- 물질의 딱딱한 정도를 빠르고 정확하게 변환하는 인공촉각뉴런소자 개발 - AI 기술과 결합, 종양의 딱딱한 정도와 모양을 학습하여 암진단 가능성 제시 세포에서부터 조직에 이르기까지 다양한 생체 물질의 딱딱한 정도와 모양은 질병과 관련된 정보를 반영한다. 예를 들어 유방암의 경우 일반적으로 악성 종양이 양성 종양보다 더 딱딱하고 불규칙한 모양을 지닌다. 탄성 초음파 검사는 비침습적으로 조직의 딱딱한 정도와 모양을 파악할 수 있으며, 비용이 저렴하여 유방암 진단에 주로 활용되고 있다. 그러나 탄성 초음파 이미지를 해석하기 위해서는 경험이 많은 전문가의 견해가 필수적이고 전문가 간 정확도에도 차이가 있었다. 한국과학기술연구원(KIST, 원장 윤석진)은 스핀융합연구단 이현정 박사팀과 인공뇌융합연구단 이수연 단장팀이 촉각 뉴런 소자와 인공신경망 학습 방법을 접목시켜 간단하지만 정확도가 높은 질병 진단기술을 개발했다고 밝혔다. KIST 연구진이 개발한 촉각 뉴런 소자는 기존에 보고된 인공 촉각 뉴런 소자와는 달리 접촉하는 물체의 딱딱하고 부드러운 정도의 구분이 가능하다. 뉴로모픽(Neuromorphic) 기술은 적은 에너지를 소비하면서 고차원적인 기능을 수행하는 인간 뇌의 정보처리 방식을 전자회로로 모방하려는 연구 분야다. 복잡하고 방대한 정보를 실시간으로 처리해야 하는 인공지능, 사물인터넷, 자율주행차 시대에 적합한 새로운 데이터 처리 기술로 각광받고 있다. 감각 뉴런은 감각 수용체를 통하여 외부 자극을 받아들이고 이를 전기적 스파이크 신호 형태로 변환하는데, 이 때 외부 자극에 대한 정보에 따라 생성되는 스파이크 패턴이 달라진다. 예를 들어, 자극이 세기가 클수록 생성되는 스파이크의 주파수가 빨라진다. KIST 연구진은 이러한 감각 뉴런의 특성을 구현하기 위해 압력센서와 오보닉 임계 스위치 소자를 결합한 간단한 구조의 인공촉각뉴런소자를 개발했다. 압력 센서에 압력이 가해지면 센서의 저항이 낮아지고 연결된 오보닉 스위치 소자의 스파이크 주파수가 변화된다. 개발된 인공촉각뉴런소자는 딱딱한 물질일수록 누를 때 압력을 더 빨리 느낀다는 부분에 착안해 누르는 힘이 록 더 빠른 전기적 스파이크를 발생시키도록 하고, 압력에 대한 감지 민감도를 동시에 개선한 고응답, 고민감도 소자이다. 개발된 소자에서 발생되는 전기적 스파이크의 속도는 0.00001초 이하여서 일반적으로 물체를 누르는데 수 초가 걸리는 것과 비교해 100,000배 이상 속도가 빨라 실시간으로 누르는 힘의 변화를 스파이크로 변환할 수 있다. 또한, 기존 소자가 물질을 가볍게 누르는 정도의 낮은 압력(약 20kPa)을 20~40 Hz 수준의 스파이크 변화량으로 감지할 수 있었던 반면 개발된 소자는 1.2MHz 수준으로 감지가 가능하다. 연구진은 개발한 소자를 실제 질병 진단에 활용하기 위해 누르는 물체의 딱딱한 정도에 따라 달라지는 스파이크 변화량에 스파이킹 인공신경망 학습기법을 접목하여 악성 또는 양성의 유방암 탄성 이미지에 대한 학습을 진행한 결과 최대 95.8%의 정확도로 유방 종양의 악성여부를 구분할 수 있었다. 탄성 초음파 이미지의 픽셀별로 나타난 색을 스파이크 주파수 변화량 수치로 변화시키고, 이를 인공지능에 학습시킴으로써 더 간단하고 정확하게 유방암 진단이 가능하도록 한 것이다. KIST 연구진은 “개발된 인공촉각뉴런 기술은 간단한 구조와 방식으로 기계적인 물성 감지 및 학습이 가능하다.”면서 “후속 연구를 통해 현재 탄성 초음파 이미지로 얻을 수 있는 물체의 탄성 이미지를 인공촉각뉴런으로 얻을 수 있게 된다면 초음파 탄성 이미지의 단점인 반사 노이즈 문제를 해결할 수 있을 것”이라고 밝혔다. 또한 “저전력, 고정확도의 질병 진단 뿐만 아니라 로봇 수술 등과 같이 수술 부위를 인간이 직접 접촉할 수 없는 환경에서 빠른 시간 내에 인식하고 판단해야 하는 상황에도 유용하게 활용될 수 있을 것”으로 기대했다. 본 연구는 과학기술정보통신부(장관 이종호) 지원으로 KIST 주요사업과 한국연구재단 중견연구자지원사업, 차세대지능형반도체기술개발사업, 미래반도체신소자원천기술개발사업, 나노·소재원천기술개발사업으로 수행되었으며, 이번 연구결과는 재료 분야 국제 저널인 ‘Advanced Materials’ (IF: 30.849, JCR 분야 상위 2.160%) 최신 호에 게재되었으며 표지논문으로 선정되어 출판될 예정이다. * (논문명) An Artificial Tactile Neuron Enabling Spiking Representation of Stiffness and Disease Diagnosis - (제 1저자) 한국과학기술연구원 이준석 학생연구원 - (제 1저자) 한국과학기술연구원 김선정 학생연구원 - (교신저자) 한국과학기술연구원 이수연 책임연구원 - (교신저자) 한국과학기술연구원 이현정 책임연구원 그림 설명 [그림 1] 생물학적 촉각 뉴런과 본 연구에서 개발한 인공 촉각 뉴런 소자의 동작 비교 모식도 [그림 2] (왼쪽) 누르는 물질의 딱딱한 정도에 따른 인공 촉각 뉴런 소자의 스파이크 신호 패턴 예시, (오른쪽) 생성된 스파이크 정보를 바탕으로 유방암 탄성 초음파 이미지를 학습하여 종양의 악성/양성을 판단하는 예시. 빨간색은 부드러운 영역을, 파란색은 딱딱한 영역을 나타냄

- 물질의 딱딱한 정도를 빠르고 정확하게 변환하는 인공촉각뉴런소자 개발 - AI 기술과 결합, 종양의 딱딱한 정도와 모양을 학습하여 암진단 가능성 제시 세포에서부터 조직에 이르기까지 다양한 생체 물질의 딱딱한 정도와 모양은 질병과 관련된 정보를 반영한다. 예를 들어 유방암의 경우 일반적으로 악성 종양이 양성 종양보다 더 딱딱하고 불규칙한 모양을 지닌다. 탄성 초음파 검사는 비침습적으로 조직의 딱딱한 정도와 모양을 파악할 수 있으며, 비용이 저렴하여 유방암 진단에 주로 활용되고 있다. 그러나 탄성 초음파 이미지를 해석하기 위해서는 경험이 많은 전문가의 견해가 필수적이고 전문가 간 정확도에도 차이가 있었다. 한국과학기술연구원(KIST, 원장 윤석진)은 스핀융합연구단 이현정 박사팀과 인공뇌융합연구단 이수연 단장팀이 촉각 뉴런 소자와 인공신경망 학습 방법을 접목시켜 간단하지만 정확도가 높은 질병 진단기술을 개발했다고 밝혔다. KIST 연구진이 개발한 촉각 뉴런 소자는 기존에 보고된 인공 촉각 뉴런 소자와는 달리 접촉하는 물체의 딱딱하고 부드러운 정도의 구분이 가능하다. 