• 멤브레인
• /
• 제33권6호
• /
• pp.447-453
• /
• 2023

컴퓨터 시스템의 성능 및 다양한 전산모사 프로그램의 발전으로 더 복잡한 원소로 이루어진 화학시스템의 해석이 가능해지고, 그에 따라 분자동역학 전사모사를 활용한 연구가 활발히 이루어지고 있다. 특히, 기존에는 실험위주로 진행되던 고분자 막에 대한 기체 투과 특성을 계산하는 연구가 관심을 받고 있고, 식품포장, 의약품등에 사용되고 있는 기체차단성 막에 대한 분자동역학 연구가 많이 이루어지고 있다. 최근 실크 피브로인을 이용해 코팅막을 만들었을 때 기체 차단 효과가 나타난다는 보고가 있었고, 본 연구에서는 이러한 실크 피브로인을 활용해 복합막을 만들었을 때 산소 차단 효과가 나타나는지 확인하고자 분자동역학 전산모사를 이용해 연구를 진행하였다. 단일 모델을 제작하고 기체 투과 특성을 계산하고 실험값과 비교를 통해 모델이 실제 실험 결과를 반영하는 것을 확인하였고, 실제 복합막 모델을 만들어 고분자 내에서 기체 이동경로 분석을 진행한 결과 산소 분자가 피브로인 영역을 통과하지 못하고 막히는 것을 보여주었다. 따라서, 실크 피브로인이 도입된 복합막이 산소 차단 성능이 우수하여, 식품포장 등에 유용할 것으로 기대된다.

• 멤브레인
• /
• 제34권3호
• /
• pp.192-203
• /
• 2024

기체 분리막의 상업적 발전은 CO₂ 분리 효율을 향상시키는 데 중요한 역할을 한다. 고분자량 PEO (high-Mw PEO)는 높은 CO₂ 용해도, 가격 경쟁성 및 견고한 기계적 특성을 가져 분리막 제조용 고분자로 유력하지만 그 특유의 결정성으로 인해 기체 분리막에 응용이 어렵다. 본 연구에서는 결정성 감소를 위해 다양한 고분자 첨가제를 고분자량 PEO에 혼합하는 방법을 제시하였다. 폴리에틸렌글리콜(PEG), 폴리프로필렌글리콜(PPG), 폴리아크릴산(PAA) 및 폴리비닐피롤리돈(PVP)과 같은 상업적으로 이용 가능하고 섞임성이 좋은 수용성 고분자를 첨가제로 사용하여 PEO 결정성을 감소시킴으로써 가스 분리 성능을 향상시키고자 하였다. PEG 및 PPG의 경우 PEO의 결정 구조를 억제하지 못하고 분리막의 결함을 초래하였으나, PAA 및 PVP는 PEO의 결정 구조를 바꿔 결함이 없는 분리막을 제조하는 데 성공하였다. 고분자량 PEO 혼합막의 결정 구조 변화와 기체 분리 성능의 상관관계를 조사하여 본 연구의 결과와 이전에 기록된 결과를 바탕으로 고분자량 PEO에 대한 첨가제 고분자의 설계 및 선택에 대한 통찰력을 제공하며, 이를 통해 비용 효율적이고 상업적으로 실용적인 CO₂ 분리막을 제조하고자 하였다.

• 멤브레인
• /
• 제24권2호
• /
• pp.151-157
• /
• 2014

본 연구에서는, 산화그래핀(GO) 및 산화철이 기능화된 산화그래핀(M-GO)을 용매인 dimethylformamide (DMF)에 초음파분쇄법을 이용하여 완전히 분산시킨 후, 기질고분자인 polyacrylonitrile (PAN)에 첨가하여 전기방사함으로써, 나노섬유형태의 복합분리막을 제조하였다. 제조된 나노섬유 분리막은 적층수를 변화시켜 기공크기를 조절하였다. Scanning Electron Microscope (SEM) 분석 결과로부터 약 500 nm 크기의 고른 직경분포를 가진 나노섬유 복합분리막이 제조되었음을 확인하였다. 또한, Raman spectroscopy 분석과 Energy Dispersive x-ray Spectroscopy (EDS) 분석 결과로부터 GO 및 M-GO가 분리막 내에 분산되어 있음을 확인하였다. 최종 나노섬유 복합분리막은 상용막($0.27{\mu}m$, 55%)과 유사한 기공특성($0.21{\sim}0.24{\mu}m$, 40%)을 보여주었으며, 수투과도 측정결과 PAN 막에 비해 약 200% 향상된 성능을 보여주었다. 이러한 결과로부터, 전기방사법으로 제조된 나노섬유 복합분리막은 수처리용 분리막으로서 충분한 활용가능성이 있다고 판단된다.

