본 논문에서는 소형 에지 장치에서 직접 딥러닝 추론을 수행할 수 있는 구조로, 명령어 처리 기반의 하드웨어적 방식을 적용한 보안 통신 인공 신경망 처리기를 RISC-V 기반 Soft-core CPU와 통합한 SoC 구조를 제안한다. 이를 통해 보안 통신 명령 기반으로 재구성이 가능한 SecureTinyNPU-SoC (Secure Tiny Communication Neural Processing Unit-System on Chip)를 구현하였다. 제안된 NPU의 성능은 MNIST 데이터셋을 활용한 학습·검증·구현 단계별 인식 정확도 비교 평가함으로써 검증하였다. 실험 결과, 인식 정확도는 학습 단계에서 99.82%, 검증 단계에서 98.36%, 구현단계에서 97.20%로 나타났으며, 학습 대비 검증 정확도는 1.06%, 구현 정확도는 2.26% 감소하였다. 또한 파라미터(Weights and Bias) 처리 방식에 따른 인식 정확도를 비교한 결과, 기존 MCU 처리(Weights and Bais) 94.83%, 제안한 NPU 처리(Weights) 방식 97.20%로, NPU 처리 방식이 MCU 대비 2.37% 성능이 개선되었다.

본 논문은 CCD의 전하이동 동작을 모방한 양방향 TDI-SPAD X-선 광자 감지기의 구조를 설계하며, 고속 및 저선량 환경에서의 신호대잡음비를 향상시킨다. 제어신호가 금속 배선의 기생 RC 편차에 의한 오동작 원인을 규명하고, 이를 보상하기 위한 라인 드라이버 회로를 제안한다. 기생 RC 편차는 플립플롭의 홀드 타임 위반 및 신호 반전 현상을 유발하여 전단 스테이지의 데이터 유실을 초래한다. 본 연구에서는 이를 방지하기 위해 타이밍 보상 기능이 포함된 라인 드라이버를 제안하며, 이를 통해 시스템의 오동작을 억제하고 신뢰도를 향상시켰다. 150x2, 512x2, 1024x2, 2048x2 배열에 대하여 라인 드라이버의 타이밍 마진을 각각 부여하여 최대 오차인 16%의 지연 오차에 대하여 정상 동작함을 검증하였으며, 제안하는 라인드라이버 회로와 양방향 TDI-SPAD는 45nm CMOS 공정으로 설계되었다.

본 논문은 글로벌 공급망의 불확실성과 ERP 데이터의 비정형성 문제를 해결하기 위해 실시간 시장 데이터 융합 및 메타 강화학습 기반의 지능형 협상 자동화 시스템을 제안한다. 제안 시스템은 머신러닝 기반으로 이기종 데이터 정합성을 확보하는 ERP 통합 모듈, CEP(Complex Event Processing) 및 시계열 예측을 통해 외부 변동성을 반영하는 시장 데이터 융합 모듈, NSGA-III(Non-dominated Sorting Genetic Algorithm III)와 게임이론을 결합해 다목적 파레토 해를 도출하는 전략 생성 모듈, 그리고 메타 강화학습을 통해 환경 변화에 적응하는 최적화 모듈로 구성된다. 또한 MARL(Multi-Agent Reinforcement Learning)과 MAML(Model Agnostic Meta Learning)을 적용하여 협상 결과가 전략 개선으로 이어지는 순환형 자가 진화 체계를 구축하였으며, 협상 에이전트가 신뢰할 수 있는 기업 내부 정보를 활용하도록 지원하고 실시간 데이터 연동 및 협상 결과 피드백을 학습 과정에 반영함으로써 반복 수행을 통해 점진적으로 협상 성능을 강화할 수 있는 시스템적 토대를 마련하였다.