뉴로모픽(Neuromorphic) 기술은 적은 에너지를 소비하면서 고차원적인 기능을 수행하는 인간 뇌의 정보처리 방식을 전자회로로 모방하려는 연구 분야다. 복잡하고 방대한 정보를 실시간으로 처리해야 하는 인공지능, 사물인터넷, 자율주행차 시대에 적합한 새로운 데이터 처리 기술로 각광받고 있다. 감각 뉴런은 감각 수용체를 통하여 외부 자극을 받아들이고 이를 전기적 스파이크 신호 형태로 변환하는데, 이 때 외부 자극에 대한 정보에 따라 생성되는 스파이크 패턴이 달라진다. 예를 들어, 자극이 세기가 클수록 생성되는 스파이크의 주파수가 빨라진다. KIST 연구진은 이러한 감각 뉴런의 특성을 구현하기 위해 압력센서와 오보닉 임계 스위치 소자를 결합한 간단한 구조의 인공촉각뉴런소자를 개발했다. 압력 센서에 압력이 가해지면 센서의 저항이 낮아지고 연결된 오보닉 스위치 소자의 스파이크 주파수가 변화된다. 개발된 인공촉각뉴런소자는 딱딱한 물질일수록 누를 때 압력을 더 빨리 느낀다는 부분에 착안해 누르는 힘이 록 더 빠른 전기적 스파이크를 발생시키도록 하고, 압력에 대한 감지 민감도를 동시에 개선한 고응답, 고민감도 소자이다. 개발된 소자에서 발생되는 전기적 스파이크의 속도는 0.00001초 이하여서 일반적으로 물체를 누르는데 수 초가 걸리는 것과 비교해 100,000배 이상 속도가 빨라 실시간으로 누르는 힘의 변화를 스파이크로 변환할 수 있다. 또한, 기존 소자가 물질을 가볍게 누르는 정도의 낮은 압력(약 20kPa)을 20~40 Hz 수준의 스파이크 변화량으로 감지할 수 있었던 반면 개발된 소자는 1.2MHz 수준으로 감지가 가능하다. 연구진은 개발한 소자를 실제 질병 진단에 활용하기 위해 누르는 물체의 딱딱한 정도에 따라 달라지는 스파이크 변화량에 스파이킹 인공신경망 학습기법을 접목하여 악성 또는 양성의 유방암 탄성 이미지에 대한 학습을 진행한 결과 최대 95.8%의 정확도로 유방 종양의 악성여부를 구분할 수 있었다. 탄성 초음파 이미지의 픽셀별로 나타난 색을 스파이크 주파수 변화량 수치로 변화시키고, 이를 인공지능에 학습시킴으로써 더 간단하고 정확하게 유방암 진단이 가능하도록 한 것이다. KIST 연구진은 “개발된 인공촉각뉴런 기술은 간단한 구조와 방식으로 기계적인 물성 감지 및 학습이 가능하다.”면서 “후속 연구를 통해 현재 탄성 초음파 이미지로 얻을 수 있는 물체의 탄성 이미지를 인공촉각뉴런으로 얻을 수 있게 된다면 초음파 탄성 이미지의 단점인 반사 노이즈 문제를 해결할 수 있을 것”이라고 밝혔다. 또한 “저전력, 고정확도의 질병 진단 뿐만 아니라 로봇 수술 등과 같이 수술 부위를 인간이 직접 접촉할 수 없는 환경에서 빠른 시간 내에 인식하고 판단해야 하는 상황에도 유용하게 활용될 수 있을 것”으로 기대했다. 본 연구는 과학기술정보통신부(장관 이종호) 지원으로 KIST 주요사업과 한국연구재단 중견연구자지원사업, 차세대지능형반도체기술개발사업, 미래반도체신소자원천기술개발사업, 나노·소재원천기술개발사업으로 수행되었으며, 이번 연구결과는 재료 분야 국제 저널인 ‘Advanced Materials’ (IF: 30.849, JCR 분야 상위 2.160%) 최신 호에 게재되었으며 표지논문으로 선정되어 출판될 예정이다. * (논문명) An Artificial Tactile Neuron Enabling Spiking Representation of Stiffness and Disease Diagnosis - (제 1저자) 한국과학기술연구원 이준석 학생연구원 - (제 1저자) 한국과학기술연구원 김선정 학생연구원 - (교신저자) 한국과학기술연구원 이수연 책임연구원 - (교신저자) 한국과학기술연구원 이현정 책임연구원 그림 설명 [그림 1] 생물학적 촉각 뉴런과 본 연구에서 개발한 인공 촉각 뉴런 소자의 동작 비교 모식도 [그림 2] (왼쪽) 누르는 물질의 딱딱한 정도에 따른 인공 촉각 뉴런 소자의 스파이크 신호 패턴 예시, (오른쪽) 생성된 스파이크 정보를 바탕으로 유방암 탄성 초음파 이미지를 학습하여 종양의 악성/양성을 판단하는 예시. 빨간색은 부드러운 영역을, 파란색은 딱딱한 영역을 나타냄

- 물질의 딱딱한 정도를 빠르고 정확하게 변환하는 인공촉각뉴런소자 개발 - AI 기술과 결합, 종양의 딱딱한 정도와 모양을 학습하여 암진단 가능성 제시 세포에서부터 조직에 이르기까지 다양한 생체 물질의 딱딱한 정도와 모양은 질병과 관련된 정보를 반영한다. 예를 들어 유방암의 경우 일반적으로 악성 종양이 양성 종양보다 더 딱딱하고 불규칙한 모양을 지닌다. 탄성 초음파 검사는 비침습적으로 조직의 딱딱한 정도와 모양을 파악할 수 있으며, 비용이 저렴하여 유방암 진단에 주로 활용되고 있다. 그러나 탄성 초음파 이미지를 해석하기 위해서는 경험이 많은 전문가의 견해가 필수적이고 전문가 간 정확도에도 차이가 있었다. 한국과학기술연구원(KIST, 원장 윤석진)은 스핀융합연구단 이현정 박사팀과 인공뇌융합연구단 이수연 단장팀이 촉각 뉴런 소자와 인공신경망 학습 방법을 접목시켜 간단하지만 정확도가 높은 질병 진단기술을 개발했다고 밝혔다. KIST 연구진이 개발한 촉각 뉴런 소자는 기존에 보고된 인공 촉각 뉴런 소자와는 달리 접촉하는 물체의 딱딱하고 부드러운 정도의 구분이 가능하다. 뉴로모픽(Neuromorphic) 기술은 적은 에너지를 소비하면서 고차원적인 기능을 수행하는 인간 뇌의 정보처리 방식을 전자회로로 모방하려는 연구 분야다. 복잡하고 방대한 정보를 실시간으로 처리해야 하는 인공지능, 사물인터넷, 자율주행차 시대에 적합한 새로운 데이터 처리 기술로 각광받고 있다. 감각 뉴런은 감각 수용체를 통하여 외부 자극을 받아들이고 이를 전기적 스파이크 신호 형태로 변환하는데, 이 때 외부 자극에 대한 정보에 따라 생성되는 스파이크 패턴이 달라진다. 예를 들어, 자극이 세기가 클수록 생성되는 스파이크의 주파수가 빨라진다. KIST 연구진은 이러한 감각 뉴런의 특성을 구현하기 위해 압력센서와 오보닉 임계 스위치 소자를 결합한 간단한 구조의 인공촉각뉴런소자를 개발했다. 압력 센서에 압력이 가해지면 센서의 저항이 낮아지고 연결된 오보닉 스위치 소자의 스파이크 주파수가 변화된다. 