고전압용 정전기 보호소자인 DDDNMOS(double diffused drain N-type MOSFET) 소자의 더블 스냅백 방지를 위한 최적의 이온주입 조건을 결정하기 위해 공정 및 소자 시뮬레이션이 수행되었다. HP-Well, N^- 드리프트 및 N⁺ 드레인 이온주입량의 변화가 더블 스냅백 및 애발란치 브레이크다운 전압에 미치는 영향을 고찰함으로써 더블 스냅백을 방지하여 정전기 보호 성능 개선할 수 있었다. HP-Well 영역보다는 N^- 드리프트 영역의 이온주입 농도를 최적으로 설계할 경우, 1차 on 상태에서 2차 on 상태로 전이하는 것을 막아주므로 비교적 양호한 정전기 보호 성능을 얻을 수 있었다. 또한 드리프트 이온주입 농도는 누설전류 및 애발란치 브레이크다운 전압에도 영향을 미치므로 동작전압이 30V보다 큰 공정기술에서는 DPS와 같은 새로운 구조를 적용하거나, 대안으로 여러 공정 변수들을 종합(colligation)하여 적용할 경우 향상된 정전기 보호 성능을 실현할 수 있을 것이다.

Wi-Fi가 거의 모든 곳에서 사용이 가능한 환경이 도래하면서 Wi-Fi 기반의 센싱 시스템의 활용가능성에 대한 학계의 주목과 함께 활발한 연구가 진행되고 있다. 최근에는 채널 상태 정보(CSI)를 활용한 딥러닝 기술의 비약적 발달로 높은 감지 성능을 달성하고 있다. 하지만, 새로운 대상 도메인에 적용하기 위해서는 명시적인 데이터 수집 및 모델 재학습 과정의 값비싼 적응 노력 없이는 여전히 실질적으로는 사용하기가 어렵다. 본 연구에서는 딥러닝 기반의 Wi-Fi 센싱 시스템을 위한 훈련데이터 수집 및 레이블링을 자동으로 진행하는 CSI 자동 레이블링 시스템(CALS)를 제안한다. 제안 시스템은 CSI 데이터 수집 과정에서 컴퓨터 비전 기술을 함께 활용하여, 지도학습용으로 수집된 CSI 데이터에 대한 레이블링을 자동으로 수행토록 하였다. CALS의 효율성을 보이기 위해 라즈베리파이를 이용하여 프로토타입 시스템을 구현하고, 실내 환경에서의 사람 존재 감지를 수행하는 3가지 모델에 대해 학습과 평가를 진행하였다. 자동 수집된 데이터를 진행하여 학습을 활용하는 방식으로 실시간 데이터에 대해 평가를 진행했을 때 90% 이상의 높은 정확도를 달성하였다.

화력발전소의 보일러 모델은 로직도 작성, 플랜트 튜닝, 제어이론 적용 등 다양한 분야에 사용된다. 특히 정확한 제어를 위해서는 정확한 모델이 필요하다. 수학적 모델은 화력발전소 시스템의 비선형성, 복잡성, 시변특성 등으로 인하여 시스템을 정확하게 표현하는데 한계가 있다. 이런 시스템에 대하여 신경망을 이용한 모델링 방법은 좋은 대안이 될 수 있다. 본 논문에서는 화력발전소 보일러의 증기계통을 신경망 알고리즘의 한 종류인 GRNN을 이용하여 모델링하였다. 보일러의 과열기와 재열기, 과열저감기, 드럼을 모델링하여 540[MW]급 화력발전소에서 취득한 데이터를 이용하여 학습하고 검증하였다. 검증결과 제안한 모델의 출력이 보일러의 실제 출력과 잘 일치함을 알 수 있었다.

