우리 학부 윤찬현 교수 연구팀은 AI 안전에서 중요한 요소인 Machine Unlearning 에 대해 새로운 접근법으로 과거 가중치 예측 모델 InvWNN을 개발하였다. 이 기술은 문제가 되는 데이터를 기반으로 훈련된 AI 모델에서 해당 데이터를 선택적으로 제거하는 것을 목표로 한다. 기존의 기법들은 전체 훈련 데이터 접근을 요구하거나 성능 저하 문제를 유발하는 문제가 있다. 이를 해결하고자, 가중치 히스토리를 학습해 과거의 가중치를 예측할 수 있는 모델을 제시하고, 이를 반복적으로 사용해 점진적으로 데이터의 영향을 제거하는 새로운 방법을 제안하였다.
<그림 1 : 제안된 InvWNN의 Machine Unlearning 과정 및 Unlearning Trajectory>
이 기술은 특정 데이터에 대한 Finetuning과 가중치 예측 과정을 반복함으로써, 문제가 되는 데이터를 점진적으로 제거한다. 특히, 해당 접근법은 잔여 데이터에 대한 접근 없이도 작동 가능하며, 다양한 데이터셋과 아키텍처에서 효과적으로 적용될 수 있다는 장점이 있다. 본 연구는 기존 방법들과 비교했을 때 학습 데이터로부터 불필요한 지식을 정확히 제거하고 부작용을 최소화하는 데 있어 우수한 성능을 보였다. 또한, 별다른 추가 절차 없이도 다양한 Task에 바로 적용이 가능하다는 장점도 확인할 수 있었다.
연구팀은 제안된 방법을 통해 다양한 벤치마크에서 높은 정확도의 성능을 입증했으며, 이러한 결과는 머신 언러닝 기술의 실질적 응용 가능성을 크게 확장하는 데 기여할 것으로 기대된다.
해당 연구 결과는 내년 2월 미국에서 열리는 인공지능 분야 최우수 국제 학회 중 하나인 The 39th Annual AAAI Conference on Artificial Intelligence (AAAI 2025)에서 ‘Learning to Rewind via Iterative Prediction of Past Weights for Unlearning’라는 제목으로 발표될 예정이다.
우리 학부 최준일 교수가 한국과학기술한림원과 한국대학총장협회가 공동 주관하고 에쓰-오일 과학문화재단에서 후원하는 ‘제6회 차세대과학자상(IT 분야)’을 수상하였다. 한국과학기술한림원(https://kast.or.kr)은 2011년부터 에쓰-오일 과학문화재단의 후원으로 기초과학 및 공학 분야의 젊은 과학자를 선발·포상함으로써 21세기 국가 과학기술의 주역으로 육성하고자 에쓰-오일 시상 사업을 시행해 오고 있다.
에쓰-오일 차세대과학자상은 만 45세 이하 연구자에게 수여하는 상으로, 박사과정 및 포닥 시기 발표 논문을 제외한 최근 10년 간 대표 연구논문 10편을 바탕으로 수상자를 선정한다.
최준일 교수는 기계학습을 활용한 통신 시스템 및 6G 무선통신 시스템에 대한 우수한 연구 결과를 인정받아 2024년 12월 5일에 차세대과학자상을 수상하였다.
우리 학부는 2022년 이현주 교수, 2023년 정재웅 교수에 이어 2024년 최준일 교수까지 3년 연속으로 차세대과학자상(IT 분야) 수상자를 배출하였다.
우리 학부 이현주 교수가 2024년 대한치료초음파학회에서 ‘젊은 연구자상’을 수상했습니다. 이 상은 치료 초음파 분야에서 우수한 연구 성과를 이룬 젊은 연구자를 격려하기 위해 제정된 상으로, 만 43세 이하 연구자 중 한 명에게 수여되는 상입니다.
