• 생명과학회지
• /
• 제29권2호
• /
• pp.173-180
• /
• 2019

Amyloid ${\beta}$-단백질($A{\beta}$)은 알츠하이머 질병의 특징인 노인성 반점의 주요 성분이며 in vivo와 in vitro에서 신경세포를 대상으로 독성효과를 유발한다. 항산화물질과 프로테오글리칸을 포함한 많은 환경인자들에는 $A{\beta}$의 독성을 완화하는 물질들이 존재한다. 특히, 천연물질들 중에서 자신은 독성이 없으며, 알츠하이머 환자에게 치료효능을 나타내는 천연화합물들을 순수 분리하는 것은 매우 가치가 있다. 본 연구에서는 소엽맥문동의 메탄올 추출물로부터 에틸아세테이트 유기용매로 분획한 물질(OJEA)을 대상으로 in vitro상에서 신경세포독성 제어효능을 탐색하였다. 본 실험을 위해 PC12 세포주에 $A{\beta}_{25-35}$로 유발한 독성에 대한 OJEA 분획물의 억제효능을 MTT 환원법 분석으로 측정하였으며, ${\beta}$-secretase 활성에 대한 OJEA 분획물의 억제효능을 세포기반 ${\beta}$-secretase assay system으로 측정하였다. 또한 PC12 세포에서 $A{\beta}_{25-35}$에 의해 유도된 산화적 스트레스에 대한 OJEA 분획물의 억제효과를 지질과산화 분석법으로 수행하였다. 본 연구의 결과는 OJEA 분획물이 PC12 세포에서 $A{\beta}_{25-35}$에 의해 유도된 세포독성을 강하게 예방 또는 억제하는 효과가 있음을 확인하였으며, 또한 ${\beta}$-secretase의 활성을 억제함으로써 $A{\beta}$의 생성을 완화하는 효과를 예상할 수 있었다. OJEA 분획물은 또한 PC12 세포에서 $A{\beta}_{25-35}$에의 노출에 의하여 유도되는 malondialdehyde (MDA)의 생성을 강하게 억제하였다. 결론적으로, 본 연구의 결과에 의하면 OJEA 분획물에는 $A{\beta}$ 독성에 대한 신경세포의 보호효능을 함유하는 생리활성물질이 함유되어 있음을 제시한다.

• Journal of Plant Biotechnology
• /
• 제49권3호
• /
• pp.240-249
• /
• 2022

본 연구는 인삼 습해 피해 설정을 확립하고 유전자원을 대상으로 엽록소형광 기법을 이용하여 습해 스트레스 수준을 평가하기 위해 수행되었다. 습해 스트레스 평가는 2년생 묘삼 57개 유전자원 대상으로 25일간 지제부까지 담수처리를 하였다. 피해 정도에 따라 5개 등급으로 분류하여 저항성 유전자원 3개, 감수성 유전자원 3개를 선발하였다. 인삼 유전자원 57개의 지하부 생체중 및 엽록소 함량은 대부분 감소하였고 저항성 유전자원보다 감수성 유전자원의 감소율이 크게 나타났다. 5개의 엽록소형광 매개변수는 습해 스트레스에 노출되는 기간이 길어질수록 증감하는 경향을 보였으며, 특히, Fv/Fm값이 0.8보다 낮으면 광계II의 반응중심이 손상을 입은 상태로 감수성 유전자원의 경우 습해 스트레스에 노출될수록 감소하였다. 본 연구결과에서 유전자원 57개의 최대양자수율(Fv/Fm)은 습해 스트레스 하에서 차이를 보였으며, 습해 스트레스에 저항성을 가진 습해 저항성 유전자원과 감수성 유전자원 간의 차이를 확인할 수 있는 매개변수로 판단되어 인삼 유전자원에 대해 습해 스트레스 수준을 평가할 수 있는 도구로 활용 가능하다고 사료된다.