Industry 4.0과 스마트 팩토리 확산에 따라 제조 현장에서 품질검사, 예측유지보수, 공정최적화 등 AI 시스템 도입이 가속화되고 있다. 그러나 제조 AI 시스템은 GPU 집약적 워크로드, SLA 위반 시 물리적 손실 위험, 생산 스케줄 연동 부하 패턴, 이질적 멀티테넌트 구조라는 특성을 갖는다. 기존의 반응적 오토스케일링은 Cold Start 지연과 생산 정보 미활용으로 인해 제조 환경의 요구사항을 충분히 만족시키기 어렵다. 본 논문은 제조업의 적시 생산(JIT) 철학을 AI 리소스 관리로 확장한 JIT-RAM(Just-In-Time Resource Allocation Management) 프레임워크를 제안한다. JIT-RAM은 (1) 생산계획 연계 LSTM 기반 워크로드 예측 및 선제적 Warm-up, (2) 멀티에이전트 강화학습(PPO 기반) 자원 할당, (3) 비용·성능·SLA를 통합한 다목적 의사결정, (4) Edge-Core-Cloud 3계층 아키텍처와 멀티테넌트 격리, 공유 메커니즘으로 구성된다. 또한 제조 워크로드의 부하 변동성 특성에 기반한 시나리오별 적용 가이드라인을 통해, 프레임워크의 설계 근거와 적용 범위를 체계화한다. 본 연구는 스마트 팩토리 AI 시스템 설계자가 재사용 가능한 설계 패턴과 구현 방법론을 활용할 수 있도록 지원한다.

곱셈기는 다양한 디지털 신호처리 응용에서 널리 사용되며, 디지털 신호처리의 하드웨어 구현 시 곱셈기의 속도는 시스템의 동작 속도를 결정한다. Radix-8 Booth 곱셈기는 radix-4 Booth 곱셈기와 달리 부분곱을 생성하기 위해 피승수의 3배수기가 필요하며, 3배수기는 시프트와 덧셈으로 구현한다. 본 논문에서는 3배수기의 덧셈(예비 덧셈)에서 동일 비트가 이웃 상위비트 또는 하위비트와 중복되어 나타나는 점을 활용하여 예비 덧셈기(3A)를 효율적으로 설계하는 방법을 제안한다. 중복되는 비트가 0일 경우와 1일 경우로 구분하여 예비 덧셈기(3A)의 캐리를 효율적으로 예측하는 방법을 제시한다. 제안한 예비 덧셈기(3A)의 성능을 평가하기 위해 Verilog HDL을 사용하여 설계한 후 Intel Cyclone IV FPGA를 이용하여 합성하였다. 제안한 예비 곱셈기는 캐리 예측 덧셈기 기반의 예비 덧셈기(3A)와 비교하여 최대 100%, 평균 80% 적게 로직을 사용하면서도 전파지연은 최대 31%, 평균 26% 작았다. 또한, 제안한 예비 덧셈기(3A)를 적용한 radix-8 Booth 곱셈기는 radix-4 Booth 곱셈기 보다 로직을 약 15% 적게 사용하면서도 전파지연은 약 10% 작아서 고속 디지털 신호처리의 하드웨어 구현에 적합하다.

본 연구는 대학생의 생활습관과 자가 건강인식이 구강건강 관련 삶의 질(OHRQoL)에 미치는 영향을 분석하여 구강보건 증진을 위한 기초자료를 제공하고자 수행되었다. 2025년 6월부터 7월까지 대학생 189명을 대상으로 설문조사를 실시하였으며, 일상생활구강영향지수(OIDP)를 통해 삶의 질을 평가하였다. 연구 결과, 음주는 저작 불편감(t=7.28, p=0.008)과 타인과의 어울림(F=5.64, p=0.019)에 유의한 영향을 미쳤으며, 흡연은 저작(t=10.53, p=0.001), 발음(F=4.96, p=0.027), 칫솔질 시 제약(F=6.95, p=0.009) 등 다각적인 영역에서 삶의 질을 저하시키는 주요 요인으로 확인되었다. 또한 야식 섭취는 칫솔질 수행(F=20.246, p<0.001) 및 정서 상태(F=14.51, p<0.001)와 높은 유의성을 보이며 불편감을 가중시켰다. 자가 전신건강 및 구강건강 인식이 부정적일수록 발음, 신체활동, 정서상태, 미소 짓기 등 전영역(p<0.001)에서 OIDP 지수가 낮게 나타난 반면, 규칙적인 운동과 칫솔질 습관은 삶의 질을 높이는 보호 요인으로 작용하였다. 이상의 결과는 대학생의 구강건강 관련 삶의 질 향상을 위해 올바른 생활습관 형성 및 긍정적인 건강인식 고취를 위한 보건 교육적 개입이 필수적임을 시사한다.