개발된 인공촉각뉴런소자는 딱딱한 물질일수록 누를 때 압력을 더 빨리 느낀다는 부분에 착안해 누르는 힘이 록 더 빠른 전기적 스파이크를 발생시키도록 하고, 압력에 대한 감지 민감도를 동시에 개선한 고응답, 고민감도 소자이다. 개발된 소자에서 발생되는 전기적 스파이크의 속도는 0.00001초 이하여서 일반적으로 물체를 누르는데 수 초가 걸리는 것과 비교해 100,000배 이상 속도가 빨라 실시간으로 누르는 힘의 변화를 스파이크로 변환할 수 있다. 또한, 기존 소자가 물질을 가볍게 누르는 정도의 낮은 압력(약 20kPa)을 20~40 Hz 수준의 스파이크 변화량으로 감지할 수 있었던 반면 개발된 소자는 1.2MHz 수준으로 감지가 가능하다. 연구진은 개발한 소자를 실제 질병 진단에 활용하기 위해 누르는 물체의 딱딱한 정도에 따라 달라지는 스파이크 변화량에 스파이킹 인공신경망 학습기법을 접목하여 악성 또는 양성의 유방암 탄성 이미지에 대한 학습을 진행한 결과 최대 95.8%의 정확도로 유방 종양의 악성여부를 구분할 수 있었다. 탄성 초음파 이미지의 픽셀별로 나타난 색을 스파이크 주파수 변화량 수치로 변화시키고, 이를 인공지능에 학습시킴으로써 더 간단하고 정확하게 유방암 진단이 가능하도록 한 것이다. KIST 연구진은 “개발된 인공촉각뉴런 기술은 간단한 구조와 방식으로 기계적인 물성 감지 및 학습이 가능하다.”면서 “후속 연구를 통해 현재 탄성 초음파 이미지로 얻을 수 있는 물체의 탄성 이미지를 인공촉각뉴런으로 얻을 수 있게 된다면 초음파 탄성 이미지의 단점인 반사 노이즈 문제를 해결할 수 있을 것”이라고 밝혔다. 또한 “저전력, 고정확도의 질병 진단 뿐만 아니라 로봇 수술 등과 같이 수술 부위를 인간이 직접 접촉할 수 없는 환경에서 빠른 시간 내에 인식하고 판단해야 하는 상황에도 유용하게 활용될 수 있을 것”으로 기대했다. 본 연구는 과학기술정보통신부(장관 이종호) 지원으로 KIST 주요사업과 한국연구재단 중견연구자지원사업, 차세대지능형반도체기술개발사업, 미래반도체신소자원천기술개발사업, 나노·소재원천기술개발사업으로 수행되었으며, 이번 연구결과는 재료 분야 국제 저널인 ‘Advanced Materials’ (IF: 30.849, JCR 분야 상위 2.160%) 최신 호에 게재되었으며 표지논문으로 선정되어 출판될 예정이다. * (논문명) An Artificial Tactile Neuron Enabling Spiking Representation of Stiffness and Disease Diagnosis - (제 1저자) 한국과학기술연구원 이준석 학생연구원 - (제 1저자) 한국과학기술연구원 김선정 학생연구원 - (교신저자) 한국과학기술연구원 이수연 책임연구원 - (교신저자) 한국과학기술연구원 이현정 책임연구원 그림 설명 [그림 1] 생물학적 촉각 뉴런과 본 연구에서 개발한 인공 촉각 뉴런 소자의 동작 비교 모식도 [그림 2] (왼쪽) 누르는 물질의 딱딱한 정도에 따른 인공 촉각 뉴런 소자의 스파이크 신호 패턴 예시, (오른쪽) 생성된 스파이크 정보를 바탕으로 유방암 탄성 초음파 이미지를 학습하여 종양의 악성/양성을 판단하는 예시. 빨간색은 부드러운 영역을, 파란색은 딱딱한 영역을 나타냄

- 물질의 딱딱한 정도를 빠르고 정확하게 변환하는 인공촉각뉴런소자 개발 - AI 기술과 결합, 종양의 딱딱한 정도와 모양을 학습하여 암진단 가능성 제시 세포에서부터 조직에 이르기까지 다양한 생체 물질의 딱딱한 정도와 모양은 질병과 관련된 정보를 반영한다. 예를 들어 유방암의 경우 일반적으로 악성 종양이 양성 종양보다 더 딱딱하고 불규칙한 모양을 지닌다. 탄성 초음파 검사는 비침습적으로 조직의 딱딱한 정도와 모양을 파악할 수 있으며, 비용이 저렴하여 유방암 진단에 주로 활용되고 있다. 그러나 탄성 초음파 이미지를 해석하기 위해서는 경험이 많은 전문가의 견해가 필수적이고 전문가 간 정확도에도 차이가 있었다. 한국과학기술연구원(KIST, 원장 윤석진)은 스핀융합연구단 이현정 박사팀과 인공뇌융합연구단 이수연 단장팀이 촉각 뉴런 소자와 인공신경망 학습 방법을 접목시켜 간단하지만 정확도가 높은 질병 진단기술을 개발했다고 밝혔다. KIST 연구진이 개발한 촉각 뉴런 소자는 기존에 보고된 인공 촉각 뉴런 소자와는 달리 접촉하는 물체의 딱딱하고 부드러운 정도의 구분이 가능하다. 뉴로모픽(Neuromorphic) 기술은 적은 에너지를 소비하면서 고차원적인 기능을 수행하는 인간 뇌의 정보처리 방식을 전자회로로 모방하려는 연구 분야다. 복잡하고 방대한 정보를 실시간으로 처리해야 하는 인공지능, 사물인터넷, 자율주행차 시대에 적합한 새로운 데이터 처리 기술로 각광받고 있다. 감각 뉴런은 감각 수용체를 통하여 외부 자극을 받아들이고 이를 전기적 스파이크 신호 형태로 변환하는데, 이 때 외부 자극에 대한 정보에 따라 생성되는 스파이크 패턴이 달라진다. 예를 들어, 자극이 세기가 클수록 생성되는 스파이크의 주파수가 빨라진다. KIST 연구진은 이러한 감각 뉴런의 특성을 구현하기 위해 압력센서와 오보닉 임계 스위치 소자를 결합한 간단한 구조의 인공촉각뉴런소자를 개발했다. 압력 센서에 압력이 가해지면 센서의 저항이 낮아지고 연결된 오보닉 스위치 소자의 스파이크 주파수가 변화된다. 개발된 인공촉각뉴런소자는 딱딱한 물질일수록 누를 때 압력을 더 빨리 느낀다는 부분에 착안해 누르는 힘이 록 더 빠른 전기적 스파이크를 발생시키도록 하고, 압력에 대한 감지 민감도를 동시에 개선한 고응답, 고민감도 소자이다. 개발된 소자에서 발생되는 전기적 스파이크의 속도는 0.00001초 이하여서 일반적으로 물체를 누르는데 수 초가 걸리는 것과 비교해 100,000배 이상 속도가 빨라 실시간으로 누르는 힘의 변화를 스파이크로 변환할 수 있다. 또한, 기존 소자가 물질을 가볍게 누르는 정도의 낮은 압력(약 20kPa)을 20~40 Hz 수준의 스파이크 변화량으로 감지할 수 있었던 반면 개발된 소자는 1.2MHz 수준으로 감지가 가능하다. 연구진은 개발한 소자를 실제 질병 진단에 활용하기 위해 누르는 물체의 딱딱한 정도에 따라 달라지는 스파이크 변화량에 스파이킹 인공신경망 학습기법을 접목하여 악성 또는 양성의 유방암 탄성 이미지에 대한 학습을 진행한 결과 최대 95.8%의 정확도로 유방 종양의 악성여부를 구분할 수 있었다. 