우리나라는 2050년 탄소중립을 목표로 신재생에너지 중심으로 에너지 공급원을 전환하고 확대하는 계획을 추진 중이다. 신재생에너지의 간헐적 특성으로 에너지 공급이 불안정성이 커짐에 따라 정확한 신재생에너지 발전량 예측의 중요성이 함께 커지고 있다. 이에 따라 정부는 신재생에너지를 집합화하여 관리하기 위한 소규모 전력중개시장을 개설하였고, 재생에너지 발전량 예측제도를 도입하여 예측정확도에 따라 정산금을 지급하는 제도를 시행 중이다. 본 논문에서는 우리나라 신재생에너지 전원의 대부분을 차지하는 태양광 발전에 대하여 통계적 및 인공지능 모형을 이용하여 예측모델을 구현하였으며, 각 모형의 예측정확도 결과를 비교 분석하였다. 비교 모델 중에서 CNN-LSTM(Convolutional Long Short-Term Memory Neural Networks) 모형이 가장 높은 성능을 가짐을 확인하였다. 예측정확도에 따른 예측제도 정산금 수익을 추정해보았고, 예측보유 기술 수준에 따라 수익 편차가 24% 정도 커질 수 있음을 확인하였다.

본 논문에서는 FMCW(frequency modulated continuous wave) 레이다 센서를 활용한 사람과 사물을 분류하는 시스템 설계 및 구현 결과를 제시한다. 해당 시스템은 다중 객체 탐지를 위한 레이다 센서 신호처리 과정과 객체를 사람 및 사물로 분류하는 딥러닝 과정을 수행한다. 딥러닝의 경우 높은 연산량과 많은 양의 메모리를 요구하기 때문에 경량화가 필수적이다. 따라서 CNN (convolution neural network) 연산을 이진화하여 동작하는 BNN (binary neural network) 구조를 적용하였으며, 실시간 동작을 위해 하드웨어 가속기를 설계하고 FPGA 보드 상에서 구현 및 검증하였다. 성능 평가 및 검증 결과 90.5%의 다중 객체 구분 정확도, CNN 대비 96.87% 감소된 메모리 구현이 가능하며, 총 수행 시간은 5ms로 실시간 동작이 가능함을 확인하였다.

LTV(Light to Voltage) 변환을 위한 APD(Avalanche Photo Diode)는 다른 PD(Photo Diode)와 다르게 높은전압의 동작영역을 사용하므로 TIA(Transimpedance Amplifier) 사용시 과전류 방지를 위해 Quenching 저항을 직렬로 연결하여야 한다. 그러한 경우 Quenching 저항이 TIA 전달함수에 영향을 미쳐 안정도에 심각한 결과를 초래할 수 있다. 본 논문에서는 APD Quenching 저항이 TIA의 전압과 전류 루프 전달함수에 미치는 영향을 분석하여 안정도 개선을 위한 Quenching 저항 값 결정 방법을 제안하고자 한다. 제안된 방법에 의하여 Quenching 저항을 가지는 TIA 회로를 설계하여 시뮬레이션 및 칩 제작을 통하여 동작의 안정도를 검증하였다.

전통적인 악성코드 탐지 기술은 알려진 악성코드를 수집하고 특성을 분석한 후, 분석된 정보를 블랙리스트로 생성하고, 이를 기반으로 시스템 내의 프로그램들을 검사하여 악성코드 여부를 판별한다. 그러나 이러한 접근 방법은 알려진 악성코드의 탐지에는 효과적일 수 있으나 알려지지 않았거나 기존 악성코드의 변종에 대해서는 효과적으로 대응하기 어렵다. 또한, 시스템 내의 모든 프로그램을 감시하기 때문에 시스템의 성능을 저하시킬 수 있다. 이러한 문제점들을 해결하기 위하여 악성코드의 주요 행위를 분석하고 대응하기 위한 다양한 방안들이 제안되고 있다. 랜섬웨어는 사용자의 파일에 접근하여 암호화한다. 이러한 동작특성을 이용하여 시스템의 사용자 파일에 접근하는 정상적인 프로그램들을 화이트리스트로 관리하고 파일 접근을 제어하는 방안이 제안되었다. 그러나 화이트리스트에 등록된 정상 프로그램에 DLL(Dynamic-Link Library) 삽입 공격을 수행하여 악성 행위를 수행하게 할 수 있다는 문제점이 지적되었다. 본 논문에서는 화이트리스트 기반 접근통제 기술이 이러한 DLL 삽입 공격에 효과적으로 대응할 수 있는 방안을 제안한다.