• 적정기술학회지
• /
• 제7권2호
• /
• pp.136-143
• /
• 2021

키리바시를 포함한 태평양 도서국가들은 기후 변화, 지하수 오염 및 식생 변화로 인한 해수면 상승 및 해안 침식으로 인해 생활 공간의 감소 뿐만 아니라 필수 자원 부족으로 고통받고 있다. 이러한 문제를 해결하기 위한 글로벌 활동은 SDGs 이행을 위한 UN의 노력으로 진행되고 있다. 태평양 도서 국가들이 풍부한 해양 자원을 이용하여 기후 변화에 대응하고 적응할 수 있도록 모색해 왔다. 즉, 해수 플랜트는 이러한 태평양 도서 국가에서 SDG # 14를 기반으로 SDG #2, #6 및 #7을 달성하는 데 도움을 줄 수 있다. 선박해양플랜트연구소(KRISO)는 2016년에 설립한 지속가능 해수이용 아카데미(SSUA)를 통해 키리바시 SSUA협회를 결성하고, 해양수산부(MOF)의 해양수산 ODA사업으로 키리바시에 해수플랜트를 지원하였다. 키리바시 SSUA협회는 해수 및 태양에너지를 이용하는 해수플랜트를 이용하여, 2018년부터 2020년까지 지역 사회에 식수와 채소를 공급하는 공익사업을 하고 있다. 역량강화 과정을 통해 키리바시 SSUA협회는 기술 이전을 받았고, 지역사회에 수경재배 시스템의 설치, 모종과 비료 보급, 재배관리 기술지도 및 모니터링을 실시하였다. 협회는 3년 동안 140여 가구에 수경재배 시스템(일부는 태양광발전 패널 제공)을 보급하고, 다양한 채소를 재배하여 자가 소비 또는 판매하게 하였다. 또한, 태양광발전 연계 해수담수화 시스템을 설치하여 식수를 공급하도록 하고 있다. 만족도 조사를 통해 대부분의 수혜 가구가 만족하였고, 주변 지역 및 도서로 보급확산을 희망하고 있음을 알 수 있었다. 따라서, 키리바시 SSUA협회는 공동체 이용 및 관리 체계화를 지원하는 자활사업을 추진할 계획이며, 이러한 활동은 태평양 도서국가들의 SDGs 달성을 지원하기 위한 ODA 프로그램으로 확산될 수 있을 것이다.

• 자원리싸이클링
• /
• 제32권1호
• /
• pp.50-59
• /
• 2023

전기로에서 고철(Scrap)의 용해과정에서 발생되는 분진량은 고철장입량의 약1.5%정도이며, 주로 백필터(Bag Filter)에서 포집된다. 전기로 제강분진의 주요한 구성원소인 아연(Zn)과 철(Fe)중에서 아연성분은, 제강분진에 탄소계의 환원재(코크스, 무연탄)와 석회석(C/S제어)을 첨가하여 Pellet형태로 가공한 후에 반응로(Rotary Kiln 또는 RHF)에 장입하여 환원, 휘발, 재산화의 단계적인 세부반응을 거쳐서, 60wt%Zn을 함유한 조산화아연(Crude Zinc Oxide)으로 회수된다. 한편 제강분진 중의 철(Fe)성분은, Fe-Base의 Clinker(2차부산물)라고 하는 고형물의 형태로 반응기로부터 배출된다. 기존의 Fe-Clinker의 처리방법은, 각국의 상황에 따라서 다양한 방안들이 시행되고 있는데, 대표적인 처리방법으로는 매립, 재활용(로반재, 콘크리트용 골재, 시멘트제조용 Fe-Source), 그 외에 다양한 처리방법들이 있다. 이들 방법들 중에서 매립의 경우는, 침출수에 의한 환경오염, 고가의 매립비용, Fe자원의 낭비 등의 이유로, 결코 바람직한 처리방법이라고 할 수는 없다. 그러나 Fe-Clinker중의 Fe성분을 전기로를 이용하여 직접적으로 재활용하는 방법에 대한 연구결과는 거의 찾아볼 수 없었다. 따라서 본 연구에서는 Fe-Clinker중의 Fe성분을 보다 적극적으로 회수하기 위한 방법으로서, 먼저 Fe-Clinker를 분쇄하고 이어서 비중선별과 자력선별을 순차적으로 실시하여, Fe-성분이 농축된 조분(Coarse particle, >약10㎛)과 슬래그성분을 주로 함유한 미분(Fine particle, <약10㎛)으로 분리하였다. 이렇게 분리한 조분에 탄소계 환원제(코크스, 무연탄)와 점결재(전분)를 첨가하여 단광 Clinker를 제조하여, 전기로에 고철을 장입할 때에 소량(1~3wt%)의 단광Clinker를 함께 장입하여, 단광Clinker의 첨가재(가탄재, Fe-Source, 발열재 등으로서의 역할)로서의 사용가능성을 조사하였다. 그 결과, 비록 소량이지만, 전력원단위와 생산수율이 다소 향상되는 효과를 나타내었으며, 용융금속에 대한 가탄효과도 확인할 수 있었다.