대한치료초음파학회는 치료 초음파 기술의 학문적 발전과 기술 혁신을 목표로 설립된 학술 단체로 초음파를 활용한 진단 및 치료 기술의 연구와 임상 적용을 활성화하고, 관련 학문 분야 간의 융합과 교류를 촉진하기 위해 다양한 활동을 펼치고 있습니다. 특히, 치료 초음파는 초음파 에너지를 이용해 조직을 자극하거나 병변을 치료하는 기술로, 암 치료, 신경 자극, 혈전 용해 등 다양한 의학적 분야에서 혁신적인 해결책을 제시하며 주목받고 있습니다. 학회는 이러한 치료 초음파 기술의 학문적 기반을 강화하고, 연구자와 의료진 간의 협력을 지원함으로써 의료 기술의 발전과 환자 삶의 질 향상에 기여기 위해 노력하고 있습니다.
이현주 교수는 신경 인터페이스와 뇌-컴퓨터 인터페이스 연구를 수행하며, 양방향 신경 인터페이스 및 뇌질환 치료를 위한 비침습적 뇌 자극 기술을 초음파로 개발하는 데 주력해왔습니다. 이번 수상을 통해 이 교수는 치료 초음파 분야에서의 연구 성과를 인정받았으며, 차세대 리더로서의 역할이 기대되고 있습니다.
< (왼쪽부터) 전기및전자공학부 김상현 교수, 인하대학교 금대명 교수, 예일대학교 임진하 박사후연구원 >
한미 공동 연구진이 기존 센서 대비 전력 효율이 높고 크기가 작은 고성능 이미지 센서를 구현할 수 있는 차세대 고해상도 이미지 센서 기술을 개발했다. 특히 세계 시장에서 소니(Sony)社가 주도하고 있는 초고해상도 단파적외선(SWIR) 이미지 센서 기술에 대한 원천 기술을 확보해 향후 시장 진입 가능성이 크다.
우리 학부 김상현 교수팀이 인하대, 미국 예일대와 공동연구를 통해 개발한 초박형 광대역 광다이오드(PD)가 고성능 이미지 센서 기술에 새로운 전환점을 마련했다고 20일 밝혔다.
이번 연구는 광다이오드의 기존 기술에서 나타나는 흡수층 두께와 양자 효율 간의 상충 관계를 획기적으로 개선한 것으로, 특히 1마이크로미터(μm) 이하의 얇은 흡수층에서도 70% 이상의 높은 양자 효율을 달성했다. 이 성과는 기존 기술의 흡수층 두께를 약 70% 줄이는 결과를 가져왔다.
흡수층이 얇아지면 화소 공정이 간단해져 높은 해상도 달성이 가능하고 캐리어 확산이 원활해져 광캐리어 획득에 유리한 장점이 있다. 더불어 원가도 절감이 가능하다. 그러나 일반적으로 흡수층이 얇아지면 장파장의 빛의 흡수는 줄어들게 되는 본질적인 문제가 존재한다.
< 그림 1. 본 연구에서 제안하는 도파 모드 공명 구조 상에 집적된 InGaAs 광다이오드 이미지 센서 개략도(좌) 및 제작된 웨이퍼 사진과 주기 격자 구조 주사 현미경 이미지(우) >
연구진은 도파 모드 공명(GMR)* 구조를 도입해 400나노미터(nm)에서 1,700 나노미터(nm)에 이르는 넓은 스펙트럼 범위에서 고효율의 광 흡수를 유지할 수 있음을 입증했다. 이 파장 대역은 가시광선 영역뿐만 아니라 단파 적외선(SWIR) 영역까지 포함해 다양한 산업적 응용에서 중요한 역할을 할 것으로 기대된다.*도파 모드 공명: 전자기학에서 사용하는 개념으로 특정 파동(빛)이 특정 파장에서 공명 (강한 전기/자기장 형성)하는 현상. 해당 조건에서 에너지가 최대화되기 때문에 안테나나 레이더 효율을 높이는데 활용된 바 있음.
