한 주원인 단백질을 대상으로 하는 치료제가 많이 개발되는 추세다. 그러나 연이은 신약 개발의 실패로 인해 알츠하이머병에 대한 새로운 병태생리와 치료 대상에 관한 연구에 관심이 증가하고 있다.
정 교수 연구팀은 이번 연구를 위해 미국과 캐나다에 소재한 63개 지역 연구기관으로부터 얻은 정상인, 경도인지장애 관련 자료를 그리고 알츠하이머치매 환자로부터 얻은 뇌 영상·유전자·뇌척수액 데이터를 활용했다.(Alzheimer's Disease Neuroimaging Initiative, ADNI, http://adni.loni.usc.edu)
연구팀은 이와 함께 총 414명의 알츠하이머병 스펙트럼 환자(아밀로이드 단백질 양성 환자)를 대상으로 약 620만 개의 단일염기 다형성(Single Nucleotide Polymorphism, SNP)을 확인하는 과정에서 아밀로이드 및 타우 단백질과 별도로 환자의 인지기능에 영향을 주는 새로운 유전인자를 찾아냈다.
연구팀은 특히 독립된 데이터에서도 해당 유전자분석 결과의 재현에도 성공해 생물 정보학 분석을 통해서도 해당 유전인자가 항산화 효소 대사와 관련된 유전인자임을 입증했다. 연구팀은 실험을 통해 뇌 자기공명영상(Magnetic Resonance Imaging, MRI)으로 계산한 대뇌피질위축 데이터와 구조방정식 모델을 통해 해당 유전자가 뇌의 두정엽과 후두엽의 뇌 위축을 유발한다는 사실을 확인한 것이다. 이 패턴은 아밀로이드 및 타우 단백질에 의한 기존의 뇌 위축 패턴 현상과는 다른 것으로 나타났다.
제1 저자인 김항래 박사는 "이번 연구결과를 바탕으로 해당 유전인자가 있는 환자를 대상으로 항산화 치료의 효율성을 검증하는 추가 연구를 진행할 계획ˮ 이라고 밝혔다. 한편 이번 연구는 보건복지부 치매극복사업과 과학기술정보통신부 뇌과학원천기술사업의 지원을 받아 수행됐다.
2020.09.28
조회수 27473
-
바이오및뇌공학과 김진우 학사과정, 국제 학술지 표지 논문 게재
우리 대학 바이오및뇌공학과 백세범 교수 연구팀에 소속된 대학생(학사과정)의 연구논문이 뇌신경과학 분야 저명 국제학술지에 게재됐음은 물론 해당 저널의 표지 논문으로 선정돼 화제가 되고 있다.
바이오및뇌공학과 4학년에 재학 중인 김진우 학생(22세)이 백세범 교수의 지도하에 수행한 학부생 개별연구 프로젝트에서 두뇌의 *시각 피질에서 관측되는 주요 신경망 연결 구조 중 하나인 '장거리 수평 연결(Long-range horizontal connection)'이 두뇌 발생 초기에 형성되는 원리를 규명한 연구결과가 뇌신경과학 분야 '저널 오브 뉴로사이언스'의 표지 논문으로 선정됐다.
☞ 시각 피질(Visual Cortex): 두뇌에서 시각 정보처리를 담당하는 영역. 망막 신경망 영역을 통해 입력받은 외부 공간에 대한 시각 정보를 처리하여 인지 과정을 구현하는 기능성 신경망 구조로 이루어져 있다.
연구팀은 이번 연구를 통해 어린 포유류 동물이 눈을 뜨기 전, 시각적인 학습이 전혀 이뤄지지 않은 상태, 즉 두뇌 발생 초기 상태에서 *망막 내 신경세포들의 자발적인 활동으로부터 발생하는 '*망막 파동'이 두뇌 시각 피질의 신경세포들을 특정한 공간적 패턴으로 자극하고, 이를 통해 시각 정보 처리에서 중요한 역할을 담당하는 '장거리 수평 연결'을 형성한다는 사실을 밝혀냈다.
