• 한국표면공학회:학술대회논문집
• /
• 한국표면공학회 2016년도 추계학술대회 논문집
• /
• pp.138-138
• /
• 2016

의료용 공구로 사용되는 합금은 마르텐사이트계 스테인리스강의 대표 강종인 420스테인리스강이 사용되며, 이 합금은 고온의 오스테나이트 상태에서 ?칭하면 마르텐사이트 조직으로 변태하여 현저하게 경화하는 특징을 가지고 있으며, 오스테나이트화 후 템퍼링시 우수한 기계적 성질이 얻어진다. 그러나 템퍼링 온도의 영향으로 석출탄화물이 형성되어 기계적 성질이나 내식성이 저하되는 단점이 있다. 본 연구에서는 STS 420스테인리스강의 템퍼링 온도에 의한 내식성 문제점을 개선시키기 위해 STS630 합금을 사용하여 다양한 석출 열처리 조건 및 플라즈마 질화공정을 연구하였다. 구입한 소재의 균일한 성분 조정을 통한 미세 편석 및 물성부여를 위한 균질화 조건 도출 열처리를 실시하였으며, STS630의 고용화열처리는 오스테나이트 균일조직이 되는 온도영역으로 가열하여 급냉하는 것으로 마르텐사이트 변태시키는 열처리를 진행하였으며, 열처리온도는 $1020{\sim}1060^{\circ}C$로 설정하였다. 석출경화 열처리는 $460{\sim}480^{\circ}C$와 $500{\sim}520^{\circ}C$의 온도에서 실시, 제품에 따른 인성을 부여하였으며, 질화공정은 플라즈마 장비를 이용하여 플라즈마 가열 ${\rightarrow}$플라즈마 이온질화를 통하여 가장 최적의 공정을 도출하였다.- 질화가 마무리 된 시료는 내식성 및 물성 평가를 통해 제품으로서의 특성을 평가하였다. 석출경화 열처리에 의해 STS420합금에 버금가는 인장강도 및 경도값이 나타났으며, 플라즈마 질화에 따라 물성 값의 향상이 나타났다. 용출실험결과 STS420합금의 경우 Fe, Cr원소의 용출이 나타나며 변색이 형성되었으나 STS630합금의 경우 그 현상이 미미하였다.

• 한국전자파학회논문지
• /
• 제13권1호
• /
• pp.68-73
• /
• 2002

본 논문에서는 타키오닉스의 SiGe HBT 파운더리를 이용하여 50 MHz에서 3 GHz까지 동작하는 광대역 RFIC 증폭기를 구현한다. 평탄한 이득특성과 광대역 임피던스 정합을 위하여 voltage-shunt 피드백 구조를 이용하였으며, 저주파 소신호 해석을 이용하여 설계 파라메터의 초기값을 결정하였다. 설계시점에서 HBT의 대신호 모델이 준비되지 않았기 때문에 저주파에서 유효한 튜닝보드를 제작하여 설계 파라메터를 미세 조정하였다. 제작된 증폭기는 12 dB 이득에 1 dB 이득 변동특성을 갖고 있으며, P1 dB는 850 MHz에서 15 dBm이다.

• 한국전기전자재료학회:학술대회논문집
• /
• 한국전기전자재료학회 2007년도 추계학술대회 논문집
• /
• pp.257-257
• /
• 2007

압전 액츄에이터의 효율적 작동을 위해서는 변위량이 크고 이력이 없으며 응답이 빠르고 온도특성이 좋아야 하는 등의 여러 조건들을 만족시켜야 한다. 따라서 본 실험은 압전 효율은 높이고 압전 손실은 낮추기 위하여 Pb$[(Mn_{1/3}Sb_{2/3})_{0.04}\;Zr_x\;Ti_y]O_3$, 세라믹스를 선정하였으며 Zr/Ti의 변화(x=0.47~0.5, y=0.46~0.49)에 따른 각각의 압전 특성 및 강유전 특성을 조사하였다. 일반적인 산화물 합성법을 이용하여 압전 분말을 제조하였고 EMAS standard(6001)에 근거하여 시편을 제조하였다. XRD 관찰결과 모든 조성에서 perovskite구조의 단일상만을 나타내는 소결체를 얻을 수 있었으며 FE-SEM 관찰결과 $1250^{\circ}C$의 소결시편이 $2-3{\mu}m$의 grain size를 갖는 치밀한 미세구조를 나타내었다. 가장 우수한 압전특성을 나타내는 조성은 Zr/Ti의 비가 0.485/0.475 조성이었으며 그때의 전기기계 결합계수(Kp) 값은 62.5%였고, 기계적 품질계수(Qm) 값은 1004였다.