• 멤브레인
• /
• 제21권2호
• /
• pp.193-200
• /
• 2011

원자전달 라디칼 중합(ATRP)에 의해 poly(vinyl chloride) (PVC) 주사슬과 poly(styrene sulfonic acid) (PSSA) 곁사슬로 되어있는 양쪽성 PVC-g-PSSA 가지형 공중합체를 합성하였다. PVC-g-PSSA 가지형 공중합체 고분자를 템플레이트로 사용하고 졸겔법을 적용하여, 결정성 아타네제상의 미세기공 이산화티타튬 필름을 제조하였다. $TiO_2$ 전구체인 TTIP를 친수성인 PSSA 영역과 선택적으로 작용시켜 $TiO_2$ 메조기공 필름을 성장하였으며, 이를 주사전자 현미경 (SEM)과 엑스레이회절 (XRD)분석을 통해 분석하였다. 스핀코팅 횟수와 P25 도입에 따른 염료감응 태양전지 성능을 체계적으로 분석하였다. 그 결과 준고체 고분자 전해질을 이용하였을 때, 100 mW/$cm^2$ 조건에서 에너지 변환 효율이 2.7%에 이르렀다.

• 한국방재안전학회논문집
• /
• 제14권3호
• /
• pp.17-27
• /
• 2021

본 연구에서는 6개의 기계학습 기법들을 활용하여 2019년과 2020년 전국 땅밀림 현장조사 결과를 기반으로 땅밀림 위험지역을 A부터 C까지 3개 등급(A등급: 위험, B등급: 보통, C등급: 양호)으로 구분할 수 있는 분류모형을 구축하고, 분류 정확도를 비교·분석한다. 기계학습 기법으로는 K-Nearest Neighbor, Support Vector Machine, Logistic Regression, Decision Tree, Random Forest, Extreme Gradient Boosting 총 6개를 적용하였다. 분류 정확도 분석결과, 6개의 기법 모두 0.9 이상의 우수한 정확도를 보여주었다. 수치형 자료를 학습에 적용한 경우가, 문자형 자료를 학습한 모형보다 우수한 성능을 나타냈으며, 현장조사 평가점수 자료군(C1~C4) 보다는 전문가의견이 반영된 평가점수 자료군(R1~R4)으로 학습한 모형이 정확도가 높은 것으로 분석되었다. 특히, 직접징후와 간접징후 정보를 학습에 반영한 경우가 예측정확도가 높게 나타났다. 향후 땅밀림 현장조사 자료가 지속적으로 확보될 경우, 본 연구에서 활용한 기계학습기법은 땅밀림 분류를 위한 도구로 활용이 가능할 것으로 판단된다.

• 멤브레인
• /
• 제28권6호
• /
• pp.379-387
• /
• 2018

본 연구에서는 한외여과 polysulfone (PSf) 중공사막에 첨가제를 섞는 방법을 통해 친수성 증가에 따른 분리막 특성 및 성능을 향상하고자 하였다. 15 nm 크기의 fumed silica (FS)를 0.1, 0.3, 0.5 wt%로 방사 용액에 분산시켜 혼합 매트릭스 분리막을 제조하였다. 단면 및 표면상태를 확인하기 위해 SEM 분석을 진행하였으며, FS가 함유될수록 중공사막의 평균 기공 반경이 4 nm 이상 증가하는 것을 확인하였다. 또한, 분리막의 친수성 분석을 위해 접촉각 측정을 진행하였으며, FS 함유로 분리막의 친수성이 높아진 것을 확인하였다. 수투과도의 경우 FS가 섞인 분리막은 91~96 LMH 수준을 보였으며 PSf 분리막보다 5~11%의 증가율을 보였다. 내오염성 평가에서도 친수도가 상승한 FS 혼합 중공사막 표면에 소수성을 띄는 BSA가 흡착되지 못하여 상대 유량 감소율이 PSf 단일막 보다 낮아졌음을 확인하였다.

• 멤브레인
• /
• 제18권1호
• /
• pp.103-107
• /
• 2008

분리막 공정은 에너지 절약형 분리공정으로 전통적인 증류 분리공정과 비교하여 높은 선택도를 나타내기 때문에 액상 혼합물 분리의 대체 공정으로서 주목받고 있다. 제올라이트 막을 비롯한 무기분리막은 유기분리막의 단점을 보완하고 혹독한 조업조건에서도 운전이 가능한 장점을 지니고 있다. 최근 기존의 제올라이트 분리막의 단점을 보완하고 더욱 향상된 분리성능을 위한 새로운 무기분리막 재료들이 연구되어지고 있다. Kalsilite는 Si/Al 비율이 1로써 기존의 4A 제올라이트와 같이 친수성을 나타낼 것으로 예상되며 세공의 크기가 4A보다 더 작은 0.36 nm로 분리막으로 제조 시 가스분리, 물/유기물 혼합물에서 물의 선택적 분리가 가능할 것이다. 본 연구에서는 Si : Al : K : $H_2O$ = 1 : 1 : 8 : 60의 원료 포성 비율을 사용하여 kalsilite 분말을 경제적으로 수열합성 할 수 있는 새로운 공정을 개발하였으며. 최적의 합성조건인 합성온도 $300^{\circ}C$, 합성시간 6시간으로 kalsilite를 합성할 수 있었다. XRD 분석을 통하여 kalsilite임을 확인하였으며 입도 분석 결과 평균입도는 $2.73{\mu}m$이었다. 증기흡착 결과 kalsilite는 유기물보다 물에 대한 흡착능력이 큰 친수성 알루미노실리케이트임을 알 수 있었다.