기술의 진화와 함께, 사이버 물리 시스템(Cyber Physical System)은 향상되고 있고 이에 따라 새로운 유형의 사이버 공격도 발견되고 있다. 사이버 공격에는 여러 가지 형태가 있으며 모든 사이버 공격은 대상 시스템을 조작하기 위해 이루어진다. 사이버 물리시스템 중 대표적인 시스템이 사이버 물리 전력 시스템, 즉 스마트 그리드이다. 스마트 그리드는 신뢰할 수 있고 안전하며 효율적인 에너지 전송 및 분배를 제공하는 새로운 유형의 전력망이다. 본 논문에서는 스마트 그리드의 상태 추정과 에너지 분배를 타깃으로 하는 허위 데이터 주입 공격(False Data Injection Attack)으로 잘 알려진 특정 유형의 사이버 공격 구성 방법과 이러한 공격의 방어를 위한 보호 전략과 탐지를 위한 동적 모니터링 기법을 소개한다.

본 연구에서는 해저에서 발견한 인체를 해수면까지 운반하는 인양백을 기반으로 수중구조를 위한 ICT 기반 수중통신 모니터링 장치를 구현한다. 인양백은 에어를 주입하는 리프트백, 사이드백, CO₂ 카트리지 등으로 패키지화 되어 있다. 모니터링 시스템은 휴대하기 용이한 구조로 모바일 방식으로 개발한다. 수중 초음파 센서 신호는 USB 포트를 사용하여 공급되며, O/S는 리눅스로 구성한다. 수중통신동시험은 동해안에서 수심 6m~40m까지 실시간으로 측정 시험을 진행한다. 초음파 음향센서는 2,400bps로 변환되어 2원화에 따라 전송오차를 검증한다. 센서에서 모니터링까지 통신속도는 115,200bps, 제어기에서 수신부까지 통신속도는 2,400bps를 사용한다. 리프팅 장치의 상용화 단계에서 로우엔드 타입 개발이 용이하고 호환성이 넓도록 한다.

최근 자율주행 자동차를 구현하기 위해 카메라 영상을 통해 객체 및 차선을 인식하여 자율주행하는 영상처리 기술이 연구되고 있다. 안개는 카메라 촬영 영상의 가시성을 떨어뜨리기 때문에 자율주행 자동차 오작동의 원인이 된다. 이를 해결하기 위해 카메라에 실시간 처리가 가능한 안개 제거 기능을 적용하는 것이 필요하다. 따라서 본 논문에서는 성능이 우수한 Sim의 안개 제거방법을 실시간 처리가 가능한 하드웨어로 구현한다. 제안하는 하드웨어는 Verilog HDL을 사용하여 설계하였고, Xilinx사의 xc7z045-2ffg900을 Target device로 설정하여 FPGA 구현하였다. Xilinx Vivado 프로그램을 이용한 논리합성 결과 4K(4096×2160) 고해상도 환경에서 최대 동작 주파수 276.932MHz, 최대 처리 속도 31.279fps를 가짐으로써 실시간 처리 기준을 만족한다.

