[글로벌 장학생 리포트] 김민석 장학생의 Chemical Engineering Journal 학술지 게재 논문 해석 칼럼
안녕하세요. UC Riverside 기계공학과에서 박사과정에 재학 중인 김민석입니다. 지난 7월 온드림 글로벌 우수 장학생으로 선발되어 장학생 여러분들과 논문 해석 칼럼을 통해 만나 뵙게 되었습니다. 논문이 게재된 국제 학술지는 ‘Chemical Engineering Journal’로 게재된 논문의 제목은 ‘Synthesis of Boron Nitride Nanotubes Using Triple DC Thermal Plasma Reactor with Hydrogen Injection’입니다. 게재된 논문의 핵심 키워드 두 가지를 선별하여 본 칼럼을 서술하고자 합니다.(Keywords: Boron Nitride Nanotubes; DC Thermal Plasma;)
1. Boron Nitride Nanotubes (BNNTs, 질화붕소나노튜브)
BNNTs는 원자번호 5번인 붕소와 원자번호 7번인 질소가 육각 모양으로 결합하여 튜브 형태로 존재하는 물질입니다. BNNTs는 1995년 미국 UC Berkeley의 Alex Zettl 그룹에 의해 처음으로 합성되며 세간의 주목을 받습니다.
그 이유는 BNNTs의 구성요소 중 하나인 붕소 (10B)가 열중성자 흡수 능력이 상당히 뛰어나 방사선으로 가득한 우주 안에서 우리의 신체와 각종 전자 기기를 보호해주는 아주 중요한 소재로 이용될 가능성이 크기 때문입니다. 이에 더불어 BNNTs는 무독성을 띠어 인체에 무해하며 밀도가 낮아 의복으로 활용될 가능성이 있습니다. 이러한 우수한 특성을 자랑하는 BNNTs를 통해 여러분은 훗날 BNNTs가 내장된 우주복을 입고 우주여행을 하고 계실지도 모르겠습니다.
BNNTs의 이러한 우수한 특성과 산업적 활용 가능성에도 불구하고 현재까지의 BNNTs의 합성 기술 수준은 거의 전무한 수준의 취약한 상태입니다. 최근 다양한 합성법을 이용하여 BNNTs 합성에 성공한 사례가 보고되고는 있으나 합성되는 양의 수준은 매우 극소량으로 대량 합성에 대한 기술 확보가 절실히 필요한 상황이며 BNNTs는 현재 시그마 알드리치에서 1 g 당 2,234,800원의 고가에 판매되고 있습니다.
2. DC Thermal Plasma (Direct Current Thermal Plasma, 직류 열플라즈마)
DC Thermal Plasma 합성법은 플라즈마 토치 내 두 전극으로부터 발생하는 고온의 아크 채널을 이용하는 기술로 전기에너지를 이용하여 약 3,000~14,000 K에 달하는 고온의 플라즈마 제트를 생성합니다.
BNNTs의 합성 메커니즘은 각 방법에 따라 차이가 있으나 공통점은 고온의 열에너지를 사용한다는 것이며 대부분 질화를 위해 질소 또는 암모니아 등의 가스를 사용하고 있습니다. 따라서 고품질의 BNNTs 합성을 위해서는 붕소와 질소로 구성된 원료 물질에 초고온의 플라즈마 열에너지를 집중적으로 부여하여 빠른 반응 속도를 유도하는 것이 효과적인 방법이라고 생각합니다.
본 논문에서는 육방형 질화붕소를 원료물질로 하여 시간당 약 12.6 g에 달하는 생산량을 달성하였으며, 입력 전력 및 가스 사용량에 따른 BNNTs의 생산량을 처음으로 기술하며 BNNTs의 경제적인 합성 방법론에 대한 시사점을 제시하였습니다. 이를 통해 본 공정을 철원플라즈마산업기술연구원에 기술이전 하였으며 본 기관과 공동으로 특허를 출원하여 효율적인 BNNTs 합성 공정이 산업적으로 바로 적용될 수 있도록 노력하고 있습니다.
최근 Elon Musk의 SpaceX가 재활용 가능한 로켓 발사 시스템을 개발하며 우주 산업의 발전을 가속화하고 있습니다. 이와 맞물려 우주 산업에 꼭 필요한 소재인 BNNTs의 효율적인 합성 공정 개발을 통해 장학생 여러분도 언젠가 우주에서의 진귀한 경험을 누려 보시기 바랍니다.