• 멤브레인
• /
• 제29권1호
• /
• pp.44-50
• /
• 2019

본 논문에서는 SBS-g-POEM 블록-그래프트 공중합체, 이온성 액체(EMIMTFSI) 및 ZIF-8 나노 입자를 사용하여 $CO_2/N_2$ 기체를 분리하기 위한 혼합 매질 분리막(MMMs)을 개발하였다. SBS-g-POEM은 낮은 비용이 드는 자유 라디칼 중합법을 통해 합성된 유연한 블록-그래프트 공중합체이다. EMIMTFSI는 SBS-g-POEM 매트릭스에 용해시켰으며, 합성된 ZIF-8 나노 입자들 역시 공중합체의 매트릭스에 분산시켰다. 제조된 시료들의 특성은 푸리에 변환 적외 분광법(FT-IR), 시차 주사 열량계(DSC), 주사 전자 현미경(SEM), X선 회절 분석(XRD)을 통해 확인하였으며, 분석 결과 각 성분들은 서로 간의 좋은 혼화성을 나타내었다. 기체 분리 성능은 time-lag measurements를 통해 확인되었으며, 537.0 barrer의 $CO_2$ 투과도와 15.2의 $CO_2/N_2$ 선택도를 나타내었다. 이를 통해 첨가된 EMIMTFSI와 ZIF-8 나노 입자는 $CO_2/N_2$ 선택도를 크게 희생시키지 않고 기체 투과도를 두 배 이상 향상시키는 것으로 확인되었다.

• 멤브레인
• /
• 제32권2호
• /
• pp.116-125
• /
• 2022

본 실험에서는 α-Al₂O₃ 세라믹 중공사를 지지체로 사용하였고, 무전해 도금을 통해 Pd 및 Pd-Ag가 도금된 수소 분리막을 제조하였다. Pd-Ag 분리막은 Pd와 Ag 합금 형태로 만들기 위하여 500℃, 10 h 동안의 annealing 과정을 거쳤으며, EDS (Energy Dispersive X-ray Spectroscopy) 분석을 통해 Pd-Ag 합금이 되었다는 것을 확인하였다. 또한, SEM (Scanning Electron Microscope) 분석을 통해 제조된 Pd 및 Pd-Ag 도금층의 두께는 약 8.98, 9.29 ㎛으로 측정되었다. 제조된 수소 분리막은 350~450℃, 1-4 bar의 범위에서 수소 단일 가스, 혼합가스(H₂, N₂)를 이용하여 수소 투과 실험을 진행하였다. 수소 단일 가스에서 Pd와 Pd-Ag 분리막은 최대 각각 21.85, 13.76 mL/cm²·min의 flux를 가지며, 혼합가스에서는 450℃, 4 bar의 조건일 때, 1216, 361의 separation factor가 각각 나오는 것을 확인하였다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제29권3호
• /
• pp.85-92
• /
• 2023

최근 ChatGPT나 자율주행 자동차 등의 인공지능 분야의 급속한 발전으로 인해 인공지능에 대한 관심이 높아졌다. 그러나 아직 인공지능은 학습 과정에서 알 수 없는 요소가 많이 존재하여 모델을 개선하거나 최적화하기 위해서 필요 이상의 시간과 노력을 들여야 하는 경우가 많다. 따라서, 인공지능 모델의 학습 과정에서 가중치 변화를 명확하게 이해하고 해당 변화를 효과적으로 분석할 수 있는 도구 또는 방법론이 절실하게 요구되고 있다. 본 연구에서는 이러한 점을 해결하기 위해 누적 가중치 변화량을 시각화해주는 시스템을 제안한다. 시스템은 학습의 일정한 기간마다 가중치를 구하고 가중치의 변화를 누적시켜서 누적 가중치로 저장하여 3차원 공간상에 나타내게 된다. 이로 인해 보는 이로 하여금 한눈에 레이어의 구조와 현재의 가중치 변화량이 이해되기 쉽게 구성하였다. 이러한 연구를 통해 인공지능 모델의 학습 과정이 어떻게 진행되는지에 대한 이해와 모델의 성능 향상에 도움이 되는 방향으로 하이퍼 파라미터를 변경할 수 있는 지표를 얻게 되는 등 인공지능 학습 과정의 다양한 측면을 탐구할 수 있을 것이다. 이러한 시도를 통해 아직 미지의 영역으로 여겨지는 인공지능 학습 과정의 일부를 보다 효과적으로 탐색하고 인공지능 모델의 발전과 적용에 기여할 수 있을 것으로 기대된다.