60초마다 3차원 마이크로 구조물을 연속적으로 인쇄할 수 있는 새로운 체적 적층 제조 기술이 개발됐다. UNIST 기계공학과 정임두 교수팀은 3차원 인쇄를 한층 단위가 아닌 불륨 단위로 하고, 연속 공정으로 다양한 형상을 빠르게 제조할 수 있는 ‘디스펜싱 체적 3D 제조(Dispensing Volumetric Additive Manufacturing)’ 기술을 개발했다고 29일 밝혔다. 개발된 디스펜싱 체적 3D 프린팅 기술은 피펫 끝에 맺힌 액체 원료 방울에 빛을 쏴 원하는 모양대로 굳혀(경화) 형상을 만드는 방식이다. 형상이 다 경화되면 공기압으로 피펫에서 액체 방울을 밀어내고, 새로운 액체 방울을 만든다. 한 층씩 쌓아 올려 형상을 만드는 일반적인 3D 프린팅 기술(layer-by-layer)과 달리 한 번에 형상 전체 볼륨을 만들 수 있어 제작 시간을 크게 단축할 수 있고, 층을 매끄럽게 다듬기 위한 별도의 후처리도 필요 없다. 기존에도 형상을 한 번에 만드는 체적 3D 프린팅 기술들이 있었지만, 체적 3D 프린팅 기술 중 하나인 회전 축 리소그래피(Computed Axial Lithography, CAL)는 매 인쇄 주기마다 원통형 용기에 수지를 채우고, 균일한 조사를 위해 굴절률 매칭 용액을 사용하며, 인쇄된 물체를 용기로부터 꺼내야 하는 작업이 필요해 다수 부품을 연속적으로 대량 생산하기 어려웠다. 연구팀은 수지가 담긴 별도의 용기 대신 유리 피펫에서 분사되는 단일 수지 방울 내에서 인쇄와 배출이 이루어지는 DVAM 기술을 개발해 이 문제를 해결했다. 수지 방울 자체가 인쇄 볼륨 역할을 하며, 회전하는 동안 단면 조사를 통해 용기와 굴절률 매칭 매질 없이도 수지 전체를 균일하게 경화시킬 수 있다. 인쇄 후 경화된 구조물은 기판 위로 배출되며, 다음 방울이 즉각적으로 공급돼 고속 연속 생산이 가능하다. 기술 개발의 가장 큰 난관은 액적의 둥근 표면 때문에 생기는 빛의 굴절이었다. 연구팀은 인공지능과 역 광선 추적의 광학 계산 기술을 결합해 이를 해결했다. 딥러닝 기반 사물 인식 AI가 액적의 곡률과 윤곽을 실시간으로 인식하면, 이를 바탕으로 빛의 굴절 경로를 계산하여 왜곡 및 경화에 필요한 에너지를 미리 수학적으로 보정한 패턴을 투사한 것이다. 이를 바탕으로 ‘에펠탑’이나 ‘생각하는 사람’과 같은 복잡한 구조를 프린팅할 수 있으며, 프린팅 시간 및 프린팅 외 작업 시간을 포함해서 10분 안에 각기 다른 10개 형상들을 제조할 수 있다. 구조물 하나를 만드는데 걸리는 시간은 60초 내외였다. 제 1 저자로 참여한 전홍령 학생은 “기존 3D 프린팅 원리와는 다르게 전체 형상을 볼륨 단위로 한번에 경화시키고, 또한 별도의 추가 공정없이 연속으로 바로 디스펜싱하도록 하여 3D 프린팅 속도를 백배 이상 향상 시켰다”며, “서로 다른 형상의 3차원 마이크로 부품을 쾌속으로 대량 생산할 수 있는 가능성을 보여주었다”고 했다. 연구를 총괄한 교신 저자인 정임두 교수는 “맞춤형 제조가 가능한 3D 프린팅 기술의 경우 느린 제조 속도가 항상 단점으로 지적되는데, 기존 광경화 방식에서 벗어나 전체 볼륨을 한번에 생산하고, 이때 발생하는 광학적 왜곡 한계를 인공지능 기술로 해결함으로써 초고속 3D 프린팅의 가능성을 한 단계 끌어올린 사례”라며, “이제는 원하는 형상을 제조하기 위해 오래 기다릴 필요 없이, 즉석에서 수십초 내에 만들 수 있는 시대가 되었다“고 했다. 연구 결과는 재료 과학 분야 세계적 학술지 (Impact Factor: 19.0, JCR 상위 5% 이내)인 ‘어드밴스드 펑셔널 머티리얼즈(Advanced Functional Materials)’에 3월 21일 온라인으로 게재되었다. 연구 수행은 과학기술정보통신부 한국연구재단과 정보통신기획평가원 및 산업통상자원부의 기술개발사업 지원으로 이뤄졌다.