본 연구는 다양한 형식의 설계 문서를 수기로 관리할 때 발생하는 시간 소모와 휴먼 에러 문제를 해결하기 위해 문서 병합 및 비교 기능을 제공하는 자동화 시스템을 제안한다. 시스템은 OOXML 기반 문서 구조를 분석하여 이기종 문서의 배치 왜곡 없는 정밀 병합을 수행하며, SHA-1 해시값 비교를 통해 변경된 페이지를 즉각적으로 식별하고 시각적으로 강조하는 검토 지원 기능을 제공한다. 이를 통해 기존 수작업 대비 문서 처리 시간을 평균 10~15분에서 1~3분 내외로 단축하여 약 80% 이상의 업무 효율을 달성한다. 제안 시스템은 대량 문서 관리의 정확성과 안정성을 향상하게 시키며 실무 환경에서 높은 활용 가능성을 보인다. 결론적으로 본 시스템은 대량의 문서를 다루는 다양한 실무 환경에서 데이터 무결성 확보와 검증 생산성을 동시에 끌어올리는 해결책임을 확인하였습니다.

본 연구는 스마트 센서 시스템의 무선 통신 성능 향상을 목적으로 CAE 기반 전자기 해석 도구인 Ansys HFSS 를 활용한 PIFA(Planar Inverted-F Antenna) 안테나 설계 및 최적화를 수행하였다. 센서 노드에 적용 가능한 소형 PCB 일체형 PIFA 구조를 대상으로, 2.4 GHz ISM 대역에서 안정적인 동작을 목표로 안테나 기하 구조를 설계하였다. HFSS 시뮬레이션을 통해 반사 손실(S11), 이득(Gain) 등의 전자기적 특성을 분석하였으며, 주요 설계 변수에 대한 파라메트릭 스윕과 CAE 기반 최적화 기법을 적용하여 성능 개선을 도출하였다. 그 결과 중심 주파수에서 임피던스 매칭 특성이 향상되었고, 방사 효율 및 이득 측면에서도 유의미한 개선을 확인하였다. 본 연구는 스마트 센서용 안테나 설계 과정에서 CAE 기반 최적화 기법의 효과성을 검증하고, 향후 센서 통신 모듈 설계에 활용 가능한 설계 기준을 제시한다.

가공 공정에서 발생하는 채터(chatter) 진동은 표면 품질과 공구 수명을 결정짓는 중요한 요소이다. 딥러닝 기반의 탐지 방법들이 그 가능성을 보여주었으나, 이들은 대부분 대규모의 정확하게 레이블링된 데이터셋을 필요로 하는 완전 지도 학습(fully supervised learning)에 의존하고 있어, 이러한 데이터를 확보하기 어려운 산업 현장에는 적용하기 힘든 한계가 있다. 본 논문은 이러한 레이블 부족 및 클래스 불균형 문제를 해결하기 위해 Physics-Regularized Attention Network (PRA-Net)를 제안한다. 우리는 가속도 신호에서 도출된 물리적 에너지 제약 조건을 기반으로 유사 레이블(pseudo-labels)을 생성하는 새로운 자기 지도 학습(self-supervised learning) 프레임워크를 도입하였다. 1D-CNN, Bi-LSTM 및 어텐션(Attention) 메커니즘이 통합된 PRA-Net 아키텍처는 물리적 일관성을 보장하는 복합 손실 함수를 통해 학습된다. 밀링 데이터셋을 활용한 실험 결과, 제안된 방법은 수동 레이블링 없이도 0.933의 F1-score를 달성하였다. 또한, t-SNE 시각화를 통해 해당 모델이 물리적으로 유의미한 잠재 표현(latent representations)을 학습하여 안정적인 절삭 상태와 불안정한 절삭 상태를 효과적으로 구분함을 확인하였다. 제안된 물리 정보 기반(physics-informed) 프레임워크는 스마트 제조 환경에서의 실시간 상태 모니터링을 위한 강건하고 결정론적인 솔루션을 제공한다.