단파 적외선 영역에서의 성능 향상은 점점 고해상도화되는 차세대 이미지 센서의 개발에도 중대한 기여를 할 것으로 예상된다. 특히, 도파 모드 공명 구조는 상보적 금속산화물 반도체(CMOS) 기반의 신호 판독 회로(ROIC)와의 하이브리드 집적, 모놀리식 3D 집적을 통해 해상도 및 기타 성능을 더욱 높일 가능성을 가진다.
< 그림 2. 본 연구진이 개발한 광다이오드의 성능 비교 이미지. 기존 2.1마이크로미터 이상의 흡수층 두께에서 1마이크로미터 이하의 흡수층 두께로 50%에서 최대 70%까지 감소시키면서 성능을 유지 >
연구팀은 저전력 소자 및 초고해상도 이미징 기술에 대한 국제 경쟁력을 높여 디지털카메라, 보안 시스템, 의료 및 산업용 이미지 센서 응용 분야부터 자동차 자율 주행, 항공 및 위성 관측 등 미래형 초고해상도 이미지 센서의 실현 가능성을 크게 높였다.
연구 책임자인 김상현 교수는 “이번 연구를 통해 초박막 흡수층에서도 기존 기술보다 훨씬 높은 성능을 구현할 수 있음을 입증했다”며, “특히 세계 시장에서 소니(Sony)社가 주도하고 있는 초고해상도 단파적외선(SWIR) 이미지 센서 기술에 대한 원천 기술을 확보해 향후 시장 진입 가능성을 열었다”고 설명했다.
< 그림 3. 도파 모드 공명 구조 상에 제작된 InGaAs 광다이오드 이미지 센서의 상단 광학 현미경 이미지 및 단면 주사 현미경 이미지(좌). 본 연구에서 제안하는 기술로 제작된 초박막 이미지 센서(빨강)의 양자 효율 성능 향상(우) >
이번 연구 결과는 인하대학교 금대명 교수(前 KAIST 박사후 연구원), 임진하 박사(現 예일대학교 박사후 연구원)이 공동 제1 저자로 참여해 국제 저명 학술지인 ‘빛, 과학과 응용(Light: Science & Applications, JCR 2.9%, IF=20.6)’에 11월 15일자 발표됐다. (논문제목: Highly-efficient (>70%) and Wide-spectral (400 nm -1700 nm) sub-micron-thick InGaAs photodiodes for future high resolution image sensors)
‘ACM UIST Student Innovation Content’ Best People’s Choice Award 수상
<(왼쪽부터) 김지완 박사과정, 정호헌 학부생>
우리 학부 이안 오클리 교수 연구실의 김지완 박사과정 학생과 정호헌 학부생이 지난 10월 13일부터 16일까지 미국 피츠버그에서 진행되었던 ‘ACM UIST(ACM Symposium on User Interface Software and Technology)’의 일환으로 개최된 Student Innovation Content에서 Best People’s Choice Award를 수상했습니다. Best People’s Choice Award는 학회 기간 중 가장 많은 참가자들의 호응을 얻어낸 프로젝트에 주어지는 상입니다.
<수상한 상장과 트로피>
<VibraHand 시연 영상>
‘ACM UIST’는 인간-컴퓨터 상호작용 분야의 최우수 국제학술대회로 매년 출시되기 직전의 첨단 하드웨어를 이용하여 혁신적인 아이디어를 겨루는 Student Innovation Contest를 열고 있습니다.
올해 주제는 Seeed Studio의 Gen-M Kit를 활용한 미래의 인터랙티브 장치를 만들어 직접 시연하는 것으로 치열한 예선을 거쳐 우리 대학을 포함해 카네기멜론대, 토론토대, 홍콩대 등 세계 유수 대학의 8팀이 본선에 진출했습니다.