본 논문에서는 효율적인 feature map 추출 네트워크를 이용한 2D 이미지에서의 3D 포인트 클라우드 재구축 기법을 제안한다. 본 논문에서 제안한 기법의 독창성은 다음과 같다. 첫 번째로, 메모리 측면에서 기존 기법보다 약 27% 더 효율적인 새로운 feature map 추출 네트워크를 사용한다. 제안하는 네트워크는 딥러닝 네트워크의 중간까지 크기 축소를 수행하지 않아, 3D 포인트 클라우드 재구축에 필요한 중요한 정보가 유실되지 않았다. 축소되지 않은 이미지 크기로 인해 발생하는 메모리 증가 문제는 채널의 개수를 줄이고 딥러닝 네트워크의 깊이를 얕게 효율적으로 구성하여 해결하였다. 두 번째로, 2D 이미지의 고해상도 feature를 보존하여 정확도를 기존 기법보다 향상시킬 수 있도록 하였다. 축소되지 않은 이미지로부터 추출한 feature map은 기존의 방법보다 자세한 정보가 담겨있어 3D 포인트 클라우드의 재구축 정확도를 향상시킬 수 있다. 세 번째로, 촬영 정보를 필요로 하지 않는 divergence loss를 사용한다. 2D 이미지뿐만 아니라 촬영 각도가 학습에 필요하다는 사항은 그만큼 데이터셋이 자세한 정보를 담고 있어야 하며 데이터셋의 구축을 어렵게 만드는 단점이다. 본 논문에서는 추가적인 촬영 정보 없이 무작위성을 통해 정보의 다양성을 늘려 3D 포인트 클라우드의 재구축 정확도가 높아질 수 있도록 하였다. 제안하는 기법의 성능을 객관적으로 평가하기 위해 ShapeNet 데이터셋을 이용하여 비교 논문들과 같은 방법으로 실험한 결과, 본 논문에서 제안하는 기법의 CD 값이 5.87, EMD 값이 5.81 FLOPs 값이 2.9G로 산출되었다. 한편, CD, EMD 수치가 낮을수록, 재구축한 3D 포인트 클라우드가 원본에 근접하는 정확도가 향상된 결과를 나타낸다. 또한, FLOPs 수치가 낮을수록 딥러닝 네트워크에 필요한 메모리가 적게 소요되는 결과를 나타낸다. 따라서, 제안하는 기법의 CD, EMD, FLOPs 성능평가 결과가 다른 논문의 기법들보다 메모리 측면에서 약 27%, 정확도 측면에서 약 6.3% 향상된 결과를 나타내어 객관적인 성능이 입증되었다.

본 연구에서는 영상감시 장치에 액정 기반 편광 제어 기술을 결합하여 피사체에서 반사된 빛의 부분 선형 편광을 제거할 수 있는 편광 영상감치 장치 시스템을 제안한다. 빛의 편광 방향을 전기 광학적으로 변조하는 TN(Twisted Nematic) 액정을 사용하면 카메라 렌즈 앞에서 편광 필터를 기계적으로 회전할 필요가 없다. 이러한 기술을 사용하여 얻은 여러 편광 이미지는 컴퓨터 소프트웨어에 의해 이미지화된다. 또한 액정 패널은 사각형 형태로 생산되어 왔으나 대부분의 카메라 렌즈는 일반적으로 원형이고 렌즈 주변에 조명이나 기타 구동 장치가 설치되어 있어 원형 액정 패널을 적용하여 공간을 최적화하였다. 이 기술의 개발을 통해 전기적으로 전환 가능하고 공간에 최적화된 액정 편광 패널이 개발되었다.

조도센서 칩은 아날로그 회로의 트리밍이나 디지털 레지스터의 초기 값을 셋팅하기 위해 소용량의 eFuse(electrical Fuse) OTP(One-Time Programmable) 메모리 IP(Intellectual Property)를 필요로 한다. 본 논문에서는 1.8V LV(Low-Voltage) 로직 소자를 사용하지 않고 3.3V MV(Medium Voltage) 소자만 사용하여 128비트 eFuse OTP IP를 설계하였다. 3.3V 단일 MOS 소자로 설계한 eFuse OTP IP는 1.8V LV 소자의 gate oxide 마스크, NMOS와 PMOS의 LDD implant 마스크에 해당되는 총 3개의 마스크에 해당되는 공정비용을 줄일 수 있다. 그리고 1.8V voltage regulator 회로가 필요하지 않으므로 조도센서 칩 사이즈를 줄일 수 있다. 또한 조도센서 칩의 패키지 핀 수를 줄이기 위해 프로그램 전압인 VPGM 전압을 웨이퍼 테스트 동안 VPGM 패드를 통해 인가하고 패키징 이후는 PMOS 파워 스위칭 회로를 통해 VDD 전압을 인가하므로 패키지 핀 수를 줄일 수 있다.