본 논문에서는 AGV(Automated Guided Vehicle) 및 AMR(Autonomous Mobile Robot) 적용을 위한 7.5 kW급 공진형 무선전력전송(Wireless Power Transfer, WPT) 시스템을 제안하고, 시뮬레이션 기반 설계 절차의 타당성을 실험적으로 검증하였다. 시스템은 TX(Transmitter, 송신) 인버터(Inverter) 및 공진 회로, 평면 스파이럴 구조의 TX 코일, RX(Receiver, 수신) 코일, RX 정류기(Filter)로 구성된다. TX/RX 코일은 유한요소법 기반 전자기 시뮬레이션을 통해 자기·상호 인덕턴스 파라미터를 도출하였으며, 이를 회로 시뮬레이션에 적용하여 무부하 및 전부하 조건에서 동작 특성과 효율을 분석하였다. 이후 실제 하드웨어를 구현하여 성능시험을 수행한 결과, 약 7.58 kW 입력 조건에서 93.8%의 시스템 효율을 확인하였다. 결론적으로, 제안하는 시스템의 시뮬레이션 기반 설계 및 실험 검증을 통해 7.5 kW급 공진형 WPT 시스템의 AGV/AMR 무선충전 적용 가능성을 확인하였다.

본 논문은 스마트 제조 환경에서 지식 자산 거버넌스에 활용될 수 있는 블록체인 기반 온톨로지 관리 프레임워크를 제안한다. 제안 프레임워크는 온톨로지 변경 이력의 추적 가능성을 높이기 위해 블록체인 기반 분산 원장을 활용하고, 스마트 계약을 통해 변경 제안-검토-승인-배포 절차가 절차적으로 연계될 수 있도록 구성된다. 또한 분산 신원증명(DID) 기반 인증 및 접근 제어를 포함하여 참여자 권한을 세분화할 수 있는 방안을 고려하며, 분산형 파일 시스템(IPFS) 기반 하이브리드 저장을 통해 대용량 온톨로지 관리 시 저장 비용 부담을 완화하는 방향을 제시한다. 더불어 크로스체인 연계를 통해 이기종 블록체인 환경에서 온톨로지 참조 정보의 공유와 동기화를 지원할 수 있도록 설계한다. 제안 방법은 스마트 팩토리, 공급망, 디지털 트윈 등 다양한 시나리오에서의 적용 가능성을 중심으로 논의한다.

본 연구는 미국 국민건강영양조사(NHANES) 2017-2018년 및 2021-2023년 자료를 활용하여 혈액 바이오마커와 사회인구학·생활습관 요인을 통합한 우울 고위험군 예측 기계학습 모델을 구축하고 성능을 평가하였다. PHQ-9 응답이 유효한 7,543명 중 10점 이상을 고위험군으로 정의하였다. 설명변수로는 CRP, HbA1c, 공복혈당, HDL, 중성지방, BMI, 소득-빈곤비율, 교육수준, 흡연, 음주, 신체활동을 포함하였다. 다섯 가지 알고리즘(Logistic Regression, Random Forest, Gradient Boosting, Extra Trees, XGBoost)을 비교한 결과, Gradient Boosting이 최적 임계값(0.15)에서 가장 높은 F1-score(0.333)를, Random Forest가 가장 높은 ROC-AUC(0.647)를 나타냈다. 그러나 전체 성능은 poor-to-fair 수준으로 제한적이었다. 주요 변수는 소득-빈곤비율, BMI, CRP, HbA1c, HDL로 확인되었으며, 이는 우울 위험 분류와의 통계적 연관성을 의미하되 인과관계를 내포하지는 않는다.

본 연구는 차량 출입 및 시동 제어 기술에서 나타나는 글로벌 기업들의 권리화 경쟁 구조와 표준화 전략의 차이를 정량적으로 규명하고자 주요 5개 권역의 특허 1,978건을 수집하여 분석하였다. 2020년을 기점으로 디지털 키 출원이 스마트키를 추월하며 기술의 주류가 변화했음을 관찰되었다. 기술 분야별 비중은 보안 및 인증(31.6%), 액세스 제어 및 사용자 기능(24.5%), 키 관리(19.5%), 통신 및 네트워크(19.3%), 디바이스 구현(5.1%) 순으로 나타났다. 특히 주요 분야인 보안 및 인증은 표준 프레임워크와 클라우드 연동형 인증으로, 액세스 제어는 정밀 거리 인식과 다중 요소 인증 체계로 고도화되는 세부 동향을 도출하였다. 또한 표준 IPR 선언 분석을 통해 해외 기업의 기술권 선점 대비 국내 기업의 선언 실적이 부재한 상황을 분석하였다. 본 연구는 분석 결과를 바탕으로 국내 기업이 글로벌 표준과의 정합성을 고려한 핵심 특허 포트폴리오를 전략적으로 강화할 필요가 있음을 시사한다.