김지완·정호헌 학생은 스페이스 오디세이 등을 집필한 소설가 아서. C. 클라크의 “고도로 발전된 미래의 기술은 초능력 혹은 마법과 같다’는 유명한 구절을 인용하여, 마치 초능력을 경험해보는 것 같은 경험을 줄 수 있는 웨어러블 장치를 개발해 참여했습니다.
이들은 표면음향파, 레이더, 초음파를 활용하여 벽 너머의 말을 들을 수 있는 스파잉, 눈을 감고도 주변의 움직임을 느낄 수 있는 초감각, 작은 물체를 공중에 띄울 수 있는 염력을 구현하는 글로브를 개발했습니다.
김지완 학생은 “얼핏 보면 기술을 단순한 흥미 위주의 소재로 구현한 것이라 생각할 수도 있겠지만, 즐거움 또한 과학기술이 나아가야하는 방향 중 하나라고 생각하기 때문에 다양한 센싱 기술들을 최대한 재미있게 해석하고 시연하기 위해 노력했다”라고 말했습니다.
전체 태양 에너지의 약 52%를 활용하지 못하는 문제점을 가진 기존 페로브스카이트 태양전지가 한국 연구진에 의해 근적외선 광 포집 성능을 극대화하면서도 전력 변환 효율을 크게 향상하는 혁신기술로 개발되었다. 이는 차세대 태양전지의 상용화 가능성을 크게 높이며, 글로벌 태양전지 시장에서 중요한 기술적 진전에 기여할 것으로 보인다.
우리 학부 이정용 교수 연구팀과 연세대학교 화학과 김우재 교수 공동 연구팀이 기존 가시광선 영역을 뛰어넘어 근적외선 광 포집을 극대화한 고효율·고안정성 유무기 하이브리드 태양전지 제작 기술을 개발했다.
연구팀은 가시광선 흡수에 한정된 페로브스카이트 소재를 보완하고, 근적외선까지 흡수 범위를 확장하는 유기 광반도체와의 하이브리드 차세대 소자 구조를 제시하고 고도화했다.
또한, 해당 구조에서 주로 발생하는 전자구조 문제를 밝히고 다이폴 층*을 도입해 이를 획기적으로 해결한 고성능 태양전지 소자를 발표했다. *다이폴(쌍극자) 층: 소자 내 에너지 준위를 조절해 전하 수송을 원활하게 하고, 계면의 전위차를 형성해 소자 성능을 향상하는 역할을 하는 얇은 물질 층임
기존 납 기반 페로브스카이트 태양전지는 850나노미터(nm) 이하 파장의 가시광선 영역에만 흡수 스펙트럼이 제한돼 전체 태양 에너지의 약 52%를 활용하지 못하는 문제가 있다. 이를 해결하기 위해 연구팀은 유기 벌크 이종접합(BHJ)을 페로브스카이트와 결합한 하이브리드 소자를 설계, 근적외선 영역까지 흡수할 수 있는 태양전지를 구현했다.
특히, 나노미터 이하 다이폴 계면 층을 도입해 페로브스카이트와 유기 벌크 이종접합(BHJ) 간의 에너지 장벽을 완화하고 전하 축적을 억제, 근적외선 기여도를 극대화하고 전류 밀도(JSC)를 4.9 mA/cm²향상하는 데 성공했다.
< 그림 1. 페로브스카이트/유기 하이브리드 소자 구조와 다이폴 계면층(DILs)을 통한 전자구조 개선 및 전하 전달 능력 향상 메커니즘. 제시된 다이폴 계면층은 강력한 계면 다이폴을 형성하여 페로브스카이트와 유기 벌크 이종접합(BHJ) 사이의 에너지 장벽을 효과적으로 줄이고, 홀 축적을 억제하는 역할을 한다. 이 기술은 근적외선 광자 수확 및 전하 전달을 향상시키며, 그 결과 태양전지의 전력 변환 효율을 24.0%까지 끌어올렸다. 더불어, 극한의 습도 환경에서도 1,200시간 동안 성능을 유지하는 뛰어난 안정성을 달성했다. >
이번 연구의 핵심 성과는 하이브리드 소자의 전력 변환 효율(PCE)을 기존 20.4%에서 24.0%로 대폭 높인 것이다. 특히, 이번 연구는 기존 연구들과 비교했을 때, 높은 내부 양자 효율(IQE)을 달성하며 근적외선 영역에서 78%에 달하는 성과를 기록했다.