탄성 초음파 이미지의 픽셀별로 나타난 색을 스파이크 주파수 변화량 수치로 변화시키고, 이를 인공지능에 학습시킴으로써 더 간단하고 정확하게 유방암 진단이 가능하도록 한 것이다. KIST 연구진은 “개발된 인공촉각뉴런 기술은 간단한 구조와 방식으로 기계적인 물성 감지 및 학습이 가능하다.”면서 “후속 연구를 통해 현재 탄성 초음파 이미지로 얻을 수 있는 물체의 탄성 이미지를 인공촉각뉴런으로 얻을 수 있게 된다면 초음파 탄성 이미지의 단점인 반사 노이즈 문제를 해결할 수 있을 것”이라고 밝혔다. 또한 “저전력, 고정확도의 질병 진단 뿐만 아니라 로봇 수술 등과 같이 수술 부위를 인간이 직접 접촉할 수 없는 환경에서 빠른 시간 내에 인식하고 판단해야 하는 상황에도 유용하게 활용될 수 있을 것”으로 기대했다. 본 연구는 과학기술정보통신부(장관 이종호) 지원으로 KIST 주요사업과 한국연구재단 중견연구자지원사업, 차세대지능형반도체기술개발사업, 미래반도체신소자원천기술개발사업, 나노·소재원천기술개발사업으로 수행되었으며, 이번 연구결과는 재료 분야 국제 저널인 ‘Advanced Materials’ (IF: 30.849, JCR 분야 상위 2.160%) 최신 호에 게재되었으며 표지논문으로 선정되어 출판될 예정이다. * (논문명) An Artificial Tactile Neuron Enabling Spiking Representation of Stiffness and Disease Diagnosis - (제 1저자) 한국과학기술연구원 이준석 학생연구원 - (제 1저자) 한국과학기술연구원 김선정 학생연구원 - (교신저자) 한국과학기술연구원 이수연 책임연구원 - (교신저자) 한국과학기술연구원 이현정 책임연구원 그림 설명 [그림 1] 생물학적 촉각 뉴런과 본 연구에서 개발한 인공 촉각 뉴런 소자의 동작 비교 모식도 [그림 2] (왼쪽) 누르는 물질의 딱딱한 정도에 따른 인공 촉각 뉴런 소자의 스파이크 신호 패턴 예시, (오른쪽) 생성된 스파이크 정보를 바탕으로 유방암 탄성 초음파 이미지를 학습하여 종양의 악성/양성을 판단하는 예시. 빨간색은 부드러운 영역을, 파란색은 딱딱한 영역을 나타냄

- 물질의 딱딱한 정도를 빠르고 정확하게 변환하는 인공촉각뉴런소자 개발 - AI 기술과 결합, 종양의 딱딱한 정도와 모양을 학습하여 암진단 가능성 제시 세포에서부터 조직에 이르기까지 다양한 생체 물질의 딱딱한 정도와 모양은 질병과 관련된 정보를 반영한다. 예를 들어 유방암의 경우 일반적으로 악성 종양이 양성 종양보다 더 딱딱하고 불규칙한 모양을 지닌다. 탄성 초음파 검사는 비침습적으로 조직의 딱딱한 정도와 모양을 파악할 수 있으며, 비용이 저렴하여 유방암 진단에 주로 활용되고 있다. 그러나 탄성 초음파 이미지를 해석하기 위해서는 경험이 많은 전문가의 견해가 필수적이고 전문가 간 정확도에도 차이가 있었다. 한국과학기술연구원(KIST, 원장 윤석진)은 스핀융합연구단 이현정 박사팀과 인공뇌융합연구단 이수연 단장팀이 촉각 뉴런 소자와 인공신경망 학습 방법을 접목시켜 간단하지만 정확도가 높은 질병 진단기술을 개발했다고 밝혔다. KIST 연구진이 개발한 촉각 뉴런 소자는 기존에 보고된 인공 촉각 뉴런 소자와는 달리 접촉하는 물체의 딱딱하고 부드러운 정도의 구분이 가능하다. 뉴로모픽(Neuromorphic) 기술은 적은 에너지를 소비하면서 고차원적인 기능을 수행하는 인간 뇌의 정보처리 방식을 전자회로로 모방하려는 연구 분야다. 복잡하고 방대한 정보를 실시간으로 처리해야 하는 인공지능, 사물인터넷, 자율주행차 시대에 적합한 새로운 데이터 처리 기술로 각광받고 있다. 감각 뉴런은 감각 수용체를 통하여 외부 자극을 받아들이고 이를 전기적 스파이크 신호 형태로 변환하는데, 이 때 외부 자극에 대한 정보에 따라 생성되는 스파이크 패턴이 달라진다. 예를 들어, 자극이 세기가 클수록 생성되는 스파이크의 주파수가 빨라진다. KIST 연구진은 이러한 감각 뉴런의 특성을 구현하기 위해 압력센서와 오보닉 임계 스위치 소자를 결합한 간단한 구조의 인공촉각뉴런소자를 개발했다. 압력 센서에 압력이 가해지면 센서의 저항이 낮아지고 연결된 오보닉 스위치 소자의 스파이크 주파수가 변화된다. 개발된 인공촉각뉴런소자는 딱딱한 물질일수록 누를 때 압력을 더 빨리 느낀다는 부분에 착안해 누르는 힘이 록 더 빠른 전기적 스파이크를 발생시키도록 하고, 압력에 대한 감지 민감도를 동시에 개선한 고응답, 고민감도 소자이다. 개발된 소자에서 발생되는 전기적 스파이크의 속도는 0.00001초 이하여서 일반적으로 물체를 누르는데 수 초가 걸리는 것과 비교해 100,000배 이상 속도가 빨라 실시간으로 누르는 힘의 변화를 스파이크로 변환할 수 있다. 또한, 기존 소자가 물질을 가볍게 누르는 정도의 낮은 압력(약 20kPa)을 20~40 Hz 수준의 스파이크 변화량으로 감지할 수 있었던 반면 개발된 소자는 1.2MHz 수준으로 감지가 가능하다. 연구진은 개발한 소자를 실제 질병 진단에 활용하기 위해 누르는 물체의 딱딱한 정도에 따라 달라지는 스파이크 변화량에 스파이킹 인공신경망 학습기법을 접목하여 악성 또는 양성의 유방암 탄성 이미지에 대한 학습을 진행한 결과 최대 95.8%의 정확도로 유방 종양의 악성여부를 구분할 수 있었다. 탄성 초음파 이미지의 픽셀별로 나타난 색을 스파이크 주파수 변화량 수치로 변화시키고, 이를 인공지능에 학습시킴으로써 더 간단하고 정확하게 유방암 진단이 가능하도록 한 것이다. KIST 연구진은 “개발된 인공촉각뉴런 기술은 간단한 구조와 방식으로 기계적인 물성 감지 및 학습이 가능하다.”면서 “후속 연구를 통해 현재 탄성 초음파 이미지로 얻을 수 있는 물체의 탄성 이미지를 인공촉각뉴런으로 얻을 수 있게 된다면 초음파 탄성 이미지의 단점인 반사 노이즈 문제를 해결할 수 있을 것”이라고 밝혔다. 또한 “저전력, 고정확도의 질병 진단 뿐만 아니라 로봇 수술 등과 같이 수술 부위를 인간이 직접 접촉할 수 없는 환경에서 빠른 시간 내에 인식하고 판단해야 하는 상황에도 유용하게 활용될 수 있을 것”으로 기대했다. 