본 논문은 머신러닝과 설명 가능한 인공지능(XAI)을 결합하여 성인 정신건강 취약성의 잠재적 구조를 규명하고, 성장기 스트레스의 기여도를 분석하였다. 전 세계 292,364명의 대규모 데이터를 대상으로 K-means 군집 분석을 수행한 결과, 정서적·행동적 특성에 따라 구분되는 세 가지의 이질적인 정신건강 취약성 유형이 도출되었다. 이어 Random Forest 분류 모델을 구축하고 SHAP 기법을 적용하여 분석한 결과, 성장기 스트레스는 군집 형성에 가장 중요한 기여를 하는 핵심 변수임이 확인되었다. 특히 취약성 특성이 뚜렷한 군집일수록 성장기 스트레스 경험 비율이 높게 나타나, 성장기 역경이 성인기 정신건강의 이질적 발현에 구조적 영향을 미침을 시사한다. 본 연구는 데이터 기반의 정밀 정신의학적 접근을 통해 개인 맞춤형 예방 및 치료 전략 수립을 위한 실증적 근거를 제시하였다는 점에서 의의가 있다.

본 연구는 푸드테크 관련 한국어 댓글에서 한 문장에 공존하는 여러 주제의 감정을 동시에 판별하기 위해 멀티태스크 KoBERT 기반 모델을 제안한다. KoBERT를 공유 인코더로 사용하고, 각 주제에 대해 3분류(긍·중·부) 헤드를 병렬로 두어 주제별 감정 분류를 수행한다. 학습은 주제 존재 여부에 대해 BCE(pos_weight), 감정에 대해 클래스 가중을 포함한 CE/Focal을 사용하였고, 가중 샘플러로 불균형을 완화하였다. 개발셋에서 온도 보정과 토픽별 임계값(0.1, 0.1, 0.30, 0.30)을 결정한 뒤 테스트에 고정 적용하였다. 그 결과 presence 기준 micro-F1 0.608, macro-F1 0.237, accuracy 0.449, hamming 0.179를 기록하였다. 감정 분류 F1은 기술수용 0.256, 건강우려 0.265, 제품평가 0.103, 윤리는 표본 부족으로 학습되지 않아 0.000으로 나타났다. 결과는 데이터 분포와 라벨 경계의 영향이 크다는 점을 시사하며, 제품평가 항목은 상대적으로 활용 가능성이 높다.

본 연구는 공개 영양 데이터와 합성 사용자 프로필을 이용해, 개인별 일일 에너지 요구량과 목표 거대영양소 비율을 만족하는 주간 식단을 생성·선정하는 맞춤형 식단 추천 절차를 구현하고 예비 실험으로 성능을 평가하였다. 식품 영양 데이터는 USDA FoodData Central의 Foundation Foods 데이터셋에서 에너지(kcal) 및 거대영양소(탄수화물, 단백질, 지방)를 추출하여 사용하였다. 사용자는 성별, 연령, 신장, 체중, 활동계수로 구성된 50명의 가상 합성 프로필로 설정하고, revised Harris-Benedict 방정식으로 기초대사량을 계산한 뒤 활동계수를 곱해 일일 에너지 요구량을 산출하였다. 목표 거대영양소 비율은 탄수화물 55%, 단백질 20%, 지방 25%로 두고 이를 g/day 목표량으로 변환하였다. 추천 단계에서는 CVAE 기반 생성 가이드를 활용해 일일 목표에 근접한 후보를 탐색하고, 에너지 허용범위 및 지방 관련 상한 등의 제약을 만족하는 후보 중 목적함수를 최소화하는 방식으로 하루 식단을 선택한 후, 주간 후보 중 최적안을 선정하였다. 평가 지표로는 목표 대비 상대오차를 사용하였으며, 실험 결과 평균 상대오차는 탄수화물 0.009857, 단백질 0.008933, 지방 0.009718로 나타나, 제안 절차가 목표 거대영양소 조건을 안정적으로 충족함을 확인하였다. 다만 본 예비 실험은 갓상으로 합성된 프로필과 원재료 중심 데이터에 기반하므로, 향후 실제 사용자 및 레시피 단위 데이터로의 확장과 추가 검증이 필요하다.