☞ 망막(Retina): 눈의 안쪽을 둘러싸고 있는 신경세포의 얇은 층으로, 시각 시스템에서 외부 시각 정보가 신경세포 신호로 처음 변환되는 영역
☞ 망막 파동(Retinal Wave): 포유류의 초기 발달과정의 망막에서 나타나는, 신경절 세포들이 차례대로 발화하며 파도와 같은 파형으로 활동패턴이 확산하는 현상
김진우 학생과 송민 박사과정 학생이 공동 제1 저자로 참여한 이번 연구는 뇌신경과학 분야의 대표 국제학술지인 '저널 오브 뉴로사이언스 (Journal of Neuroscience)' 19일 字에 게재되는 한편 해당 호 표지 논문으로 선정됐다. (논문명: Spontaneous retinal waves generate long-range horizontal connectivity in visual cortex)
포유류의 시각 피질에서는 신경세포들이 외부 시각 자극의 특정 요소에만 선택적으로 반응하는 신경 선택성(neural tuning)을 보이는데, 비슷한 신경 선택성을 가지는 세포들은 공간적으로 멀리 떨어져 있어도 '장거리 수평 연결'이라는 특별한 상호 연결망 회로로 이어져 있다. 이처럼 특이한 신경망 연결 구조는 포유류의 시각 인지기능에 중요한 역할을 하는 것으로 생각돼왔지만, 이러한 회로가 뇌의 발생 초기 단계에서 외부 시각 정보에 의한 자극 없이 어떻게 자발적으로 발생하는지는 아직까진 명확히 알려진 바가 없었다.
백 교수 연구팀은 망막 내 신경망 구조를 모델화하고, 이를 통해 망막 파동의 패턴이 시각 피질 내 구조 형성에 미치는 영향을 시뮬레이션했다. 그 결과, 연구팀은 망막의 신경절에서 자발적으로 발생하는 망막 파동이 시각 피질로 전달되는 과정에서 형성되는 선택적 활동 패턴이 시각 피질 내의 장거리 연결 구조를 형성함을 밝혀냈고, 이 모델을 기반으로 동물실험에서 관측되는 초기 시각 피질의 특징적인 신경 활동 패턴을 재현하는 데 성공했다.
이 연구를 통해 연구팀은 동물실험에서 관측된 시각 피질의 장거리 수평 연결이 형성되는 과정과 주요 인자들을 정확히 확인했다. 이 결과를 기반으로 연구팀은 뇌 피질 내에서의 활동 패턴이 피질 구조를 결정한다는 기존 모델의 오류를 지적하는 한편, 망막에서 전달된 활동 패턴이 시각 피질의 구조를 형성하는 데 결정적인 영향을 끼친다는 새로운 발생 모델을 제시했다.
백세범 교수는 "외부의 정보를 학습할 수 없는 감각 신경망의 발생 초기 단계에서, 감각기관 말단의 신경 활동 패턴이 뇌 신경망의 주요 구조 형성에 결정적으로 기여한다는 새로운 뇌 구조 발생 모델을 제시한 연구라는 점에서 의미가 크다ˮ고 설명했다.
김진우 학생은 "이번 연구는 뇌가 외부 세계에 대한 감각 정보를 처음으로 경험하기 이전에 어떻게 비 지도적으로 학습을 하는지에 대해, 알려진 실험 데이터에 기반한 명확한 이론적 설명을 제공한다는 점에서 흥미롭다ˮ고 말했다. 그는 이어 "이와 같은 방향의 연구가 향후 데이터 학습에 의존하지 않는 새로운 형태의 인공신경망 연구에도 큰 도움이 될 것으로 기대가 된다ˮ고 덧붙였다.
이번 연구는 한국연구재단의 이공분야기초연구사업 및 원천기술개발사업의 지원을 받아 수행됐다.
2020.08.23
조회수 29711
-
딥러닝 기반 실시간 기침 인식 카메라 개발
우리 대학 기계공학과 박용화 교수 연구팀이 ㈜에스엠 인스트루먼트와 공동으로 실시간으로 기침 소리를 인식하고 기침하는 사람의 위치를 이미지로 표시해주는 '기침 인식 카메라'를 개발했다고 3일 밝혔다.