본 연구는 과학기술정보통신부(장관 이종호) 지원으로 KIST 주요사업과 한국연구재단 중견연구자지원사업, 차세대지능형반도체기술개발사업, 미래반도체신소자원천기술개발사업, 나노·소재원천기술개발사업으로 수행되었으며, 이번 연구결과는 재료 분야 국제 저널인 ‘Advanced Materials’ (IF: 30.849, JCR 분야 상위 2.160%) 최신 호에 게재되었으며 표지논문으로 선정되어 출판될 예정이다. * (논문명) An Artificial Tactile Neuron Enabling Spiking Representation of Stiffness and Disease Diagnosis - (제 1저자) 한국과학기술연구원 이준석 학생연구원 - (제 1저자) 한국과학기술연구원 김선정 학생연구원 - (교신저자) 한국과학기술연구원 이수연 책임연구원 - (교신저자) 한국과학기술연구원 이현정 책임연구원 그림 설명 [그림 1] 생물학적 촉각 뉴런과 본 연구에서 개발한 인공 촉각 뉴런 소자의 동작 비교 모식도 [그림 2] (왼쪽) 누르는 물질의 딱딱한 정도에 따른 인공 촉각 뉴런 소자의 스파이크 신호 패턴 예시, (오른쪽) 생성된 스파이크 정보를 바탕으로 유방암 탄성 초음파 이미지를 학습하여 종양의 악성/양성을 판단하는 예시. 빨간색은 부드러운 영역을, 파란색은 딱딱한 영역을 나타냄

- 물질의 딱딱한 정도를 빠르고 정확하게 변환하는 인공촉각뉴런소자 개발 - AI 기술과 결합, 종양의 딱딱한 정도와 모양을 학습하여 암진단 가능성 제시 세포에서부터 조직에 이르기까지 다양한 생체 물질의 딱딱한 정도와 모양은 질병과 관련된 정보를 반영한다. 예를 들어 유방암의 경우 일반적으로 악성 종양이 양성 종양보다 더 딱딱하고 불규칙한 모양을 지닌다. 탄성 초음파 검사는 비침습적으로 조직의 딱딱한 정도와 모양을 파악할 수 있으며, 비용이 저렴하여 유방암 진단에 주로 활용되고 있다. 그러나 탄성 초음파 이미지를 해석하기 위해서는 경험이 많은 전문가의 견해가 필수적이고 전문가 간 정확도에도 차이가 있었다. 한국과학기술연구원(KIST, 원장 윤석진)은 스핀융합연구단 이현정 박사팀과 인공뇌융합연구단 이수연 단장팀이 촉각 뉴런 소자와 인공신경망 학습 방법을 접목시켜 간단하지만 정확도가 높은 질병 진단기술을 개발했다고 밝혔다. KIST 연구진이 개발한 촉각 뉴런 소자는 기존에 보고된 인공 촉각 뉴런 소자와는 달리 접촉하는 물체의 딱딱하고 부드러운 정도의 구분이 가능하다. 뉴로모픽(Neuromorphic) 기술은 적은 에너지를 소비하면서 고차원적인 기능을 수행하는 인간 뇌의 정보처리 방식을 전자회로로 모방하려는 연구 분야다. 복잡하고 방대한 정보를 실시간으로 처리해야 하는 인공지능, 사물인터넷, 자율주행차 시대에 적합한 새로운 데이터 처리 기술로 각광받고 있다. 감각 뉴런은 감각 수용체를 통하여 외부 자극을 받아들이고 이를 전기적 스파이크 신호 형태로 변환하는데, 이 때 외부 자극에 대한 정보에 따라 생성되는 스파이크 패턴이 달라진다. 예를 들어, 자극이 세기가 클수록 생성되는 스파이크의 주파수가 빨라진다. KIST 연구진은 이러한 감각 뉴런의 특성을 구현하기 위해 압력센서와 오보닉 임계 스위치 소자를 결합한 간단한 구조의 인공촉각뉴런소자를 개발했다. 압력 센서에 압력이 가해지면 센서의 저항이 낮아지고 연결된 오보닉 스위치 소자의 스파이크 주파수가 변화된다. 개발된 인공촉각뉴런소자는 딱딱한 물질일수록 누를 때 압력을 더 빨리 느낀다는 부분에 착안해 누르는 힘이 록 더 빠른 전기적 스파이크를 발생시키도록 하고, 압력에 대한 감지 민감도를 동시에 개선한 고응답, 고민감도 소자이다. 개발된 소자에서 발생되는 전기적 스파이크의 속도는 0.00001초 이하여서 일반적으로 물체를 누르는데 수 초가 걸리는 것과 비교해 100,000배 이상 속도가 빨라 실시간으로 누르는 힘의 변화를 스파이크로 변환할 수 있다. 또한, 기존 소자가 물질을 가볍게 누르는 정도의 낮은 압력(약 20kPa)을 20~40 Hz 수준의 스파이크 변화량으로 감지할 수 있었던 반면 개발된 소자는 1.2MHz 수준으로 감지가 가능하다. 연구진은 개발한 소자를 실제 질병 진단에 활용하기 위해 누르는 물체의 딱딱한 정도에 따라 달라지는 스파이크 변화량에 스파이킹 인공신경망 학습기법을 접목하여 악성 또는 양성의 유방암 탄성 이미지에 대한 학습을 진행한 결과 최대 95.8%의 정확도로 유방 종양의 악성여부를 구분할 수 있었다. 탄성 초음파 이미지의 픽셀별로 나타난 색을 스파이크 주파수 변화량 수치로 변화시키고, 이를 인공지능에 학습시킴으로써 더 간단하고 정확하게 유방암 진단이 가능하도록 한 것이다. KIST 연구진은 “개발된 인공촉각뉴런 기술은 간단한 구조와 방식으로 기계적인 물성 감지 및 학습이 가능하다.”면서 “후속 연구를 통해 현재 탄성 초음파 이미지로 얻을 수 있는 물체의 탄성 이미지를 인공촉각뉴런으로 얻을 수 있게 된다면 초음파 탄성 이미지의 단점인 반사 노이즈 문제를 해결할 수 있을 것”이라고 밝혔다. 또한 “저전력, 고정확도의 질병 진단 뿐만 아니라 로봇 수술 등과 같이 수술 부위를 인간이 직접 접촉할 수 없는 환경에서 빠른 시간 내에 인식하고 판단해야 하는 상황에도 유용하게 활용될 수 있을 것”으로 기대했다. 본 연구는 과학기술정보통신부(장관 이종호) 지원으로 KIST 주요사업과 한국연구재단 중견연구자지원사업, 차세대지능형반도체기술개발사업, 미래반도체신소자원천기술개발사업, 나노·소재원천기술개발사업으로 수행되었으며, 이번 연구결과는 재료 분야 국제 저널인 ‘Advanced Materials’ (IF: 30.849, JCR 분야 상위 2.160%) 최신 호에 게재되었으며 표지논문으로 선정되어 출판될 예정이다. * (논문명) An Artificial Tactile Neuron Enabling Spiking Representation of Stiffness and Disease Diagnosis - (제 1저자) 한국과학기술연구원 이준석 학생연구원 - (제 1저자) 한국과학기술연구원 김선정 학생연구원 - (교신저자) 한국과학기술연구원 이수연 책임연구원 - (교신저자) 한국과학기술연구원 이현정 책임연구원 그림 설명 [그림 1] 생물학적 촉각 뉴런과 본 연구에서 개발한 인공 촉각 뉴런 소자의 동작 비교 모식도 [그림 2] (왼쪽) 누르는 물질의 딱딱한 정도에 따른 인공 촉각 뉴런 소자의 스파이크 신호 패턴 예시, (오른쪽) 생성된 스파이크 정보를 바탕으로 유방암 탄성 초음파 이미지를 학습하여 종양의 악성/양성을 판단하는 예시. 빨간색은 부드러운 영역을, 파란색은 딱딱한 영역을 나타냄