헤르페스 바이러스가 활성화될 때 입술 주변에 올라오는 염증은 바이러스에 감염된 세포를 제거하려는 면역 반응의 결과다. 이 과정에서 우리 몸의 선천 면역 센서인 AIM2가 작동하게 되는데, 이 센서가 바이러스 DNA의 반복 코드를 인식함으로써 염증 반응과 감염 세포 사멸을 유도하는 것으로 드러났다. UNIST 생명과학과 이상준 교수팀은 성균관대, 제주대, IBS 한국바이러스기초연구소와의 공동연구를 통해 헤르페스 바이러스 DNA 상의 ‘poly(T)’ 반복 서열이 면역 반응을 유도한다는 사실을 규명했다고 27일 밝혔다. 헤르페스 제1형 바이러스는 전 세계 인구의 약 67%가 감염돼 있을 정도로 흔한 바이러스이다. 평소에는 면역계의 공격이 어려운 신경절에 숨어 있다가 면역 감시가 느슨해진 틈을 타 숙주 피부 세포를 감염시킨다. AIM2는 방어를 위해 출동한 숙주 대식세포 안에서 바이러스를 감지하는 센서 역할의 단백질이다. 연구에 따르면, AIM2는 바이러스 DNA 중 티민(T) 염기 분자가 길게 반복된 poly(T) 구간을 인식해 바이러스를 감지한다. 똑같은 제1형 헤르페스 바이러스라도 균주별로 면역 반응 강도가 달랐는데, 균주 DNA상에 poly(T) 서열이 있는 경우에만 AIM2가 활성화되며 염증 반응과 감염 세포 사멸이 일어난 것이다. 반대로 이 서열이 없거나 티민 염기 분자 20개 미만의 짧은 구간만 가진 균주에서는 이러한 반응이 거의 나타나지 않았다. 다른 균주에 이 서열을 넣어주면 면역 반응이 새롭게 유도됐으며, 반복 서열의 길이가 길수록 반응이 강해지는 ‘길이 의존성’도 확인됐다. 또 동물 실험에서 poly(T) 반복 서열이 있는 바이러스에 감염된 경우 염증 반응이 유도되며 바이러스 증식이 억제된반면, 이 서열이 제거된 바이러스에 감염되면 면역 반응이 거의 일어나지 않고 바이러스가 빠르게 증식해 치명적인 감염으로 이어졌다. 연구팀은 이 poly(T) 반복 서열이 엠폭스바이러스, 아데노바이러스, 코로나바이러스 등 다양한 감염병 바이러스군에서도 폭넓게 보존되어 있다는 점도 방대한 유전체 데이터 분석을 통해 찾아냈다. 이상준 교수는 “인체 면역 센서가 생각보다 훨씬 정교하게 바이러스를 인식한다는 사실을 새롭게 밝혔다”며 “바이러스 자체를 직접 공격하는 치료법이 아닌 면역 센서의 활성도를 조절하는 치료법이 새로운 대안으로 주목받고 있는데, 이번 발견은 이러한 맞춤형 면역 조절 신약 개발의 이론적 토대가 될 것”이라고 말했다. 이 교수는 이어 “이번에 확인된 반복 서열은 헤르페스뿐만 아니라 중증 질환을 유발하는 다양한 감염병 바이러스에서도 공통으로 보존되어 있기 때문에, 실제 환자의 질병 중증도와 바이러스 유전체 서열의 연관성을 추가로 규명해 다양한 감염병의 치료 전략을 설계하는 데 도움이 될 것”이라고 덧붙였다. 이번 연구는 성균관대학교 이주상 교수, 제주대학교 김의태 교수, 기초과학연구원 한국바이러스기초연구소 최영기 소장팀과의 공동 연구를 통해 수행된 융합 연구 성과이며, 연구 결과는 국제학술지 네이처 커뮤니케이션즈(Nature Communications)에 4월 13일 온라인 게재됐다. 연구 수행은 한국연구재단(NRF) 우수신진연구사업, 국가신약개발사업(KDDF), 보건복지부 산하 한국보건산업진흥원(KHIDI) 글로벌 의사과학자 양성사업, 한국형 ARPA-H 사업, 농림축산검역검사기술개발사업, 기초과학연구원(IBS), 질병관리청 국립보건연구원 사업, 동그라미재단, 그리고 유한양행의 지원을 받아 이뤄졌다.