작년 말부터 시작된 세계적 유행성 전염병인 코로나19가 최근 미국·중국·유럽 등 세계 각국에서 재확산되는 추세로 접어들면서 비접촉방식으로 전염병을 감지하는 기술에 대한 수요가 증가하고 있다.
코로나19의 대표적인 증상이 발열과 기침인데, 현재 발열은 열화상 카메라를 이용해 직접 접촉을 하지 않고도 체온을 쉽게 판별할 수 있다. 문제는 비접촉방식으로는 기침하는 사람의 증상을 쉽사리 파악하기 어렵다는 점이다. 박 교수 연구팀은 이런 문제를 해결하기 위해 기침 소리를 실시간으로 인식하는 딥러닝 기반의 기침 인식 모델을 개발했다. 또한 열화상 카메라와 같은 원리로 기침 소리와 기침하는 사람의 시각화를 위해 기침 인식 모델을 음향 카메라에 적용, 기침 소리와 기침하는 사람의 위치, 심지어 기침 횟수까지를 실시간으로 추적하고 기록이 가능한 '기침 인식 카메라'를 개발했다.
연구팀은 기침 인식 카메라가 사람이 밀집한 공공장소에서 전염병의 유행을 감지하거나 병원에서 환자의 상태를 상시 모니터링 가능한 의료용 장비로 활용될 것으로 기대하고 있다.
연구팀은 기침 인식 모델 개발을 위해 *합성 곱 신경망(convolutional neural network, CNN)을 기반으로 *지도학습(supervised learning)을 적용했다. 1초 길이 음향신호의 특징(feature)을 입력 신호로 받아, 1(기침) 또는 0(그 외)의 2진 신호를 출력하고 학습률의 최적화를 위해 일정 기간 학습률이 정체되면 학습률 값을 낮추도록 설정했다.
이어서 기침 인식 모델의 훈련 및 평가를 위해 구글과 유튜브 등에서 연구용으로 활발히 사용 중인 공개 음성데이터 세트인 `오디오세트(Audioset)'를 비롯해 `디맨드(DEMAND)'와 `이티에스아이(ETSI)', `티미트(TIMIT)' 등에서 데이터 세트를 수집했다. 이 중 `오디오세트'는 훈련 및 평가 데이터 세트 구성을 위해 사용했고 다른 데이터 세트의 경우 기침 인식 모델이 다양한 배경 소음을 학습할 수 있도록 데이터 증강(data augmentation)을 위한 배경 소음으로 사용했다.
☞ 합성 곱 신경망(convolutional neural network): 시각적 이미지를 분석하는 데 사용되는 인공신경망(생물학의 신경망에서 영감을 얻은 통계학적 학습 알고리즘)의 한 종류
☞ 지도학습(Supervised Learning): 훈련 데이터(Training Data)로부터 하나의 함수를 유추해내기 위한 기계 학습(Machine Learning)의 한 방법
데이터 증강을 위해 배경 소음을 15%~75%의 비율로 `오디오세트'에 섞은 후, 다양한 거리에 적응할 수 있게 음량을 0.25~1.0배로 조정했다. 훈련 및 평가 데이터 세트는 증강된 데이터 세트를 9:1 비율로 나눠 구성했으며, 시험 데이터 세트는 따로 사무실에서 녹음한 것을 사용했다.
모델 최적화를 위해서는 '스펙트로그램(spectrogram)' 등 5개의 음향 특징과 7개의 최적화 기기(optimizer)를 사용해 학습을 진행하고 시험 데이터 세트의 정확도를 측정, 성능을 확인한 결과 87.4%의 시험 정확도를 얻을 수 있었다.
연구팀은 이어 학습된 기침 인식 모델을 소리를 수집하는 마이크로폰 어레이와 카메라 모듈로 구성되는 음향 카메라에 적용했다. 그 결과 수집된 데이터는 음원의 위치를 계산하는 빔 형성 과정을 거쳐 기침 인식 모델이 기침 소리로 인식할 경우 기침 소리가 난 위치에 기침 소리임을 나타내는 등고선과 라벨이 각각 표시된다.