또한, 이 소자는 높은 안정성을 보여, 극한의 습도 조건에서도 800시간 이상의 최대 출력 추적에서 초기 효율의 80% 이상을 유지하는 우수한 결과를 보였다.
이정용 교수는 “이번 연구를 통해 기존 페로브스카이트/유기 하이브리드 태양전지가 직면한 전하 축적 및 에너지 밴드 불일치 문제를 효과적으로 해결하였고 근적외선 광 포집 성능을 극대화하면서도 전력 변환 효율을 크게 향상시켜 기존 페로브스카이트가 가진 기계적-화학적 안정성 문제를 해결하고 광학적 한계를 뛰어넘을 수 있는 새로운 돌파구가 될 것”이라고 말했다.
전기및전자공학부 이민호 박사과정과 김민석 석사과정이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 `어드밴스트 머티리얼스(Advanced Materials)’ 9월 30일 자 온라인판에 게재됐다. (논문명 : Suppressing Hole Accumulation Through Sub-Nanometer Dipole Interfaces in Hybrid Perovskite/Organic Solar Cells for Boosting Near-Infrared Photon Harvesting).
인공지능과 고성능 과학계산 간의 밀접한 관련성은 최근 2024년도 노벨 물리학상과 화학상이 동시에 수상된 것을 보면 알 수 있다. 우리 연구진이 인공지능을 활용하여 3차원 공간에 분포하는 원자 수준의 화학결합 정보를 예측하여 양자역학적 고성능 컴퓨터 시뮬레이션의 계산 시간을 획기적으로 단축하는데 성공했다.
우리 학부 김용훈 교수팀이 물질의 특성을 도출하기 위해 슈퍼컴퓨터를 활용해 수행되는 원자 수준 양자역학적 계산에 필요한 복잡한 알고리즘을 우회하는 3차원 컴퓨터 비전 인공신경망 기반 계산 방법론을 세계 최초로 개발했다.
슈퍼컴퓨터를 활용한 양자역학적 밀도범함수론(density functional theory, DFT)* 계산은 빠르면서도 정확하게 양자 물성을 예측할 수 있게 해 첨단 소재 및 약물 설계를 포함한 광범위한 연구·개발 분야에서 표준적인 도구로 자리 잡아 필수 불가결한 역할을 하고 있다. *밀도범함수론(DFT): 원자 단위에서부터 양자역학적으로 물성을 계산하는 제1원리 계산의 대표적인 이론
그러나 실제 밀도범함수론 계산에서는 3차원적인 전자밀도를 생성한 후 양자역학 방정식을 푸는 복잡한 자기일관장 과정(self-consistent field, SCF)*을 수십에서 수백 번씩 반복해야 해서 그 적용 범위가 수백~수천 개의 원자로 제한되는 한계가 있었다. *자기일관장(SCF): 상호 연결된 여러 개의 연립 미분 방정식으로 기술해야 하는 복잡한 다체 문제(many-body problem)를 해결하기 위해 널리 사용되는 과학계산법
< 그림 1. 물질·소재 시뮬레이션에는 공간-시간 수준(level) 또는 스케일(scale)에 따라 나노미터(nm) 수준에서의 양자역학적 계산, 수십~수백 나노미터 규모의 고전역학적 힘장(force fields) 계산, 거시적 규모에서의 연속체 역학 계산 및 서로 다른 스케일의 시뮬레이션들을 혼합하는 계산 등의 다양한 방법론들이 활용됨. 이러한 시뮬레이션들은 이미 정보학(informatics) 기법 등과 결합하여 광범위한 기초연구 및 응용개발 분야에서 핵심적인 역할을 하고 있음. 최근에는 기계학습 기법을 도입해 시뮬레이션을 급진적으로 가속하고자 하는 노력이 활발하게 이루어지고 있으나 상위 스케일 시뮬레이션들의 근간을 이루는 양자역학적 전자구조 계산에 기계학습 기법을 도입하는 연구는 아직 미진한 상황임. >
김용훈 교수 연구팀은 자기일관장 과정을 최근 급속한 발전을 이룬 인공지능 기법으로 회피하는 것이 가능한지 질문했다. 그 결과 3차원 공간에 분포된 화학 결합 정보를 컴퓨터 비전 분야의 신경망 알고리즘을 통해 학습해 계산을 가속화하는 딥SCF(DeepSCF) 모델을 개발했다.