[글로벌 장학생 리포트] 원창희 장학생의 IEEE Transactions on Pattern Analysis and Machine Intelligence 학술지 게재 논문 해석 칼럼
안녕하세요, 한양대학교 컴퓨터소프트웨어학과 컴퓨터비전연구실 박사과정 4기 원창희입니다.
우리를 비롯한 대부분의 동물은 양쪽 눈을 통해 보이는 두 시야가 겹치는 부분에서 뇌가 동일한 물체를 인식하고, 물체가 양쪽 상에 맺히는 위치의 차를 이용하여 물체의 거리를 알 수 있게 됩니다. 만약 눈이 한 개라면, 이러한 원리를 적용할 수 없어 정확한 입체감이나 거리감을 알기 어려울 것입니다. 따라서 사냥을 위해 정확한 거리 감각을 가져야하는 동물들은 두 시야가 겹치는 부분이 넓도록 눈이 앞쪽에 위치하고, 천적의 위협을 감지해야 하는 동물들은 시야가 겹치지 않더라도 넓은 시야를 볼 수 있도록 눈이 좌우에 위치합니다.
최근 로봇 또는 자율주행차에 탑재되는 인공지능은 이러한 동물의 시각 원리를 어떻게 이용하고 있을까요? 혼잡한 도로 상황에서 우리가 백/사이드 미러를 통해 모든 방향의 시야와 거리 감각을 겨우 확보하듯이, 주행 상황에서는 전방향에 대한 시야와 거리 정보가 모두 중요합니다. 그러나 지금까지 대부분의 자율주행 인공지능은 시각 정보를 사물 인식 목적으로만 이용하였고, 거리 정보는 값비싼 거리 측정 센서 등을 통해서 해결하려 하였습니다. 이에 따라 업계 전문가들은 자율주행차의 전방향 인지를 위해 수십개의 센서를 사용해야 될 것이라고 전망하기도 하였습니다.
이번 연구를 통해서 저희는 전방향의 사물 식별은 물론, 거리까지 추정할 수 있으면서도 단 4대의 카메라만을 사용하는 시스템을 설계하였고, 4장의 영상을 이용하여 거리를 추정하는 AI기술을 최초로 개발하였습니다. 최소한의 카메라로 전방향의 시야를 확보하기 위해 물고기의 시야를 모방한 어안 렌즈 중에서도 시야각 220도 이상의 초광각 렌즈를 사용하였고, 서로 다른 방향을 응시하도록 카메라를 설치함으로써 모든 방향에 대해서 2대 이상의 시야가 겹치도록 하였습니다. 다음으로 거리 추정을 위해 AI가 수행해야할 역할은 다른 상에 맺힌 동일 물체 인식입니다. 그러나 카메라가 서로 다른 방향을 바라보고 있는 상황에서 영상 왜곡도 심한 초광각 영상 안의 동일한 물체를 구별하고, 찾아낸다는 것은 쉬운 일이 아닙니다. 이를 해결하기 위해 동물이 양쪽 상에서 동일 물체를 인식하고, 물체가 상에 맺히는 위치의 차로부터 거리를 추정하는 원리를 역으로 접근합니다. 먼저 AI가 영상 데이터를 가공하여 만든 특징 정보가 있다고 가정하고, 각 영상의 정보를 동일한 3차원 공간 내 일련의 거리 후보군에 투영합니다. 이 때, 하나의 거리 후보에 대해서 서로 다른 영상으로부터 투영된 정보가 동일 물체를 가리킨다면, 해당 거리에 그 물체가 존재하게 됩니다. 즉, 거리 후보에 대한 가이드는 사람이 주고, AI는 어안 영상으로부터 적절한 특징 정보를 추출하고, 주어진 거리 후보에 동일 물체의 정보가 놓이는 지만 판단하도록 설계하였습니다.
최초로 개발한 딥러닝 기법인 만큼 학습 데이터도 자체 제작하여 공개하였고, 다양한 실내/외 실험을 통해 그 효과와 실용성을 인정받아 해당 논문*이 IEEE Transactions on Pattern Analysis and Machine Intelligence지에 게재되었습니다.
*C. Won, J. Ryu, and J. Lim, “End-to-End Learning for Omnidirectional Stereo Matching with Uncertainty Prior”, TPAMI.