박 교수팀은 마지막 단계로 기침 인식 카메라의 예비 테스트를 진행한 결과, 여러 잡음 환경에서도 기침 소리와 그 이외의 소리로 구분이 가능하며 기침하는 사람과 그 사람의 위치, 횟수 등을 실시간으로 추적해 현장에서의 적용 가능성을 확인했다. 이들은 추후 병원 등 실사용 환경에서 추가 학습이 이뤄진다면 정확도는 87.4%보다 더 높아질 것으로 기대하고 있다.
박용화 교수는 "코로나19가 지속적으로 전파되고 있는 상황에서 공공장소와 다수 밀집 시설에 기침 인식 카메라를 활용하면 전염병의 방역 및 조기 감지에 큰 도움이 될 것ˮ이라고 말했다. 박 교수는 이어 "특히 병실에 적용하면 환자의 상태를 24시간 기록해 치료에 활용할 수 있기 때문에 의료진의 수고를 줄이고 환자 상태를 더 정밀하게 파악할 수 있을 것ˮ 이라고 강조했다.
한편, 이번 연구는 에너지기술평가원(산업통상자원부)의 지원을 받아 수행됐다.
2020.08.03
조회수 32479
-
AI대학원 김기응 교수 연구팀, 인공지능 전력망 운영관리 국제대회 1위 달성
우리 대학 AI대학원 김기응 교수 연구팀(홍성훈, 윤든솔 석사과정, 이병준 박사과정)이 인공지능 기반 전력망 운영관리 기술을 겨루는 국제경진대회인 'L2RPN 챌린지(Learning to Run a Power Network Challenge 2020 WCCI)'에서 최종 1위를 차지했다. 이 대회는 기계학습 연구를 촉진하기 위한 각종 경진대회를 주관하는 비영리단체 ChaLearn, 유럽 최대 전력망을 운영관리하는 프랑스 전력공사의 자회사 RTE(Réseau de Transport d'Électricité)社 및 세계 최대 규모의 전력 회사 SGCC(State Grid of China)의 자회사인 GEIRI North America(Global Energy Interconnection Research Institute)에서 공동주최해, 세계 각국의 약 50팀이 약 40일간 (2020.05.20.~06.30) 온라인으로 참여해 성황리에 마감됐다.
단순한 전력망이 스마트 그리드를 넘어서 에너지 클라우드 및 네트워크로 진화하려면 신재생 에너지의 비율이 30% 이상이 돼야 하고, 신재생 에너지 비율이 높아지면 전력망 운영의 복잡도가 매우 증가한다. 실제로 독일의 경우 신재생 에너지 비율이 30%가 넘어가면서 전력사고가 3,000건 이상 증가할 정도로 심각하며, 미국의 ENRON 사태 직전에도 에너지 발전과 수요 사이의 수급 조절에 문제가 생기면서 잦은 정전 사태가 났던 사례도 있다.
전력망 운영에 인공지능 기술 도입은 아직 초기 단계이며, 현재 사용되고 있는 전력망은 관리자의 개입 없이 1시간 이상 운영되기 힘든 실정이다. 이에 프랑스의 RTE(Réseau de Transport d'Électricité) 社는 전력망 운영에 인공지능 기술을 접목하는 경진대회 'L2RPN'을 2019년 처음 개최했다. 2019년 대회는 IEEE-14라는 14개의 변전소를 포함하는 가상의 전력망에서 단순한 운영을 목표로 열렸다. 2020년 대회는 L2RPN 2020 WCCI 챌린지라는 이름으로 특정 국가 수도 규모의 복잡한 전력망을 72시간 동안 관리자의 개입 없이 스스로 안전하고 효율적으로 운영될 수 있는 인공지능 전력망 관리 에이전트를 개발하는 것을 목표로 열렸다. 시간에 따른 공급-수요의 변화, 시설 유지보수 및 재난에 따른 급작스러운 단전 등 다양한 시나리오에 대해 전력망 운영관리 능력의 평가가 이뤄졌다.