간질환, 심혈관 질환, 당뇨병은 대표적인 만성질환으로 조기 진단 실패 시 심각한 합병증과 의료비 증가를 초래한다. 본 연구는 건강검진 데이터를 활용하여 세 질환의 위험도를 예측하고, 이를 다중질환 통합 예측 구조로 통합한 머신러닝 기반 예측 모델을 제안하였다. Kaggle 공개 데이터를 전처리한 후 로지스틱 회귀, 랜덤 포레스트, XGBoost 알고리즘을 적용하여 단일 모델을 학습한 결과, 간질환(정확도 0.9000, ROC-AUC 0.9525), 심혈관 질환(정확도 1.0000, ROC-AUC 1.0000), 당뇨병(정확도 0.7546, ROC-AUC 0.8302)으로 평가되었다. 이후 metadata merge 기반 스태킹 구조를 적용한 다중질환 통합 예측 모델은 정확도 0.9268, ROC-AUC 0.9469를 기록하며 단일 모델 대비 약 2~10%p 수준의 성능 향상을 보였다. 본 연구는 건강검진 데이터만으로 복합 질환의 상호작용을 반영한 조기 예측 가능성을 제시하며, 향후 비선형 메타 학습기와 다양한 모달리티 통합을 통한 고도화 가능성을 확인하였다.

본 연구는 single-cell RNA sequencing(scRNA-seq) 데이터를 활용하여 미세아교세포(microglia)의 노화 상태를 예측하는 머신러닝 기반 분류 모델을 제안한다. Tabula Muris Senis 프로젝트의 생쥐 뇌 myeloid 세포 데이터를 기반으로 총 13,130개의 microglia 세포를 선별하고, 연령 정보를 이용하여 young과 aged 그룹으로 라벨링하였다. 데이터는 stratified 80/20 train-test 분할을 적용하였으며, 학습 데이터 내에서 5-fold stratified cross-validation을 수행하여 모델 안정성을 평가하였다. 노화 상태 예측을 위해 Highly Variable Genes(HVG) 기반 표현과 PCA 기반 latent representation을 구성하고, Logistic Regression과 LightGBM 모델을 비교하였다. 그 결과, HVG 기반 LightGBM 모델이 독립 test set에서 AUC 0.994, F1-score 0.977, balanced accuracy 0.965의 가장 우수한 성능을 보였으며, PCA 기반 표현은 상대적으로 낮은 성능(AUC 0.877)을 나타냈다. 또한 SHAP 분석을 통해 노화 microglia 분류에 기여하는 핵심 유전자를 도출하였다. 상위 기여 유전자들은 microglia 활성화, 염증 반응, 단백질 항상성 및 세포 스트레스 경로와 관련된 것으로 확인되었다. SHAP 기여도 1위로 나타난 Xist의 성별 혼란 변수 가능성을 검증하기 위해 Xist를 제외하고 재학습을 수행한 결과, 모델 성능은 유지되었으며(AUC 0.994), 이는 모델이 성별 차이가 아닌 노화 관련 전사체 패턴을 학습하고 있음을 시사한다. 본 연구는 독립적 검증 전략과 해석 가능한 머신러닝 접근을 통해 microglia 노화의 전사체적 특징을 정량적으로 규명하고, 신경염증 및 정신건강 관련 생물학적 신호를 탐색할 수 있는 공학적 분석 프레임워크를 제시한다.

위의 논문을 아래와 사유로 철회 및 조치하였음을 공지합니다. - 철회사유 : 산업체 지식재산권 침해 우려 - 조치사항 ① 원문서비스 사이트에 해당 논문에 대한 철회 사실과 사유를 명기하여 공개 및 보존 조치 ② 관리기관 홈페이지를 통해 공지 ③ 재단에 해당 내용에 대한 세부사항 통보 ④ 연구비 지원을 받아 작성된 논문의 경우 해당 연구지원기관에 세부 사항 통보 ⑤ 논문저자의 소속기관에 세부사항 통보