손톱만 한 반도체 칩부터 수미터 발전소 배관에 이르기까지, 예측 대상의 크기가 변해도 열이 퍼지는 경로와 힘이 집중되는 부위를 AI가 잘 예측할 수 있도록 돕는 기술이 나왔다. UNIST 반도체소재·부품대학원 정창욱 교수팀은 새로운 입력 데이터를 기존에 학습한 데이터 기준에 맞게 재정렬하는 ‘π-불변 테스트 시점 보정(π-invariant test-time projection)’ 알고리즘을 개발했다고 26일 밝혔다. 이번 연구 결과는 인공지능 분야 3대 국제학회로 꼽히는 국제표현학습학회(ICLR) 2026에 채택됐다. 반도체 공정이나 패키징에서는 열이 퍼지는 경로와 힘이 집중되는 부위를 빠르게 예측하기 위해 인공지능 모델을 활용하고 있지만, 모델이 학습 과정에서 경험하지 못한 아주 크거나 작은 단위의 데이터가 입력되면 예측 정확도가 떨어진다. 연구팀이 개발한 알고리즘은 ‘학습 범위 밖의 입력’을 물리 법칙을 지키면서 학습 범위 안의 ‘익숙한 형태’로 바꿔주는 역할을 한다. 새로운 입력 데이터가 들어오면, 먼저 π 값을 기준으로 기존에 학습한 데이터 중 물리적으로 가장 유사한 데이터를 찾아, 그와 비슷한 조건으로 맞춘 뒤에야 인공지능 모델에 입력해 계산하도록 하는 것이다. π 값은 주어진 물리 방정식에서 길이, 온도, 힘처럼 단위를 가진 물리량을 조합해 만든 무차원 비율로, 이 값이 같으면 크기가 달라도 본질적으로 같은 물리 상태로 볼 수 있다는 ‘버킹엄 π 정리(Buckingham π theorem)’에 기반한 기술이다. 이 알고리즘은 별도의 재학습 없이도 기존 인공지능 모델에 그대로 붙여 사용할 수 있어 경제적이다. 입력 데이터를 로그 공간에서 변환해 물리적 비율(π 값)을 유지하도록 맞추는 방식이기 때문에, 모델 구조나 학습 과정은 건드릴 필요가 없기 때문이다. 또 학습 데이터를 전부 일일이 비교하는 대신 비슷한 데이터끼리 묶어 대표 값만 비교하는 방식을 적용해 계산 부담도 줄였다. 기존의 전수 비교보다 약 1/100 수준의 비용으로도 빠르게 입력을 보정할 수 있다. 이 기법을 2차원 열전도와 선형 탄성 문제에 적용한 결과, 기존 모델이 어려워하던 새로운 조건에서도 안정적인 예측이 가능해졌고, 평균절대오차는 최대 약 91%까지 감소했다. 유체 역학의 난제로 불리는 나비에-스토크스(Navier–Stokes) 방정식에도 적용했을 때도 비슷한 성능 개선 효과가 확인됐다. 나비에-스토크스 방정식은 물이나 공기 같은 유체의 움직임을 설명하는 수식으로, 항공기 설계 등에 필수적이지만 계산이 매우 어려운 것으로 알려져 있다. 개발된 알고리즘은 외력이 없는 이상적인 경우뿐 아니라 외력이 작용해 π 값이 완전히 유지되지 않는 경우에도 정확도 개선 효과를 유지했다. 연구팀은 “반도체 칩의 열 설계, 패키지 신뢰성 평가, 배터리 열관리, 구조물 안전 해석 등 크기와 조건이 계속 달라지는 다양한 공학 시뮬레이션에서 계산 시간과 비용을 줄이는 데 활용될 수 있을 것”이라고 기대했다. 이번 연구는 과학기술정보통신부 한국연구재단의 나노·소재기술개발사업, 정보통신기획평가원(IITP)의 AI대학원지원사업 등의 지원을 받아 수행됐다.

퀀텀닷(양자점) 화소를 차세대 XR 글라스에 적용할 수 있는 수준으로 작고 반듯하게 패터닝해 낼 수 있는 기술이 개발됐다. 대낮 야외에서도 선명하게 볼 수 있을 정도로 밝고 또렷한 퀀텀닷 XR 글라스에 대한 기대감이 높아지고 있다. UNIST 화학과 김봉수 교수와 서강대 강문성 교수, 한국전자통신연구원(ETRI) 강찬모 박사 연구팀은 퀀텀닷을 손상시키지 않고 마이크로 패터닝할 수 있는 디스플레이 기술을 개발했다고 23일 밝혔다. 밝기와 색 순도가 뛰어난 퀀텀닷을 스마트 글라스 같은 XR 기기에 쓰려면, 1인치당 3,000개의 화소가 들어갈 수 있을 정도로 화소 크기를 줄이는 마이크로 패터닝이 필요하다. 눈앞에 바로 화면이 펼쳐지는 기기 특성상, 화소가 크면 모기장처럼 나타나 몰입감을 떨어뜨리고 눈 피로를 유발하기 때문이다. 연구팀이 개발한 기술은 퀀텀닷 화소를 머리카락 굵기보다 수십 배 얇은 2마이크로미터(㎛) 크기로 작게 패터닝할 수 있다. 