김 교수 연구팀은 이번 2020년 대회에서 전력망 구조를 효과적으로 반영할 수 있는 그래프 신경망 모델 기반의 강화학습 에이전트를 개발해 참가했다. 기존의 에이전트들은 소규모의 전력망에서만 적용 가능하다는 한계가 있었지만, 김 교수 연구팀은 국가 수도 규모의 복잡한 전력망에도 적용 가능한 에이전트를 개발했다. 연구팀이 개발한 인공지능 전력망 운영관리 에이전트는 주어진 모든 테스트 시나리오에 대해 안전하고 효율적으로 전력망을 운영해 최종 1위의 성적을 거뒀다. 우승팀에게는 상금으로 미국 실리콘밸리에 있는 GEIRI North America를 방문할 수 있는 여행경비와 학회참가 비용 3,000달러가 주어진다. 연구진은 앞으로도 기술을 고도화해 국가 규모의 전력망과 다양한 신재생 에너지원을 다룰 수 있도록 확장할 계획이다.
한편 이번 연구는 과기정통부 에너지 클라우드 기술개발 사업의 지원으로 설치된 개방형 에너지 클라우드 플랫폼 연구단과제로 수행됐다. (연구단장 KAIST 전산학부 문수복 교수)
※ 대회 결과 사이트 관련 링크: https://l2rpn.chalearn.org/competitions
※ 개방형 에너지 클라우드 플랫폼 연구단 사이트: https://www.oecp.kaist.ac.kr
2020.07.28
조회수 31966
-
뼈의 단단함을 모사해 광학적 특성을 매우 증대시킨 신물질 개발
우리 연구진이 동물 뼈가 그의 구성성분인 단백질보다 수천 배 단단할 수 있는 생체역학적 원리를 모사해 광학적 비선형성이 기존 물질 대비 수천에서 수십억 배나 큰 신물질을 개발했다.
비선형성이란 입력값과 출력값이 비례관계에 있지 않은 성질인데 광학에서 큰 비선형성을 확보할 경우, 빛의 속도로 동작하는 인공 신경망이나 초고속 통신용 광 스위치 등의 광소자를 구현할 수 있다.
우리 대학 신소재공학과 신종화 교수 연구팀은 벽돌을 엇갈려 담을 쌓는 것과 같이 나노 금속판을 3차원 공간에서 엇갈리게 배열하면 물질의 광학적 비선형성이 매우 크게 증대될 수 있음을 확인했다. 신종화 교수 연구팀이 이번 연구를 통해 발견한 비선형성 증대원리는 광학뿐만 아니라 역학, 전자기학, 유체역학, 열역학 등 다양한 물리 분야에도 적용이 가능하다.
KAIST 신소재공학과 장태용 박사과정이 제1 저자로 참여한 이번 연구는 국제 학술지 `커뮤니케이션즈 피직스(Communications Physics)' 5월 8일 字 온라인판에 게재됐다. (논문명 : Mimicking bio-mechanical principles in photonic metamaterials for giant broadband nonlinearity).
영화 스타워즈의 광선 검처럼 잘 제어된 빛을 만드는 것이나 빛만으로 구동되는 광컴퓨터를 만드는 것은 비선형성을 이용할 때 가능한데, 아직 실현되지 않고 있는 이유는 강한 비선형성을 가진 소재가 없기 때문이다. 자연 물질의 작은 비선형성으로도 초고속 광소자, 3차원 광식각 공정, 초 고분해능 현미경 등의 기술들이 구현될 수 있지만, 이들은 크고 비싼 고출력 레이저를 사용하거나, 큰 장비 혹은 소자가 필요하다는 공통적인 한계를 지니고 있다.
이를 극복하기 위해 기존에는 미세한 인공 구조체를 설계해서 그 틈에 빛을 모으는 방법이 많이 시도돼왔다. 비선형성은 빛의 세기에 비례하기 때문에 이 같은 방법을 이용하면 같은 부피의 자연 물질 대비 작은 빛의 세기로 비슷한 수준의 비선형 효과를 얻을 수 있다. 그러나 최대로 얻을 수 있는 비선형 효과의 크기는 결국 달라지지 않기 때문에 응용하는데 한계가 있다.