• 공업화학전망
• /
• 제23권6호
• /
• pp.25-36
• /
• 2020

용액공정을 통해 유기 전자소자를 대면적으로 제조하는 것은 다양한 장치 구성 요소(반도체, 절연체, 도체)의 패터닝 및 적층이 필요하기 때문에 매우 어려운 과제이다. 본 연구에서는 4개의 광 가교 기능기를 가지는 3차원 사면체 가교제인 (2,2-bis(((4-azido-2,3,5,6-tetrafluorobenzoyl)oxy)methyl)propane-1,3-diyl bis(4-azido-2,3,5,6-tetrafluorobenzoate) (4Bx)를 활용하여 용액공정을 기반으로 형성된 전자재료 박막을 고해상도로 패터닝 및 적층하는 기술을 개발하고, 이를 사용하여 고분자 박막 트랜지스터(PTFTs) 및 논리회로 어레이 제작을 진행하였다. 4Bx는 다양한 용액공정이 가능한 전자재료와 용매에 쉽게 혼합될 수 있으며, 자외선(UV)에 의해 가교제가 광 활성화되어 전자재료와 가교 결합을 형성할 수 있다. 4Bx는 기존의 2개의 광 가교 기능기를 갖는 가교제에 비해 높은 가교 효율로 인해 적은 양을 첨가하여도 완전하게 가교된 전자재료 박막을 형성할 수 있어 전자재료의 고유한 특성을 보존할 수 있다. 더욱이, 가교된 전자재료 박막은 화학적 내구성이 향상되어 고해상도 미세 패터닝을 할 수 있을 뿐만 아니라 용액공정을 통해 전자소자를 구성하는 전자재료의 적층이 가능하다. 4Bx의 광 가교 방법은 전용액공정을 통한 전자소자의 제작에 대한 혁신적인 방안을 제시한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.284-288
• /
• 2022

최근 다양한 언어모델의 구축 및 발전으로 개체명 인식 시스템의 성능은 최고 수준에 도달했다. 하지만 이와 관련된 대부분의 연구는 데이터가 충분한 언어에 대해서만 다루기 때문에, 양질의 지도학습 데이터의 존재를 가정한다. 대부분의 언어에서는 개체 유형에 대한 언어의 잠재적 특성을 충분히 학습할 수 있는 지도학습 데이터가 부족하기 때문에, 종종 자원 부족의 어려움에 직면한다. 본 논문에서는 Masked language modeling 기반 언어 간 전이학습을 이용한 개체명 인식 방법론에 대한 분석을 수행한다. 이를 위해 전이를 수행하는 소스 언어는 고자원 언어로 가정하며, 전이를 받는 타겟 언어는 저자원 언어로 가정한다. 본 논문에서는 언어모델의 토큰 사전에 언어 독립적인 가상의 자질인 개체 유형에 대한 프롬프트 토큰을 추가하고 이를 소스 언어로 학습한 뒤, 타겟 언어로 전이하는 상황에서 제안하는 방법론에 대한 평가를 수행한다. 실험 결과, 제안하는 방법론은 일반적인 미세조정 방법론보다 높은 성능을 보였으며, 한국어에서 가장 큰 영향을 받은 타겟 언어는 네덜란드어, 한국어로 전이할 때 가장 큰 영향을 준 소스 언어는 중국어인 결과를 보였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.507-511
• /
• 2022

문법 교정 모델은 입력된 텍스트에 존재하는 문법 오류를 탐지하여 이를 문법적으로 옳게 고치는 작업을 수행하며, 학습자에게 더 나은 학습 경험을 제공하기 위해 높은 정확도와 재현율을 필요로 한다. 이를 위해 최근 연구에서는 문단 단위 사전 학습을 완료한 모델을 맞춤법 교정 데이터셋으로 미세 조정하여 사용한다. 하지만 본 연구에서는 기존 사전 학습 방법이 문법 교정에 적합하지 않다고 판단하여 문단 단위 데이터셋을 문장 단위로 나눈 뒤 각 문장에 G2P 노이즈와 편집거리 기반 노이즈를 추가한 데이터셋을 제작하였다. 그리고 문단 단위 사전 학습한 모델에 해당 데이터셋으로 문장 단위 디노이징 사전 학습을 추가했고, 그 결과 성능이 향상되었다. 노이즈 없이 문장 단위로 분할된 데이터셋을 사용하여 디노이징 사전 학습한 모델을 통해 문장 단위 분할의 효과를 검증하고자 했고, 디노이징 사전 학습하지 않은 기존 모델보다 성능이 향상되는 것을 확인하였다. 또한 둘 중 하나의 노이즈만을 사용하여 디노이징 사전 학습한 두 모델의 성능이 큰 차이를 보이지 않는 것을 통해 인공적인 무작위 편집거리 노이즈만을 사용한 모델이 언어학적 지식이 필요한 G2P 노이즈만을 사용한 모델에 필적하는 성능을 보일 수 있다는 것을 확인할 수 있었다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.205-209
• /
• 2022