연구진은 밀도범함수론에 따라 전자밀도가 전자들의 양자역학적 정보를 모두 포함하고 있으며 이에 더해 전체 전자밀도와 구성 원자들의 전자밀도의 합 간의 차이인 잔여 전자밀도가 화학결합 정보를 담고 있는 점에 주목하고 기계학습의 목표물로 선정했다.
< 그림 2. 이번 연구에서 개발된 딥SCF 방법론은 전통적인 양자역학적 전자구조 계산에서 반복적으로 수행되어야 했던 자기일관장 과정을(주황색 박스) 인공신경망 기법을 통해 회피하여 DFT 계산을 급속히 가속화 하는 방안을 제공함(초록색 박스). 자기일관장 과정은 3차원 전자밀도를 예측하고 이에 해당하는 포텐셜을 구성한 후 양자역학적 콘-샴 방정식을 푸는 것을 수십-수백번 반복하는 과정임. 딥SCF 방법론의 핵심적인 아이디어는 전자밀도(ρ)와 구성 원자들의 전자밀도 합(ρ0) 차이인 잔여 전자밀도(δρ)가 화학결합 정보에 해당하므로 3차원 합성곱신경망 모델로 자기일관장 과정을 대체하는 것임. >
이후 다양한 화학결합 특성을 포함한 유기 분자들의 데이터 세트를 채택했고 그 안에 포함된 분자들의 원자구조들에 임의의 회전과 변형을 가해 모델의 정확도 및 일반화 성능을 더욱 높였다. 최종적으로 연구팀은 복잡하고 큰 시스템에 대해 딥SCF 방법론의 유효성 및 효율성을 입증했다.
이번 연구를 지도한 김용훈 교수는“3차원 공간에 분포된 양자역학적 화학결합 정보를 인공 신경망에 대응시키는 방법을 찾았다”며 “양자역학적 전자구조 계산이 모든 스케일의 물성 시뮬레이션의 근간이 되므로 인공지능을 통한 물질 계산 가속화의 전반적인 기반 원리를 확립한 것”이라고 연구의 의의를 부여했다.
< 그림 3. 탄소나노튜브 기반의 DNA 염기서열 분석 소자 모델(상단 왼쪽)에 대한 딥SCF 방법론 적용 예시. 고전역학적 원자간 힘뿐만 아니라(하단 오른쪽) 화학 결합의 정보를 담고 있는 잔여 전자밀도(상단 오른쪽) 및 전자 상태밀도(density of states, DOS)와 같은 양자역학적 전자구조 특성들(하단 왼쪽)을 SCF 과정을 수행하는 표준 DFT 계산 결과에 대응되는 정확도로 빠르게 예측함. >
전기및전자공학부 이룡규 박사과정이 제 1저자로 수행한 이번 연구는 소재 계산 분야의 권위 있는 학술지 ‘네이쳐 파트너 저널 컴퓨테이셔널 머터리얼즈(Npj Computational Materials)’에 10월 24일 字 온라인판에 게재됐다. (논문명 : Convolutional network learning of self-consistent electron density via grid-projected atomic fingerprints)
한편, 이번 연구는 KAIST 석박사 모험사업, 한국연구재단 중견연구자지원사업 등의 지원을 받아 수행되었다.