본 논문에서는 다중 체온 감지용 지능형 카메라를 제안한다. 제안하는 카메라는 광학(4056*3040) 및 열화상(640*480) 2종의 카메라로 구성되고 획득된 영상으로부터 사람의 표정 및 체온을 분석하여 이상 증상을 감지한다. 광학 및 열화상카메라는 동시에 운영되며 광학 영상에서 객체를 검출한 후 얼굴영역을 도출하여 표정분석을 수행한다. 열화상카메라는 광학카메라에서 얼굴영역으로 판단한 좌표 값을 적용하고 해당영역의 최고 온도를 측정하여 화면에 표출한다. 이상 징후 감지는 분석된 표정 3가지(무표정, 웃음, 슬픔)와 체온 값을 활용하여 판단하며 제안된 장비의 성능을 평가하기 위해 광학영상 처리부는 Caltech, WIDER FACE, CK+ 데이터셋을 3종의 영상처리 알고리즘(객체검출, 얼굴영역 검출, 표정분석)에 적용하였다. 실험결과로 객체검출률, 얼굴영역 검출률, 표정분석률 각각 91%, 91%, 84%을 도출하였다.

본 논문에서는 차량용 반도체에서 CRC 검사를 통해 전송 오류를 검출할 수 있는 SPI 버스 및 I2C 버스를 제안한다. 차량용 반도체에서는 전송에 오류가 발생하여 잘못된 값이 전달되는 경우 치명적인 결과가 발생한다. LIN 버스, CAN 버스와는 다르게 SPI와 I2C 등 구조가 간단한 직렬 인터페이스에서는 전송 오류를 검출하는 방법이 없기 때문에 직렬 인터페이스에 적용할 전송 오류 검출방법을 제시할 필요가 있다. 본 논문에서는 SPI 및 I2C의 통신 프로토콜에 CRC 검사를 사용하여 전송 오류를 검출하는 방법을 제시하고 이를 FPGA로 설계하여 효과적으로 오류를 검출할 수 있음을 검증하였다.

본 논문에서는 90W급 LED-TV용 DC-DC Flyback 컨버터에 사용되고 있는 소형화 및 권선 자동화에 적합한 사출형 평면 동판 권선 방식의 Flyback 변압기 최적화 설계에 대해서 나타낸다. 또한 본 논문에서는 수동권선방식의 기존 양산 Flyback 변압기에 비해 권선 자동화, Trans 체적 저감 및 전기적 특성 동질성 향상이 가능한 사출형 평면 동판 권선 방식의 Flyback 변압기를 제안한다. 특히 본 논문에서 제안한 사출형 평면 동판 권선 변압기는 권선 자동화를 위하여 수직형 권선 방식으로 구성한다. 본 논문 제안한 사출형 평면 동판 권선 방식의 Flyback 변압기의 1차측과 2차측 권선은 각각 기존 권선, 3중 절연 권선 및 사출형 평면 동판권선을 사용하였다. 최종적으로 Maxwell 2D 및 3D Tool을 이용한 시뮬레이션 결과를 토대로 본 논문에서 제안한 소형화 및 권선 자동화에 적합한 사출형 평면 동판 권선 방식의 Flyback 변압기 최적화 설계를 수행하였다.

본 논문에서는 차동 증폭기에 필수적으로 필요한 Radio frequency(RF) transformer(TF)을 활용하여 광대역 이득 특성을 가지는 2단 단일 종단 전력증폭기를 제시하였다. RF TF의 특징을 파악하고 광대역 특성을 가지도록 설계한 뒤 2단 전력증폭기의 단간(inter-stage) 임피던스 정합 회로에 적용함으로써 증폭기의 대역폭을 향상시킬 수 있다. 기존의 2단 단일 종단(Single-ended) 증폭기의 성능과 면적을 유지하면서 광대역 이득 특성을 얻을 수 있도록 단간 정합 회로를 Monolithic Microwave Integrated Circuit (MMIC)와 다층 PCB에 구현하고 시뮬레이션을 통해 결과를 비교하였다. InGaP/GaAs HBT 모델을 사용하여 설계한 2단 전력증폭기 모듈을 시뮬레이션 한 결과 중심주파수 3.3GHz에서 기존의 전력증폭기가 11.2%의 fractional 대역폭을 보인 반면 제안된 설계 기법을 적용한 전력증폭기는 19.8%의 개선된 대역폭을 가짐을 확인하였다.