실험에서 1인치당 4,000개의 퀀텀닷 화소를 집적하는 4000 PPI(Pixel Per Inch)의 초고해상도를 달성했으며, 이를 넓이로 환산하면 동전 크기만 한 공간에 1,000만 개 이상의 화소를 집적한 수준이다. 무엇보다 퀀텀닷의 손상이 없고, 화소의 모양과 배열이 설계된 대로 정확히 나온다. 포토레지스트(감광액)막을 ‘틀’로 사용하는 새로운 공법과 자체 개발한 첨가제(가교제)가 비결이다. 포토레지스트는 반도체 공정에서 빛으로 미세한 회로를 그릴 때 쓰이는 소재다. 연구진은 빛을 이용해 포토레지스트막에서 퀀텀닷 잉크가 배열될 공간들을 미리 도려내고, 그 위에 퀀텀닷 잉크를 얇게 도포하는 방식을 썼다. 틀 역할을 했던 포토레지스트막만을 용매로 제거하면 네모 반듯한 퀀텀닷 화소만 남게 된다. 특히 퀀텀닷 잉크 속에는 특수 첨가제(Diazo-4-LiXer)가 들어있어, 포토레지스트를 용매로 벗겨낼 때 퀀텀닷 잉크가 같이 씻겨 나가지 않는다. 용매로 제거하기 전 가열해 첨가제를 활성화시키면, 퀀텀닷 입자들이 서로 단단히 고정돼 모양이 유지되는 원리다. 자외선 활성화 방식과 달리 자외선의 고에너지 때문에 발생하는 손상이 없으며, 열 활성화 온도도 110도로 낮아 열 손상도 차단했다. 또 연구팀은 10x10 배열의 풀컬러 RGB 퀀텀닷 발광다이오드(QD-LED) 어레이를 실제 제작해 안정적인 빛을 내는 것을 확인하며 상용화 가능성도 입증했다. 김봉수 교수는 “이번 성과는 퀀텀닷 고유의 우수한 발광 특성을 유지하면서도 초고해상도 패터닝이 가능한 마이크로 제조 공정”이라며, “최근 애플과 삼성이 눈독을 들이며 격돌하고 있는 차세대 XR 글라스와 마이크로디스플레이 시장에서 기술 경쟁력을 확보하는 데 기여할 것”이라고 밝혔다. 이번 연구는 ‘삼성미래기술육성사업’, 과학기술정보통신부와 한국연구재단이 추진하는 ‘나노 및 소재기술개발사업(국가전략기술소재개발)’ 및 ‘개인기초연구사업(중견연구)’의 지원을 받아 수행됐으며, 연구 결과는 세계적인 학술지인 ‘네이처 커뮤니케이션즈(Nature Communications)’ 온라인판에 지난달 19일 공개됐다.

UNIST가 피지컬 AI 기술의 핵심인 강화학습 분야에서 국제적 연구 경쟁력을 입증했다. 강화학습은 AI가 환경과 상호작용하며 시행착오를 통해 최적의 행동을 스스로 찾아내는 학습 방식으로, 로봇이나 자율주행차가 불확실하고 예측 불가능한 현실 물리 환경에 직접 부딪히며 상황을 인지하고 돌발 변수에 대처하도록 만들 수 있어 피지컬 AI 시대의 필수 기술로 꼽히고 있다. UNIST는 인공지능대학원 한승열 교수팀의 연구 성과 논문 3편이 오는 23일 브라질 리우데자네이루에서 열리는 표현학습국제학회(ICLR)에 채택되는 쾌거를 올렸다고 21일 밝혔다. ICLR은 신경정보처리시스템학회(NeurIPS), 국제머신러닝학회(ICML)와 함께 세계 3대 AI 학회로 꼽힌다. 이번 성과는 3건은 모두 강화학습 분야에서 나왔다. 각각 ‘자기 개선 스킬 학습법(SISL)’, ‘엄격한 하위 목표 실행 기술(SSE)’, ‘연속적 하위 가치 Q-러닝(S2Q) 알고리즘’이다. ■ 엉터리 데이터로 ‘스킬’ 배운 AI, 스스로 깨우쳐 복잡한 임무 완수한다! 자기 개선 스킬 학습법(SISL)은 오류가 섞인 현장 수집 데이터로 AI 로봇 등을 잘 학습시킬 수 있게 하는 기술이다. 강화학습에는 길고 복잡한 작업을 해결하기 위해 로봇 등의 행동을 스킬이라는 단위로 쪼개어 학습시키는 방식이 있다. 예를 들어 주방용 로봇을 만든다면, 냉장고나 싱크대를 ‘여닫는 행위’, 싱크대나 스토브 같은 목표 장소로 ‘이동하는 행위’를 독립된 스킬로 정의해 학습시키는 것이다. 문제는 이 AI 로봇이 스킬을 익힐 때 교재로 삼는 실제 수집 데이터에 기기 노후화나 센서 오류로 인한 심각한 노이즈가 섞여 있는 경우다. 연구팀이 제시한 SISL은 심각한 노이즈가 포함된 저품질 데이터 환경에서도 자가 개선 메커니즘을 통해 더 유용한 스킬을 능동적으로 발견하고, 스킬 모델 내의 노이즈를 지속적으로 제거하여 고품질의 스킬 라이브러리를 구축할 수 있다. 