우리 학부 제민규 교수 연구실의 최종윤 박사과정 학생과 Vincent Lukito 박사과정 학생이 10월 24일 서울 코엑스에서 열린 ‘제25회 대한민국 반도체 설계대전’에서 기업특별상(Telechips)을 수상하는 성과를 거두었습니다.
‘대한민국 반도체 설계대전’은 반도체 설계 분야 대학(원)생들의 설계 능력을 배양하고 창의적인 아이디어를 발굴하여 반도체 산업의 기초 경쟁력을 키우는 것을 목표로, 한국반도체산업협회와 산업통상자원부의 주최 하에 다양한 기업들의 후원을 받아 매년 개최되고 있습니다.
<시상식 사진>
수상한 연구 작품의 제목은 “Spike Sorting SoC with Delta-based Detection and Analog CIM-based Autoencoder Neural Network Feature Extraction Achieving 94.54% Accuracy”이며, 최종윤 박사과정, Vincent Lukito 박사과정이 참여하였습니다.
해당 연구는 창의성, 기술성, 사업성, 완성도를 기준으로 평가되어 창의적인 주제, 기술적인 높은 난이도 및 우수성, 상용화 가능성, 작업의 완성도 및 검증 수준에 있어 훌륭한 입지를 가지고 있음을 인정받아 기업특별상(Telechips)을 수여 받았습니다.
우리 학부 유창동 교수님 연구실의 홍지우 박사과정생, 구관형 박사과정생, 이영환 석사과정생, 그리고 윤선재 박사과정생이 ‘2024 분당서울대학교병원 급성신손상 데이터톤’에 팀명 ‘유벤져스’로 참가하여 대상을 수상하였습니다.
해당 대회는 분당서울대학교병원이 주최한 온라인 데이터톤으로, 급성신손상 환자 데이터셋을 활용해 아이디어를 제안하고 디지털 헬스케어 AI 모델을 개발하는 대회입니다. 특히, 성능 뿐만 아니라 성별, 종교 등과 무관하게 공정한 성능을 보이는 AI 모델을 개발하는 것이 주요 목표입니다.
유벤져스 팀원들은 개발한 모델의 성능, 공정성, 독창성, 활용성 등을 인정받아 수상자로 선정되었습니다.
<2024 분당서울대학교병원 급성신손상 데이터톤에서 대상을 수상한 ‘유벤저스’ 팀>
자세한 내용은 다음과 같습니다.
대회명: 2024 분당서울대학교병원 급성신손상 데이터톤
대회 개요: 급성 신손상(AKI) 환자 데이터셋을 활용해 실제 진료 현장에서 활용할 수 있는 AKI 예측 AI 모델을 개발. 예선에서는 MIMIC-IV 데이터셋으로 AKI 예측 AI 모델을 개발하고, 본선에서는 분당서울대학교병원의 실제 데이터로 실전 모델을 개발.
< 그림 1. 페로브스카이트/유기 하이브리드 소자 구조와 다이폴 계면층(DILs)을 통한 전자구조 개선 및 전하 전달 능력 향상 메커니즘. 제시된 다이폴 계면층은 강력한 계면 다이폴을 형성하여 페로브스카이트와 유기 벌크 이종접합(BHJ) 사이의 에너지 장벽을 효과적으로 줄이고, 홀 축적을 억제하는 역할을 한다. 이 기술은 근적외선 광자 수확 및 전하 전달을 향상시키며, 그 결과 태양전지의 전력 변환 효율을 24.0%까지 끌어올렸다. 더불어, 극한의 습도 환경에서도 1,200시간 동안 성능을 유지하는 뛰어난 안정성을 달성했다. >