피드백 버퍼 구조는 오버슈트 및 언더슈트 현상 및 출력전압의 레귤레이션을 완화하기 위해 제안된다. 기존의 LDO 레귤레이터는 일정한 부하전류의 변화로 인해 발생하는 레귤레이션 전압 변화를 겪는다. 따라서 패스 트랜지스터의 게이트 단자의 전류를 충방전함으로써 패스 트랜지스터의 동작 속도가 향상된다. 피드백 버퍼 구조를 갖는 LDO 레귤레이터는 3.3~4.5V에서 동작하며 출력 전압은 3V이며, 최대 150mA의 부하 전류를 가집니다. 시뮬레이션 결과에 따라 부하전류가 150mA까지 일정하게 변화하였을 때 6.2mV의 레귤레이션 값을 확보하였다.

본 논문에서는 딥러닝을 이용하여 실시간 화재경보 시스템을 구현하는 방법을 제안한다. 화재경보를 위한 딥러닝 학습 이미지 데이터셋은 인터넷을 통하여 1500장을 취득하였다. 일상적인 환경에서 취득된 다양한 이미지를 그대로 학습하게 되면 학습 정확도가 높지 않은 단점이 있다. 본 논문에서는 학습 정확도 향상을 위해 화재 이미지 데이터 확장 방법을 제안한다. 데이터증강 방법은 밝기 조절, 블러링, 불꽃사진 합성을 이용해 학습 데이터 600장을 추가해 총 2100장을 학습했다. 불꽃 이미지 합성방법을 이용하여 확장된 데이터는 정확도 향상에 큰 영향을 주었다. 실시간 화재탐지 시스템은 영상 데이터에 딥러닝을 적용하여 화재를 탐지하고 사용자에게 알림을 전송하는 시스템이다. Edge AI시스템에 적합한 YOLO V4 TINY 모델을 custom 학습한 모델을 이용해 실시간으로 영상을 분석해 화재를 탐지하고 그 결과를 사용자에게 알리는 웹을 개발하였다. 제안한 데이터를 사용하였을 때 기존 방법에 비하여 약 10%의 정확도 향상을 얻을 수 있다.

Signal pre-processing and post-processing are some areas of study around electrical resistance tomography due to the low spatial resolution of pixel-based reconstructed images. In addition, methods that improve integrity and noise reduction are candidates for application in ERT. Lately, formulations of image processing methods provide new implementations and studies to improve the response against noise. For example, compact variational mode decomposition has recently shown good performance in image decomposition and segmentation. The results from this first approach of C-VMD to ERT show an improvement due to image segmentation, providing filtering of noise in the background and location of the target.

본 논문에서는 태양에너지 하베스팅을 위한 자가발전 아두이노 시스템을 설계하고 이의 동작을 설명한다. 이를 위해서 아두이노 시스템이 시시각각 변하는 태양에너지의 양을 센싱하고 이에 따라서 active mode와 sleep mode의 동작 시간의 비율을 스스로 조정해서 주어진 태양 빛의 세기에 대해서 최적으로 동작할 수 있는 동작 조건을 스스로 찾아가는 방법을 설명하고 이의 동작을 검증한다. 본 논문에서 개발한 active mode와 sleep mode의 동작 시간의 비율의 자가 조절을 통해서 태양 빛의 세기가 충분히 강할 경우에는 아두이노 시스템이 active mode로 지속적으로 구동되고, 태양광으로부터 전력을 충분히 공급받을 수 없는 경우 sleep mode를 사용하여 전력 소모를 최소화한다. 그 결과 active mode를 지속적으로 구동하는 것에 비해 sleep mode를 사용하는 경우 전력 소모를 최대 81.7% 줄여 에너지 소비를 최소화할 수 있다는 것을 알 수 있다. 또한 빛의 세기가 중간 수준일 때에는 active mode와 sleep mode의 비율을 빛의 세기에 맞게 적정하게 배분하여 동작하게 한다. 본 논문에서 제안한, 스스로 active mode와 sleep mode의 동작 시간 비율을 조절하는 방법은 특히 높은 전력 소비 효율 특성이 필요한 웨어러블 및 바이오-헬스용 자가발전 시스템을 에너지 효율적으로 동작시킬 때에 도움이 될 것으로 생각된다.