연구팀은 "기존 시스템과 달리 작업을 수행하는 상위 수준 정책과 스킬 자체를 발전시키는 개선 정책을 분리하는 구조에, 보상 예측 모델을 활용한 '최대 리턴 재라벨링(Maximum return relabeling)' 우선순위 기법을 접목한 기술"이라고 설명했다. 연구는 이상현 연구원이 제1저자로 참여했다. ■ 여러 단계 거쳐야 하는 일도 덜 헤매고 끝까지 해낸다! 강화학습 기반 AI가 여러 단계를 거쳐야 하는 복잡한 작업에서, 중간에 엉뚱한 선택을 반복하지 않고 끝까지 수행하도록 만드는 기술도 개발했다. AI 로봇이 ‘컵을 꺼내 식탁에 놓기’ 같은 일을 하려면 이동, 문 열기, 물건 집기처럼 여러 단계를 순서대로 거쳐야 한다. 기존 방식은 이런 과정을 중간 목표로 나눠 학습하지만, 실제로는 수행하기 어려운 단계까지 섞이면서 로봇이 불필요한 행동을 반복하는 문제가 있었다. 엄격한 하위 목표 실행(SSE, Strict Subgoal Execution)은 이런 문제를 줄이기 위해 설계된 계층적 강화학습 기법이다. 도달할 수 없는 목표와 실행 가능한 목표를 엄격하게 분리하고, 완전히 실패한 경우와 일부만 성공한 경우를 구분해 에이전트가 실제로 도달할 수 있는 범위를 학습하도록 함으로써 상위 수준의 의사결정 과정을 획기적으로 간소화했다. 또 어디까지는 수행됐고, 어디부터 막혔는지를 기록해 반복적으로 실패하는 경로는 피하도록 했으며, 탐색이 부족한 영역을 찾아가는 별도의 탐색 전략과 실패 기록을 반영한 경로 정제 기법을 함께 적용해 다단계 과제도 효율적으로 목표를 달성하도록 했다. 다양한 벤치마크 실험에서 이 알고리즘은 복잡하고 장기적인 계획이 필요한 기존 강화학습 방법들을 압도하는 높은 효율성과 임무 성공률을 달성했다. 황재박 연구원이 제1저자로 참여했다. 연구팀은 “성공, 실패, 부분 성공을 나눠 저장해 학습 신호를 정리하는 데이터 재구성 기법인 프론티어 익스피리언스 리플레이(Frontier Experience Replay)를 개발해, 에이전트가 실제로 도달할 수 있는 범위를 학습하도록 한 것이 핵심”이라고 설명했다. ■“협력 AI도 상황 따라 바뀐다”… ‘유연한 뇌’ S2Q 알고리즘 개발 여러 AI가 협력해 움직이는 환경에서는 상황이 바뀌면서 더 나은 선택이 뒤늦게 나타나는 경우가 많다. 예를 들어 게임이나 로봇 협력 작업에서는 처음엔 좋은 선택이었던 행동이 시간이 지나면서 더 이상 최선이 아니게 바뀌기도 한다. 기존 강화학습은 한 시점에서 가장 좋아 보이는 행동 하나에 집중해 학습하기 때문에, 이런 변화가 생기면 새로운 최적 전략을 따라가지 못하고 기존 선택에 머무르는 경우가 많았다. 연구팀의 ‘연속적 하위 가치 Q-러닝(S2Q)’은 여러 개의 대안 행동을 함께 학습하도록 설계된 방법이다. 가장 좋은 선택뿐 아니라 그 다음으로 유망한 선택들까지 유지하면서, 상황이 바뀌면 이를 빠르게 새로운 최적 전략으로 전환할 수 있도록 했다. 제1저자인 조용현 연구원은 “기존의 다중 에이전트 인공지능이 오직 하나의 고정된 최적 행동에만 의존해 학습 중 상황 변화에 대처하지 못하는 ‘경직된 시스템’이었다면, 이번에 개발된 S2Q 기술은 훌륭한 대안이 될 수 있는 여러 차선책들을 미리 기억하고 유지하여 급변하는 상황에 즉각적으로 대처하는 ‘유연한 뇌’ 역할을 하는 기술”이라고 설명했다. 스타크래프트 멀티 에이전트 챌린지(SMAC) 및 구글 리서치 풋볼(GRF) 등 고난이도 벤치마크 테스트 결과, 기존 알고리즘들이 흔히 직면하던 조기 수렴 한계를 극복하고 적응력과 전반적인 성능을 대폭 향상시켰다. 한승열 교수는 “이번 연구는 제한된 데이터와 불확실한 환경에서도 강화학습을 안정적으로 적용할 수 있는 가능성을 보여준 것”이라며 “자율주행, 로봇, 스마트 제조 등 다양한 분야로의 확장이 기대된다”고 말했다. 연구수행은 과학기술정보통신부 정보통신기획평가원의 ‘자율드론상용화를 위한 과제 지향 강화학습 핵심기술 개발’, ‘AI 스타 펠로우십 프로그램’, ‘인공지능대학원 지원 사업’과 한국연구재단의 ‘LLM 기반 다중 에이전트 강화학습을 통한 대규모 자율군집제어 End-to-End 기술 개발 사업’의 지원을 받아 이뤄졌다. 한편, 올해 학회는 오는 4월 23일부터 27일까지 브라질 리우데자네이루에서 열린다.