신 교수 연구팀은 물질의 근본적인 전기적 특성인 유전분극(물체가 전기를 띠는 현상)을 매우 크게 조절하는 방법을 고안했다. 나노 금속판이 3차원에서 엇갈려 배열돼있으면 국소분극이 공간을 촘촘하게 채우면서, 마치 시냇물이 모여서 강이 되듯, 전체적으로 매우 큰 분극을 만들게 된다는 점에 착안했다. 빛의 세기가 아닌 분극의 크기를 조절해 큰 비선형성 및 비선형 효과를 얻는 방법은 이번 신 교수 연구팀이 이번 연구에서 처음 제시한 개념인데 비선형 광학이 60년 동안 달성하고자 했던 고효율의 작은 비선형 광소자 개발에 한 발 더 다가선 것으로 평가되고 있다.
연구팀은 이번에 고안한 메타물질(자연계에 존재하지 않는 특성을 구현하기 위해 매우 작은 크기로 만든 인공 원자의 주기적인 배열로 이루어진 물질)이 시간적으로 짧은 광신호에 대해서도 큰 비선형 효과를 얻을 수 있음을 통해 기존보다 효율적이면서도 더 빠른 광소자 구현이 가능함을 확인했다. 이 연구에서 활용된 소자는 비슷한 신호 시간을 가지는 기존 소자보다는 에너지 효율이 약 8배나 뛰어나고 비슷한 에너지 효율을 가지는 기존 소자보다도 신호 시간은 약 10배 정도 짧다. 즉, 신호의 시간과 소요되는 에너지의 곱으로 표현되는 성능 기준으로 보면, 이 소자는 현재까지 개발된 광소자 중 가장 우수한 성능을 보였다.
연구팀은 또 고안한 메타물질이 광학 이외의 물리 현상에도 적용될 수 있음을 입증했다. 연구팀은 단백질의 단단함 대비 뼈의 단단함을 설명하는 모델이 이번 연구에서 고안한 광학적 비선형성 증대원리와 수학적으로 매우 유사함을 증명했다. 따라서 유체역학에서의 물질전달률, 열역학에서의 열전도율 등의 증대에도 신 교수 연구팀의 연구방법이 적용될 수 있을 것으로 기대된다.
신종화 교수는 "올해는 지난 1960년 레이저가 발명된 지 60년이 되는 해로, 레이저의 발명이 `센 빛'을 최초로 만든 것이라면 이번 연구성과는 `센 물질', 즉 광대역에서 매우 큰 유전분극 증대율을 보이는 물질을 최초로 발견하고 증명한 연구라는 점에서 의미가 크다ˮ며 "기계학습을 위한 초고속 인공 신경망 등 다양한 광 응용 소자의 구현을 위해 후속 연구를 진행 하고 있다ˮ고 말했다.
한편 이번 연구는 삼성미래기술육성재단의 지원을 받아 수행됐다.
2020.06.09
조회수 19288
-
뇌 구조를 정확히 볼 수 있는 3차원 분석기술 개발
우리 대학 바이오및뇌공학과 백세범 교수 연구팀이 뇌신경과학 연구에서 광범위하게 사용되는 실험용 쥐의 뇌 절편 영상을 자동으로 보정하고 규격화하여 신경세포의 3차원 분포정보를 정확하게 얻을 수 있는 핵심 분석 기술을 개발했다.
이 기술은 실험자의 경험에 의존하던 기존 분석 방식의 문제점을 해결하는 한편 여러 개체에서 얻은 뇌 이미지를 표준적인 3차원 지도상에서 비교 분석할 수 있도록 한다. 이는 기존의 개체별 분석에서는 관측하기 힘든 뇌세포 간 상호 연결 형태의 정확한 공간적 분포를 발견할 수 있는 길을 열었다는 점에서 의미가 크다.
연구팀은 생명과학과 이승희 교수팀과의 협력 연구를 통해 실험에서 얻어진 쥐의 뇌 절편 데이터를 분석했는데, 이 기술을 적용한 결과 시각시스템의 초기구조인 외측 슬상핵(Lateral geniculate nucleus)과 시각피질 (Visual cortex) 사이의 정확한 연결 구조 분포를 측정할 수 있었다. 기존 분석 방식으로는 불가능했던 다중 개체로부터 얻어진 데이터의 표준화를 통해 뇌 전역에 걸친 신경세포의 연결성을 분석할 수 있음을 확인한 것이다.