제조 현장에 사용되는 전기적 구동 모터는 베어링의 결함 발생 시 시스템 전체의 작동 정지를 초래하게 된다. 제조 환경 작동의 정지는 시간과 금전적으로 막대한 손해를 일으키며 이러한 베어링의 결함 원인으로는 회전 요소들의 지속적인 접촉으로 인한 마모, 과도한 하중 적용, 구동 환경 등 다양한 요소가 될 수 있다. 따라서 본 논문에서는 국내 제조 환경과 유사한 모터 구동 환경을 제작하여, 다양한 원인의 베어링 환경을 모의한다. 또한 구축된 환경을 바탕으로 정상 및 결함 상태에 따라 달라지는 진동 특성의 변화를 센서를 통해 수집하여 베어링 결함 예지 정비를 위한 데이터셋을 제안한다. 진동 특성 수집에 사용된 센서는 Microphone G.R.A.S. 40PH-10을 사용하여 수집하였으며, 다양한 기계학습 모델을 사용하여 제안하는 데이터셋에 훈련된 견본 베어링 예지 정비 시스템을 제작해본 결과, 심층 신경망 모델 기준 시간 영역 92.3%, 주파수 영역 98.3%의 높은 정확도 성능을 보여준다.

본 논문에서는 인간의 피부섬유모세포(Human dermal fibroblasts)로부터 확보한 전사체 정보를 활용하여 나이를 예측하는 방법을 소개한다. 제안 방법에서는 훈련을 통해 확보한 분류기 및 회귀 모델을 이용하여 샘플이 속한 적합한 연령 그룹을 선택한 후, 선택된 연령 그룹에 속하는 훈련 데이터의 관측값을 활용하여 구체적인 연령을 예측한다. 연령을 예측하려는 샘플이 입력되면 복수 개의 판별 규칙이 순서대로 실행되는데, 개별 판별 규칙에서는 분류기와 회귀 모델을 동시에 실행하여 해당 판별 규칙에 대한 선택조건이 만족되는지 여부를 확인한다. 선택 조건이 만족될 경우 판별 규칙의 타겟 연령 그룹에 속하는 데이터를 이용하여 훈련된 회귀 모델로 연령을 예측하며, 선택 조건이 만족되지 않으면 후속 판별 규칙을 실행한다. 공개 데이터에 대하여 실험한 결과 기존 연구에서 달성한 7.7년의 평균 예측 오차보다 우수한 5.7년이라는 평균 예측 오차를 달성함을 확인하였다.

본 연구에서는 새로운 구조의 dual gate tri-layer split channel 박막트랜지스터를 제작하였다. 전류 구동 능력을 향상시키기 위해 액티브 층의 양쪽에 게이트를 형성하였고 전하이동도를 증가시키기 위하여 액티브 층에서 채널이 형성되는 구간인 첫번째 층과 세번째 층에 전도성이 높은 ITO 층을 배치하였다. 추가적으로 분할 채널을 이용하여 채널의 series 저항을 낮추면서 분할한 채널의 측면에서도 accumulation을 유도하여 전하이동도를 향상시켰다. 기존의 single gate a-ITGZO 박막트랜지스터가 15 cm²/Vs의 전하이동도를 가지는 반면 dual gate tri-layer split channel 박막트랜지스터는 134 cm²/Vs의 높은 전하이동도를 가졌다.

비밀 공유 기법에서는 비밀 정보가 사용자들에게 분산되어 저장되고, 특정 허가된 사용자의 부분 집합으로부터만 비밀이 재합성될 수 있어야 한다. 이를 위해서는 서로 다른 부호어들 사이의 정보가 종속되지 않아야 한다. 극소 부호는 선형 블록 부호의 일종으로서 이러한 비밀 정보들이 상호 종속되지 않게 분산하는 역할을 한다. 본 논문에서는 극소 부호의 새로운 확장 기법을 제시한다. 임의의 벡터와 극소 부호의 곱을 통해 새로운 길이와 해밍 무게를 가지는 새로운 극소 부호가 생성된다. 이를 통해 기존에 알려지지 않은 파라미터를 가지는 극소 부호들을 제공할 수 있다.