- 물질의 딱딱한 정도를 빠르고 정확하게 변환하는 인공촉각뉴런소자 개발 - AI 기술과 결합, 종양의 딱딱한 정도와 모양을 학습하여 암진단 가능성 제시 세포에서부터 조직에 이르기까지 다양한 생체 물질의 딱딱한 정도와 모양은 질병과 관련된 정보를 반영한다. 예를 들어 유방암의 경우 일반적으로 악성 종양이 양성 종양보다 더 딱딱하고 불규칙한 모양을 지닌다. 탄성 초음파 검사는 비침습적으로 조직의 딱딱한 정도와 모양을 파악할 수 있으며, 비용이 저렴하여 유방암 진단에 주로 활용되고 있다. 그러나 탄성 초음파 이미지를 해석하기 위해서는 경험이 많은 전문가의 견해가 필수적이고 전문가 간 정확도에도 차이가 있었다. 한국과학기술연구원(KIST, 원장 윤석진)은 스핀융합연구단 이현정 박사팀과 인공뇌융합연구단 이수연 단장팀이 촉각 뉴런 소자와 인공신경망 학습 방법을 접목시켜 간단하지만 정확도가 높은 질병 진단기술을 개발했다고 밝혔다. KIST 연구진이 개발한 촉각 뉴런 소자는 기존에 보고된 인공 촉각 뉴런 소자와는 달리 접촉하는 물체의 딱딱하고 부드러운 정도의 구분이 가능하다. 뉴로모픽(Neuromorphic) 기술은 적은 에너지를 소비하면서 고차원적인 기능을 수행하는 인간 뇌의 정보처리 방식을 전자회로로 모방하려는 연구 분야다. 복잡하고 방대한 정보를 실시간으로 처리해야 하는 인공지능, 사물인터넷, 자율주행차 시대에 적합한 새로운 데이터 처리 기술로 각광받고 있다. 감각 뉴런은 감각 수용체를 통하여 외부 자극을 받아들이고 이를 전기적 스파이크 신호 형태로 변환하는데, 이 때 외부 자극에 대한 정보에 따라 생성되는 스파이크 패턴이 달라진다. 예를 들어, 자극이 세기가 클수록 생성되는 스파이크의 주파수가 빨라진다. KIST 연구진은 이러한 감각 뉴런의 특성을 구현하기 위해 압력센서와 오보닉 임계 스위치 소자를 결합한 간단한 구조의 인공촉각뉴런소자를 개발했다. 압력 센서에 압력이 가해지면 센서의 저항이 낮아지고 연결된 오보닉 스위치 소자의 스파이크 주파수가 변화된다. 개발된 인공촉각뉴런소자는 딱딱한 물질일수록 누를 때 압력을 더 빨리 느낀다는 부분에 착안해 누르는 힘이 록 더 빠른 전기적 스파이크를 발생시키도록 하고, 압력에 대한 감지 민감도를 동시에 개선한 고응답, 고민감도 소자이다. 개발된 소자에서 발생되는 전기적 스파이크의 속도는 0.00001초 이하여서 일반적으로 물체를 누르는데 수 초가 걸리는 것과 비교해 100,000배 이상 속도가 빨라 실시간으로 누르는 힘의 변화를 스파이크로 변환할 수 있다. 또한, 기존 소자가 물질을 가볍게 누르는 정도의 낮은 압력(약 20kPa)을 20~40 Hz 수준의 스파이크 변화량으로 감지할 수 있었던 반면 개발된 소자는 1.2MHz 수준으로 감지가 가능하다. 연구진은 개발한 소자를 실제 질병 진단에 활용하기 위해 누르는 물체의 딱딱한 정도에 따라 달라지는 스파이크 변화량에 스파이킹 인공신경망 학습기법을 접목하여 악성 또는 양성의 유방암 탄성 이미지에 대한 학습을 진행한 결과 최대 95.8%의 정확도로 유방 종양의 악성여부를 구분할 수 있었다. 탄성 초음파 이미지의 픽셀별로 나타난 색을 스파이크 주파수 변화량 수치로 변화시키고, 이를 인공지능에 학습시킴으로써 더 간단하고 정확하게 유방암 진단이 가능하도록 한 것이다. KIST 연구진은 “개발된 인공촉각뉴런 기술은 간단한 구조와 방식으로 기계적인 물성 감지 및 학습이 가능하다.”면서 “후속 연구를 통해 현재 탄성 초음파 이미지로 얻을 수 있는 물체의 탄성 이미지를 인공촉각뉴런으로 얻을 수 있게 된다면 초음파 탄성 이미지의 단점인 반사 노이즈 문제를 해결할 수 있을 것”이라고 밝혔다. 또한 “저전력, 고정확도의 질병 진단 뿐만 아니라 로봇 수술 등과 같이 수술 부위를 인간이 직접 접촉할 수 없는 환경에서 빠른 시간 내에 인식하고 판단해야 하는 상황에도 유용하게 활용될 수 있을 것”으로 기대했다. 본 연구는 과학기술정보통신부(장관 이종호) 지원으로 KIST 주요사업과 한국연구재단 중견연구자지원사업, 차세대지능형반도체기술개발사업, 미래반도체신소자원천기술개발사업, 나노·소재원천기술개발사업으로 수행되었으며, 이번 연구결과는 재료 분야 국제 저널인 ‘Advanced Materials’ (IF: 30.849, JCR 분야 상위 2.160%) 최신 호에 게재되었으며 표지논문으로 선정되어 출판될 예정이다. * (논문명) An Artificial Tactile Neuron Enabling Spiking Representation of Stiffness and Disease Diagnosis - (제 1저자) 한국과학기술연구원 이준석 학생연구원 - (제 1저자) 한국과학기술연구원 김선정 학생연구원 - (교신저자) 한국과학기술연구원 이수연 책임연구원 - (교신저자) 한국과학기술연구원 이현정 책임연구원 그림 설명 [그림 1] 생물학적 촉각 뉴런과 본 연구에서 개발한 인공 촉각 뉴런 소자의 동작 비교 모식도 [그림 2] (왼쪽) 누르는 물질의 딱딱한 정도에 따른 인공 촉각 뉴런 소자의 스파이크 신호 패턴 예시, (오른쪽) 생성된 스파이크 정보를 바탕으로 유방암 탄성 초음파 이미지를 학습하여 종양의 악성/양성을 판단하는 예시. 빨간색은 부드러운 영역을, 파란색은 딱딱한 영역을 나타냄