• 마케팅과학연구
• /
• 제18권4호
• /
• pp.61-118
• /
• 2008

본 연구는 국내외 프랜차이즈의 해외진출에 대한 연구들을 바탕으로 국제프랜차이징연구의 전체적인 연구체계를 세워보고, 연구체계를 형성하고 있는 연구요인들을 확인하여 각 연구요소별로 이루어지는 연구주제와 내용을 살펴보고, 앞으로의 연구주제들을 제안하고자 한다. 주요한 연구요소들은 국제프랜차이징의 동기 및 환경 요소과 진출의사결정, 국제프랜차이징의 진입양식 및 발전전략, 국제프랜차이징의 운영전략 및 국제프랜차이징의 성과이다. 이외에도 국제프랜차이징 연구에 적용할 수 있는 대리인이론, 자원기반이론, 거래비용이론, 조직학습이론 및 해외진출이론들을 설명하였다. 또한 국제프랜차이징연구에서 보다 중점적으로 개발해야 할 질적, 양적 방법론을 소개하였으며, 마지막으로 국내연구의 동향을 정리하여 추후의 연구방향을 종합적으로 정리하였다.

• 지능정보연구
• /
• 제26권3호
• /
• pp.71-90
• /
• 2020

최근 전 세계 보험업계에도 기계학습, 자연어 처리, 딥러닝 등의 인공지능 기술 활용을 통한 디지털 전환이 급속도로 확산하고 있다. 이에 따라 인공지능 기술을 기반으로 한 인슈어테크와 플랫폼 비즈니스 성공을 이룬 해외 보험사들도 증가하고 있다. 대표적으로 중국 최대 민영기업인 평안보험그룹은 '금융과 기술', '금융과 생태계'를 기업의 핵심 키워드로 내세우며 끊임없는 혁신에 도전한 결과, 인슈어테크와 디지털플랫폼 분야에서 괄목할만한 성과를 보이며 중국의 글로벌 4차 산업혁명을 선도하고 있다. 이에 본 연구는 평안보험그룹 인슈어테크와 플랫폼 비즈니스 활동을 ser-M 분석 모델을 통해 분석하여 국내 보험사들의 인공지능 기술기반 비즈니스 활성화를 위한 전략적 시사점을 제공하고자 했다. ser-M 분석 모델은 기업의 경영전략을 주체, 환경, 자원, 메커니즘 관점에서 통합적으로 해석이 가능한 프레임으로, 최고경영자의 비전과 리더십, 기업의 역사적 환경, 다양한 자원 활용, 독특한 메커니즘 관계가 통합적으로 해석되도록 연구하였다. 사례분석 결과, 평안보험은 안면·음성·표정 인식 등 핵심 인공지능 기술을 활용하여 세일즈, 보험인수, 보험금 청구, 대출 서비스 등 업무 전 영역을 디지털로 혁신함으로써 경비 절감과 고객서비스 발전을 이루었다. 또한 '중국 내 온라인 데이터'와 '회사가 축적한 방대한 오프라인 데이터 및 통찰력'을 인공지능, 빅데이터 분석 등 신기술과 결합하여 금융 서비스와 디지털 서비스 사업이 통합된 디지털 플랫폼을 구축하였다. 이러한 평안보험그룹의 성공 배경을 ser-M 관점에서 분석해 보면, 창업자 마밍즈 회장은 4차 산업혁명 시대의 디지털 기술발전, 시장경쟁 및 인구 구조의 변화를 빠르게 포착하여 새로운 비전을 수립하고 디지털 기술중시의 민첩한 리더십을 발휘하였다. 환경변화에 대응한 창업자 주도의 강력한 리더십을 바탕으로 인공지능 기술 투자, 우수 전문인력 확보, 빅데이터 역량 강화 등 내부자원을 혁신하고, 외부 흡수역량의 결합, 다양한 업종 간의 전략적 제휴를 통해 인슈어테크와 플랫폼 비즈니스를 성공적으로 끌어냈다. 이와 같은 성공사례 분석을 통하여 인슈어테크와 디지털플랫폼 도입을 본격 준비하고 있는 국내 보험사들에게 디지털 시대에 필요한 경영 전략과 리더십에 대한 시사점을 줄 수 있다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.105-129
• /
• 2020