본 논문에서는 고감도 보급형 방사선 측정센서 모듈 개발을 제안한다. 제안하는 측정센서 모듈은 섬광체+광증배소자(SiPM) 센서 최적화 구조설계, 센서 드라이버용 증폭과 필터 및 제어회로 설계, 근거리 통신을 포함한 제어회로 설계, 센서 기구설계 및 제작, 시제품에 적용되는 GUI 개발 등으로 구성된다. 섬광체+광증배소자(SiPM) 센서 최적화 구조 설계는 센서 구조 설계를 위한 섬광체와 광증배소자(SiPM)의 특성을 확인하여 설계한다. 센서 드라이버용 증폭과 필터 및 제어회로 설계는 SiPM을 이용하여 섬광체로 방사선에 의해 발생하는 미세 섬광신호를 처리하도록 설계한다. 근거리 통신을 포함한 제어회로 설계는 근거리 무선통신 기능을 지원하기 위한 MCU 설계 및 유선 통신 지원을 통해 데이터 전송이 가능하도록 설계를 수행한다. 센서 기구설계 및 제작은 플라스틱 섬광체에서 발생한 미세 섬광 신호를 광증배소자(SiPM)에 전달하기 위해 플라스틱 섬광체 외부에 반사지(미러링)를 감싸 발생한 섬광이 반사되어 효율을 높이도록 설계한다. 시제품에 적용되는 GUI 개발은 각 화면에 따라 상단에 날짜와 시간을 표현하며, 측정단위 및 시간, 초, 알람 레벨, 통신상태, 배터리 용량 등이 표현되도록 한다. 제안된 시스템의 성능을 평가하기 위하여 공인시험기관에서 실험한 결과는 방사선량 측정 범위가 30𝜇Sv/h ~ 10mSv/h로 측정되어서, 현재 국내외에서 상용으로 판매되는 제품들 중에서 최고수준 범위와 같은 결과가 산출되었다. 또한, ±7.4%의 측정 불확도가 측정되어서 국제 표준인 ±15% 이하에서 정상동작 됨이 확인되었다

본 논문에서는 고감도 보급형 핵종 분석 모듈 개발을 제안한다. 제안하는 측정센서 모듈은 핵종 분석 분해능을 위한 전자부 구동회로, 핵종 분석 기능이 적용된 시제품 제작, 시제품에 적용되는 GUI 개발 등으로 구성된다. 핵종 분석 분해능을 위한 전자부 구동회로는 전자부 구동 회로 블록도에 의한 핵종 분석 분해능 과정, 방사선 측정에 사용되는 MCU 회로 설계, Spectrum 취득용 PC 프로그램 설계 등으로 나뉘어진다. 핵종 분석 기능이 적용된 시제품 제작은 128×128 픽셀의 OLED display, 조작을 위한 3개의 버튼, Li-ion 배터리, 배터리 충전을 위한 USB-C Type 포트의 구성을 추가하여 제작한다. 시제품에 적용되는 GUI 개발부는 현재시간, 측정 경과 시간, 토탈 카운트, 핵종 Spectrum 등의 화면구성으로 개발한다. 제안된 측정센서 모듈의 성능을 평가하기 위하여 공인기관 전문가 입회시험을 시행한 결과, 핵종 분석 장치에 Cs-137 표준선원을 이용하여 취득한 Spectrum(FWHM@662keV)으로 분해능 공식을 적용하여 계산한 결과가 17.77%의 분해능을 가짐이 확인되었다. 따라서, 제안된 본 논문에서 제안한 핵종 분석 분해능 방법이 기존의 상용의 핵종 분석 모듈보다 저렴하면서도 향상된 성능이 산출됨이 확인되었다.

본 논문에선 기존의 ESD 보호소자보다 간단한 구조의 ESD 보호소자를 제안하였다. 제안하는 새로운 구조는 N+확산영역을 추가하고 브릿지영역과 연결함으로써 추가 NPN 기생 바이폴라 트랜지스터를 동작시켜 전류이득을 낮춘다. 그 결과 제안된 ESD 보호소자는 10.8V의 트리거 전압 및 6.1V의 홀딩전압을 갖는 것을 확인하였다. 이는 5V 어플리케이션에 신뢰성을 가질 것으로 기대되며 높은 감내특성을 가질 것으로 예상된다.