뇌인지공학프로그램 최우철 박사과정과 송준호 연구원이 공동 제1 저자로 참여한 이번 연구결과는 국제 학술지 `셀(cell)'의 온라인 자매지 `셀 리포츠(Cell Reports)' 5월 26일 자에 게재됐다. (논문명 : Precise mapping of single neurons by calibrated 3-D reconstruction of brain slices reveals topographic projection in mouse visual cortex).
이에 앞서 연구팀은 이 기술을 활용해 UC 버클리대학의 양단(Yang Dan) 교수와의 공동연구에도 참여했고 그 결과를 국제 학술지 `사이언스 (Science)' 1월 24일 자에 발표했다. (논문명: A Common Hub for Sleep and Motor Control in the Substantia Nigra).
통상 쥐의 뇌 절편 영상을 이용한 연구에서는 특정 단백질에 형광물질을 발현시킨 뇌를 잘라 신경세포의 분포 등을 분석하는 방법이 광범위하게 사용된다. 이때 형광을 발현하는 신경세포를 현미경을 통해 연구자의 육안으로 관측하고, 얼마나 많은 신경세포가 뇌의 어느 특정 영역에 위치하는지 일일이 수동적으로 분석한다. 이런 방법은 연구자의 경험에 크게 의존하여 오차가 클 수밖에 없고, 각각의 개체에서 관측된 신경세포의 위치나 수량을 표준적인 공통의 방법으로 동시에 분석할 수 없다는 한계를 갖고 있다.
백 교수 연구팀은 미국의 Allen Brain Atlas 프로젝트에서 제공한 쥐 두뇌의 3차원 표준 데이터에 기반하여, 임의의 각도에서 잘라낸 뇌 절편 이미지들을 SURF(Speeded Up Robust Feature Points) 특징점과 HOG(Histogram of Oriented Gradients descriptor) 형상 기술자를 이용하여 데이터베이스와 비교하는 계산적인 분석 방법을 사용했다.
그 결과, 실험에서 얻은 뇌 이미지와 가장 잘 일치하는 데이터베이스의 3차원 위치를 100마이크로미터(μm), 1도 이내의 오차로 찾아낼 수 있었다. 연구팀은 이를 통해 각 2차원 뇌 이미지의 위치 정보를 3차원 공간상의 위치로 정확히 계산하고, 여러 개체에서 얻어진 신경 세포의 위치를 동일한 3차원 공간에 투영해 정확하게 분석할 수 있음을 확인했다.
따라서 이 기술을 활용하면 다양한 기법으로 생성된 뇌 슬라이스 이미지를 이용해 신경세포의 3차원 위치를 뇌 전체에서 자동적으로 계산할 수 있어, 기존의 방법으로는 분석하기 어려운 수천~수만 개의 신경세포들의 정확한 뇌 내 분포 위치 및 상대적 공간 배열을 한번에 분석하는 것이 가능하다.
또 신경세포들의 연결성을 표준적으로 보정된 3차원 공간에서 표현할 수 있어 특정 뇌 영역 간의 연결은 물론 뇌 전역의 네트워크 분포를 여러 개체의 데이터를 사용해 동시분석도 가능하다. 따라서 기존 방식의 동물실험 분석에서 요구되던 시간과 비용을 크게 줄일 수 있을 것으로 기대된다.
올 6월 현재 백 교수 연구팀의 이 기술은 KAIST내 여러 실험실과 미국 MIT, 하버드(Harvard), 칼텍(Caltech), UC 샌디에고(San Diego) 등 세계 유수 대학의 연구 그룹에서 진행하는 뇌 신경 세포의 네트워크 분석에 활용되고 있다.
백세범 교수는 "이번 연구를 통해 개발된 기술은 형광 뇌 이미지를 이용하는 모든 연구에 바로 적용할 수 있을 뿐만 아니라 그 밖에 다양한 종류의 이미지 데이터에도 광범위하게 적용 가능하다ˮ면서 "향후 쥐의 뇌 슬라이스를 이용하는 다양한 분석에 표준적인 기법으로 자리 잡을 수 있을 것으로 기대된다ˮ고 말했다.
이번 연구는 한국연구재단의 이공분야기초연구사업 및 원천기술개발사업, KAIST의 모험연구사업의 지원을 받아 수행됐다.
2020.06.08
조회수 18200