같은 뇌 신경회로 안에서도 세부 구역에 따라 도파민의 신호 조절 방식이 달라지는 ‘공간 규칙’이 발견됐다. UNIST 생명과학과 김재익 교수팀은 기저핵 간접경로에서 도파민이 억제성 신호를 조절하는 방식이 기저핵의 내부 위치에 따라 다르다는 점을 규명했다고 20일 밝혔다. 뇌 깊숙이 위치한 기저핵은 자발적인 운동을 조절하는 신경회로로, 그중 ‘간접경로’ 회로는 불필요한 움직임을 억제하는 역할을 한다. 이 경로에서 기저핵의 선조체와 외측 창백핵(GPe)을 잇는 시냅스 연결은 가바(GABA)라는 억제성 신경전달물질을 통해 작동하며, 도파민은 이 신호의 강도를 조절하는 물질로 알려져 있다. 연구팀이 밝혀낸 바에 따르면, 도파민이 억제 신호를 낮추는 역할을 똑같이 하더라도 공간 구획에 따라 조절 방식이 달랐다. 창백핵을 4등분했을 때 배외측과 복내측 영역에서는 도파민이 D2 수용체를 통해 가바 방출 자체를 줄여 억제 신호를 약하게 만들었고, 배내측과 복외측 영역에서는 D4 수용체가 작용해 같은 신호에 대한 반응을 낮추는 방식으로 억제 신호를 줄였다. 즉, 도파민이 한쪽에서는 억제 신호 자체를 줄이고, 다른 쪽에서는 같은 신호에도 덜 민감하게 반응하도록 조절하는 방식이다. 또 파킨슨병처럼 도파인 분비를 줄인 실험 쥐의 뇌는 기존에 유지되던 이 공간별 조절 패턴이 뒤집히는 변화가 나타났다. 원래는 영향을 받지 않던 영역에서 신호 조절이 새롭게 나타나고, 반대로 기존에 강하게 작용하던 영역에서는 효과가 약해졌다. 제1저자인 이영은 연구원은 “도파민 감소가 단순히 전체 신호를 약하게 만드는 것이 아니라, 회로의 작동 방식 자체를 재편할 수 있음을 보여주는 실험 결과”라고 설명했다. 김재익 교수는 “뇌 기저핵을 통과하는 다양한 감각, 운동 정보가 창백핵의 위치에 따라 도파민에 의해 각기 다르게 변조될 수 있음을 밝혀냈다”며 “특정 뇌 영역과 수용체를 표적으로 하는 파킨슨 병 치료제와 같은 정밀 퇴행성 뇌질환 치료 기술 개발을 위한 신경과학적 기반을 마련했다”고 말했다. 이번 연구결과는 다학제적 연구결과를 소개하는 우수 학술지인 네이처 커뮤니케이션즈(Nature communications)’에 4월 3일 자로 공개됐다. 연구수행은 과학기술정보통신부 한국연구재단 중견연구(핵심연구), 바이오의료기술개발사업, 그리고 뇌기능규명조절기술개발사업의 지원을 받아 이뤄졌다.

감기나 독감에 걸려 몸속에 염증이 생긴 상태에서 술을 마시면 평소보다 간이 훨씬 더 심하게 망가지는 원인이 새롭게 밝혀졌다. UNIST 생명과학과 이상준 교수와 서울대학교 라젠드라 카르키 교수팀, 호주국립대학교 시밍만 교수팀은 알코올이 면역 시스템을 오작동하게 만들어 간세포를 죽이고 알코올성 간 질환을 악화시키는 분자 기전을 규명했다고 16일 밝혔다. 연구에 따르면, 알코올은 인터페론과 함께 작용해 간세포 사멸을 일으킨다. 인터페론은 바이러스나 세균 감염으로 몸에 염증이 생겼을 때 분비되는 물질이다. 염증으로 인터페론이 분비된 상황에서 알코올이 들어오면 세포 안에 비정상 RNA인 Z-RNA가 급격히 늘어난다. 이 Z-RNA를 면역 센서인 ZBP1 단백질이 감지하게 돼 간세포의 사멸 반응이 촉발되는 것이다. 원래 건강한 세포는 ADAR1이라는 단백질로 Z-RNA를 변형하거나 숨겨서 면역 센서가 이를 인식하지 못하게 통제하지만, 알코올은 이 ADAR1 단백질 생성도 일부 방해하는 것으로 나타났다. 이 같은 반응은 알코올성 간염이나 자가 면역 질환이 생긴 상태에도 일어날 수 있다. 인터페론은 바이러스나 세균 감염으로 유발된 염증뿐 아니라 일반적인 염증 상황에서도 분비되기 때문이다. 연구팀은 제시한 분자 기전을 동물실험으로 입증했다. 실험 쥐의 유전자를 조작해 Z-RNA를 감지하는 ZBP1 단백질을 억제하자, 알코올과 인터페론이 동시에 존재하는 조건에서도 간세포 사멸과 간 손상이 크게 줄어들었다. 또 JNK 신호 경로 억제제를 투여했을 때도 간 손상이 감소했다. Z-RNA는 JNK 신호 경로가 활성화되면서 만들어지기 때문에 JNK 신호 경로를 차단하면 Z-RNA 자체가 생성되지 않는다. 알코올과 인터페론이 동시에 작용하면 JNK 신호 경로가 활성화된다는 점도 이번 연구로 새롭게 밝혀진 사실이다. 이상준 교수는 “그간 술 자체의 독성이 간세포를 직접 손상시키는 것으로 설명되어 왔는데, 알코올이 촉발한 면역 반응이 간세포 사멸을 일으키는 또 다른 기전이 될 수 있음을 밝혀냈다”며 ”ZBP1의 작용을 억제하는 방식 등의 새로운 알콜성 간 질환 치료제 개발의 토대가 될 연구”라고 설명했다. 연구 결과는 세계적 다학제 학술지인 ‘사이언스 어드밴시스(Science advances)’지에 4월 10일 게재됐다. 본 연구는 한국연구재단(NRF) 우수신진연구사업, 국가신약개발사업(KDDF), 보건복지부 산하 한국보건산업진흥원(KHIDI) 글로벌 의사과학자 양성사업, 한국형 ARPA-H 사업, 기초과학연구원(IBS), 질병관리청 국립보건연구원 사업, 동그라미재단, 그리고 유한양행의 지원을 받아 수행되었다.