- 물질의 딱딱한 정도를 빠르고 정확하게 변환하는 인공촉각뉴런소자 개발 - AI 기술과 결합, 종양의 딱딱한 정도와 모양을 학습하여 암진단 가능성 제시 세포에서부터 조직에 이르기까지 다양한 생체 물질의 딱딱한 정도와 모양은 질병과 관련된 정보를 반영한다. 예를 들어 유방암의 경우 일반적으로 악성 종양이 양성 종양보다 더 딱딱하고 불규칙한 모양을 지닌다. 탄성 초음파 검사는 비침습적으로 조직의 딱딱한 정도와 모양을 파악할 수 있으며, 비용이 저렴하여 유방암 진단에 주로 활용되고 있다. 그러나 탄성 초음파 이미지를 해석하기 위해서는 경험이 많은 전문가의 견해가 필수적이고 전문가 간 정확도에도 차이가 있었다. 한국과학기술연구원(KIST, 원장 윤석진)은 스핀융합연구단 이현정 박사팀과 인공뇌융합연구단 이수연 단장팀이 촉각 뉴런 소자와 인공신경망 학습 방법을 접목시켜 간단하지만 정확도가 높은 질병 진단기술을 개발했다고 밝혔다. KIST 연구진이 개발한 촉각 뉴런 소자는 기존에 보고된 인공 촉각 뉴런 소자와는 달리 접촉하는 물체의 딱딱하고 부드러운 정도의 구분이 가능하다. 뉴로모픽(Neuromorphic) 기술은 적은 에너지를 소비하면서 고차원적인 기능을 수행하는 인간 뇌의 정보처리 방식을 전자회로로 모방하려는 연구 분야다. 복잡하고 방대한 정보를 실시간으로 처리해야 하는 인공지능, 사물인터넷, 자율주행차 시대에 적합한 새로운 데이터 처리 기술로 각광받고 있다. 감각 뉴런은 감각 수용체를 통하여 외부 자극을 받아들이고 이를 전기적 스파이크 신호 형태로 변환하는데, 이 때 외부 자극에 대한 정보에 따라 생성되는 스파이크 패턴이 달라진다. 예를 들어, 자극이 세기가 클수록 생성되는 스파이크의 주파수가 빨라진다. KIST 연구진은 이러한 감각 뉴런의 특성을 구현하기 위해 압력센서와 오보닉 임계 스위치 소자를 결합한 간단한 구조의 인공촉각뉴런소자를 개발했다. 압력 센서에 압력이 가해지면 센서의 저항이 낮아지고 연결된 오보닉 스위치 소자의 스파이크 주파수가 변화된다. 개발된 인공촉각뉴런소자는 딱딱한 물질일수록 누를 때 압력을 더 빨리 느낀다는 부분에 착안해 누르는 힘이 록 더 빠른 전기적 스파이크를 발생시키도록 하고, 압력에 대한 감지 민감도를 동시에 개선한 고응답, 고민감도 소자이다. 개발된 소자에서 발생되는 전기적 스파이크의 속도는 0.00001초 이하여서 일반적으로 물체를 누르는데 수 초가 걸리는 것과 비교해 100,000배 이상 속도가 빨라 실시간으로 누르는 힘의 변화를 스파이크로 변환할 수 있다. 또한, 기존 소자가 물질을 가볍게 누르는 정도의 낮은 압력(약 20kPa)을 20~40 Hz 수준의 스파이크 변화량으로 감지할 수 있었던 반면 개발된 소자는 1.2MHz 수준으로 감지가 가능하다. 연구진은 개발한 소자를 실제 질병 진단에 활용하기 위해 누르는 물체의 딱딱한 정도에 따라 달라지는 스파이크 변화량에 스파이킹 인공신경망 학습기법을 접목하여 악성 또는 양성의 유방암 탄성 이미지에 대한 학습을 진행한 결과 최대 95.8%의 정확도로 유방 종양의 악성여부를 구분할 수 있었다. 탄성 초음파 이미지의 픽셀별로 나타난 색을 스파이크 주파수 변화량 수치로 변화시키고, 이를 인공지능에 학습시킴으로써 더 간단하고 정확하게 유방암 진단이 가능하도록 한 것이다. KIST 연구진은 “개발된 인공촉각뉴런 기술은 간단한 구조와 방식으로 기계적인 물성 감지 및 학습이 가능하다.”면서 “후속 연구를 통해 현재 탄성 초음파 이미지로 얻을 수 있는 물체의 탄성 이미지를 인공촉각뉴런으로 얻을 수 있게 된다면 초음파 탄성 이미지의 단점인 반사 노이즈 문제를 해결할 수 있을 것”이라고 밝혔다. 또한 “저전력, 고정확도의 질병 진단 뿐만 아니라 로봇 수술 등과 같이 수술 부위를 인간이 직접 접촉할 수 없는 환경에서 빠른 시간 내에 인식하고 판단해야 하는 상황에도 유용하게 활용될 수 있을 것”으로 기대했다. 본 연구는 과학기술정보통신부(장관 이종호) 지원으로 KIST 주요사업과 한국연구재단 중견연구자지원사업, 차세대지능형반도체기술개발사업, 미래반도체신소자원천기술개발사업, 나노·소재원천기술개발사업으로 수행되었으며, 이번 연구결과는 재료 분야 국제 저널인 ‘Advanced Materials’ (IF: 30.849, JCR 분야 상위 2.160%) 최신 호에 게재되었으며 표지논문으로 선정되어 출판될 예정이다. * (논문명) An Artificial Tactile Neuron Enabling Spiking Representation of Stiffness and Disease Diagnosis - (제 1저자) 한국과학기술연구원 이준석 학생연구원 - (제 1저자) 한국과학기술연구원 김선정 학생연구원 - (교신저자) 한국과학기술연구원 이수연 책임연구원 - (교신저자) 한국과학기술연구원 이현정 책임연구원 그림 설명 [그림 1] 생물학적 촉각 뉴런과 본 연구에서 개발한 인공 촉각 뉴런 소자의 동작 비교 모식도 [그림 2] (왼쪽) 누르는 물질의 딱딱한 정도에 따른 인공 촉각 뉴런 소자의 스파이크 신호 패턴 예시, (오른쪽) 생성된 스파이크 정보를 바탕으로 유방암 탄성 초음파 이미지를 학습하여 종양의 악성/양성을 판단하는 예시. 빨간색은 부드러운 영역을, 파란색은 딱딱한 영역을 나타냄

- 물질의 딱딱한 정도를 빠르고 정확하게 변환하는 인공촉각뉴런소자 개발 - AI 기술과 결합, 종양의 딱딱한 정도와 모양을 학습하여 암진단 가능성 제시 세포에서부터 조직에 이르기까지 다양한 생체 물질의 딱딱한 정도와 모양은 질병과 관련된 정보를 반영한다. 예를 들어 유방암의 경우 일반적으로 악성 종양이 양성 종양보다 더 딱딱하고 불규칙한 모양을 지닌다. 탄성 초음파 검사는 비침습적으로 조직의 딱딱한 정도와 모양을 파악할 수 있으며, 비용이 저렴하여 유방암 진단에 주로 활용되고 있다. 그러나 탄성 초음파 이미지를 해석하기 위해서는 경험이 많은 전문가의 견해가 필수적이고 전문가 간 정확도에도 차이가 있었다. 한국과학기술연구원(KIST, 원장 윤석진)은 스핀융합연구단 이현정 박사팀과 인공뇌융합연구단 이수연 단장팀이 촉각 뉴런 소자와 인공신경망 학습 방법을 접목시켜 간단하지만 정확도가 높은 질병 진단기술을 개발했다고 밝혔다. KIST 연구진이 개발한 촉각 뉴런 소자는 기존에 보고된 인공 촉각 뉴런 소자와는 달리 접촉하는 물체의 딱딱하고 부드러운 정도의 구분이 가능하다. 뉴로모픽(Neuromorphic) 기술은 적은 에너지를 소비하면서 고차원적인 기능을 수행하는 인간 뇌의 정보처리 방식을 전자회로로 모방하려는 연구 분야다. 복잡하고 방대한 정보를 실시간으로 처리해야 하는 인공지능, 사물인터넷, 자율주행차 시대에 적합한 새로운 데이터 처리 기술로 각광받고 있다. 감각 뉴런은 감각 수용체를 통하여 외부 자극을 받아들이고 이를 전기적 스파이크 신호 형태로 변환하는데, 이 때 외부 자극에 대한 정보에 따라 생성되는 스파이크 패턴이 달라진다. 예를 들어, 자극이 세기가 클수록 생성되는 스파이크의 주파수가 빨라진다. KIST 연구진은 이러한 감각 뉴런의 특성을 구현하기 위해 압력센서와 오보닉 임계 스위치 소자를 결합한 간단한 구조의 인공촉각뉴런소자를 개발했다. 