본 연구는 부도위험 예측을 위해 K-IFRS가 본격적으로 적용된 2012년부터 2018년까지의 기업데이터를 이용한다. 부도위험의 학습을 위해, 기존의 대부분 선행연구들이 부도발생 여부를 기준으로 사용했던 것과 다르게, 본 연구에서는 머튼 모형을 토대로 각 기업의 시가총액과 주가 변동성을 이용하여 부도위험을 산정했으며, 이를 통해 기존 방법론의 한계로 지적되어오던 부도사건 희소성에 따른 데이터 불균형 문제와 정상기업 내에서 존재하는 부도위험 차이 반영 문제를 해소할 수 있도록 하였다. 또한, 시장의 평가가 반영된 시가총액 및 주가 변동성을 기반으로 부도위험을 도출하되, 부도위험과 매칭될 입력데이터로는 비상장 기업에서 활용될 수 있는 기업 정보만을 활용하여 학습을 수행함으로써, 포스트 팬데믹 시대에서 주가 정보가 존재하지 않는 비상장 기업에게도 시장의 판단을 모사하여 부도위험을 적절하게 도출할 수 있도록 하였다. 기업의 부도위험 정보가 시장에서 매우 광범위하게 활용되고 있고, 부도위험 차이에 대한 민감도가 높다는 점에서 부도위험 산출 시 안정적이고 신뢰성 높은 평가방법론이 요구된다. 최근 머신러닝을 활용하여 기업의 부도위험을 예측하는 연구가 활발하게 이루어지고 있으나, 대부분 단일 모델을 기반으로 예측을 수행한다는 점에서 필연적인 모델 편향 문제가 존재하고, 이는 실무에서 활용하기 어려운 요인으로 작용하고 있다. 이에, 본 연구에서는 다양한 머신러닝 모델을 서브모델로 하는 스태킹 앙상블 기법을 활용하여 개별 모델이 갖는 편향을 경감시킬 수 있도록 하였다. 이를 통해 부도위험과 다양한 기업정보들 간의 복잡한 비선형적 관계들을 포착할 수 있으며, 산출에 소요되는 시간이 적다는 머신러닝 기반 부도위험 예측모델의 장점을 극대화할 수 있다. 본 연구가 기존 머신러닝 기반 모델의 한계를 극복 및 개선함으로써 실무에서의 활용도를 높일 수 있는 자료로 활용되기를 바라며, 머신러닝 기반 부도위험 예측 모형의 도입 기준 정립 및 정책적 활용에도 기여할 수 있기를 희망한다.

• 지능정보연구
• /
• 제19권1호
• /
• pp.19-33
• /
• 2013

본 논문에서는 네트워크 기반 대용량의 자원들을 효율적으로 검색하기 위해 사용자의 요구사항에 기반해 검색에 요구되는 태그들 간의 의미론에 기반한 동적 가상 온톨로지(Dynamic Virtual Ontology using Tags: DyVOT)를 추출하고 이를 이용한 동적 검색 방법론을 제안한다. 태그는 소셜 네트워크 서비스를 지원하거나 이로부터 생성되는 정형 및 비정형의 다양한 자원들에 대한 자원을 대표하는 특성을 포함하는 메타적 정보들로 구성된다. 따라서 본 연구에서는 이러한 태그들을 이용해 자원의 관계를 정의하고 이를 검색 등에 활용하고자 한다. 관계 등의 정의를 위해 태그들의 속성을 정의하는 것이 요구되며, 이를 위해 태그에 연결된 자원들을 이용하였다. 즉, 태그가 어떠한 자원들을 대표하고 있는 지를 추출하여 태그의 성격을 정의하고자 하였고, 태그를 포함하는 자원들이 무엇인지에 의해 태그간의 의미론적인 관계의 설정도 가능하다고 보았다. 즉, 본 연구에서 제안하는 검색 등의 활용을 목적으로 하는 DyVOT는 태그에 연결된 자원에 근거해 태그들 간의 의미론적 관계를 추출하고 이에 기반 하여 가상 동적 온톨로지를 추출한다. 생성된 DyVOT는 대용량의 데이터 처리를 위해 대표적인 예로 검색에 활용될 수 있으며, 태그들 간의 의미적 관계에 기반해 검색 자원의 뷰를 효과적으로 좁혀나가 효율적으로 자원을 탐색하는 것을 가능하도록 한다. 이를 위해 태그들 간의 상하 계층관계가 이미 정의된 시맨틱 태그 클라우드인 정적 온톨로지를 이용한다. 이에 더해, 태그들 간의 연관관계를 정의하고 이에 동적으로 온톨로지를 정의하여 자원 검색을 위한 동적 가상 온톨로지 DyVOT를 생성한다. DyVOT 생성은 먼저 정적온톨로지로부터 사용자 요구사항을 포함하는 태그를 포함한 부분-온톨로지들을 추출하고, 이들이 공유하는 자원의 정도에 따라 부분-온톨로지들 간의 새로운 연관관계 여부를 결정하여 검색에 요구되는 최소한의 동적 가상 온톨로지를 구축한다. 즉, 태그들이 공유하는 자원이 무엇인가에 의해 연관관계가 높은 태그들 간에는 이들의 관계를 설명하는 새로운 클래스를 가진 생성된 동적 가상 온톨로지를 이용하여 검색에 활용한다. 온톨로지의 인스턴스는 자원으로 정의되고, 즉 이는 사용자가 검색하고자 하는 해로서 정의된다. 태그들 간의 관계에 의해 생성된 DyVOT를 이용해 기존 정적 온톨로지나 키워드 기반 탐색에 비해 검색해야 할 자원의 량을 줄여 검색의 정확성과 신속성을 향상 시킨다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.