눈짓만으로 로봇을 움직일 수 있는 스마트 콘택트렌즈가 개발됐다. 렌즈를 낀 채 안구를 굴리면, 로봇 팔이 안구 방향을 따라 움직인다. 무겁고 복잡한 기존 확장현실(XR) 기기를 대신할 차세대 인간-기계 인터페이스 기술로 주목받고 있다. UNIST 기계공학과 정임두 교수(인공지능대학원 겸직) 연구팀은 센서를 렌즈에 직접 인쇄하는 특수 기술과 센서의 저해상도 신호를 고해상도로 복원하는 AI 기술을 결합해, 로봇 팔을 원격 제어할 수 있는 스마트 콘택트렌즈를 개발했다고 15일 밝혔다. 이 렌즈 위에는 100개(10x10)의 빛 검출 센서가 집적돼 있는데, 눈을 움직일 때마다 달라지는 빛 분포를 이 센서가 읽어내 시선 방향을 추적하는 원리로 작동한다. 위·아래·좌·우는 물론 대각선 방향까지 구분할 수 있으며, 이 시선 정보가 로봇 팔로 전달돼 팔이 움직인다. 안구의 깜박임으로 물건을 집을 수도 있다. 연구진은 둥근 렌즈 표면에 센서를 직접 프린팅할 수 있도록 ‘메니스커스 픽셀 프린팅(MPP)’ 기술을 개발해 적용했다. 노즐 끝에 맺힌 센서 원료 잉크를 렌즈 표면에 콕콕 찍어내는 형태의 기술이다. 메니스커스는 액체의 볼록하거나 오목한 곡면을 말하는데, 이 곡면 덕분에 잉크가 배출되는 힘과 잉크 퍼짐을 막는 힘이 균형을 이뤄 잉크를 원하는 양만큼 찍어낼 수 있다. 잉크를 건조하면 빛을 감지하는 페로브스카이트 물질만 남아 센서 역할을 하게 된다. 일반 센서 제작과 달리 센서 패턴을 새기기 위한 마스크가 필요 없고 다양한 안구 곡률에 맞춰 센서를 인쇄할 수 있어 개별 맞춤형 렌즈를 만들 수 있는 장점이 있다. 렌즈라는 작은 공간 탓에 신호 해상도가 떨어지는 문제는 인공지능 기술을 결합해 해결했다. 실제로는 100개의 센서가 있지만, 딥러닝 기반의 초해상도 기술을 적용하면 최대 6,400개(80x80)의 센서가 있는 것과 같은 신호 데이터를 얻을 수 있다. 재구성에 필요한 시간도 0.03초로 짧아 정보가 실시간 수준으로 로봇 팔에 전달될 수 있다. 안구 모형을 이용한 실험에서, 눈동자 움직임만으로 물체를 집어 옮기는 동작까지 이뤄졌으며, 방향 인식 정확도는 99.3% 수준을 기록했다. 이번 연구는 UNIST 기계공학과 공병훈, 김도현 연구원이 제1저자로 참여했다. 연구팀은 “하드웨어적 공정 혁신과 AI 기반 신호 복원 소프트웨어 기술을 결합해 렌즈라는 초소형 폼팩터의 공간적 제약을 극복한 기술”이라고 설명했다. 연구를 총괄한 정임두 교수는 “별도의 컨트롤러 없이 인간의 시각 정보를 로봇 제어 신호로 직접 변환하는 고도화된 인간-기계 상호작용(Human-Robot Interaction, HRI) 시스템 구현이 가능함을 증명했다”며 “차세대 초경량 XR 인터페이스 장치로서 눈의 움직임만으로 다양한 전자 기기를 정밀하게 제어할 수 있다는 점에서, 증강현실 기반 산업용 로봇 원격 제어, 재난·재해 환경에서의 탐사 로봇 운용, 국방 분야의 무인체계 및 드론 조종, 의료 및 재활 지원 시스템, 스마트 모빌리티 인터페이스 등 다양한 분야로 확장될 수 있는 잠재력을 지닌다“고 밝혔다. 연구 결과는 재료 과학 분야 세계적 학술지 (Impact Factor: 19.0, JCR 상위 5%이내)인 ‘어드밴스드 펑셔널 머티리얼즈(Advanced Functional Materials)’에 3월 11일 게재되었으며, 최신 호 전면 표지 논문으로 선정되어 출판될 예정이다. 연구 수행은 과학기술정보통신부 한국연구재단과 정보통신기획평가원 및 산업통상자원부의 기술개발사업 지원으로 이뤄졌다.