압력 센서에 압력이 가해지면 센서의 저항이 낮아지고 연결된 오보닉 스위치 소자의 스파이크 주파수가 변화된다. 개발된 인공촉각뉴런소자는 딱딱한 물질일수록 누를 때 압력을 더 빨리 느낀다는 부분에 착안해 누르는 힘이 록 더 빠른 전기적 스파이크를 발생시키도록 하고, 압력에 대한 감지 민감도를 동시에 개선한 고응답, 고민감도 소자이다. 개발된 소자에서 발생되는 전기적 스파이크의 속도는 0.00001초 이하여서 일반적으로 물체를 누르는데 수 초가 걸리는 것과 비교해 100,000배 이상 속도가 빨라 실시간으로 누르는 힘의 변화를 스파이크로 변환할 수 있다. 또한, 기존 소자가 물질을 가볍게 누르는 정도의 낮은 압력(약 20kPa)을 20~40 Hz 수준의 스파이크 변화량으로 감지할 수 있었던 반면 개발된 소자는 1.2MHz 수준으로 감지가 가능하다. 연구진은 개발한 소자를 실제 질병 진단에 활용하기 위해 누르는 물체의 딱딱한 정도에 따라 달라지는 스파이크 변화량에 스파이킹 인공신경망 학습기법을 접목하여 악성 또는 양성의 유방암 탄성 이미지에 대한 학습을 진행한 결과 최대 95.8%의 정확도로 유방 종양의 악성여부를 구분할 수 있었다. 탄성 초음파 이미지의 픽셀별로 나타난 색을 스파이크 주파수 변화량 수치로 변화시키고, 이를 인공지능에 학습시킴으로써 더 간단하고 정확하게 유방암 진단이 가능하도록 한 것이다. KIST 연구진은 “개발된 인공촉각뉴런 기술은 간단한 구조와 방식으로 기계적인 물성 감지 및 학습이 가능하다.”면서 “후속 연구를 통해 현재 탄성 초음파 이미지로 얻을 수 있는 물체의 탄성 이미지를 인공촉각뉴런으로 얻을 수 있게 된다면 초음파 탄성 이미지의 단점인 반사 노이즈 문제를 해결할 수 있을 것”이라고 밝혔다. 또한 “저전력, 고정확도의 질병 진단 뿐만 아니라 로봇 수술 등과 같이 수술 부위를 인간이 직접 접촉할 수 없는 환경에서 빠른 시간 내에 인식하고 판단해야 하는 상황에도 유용하게 활용될 수 있을 것”으로 기대했다. 본 연구는 과학기술정보통신부(장관 이종호) 지원으로 KIST 주요사업과 한국연구재단 중견연구자지원사업, 차세대지능형반도체기술개발사업, 미래반도체신소자원천기술개발사업, 나노·소재원천기술개발사업으로 수행되었으며, 이번 연구결과는 재료 분야 국제 저널인 ‘Advanced Materials’ (IF: 30.849, JCR 분야 상위 2.160%) 최신 호에 게재되었으며 표지논문으로 선정되어 출판될 예정이다. * (논문명) An Artificial Tactile Neuron Enabling Spiking Representation of Stiffness and Disease Diagnosis - (제 1저자) 한국과학기술연구원 이준석 학생연구원 - (제 1저자) 한국과학기술연구원 김선정 학생연구원 - (교신저자) 한국과학기술연구원 이수연 책임연구원 - (교신저자) 한국과학기술연구원 이현정 책임연구원 그림 설명 [그림 1] 생물학적 촉각 뉴런과 본 연구에서 개발한 인공 촉각 뉴런 소자의 동작 비교 모식도 [그림 2] (왼쪽) 누르는 물질의 딱딱한 정도에 따른 인공 촉각 뉴런 소자의 스파이크 신호 패턴 예시, (오른쪽) 생성된 스파이크 정보를 바탕으로 유방암 탄성 초음파 이미지를 학습하여 종양의 악성/양성을 판단하는 예시. 빨간색은 부드러운 영역을, 파란색은 딱딱한 영역을 나타냄

- 차세대 통신보안기술을 포함하는 양자암호통신장치 기술 이전 - IoT 및 에지 디바이스 등의 네트워크에 양자암호통신기술의 본격적인 상용화 한국과학기술연구원(KIST, 원장 윤석진)과 SDT 주식회사(대표이사 윤지원)는 5월 31일(목) KIST 서울 본원에서 ‘양자암호통신장치 기술’에 대한 기술이전 및 사업화 협력을 위한 조인식을 가졌다. 양자컴퓨팅 기술은 비약적인 계산 속도 증가로 인해 수학적 문제에 기반한 현대 보안통신에 심각한 위협으로 대두되고 있다. 이에 대응하는 기술로 양자 역학 법칙에 기반한 양자 암호에 대한 연구가 활발히 이루어지고 있으며, 전세계적으로 제품의 실제 환경 테스트베드 운용과 함께 관련 표준 및 제도를 정비하는 등 상용화를 위한 노력이 진행되고 있다. KIST는 이러한 양자암호통신을 위한 네트워크 시스템을 개발하고 실제 포설된 광케이블 망에서 양자암호시스템으로 1x4 통신을 하는데 성공했으며, 2021년에는 통신사 컨소시엄에 참여해 기존 암호통신 시스템과 연결 가능한 양자암호통신시스템을 개발하고 그 성능을 검증했다. 양자정보연구단 한상욱 단장팀에서 이번에 기술이전한 양자암호통신장치는 국내 최초로 하나의 수신부 서버에 다수의 송신부 시스템이 연결된 1xN(일대다) 통신이 가능한 양자암호통신시스템이다. 이 시스템은 개발 비용의 큰 부분을 차지하는 단일광자 검출기, 양자광원 모듈 등을 하나의 서버로 만들고, 상대적으로 저비용으로 구축 가능한 부품들만 다수의 사용자 송신부 시스템에 만들기 때문에 전체 구축 비용을 현저히 낮출 수 있는 장점을 가지고 있다. 한상욱 단장은 “개발한 기술을 활용해 보안 통신이 중요한 중앙관제 시스템, 여러 하위부대와 연결이 필요한 군 통신, 다수의 사용자들에게 서비스를 제공하는 데이터 서버 보안 통신 등의 분야에 효과적으로 적용할 수 있을 것으로 예상된다.”고 밝혔다. SDT 주식회사는 다양한 애플리케이션을 위한 SoM(System-on-Module, 하드웨어, 통신, 소프트웨어, 보안, 클라우드가 통합된 모듈) 개발부터 에지 디바이스 에코시스템과 IoT센서의 데이터를 기반으로 클라우드 서비스를 제공하는 기업이다. 이번 계약을 통해 절대 해킹할 수 없는 보안으로 디바이스와 클라우드간의 통신을 보호할 수 있으며, 이를 통해 SDT 주식회사의 제품 및 서비스의 경쟁력을 더욱 강화할 것으로 기대된다. KIST 윤석진 원장은 “이번 조인식을 통해서 세계 최고수준의 양자암호통신장치를 국내에서 성공적으로 상용화하고, 우리 나라가 양자암호통신 강국으로 자리매김 하도록 기업과 더욱 긴밀히 협력해 나갈 예정”이라고 밝혔다. SDT 주식회사의 윤지원 대표이사는 “KIST의 양자암호장치 기술을 이전받고, 국내 디지털 트랜스포메이션 솔루션 제공 시장에서의 선두주자가 되기 위해 노력할 것이며, 나아가 글로벌 시장 진출에 앞장서도록 노력하겠다.”고 밝혔다.