페르소나 대화 시스템이 상대방의 개인화된 정보에 일관된 응답을 생성하는 것은 상당히 중요하며, 이를 해결하기 위해 최근에 많은 연구들이 활발히 이루어지고 있다. 그 중, PersonaChat 데이터셋에 대해 수반/중립/모순 관계를 라벨링한 DialoguNLI 데이터셋이 제안되었으며, 일관성 측정, 페르소나 속성 추론 태스크 등 여러 분야에 활용되고 있다. 그러나, 공개적으로 이용가능한 한국어로 된 대화 추론 데이터셋은 없다. 본 연구에서는 한국어로 번역된 페르소나 대화 데이터셋과 한국어 자연어 추론 데이터셋에 학습된 모델을 이용하여 한국어 대화 추론 데이터셋(KorDialogueNLI)를 구축한다. 또한, 사전학습된 언어모델을 학습하여 한국어 대화 추론 모델 베이스라인도 구축한다. 실험을 통해 정확도 및 F1 점수 평가 지표에서 KLUE-RoBERTa 모델을 미세조정(fine-tuning)시킨 모델이 가장 높은 성능을 달성하였다. 코드 및 데이터셋은 https://github.com/passing2961/KorDialogueNLI에 공개한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.219-224
• /
• 2022

최근 딥러닝이 상식 정보를 추론하지 못하거나, 해석 불가능하다는 한계점을 보완하기 위해 지식 그래프를 기반으로 자연어 텍스트를 생성하는 연구가 중요하게 수행되고 있다. 그러나 이를 위해서 대량의 지식 그래프와 이에 대응되는 문장쌍이 요구되는데, 이를 구축하는 데는 시간과 비용이 많이 소요되는 한계점이 존재한다. 또한 하나의 그래프에 다수의 문장을 생성할 수 있기에 구축자 별로 품질 차이가 발생하게 되고, 데이터 균등성에 문제가 발생하게 된다. 이에 본 논문은 공개된 지식 그래프인 디비피디아를 활용하여 전문가의 도움 없이 자동으로 데이터를 쉽고 빠르게 구축하는 방법론을 제안한다. 이를 기반으로 KoBART와 mBART, mT5와 같은 한국어를 포함한 대용량 언어모델을 활용하여 문장 생성 실험을 진행하였다. 실험 결과 mBART를 활용하여 미세 조정 학습을 진행한 모델이 좋은 성능을 보였고, 자연스러운 문장을 생성하는데 효과적임을 확인하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.47-52
• /
• 2022

환자와 주변인들에게 다양한 문제를 야기하는 치매와 조현병 진단을 위한 모델을 제안한다. 치매와 조현병 진단을 위해 프로토콜에 따라 녹음한 의사와 내담자 음성 시료를 전사 작업하여 분류 태스크를 수행하였다. 사전 학습한 언어 모델의 MLM Head를 이용해 분류 태스크를 수행하는 Prompt 기반의 분류 모델을 제안하였다. 또한 많은 수의 데이터 수를 확보하기 어려운 의료 분야에 효율적인 Few-Shot 학습 방식을 이용하였다. CLS 토큰을 미세조정하는 일반적 학습 방식의 Baseline과 비교해 Full-Shot 실험에서 7개 태스크 중 1개 태스크에서 macro, micro-F1 점수 모두 향상되었고, 3개 태스크에서 하나의 F1 점수만 향샹된 것을 확인 하였다. 반면, Few-Shot 실험에서는 7개 태스크 중 2개 태스크에서 macro, micro-F1 점수가 모두 향상되었고, 2개 태스크에서 하나의 F1 점수만 향상되었다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.300-304
• /
• 2022

본 논문은 한국어 법률 텍스트 처리를 위해 세 가지 서로 다른 사전 학습 모델을 미세 조정하여 그 성능을 평가하였다. 성능을 평가하기 위해 타겟 판결 요지에 대한 판결 요지 후보를 추출하여 판결 요지 간의 유사도를 계산하였다. 또한 유사도를 바탕으로 추출된 판결 요지가 실제 법률 전문가와 일반 언어학자의 직관에 부합하는지 판단하기 위해 정성적 평가를 진행하였다. 그 결과 법률 전문가가 법률 전문 지식이 없는 일반 언어학자에 비해 판결 요지 간 유사도를 낮게 평가하였는데 법률 전문가가 법률 텍스트의 유사성을 판단하는 기준이 기계와 일반 언어학자와는 달라 전문가 자문에 기반한 한국어 법률 AI 모델 개발의 필요성을 확인하였다. 최종 연구 결과로 한국어 법률 AI 프레임워크를 제안하였다.