*본 보도자료는 한국재료연구원 주관으로 작성되었습니다. (보도자료 바로 가기) □ 한국재료연구원(KIMS, 원장 최철진) 에너지·환경재료연구본부 수소전지재료연구센터 양주찬 박사 연구팀은 울산과학기술원(UNIST, 총장 박종래) 에너지화학공학과 장지욱, 임한권, 이호식 교수 연구팀과 공동으로, 바이오디젤(식물성 기름 등을 활용한 친환경 연료) 산업 부산물인 글리세롤을 활용해 수소와 고부가가치 화학물질을 동시에 생산할 수 있는 고효율 전기화학 시스템을 개발했다. 이번 연구는 기존 수전해 공정의 핵심 병목이었던 산소 발생 반응(OER, Oxygen Evolution Reaction)을 대체해, 수소 생산 효율을 높이고 활용 범위를 확장한 차세대 전환 기술을 완성했다는 점에서 의미가 있다. □ 수소는 탄소중립 시대의 핵심 에너지원으로 주목받고 있으며, 이를 친환경적으로 생산하기 위한 수전해 기술 개발이 활발히 진행되고 있다. 하지만 기존의 수전해 방식은 물을 전기로 분해하는 과정에서 양극에서 필수적으로 동반되는 산소 발생 반응(OER)이 에너지를 많이 요구하고 반응 속도도 느려 전체 공정 효율을 떨어뜨리는 한편, 경제성까지 낮추는 한계가 있었다. □ 연구팀은 이러한 한계를 극복하고자, 물을 대체해 유기물인 글리세롤을 활용하고 이의 산화 반응(GOR, Glycerol Oxidation Reaction)을 양극에 적용한 음이온 교환막 수전해 시스템을 개발했다. 글리세롤은 바이오디젤 생산 과정에서 대량으로 발생하는 저가 부산물로, 이를 활용하면 기존 대비 더 적은 에너지로 반응을 유도할 수 있다. 또한 구리-코발트 기반의 비귀금속 촉매를 적용해 고가의 귀금속 없이도 높은 반응 활성과 안정성을 확보했으며, 1.31V의 비교적 낮은 전압에서도 110mA/㎠의 높은 전류밀도를 구현했다. □ 특히 이번 기술은 수소 생산과 동시에 포름산염(formate)과 같은 화학 원료를 함께 만들어낼 수 있어 기존 수전해 기술과 차별화된다. 기존 수전해 기술이 수소만 생산하는 단일 공정이었다면, 이번 기술은 에너지와 화학소재를 동시에 생산하는 복합 공정으로 확장한 것이다. 연구팀은 생성되는 물질의 약 96%를 원하는 화학물질(포름산염)로 전환하는 데 성공했으며, 79㎠ 규모의 대면적 전해셀에서도 안정적인 성능을 확인해 실험실 단계를 넘어 실제 산업 공정 적용 가능성도 입증했다. □ 이번 기술은 폐바이오 자원을 활용해 수소와 화학 원료를 동시에 생산할 수 있는 전기화학 플랫폼으로, 그린수소 생산 비용 절감과 자원 활용 효율을 동시에 높일 수 있다는 점에서 의미를 가진다. 특히 에너지와 화학 산업을 하나의 공정으로 연결하는 탄소중립형 생산 기술로, 기존의 분리된 생산 구조를 통합할 수 있다는 가능성이 있다. 여기에 나아가 연속공정 전환과 메가와트(MW)급 스케일로 확장할 수 있어 실제 산업 공정에 적용할 수 있는 실용적 기술로 발전이 기대된다. □ 연구책임자인 KIMS 양주찬 책임연구원은 "이번 연구는 저렴한 비귀금속 촉매를 대량으로 합성하고, 이를 실제 상용화 가능한 수준의 대용량 전해조 시스템에 적용해 성능을 입증했다는 데 큰 의미가 있다"고 강조했다. 또한 UNIST 장지욱 교수는 "글리세롤과 같은 바이오 부산물을 고부가가치 화합물로 전환하는 기술은 탄소 중립 달성과 수소 경제 활성화를 동시에 앞당길 수 있는 핵심 전략이 될 것"이라고 말했다. □ 본 연구는 국가과학기술연구회, 한국에너지기술평가원, 한국연구재단, 한국산업기술평가관리원의 국가연구개발사업의 지원을 받아 수행됐다. 또한 한국과학기술정보연구원의 슈퍼컴퓨팅 인프라와 포항가속기연구소의 방사광 가속기 시설을 활용하여 핵심 분석 및 계산 연구를 진행했다. 연구 결과는 에너지 분야 세계적 권위 학술지인 줄(Joule, IF: 35.4)에 2026년 3월 18일자로 온라인 게재됐다.