- KIST-경희대 연구진, '에너지 최소화 변이 오토인코더(E-VAE)' 개발 - 머신러닝 기술을 이용한 최적화 문제 해결방법 제시 최적화 문제란 어떠한 목적을 이루기 위한 가장 적합한 해결책을 찾는 문제를 말한다. 예를 들면, 우리가 일상생활에서 접할 수 있는 ‘서울에서 부산까지 가장 빠른 경로 찾기’도 최적화 문제이다. 간단한 문제라면 모든 경우의 수를 조사해서 가장 적합한 답을 찾을 수 있으나, 문제가 복잡해지면 셀 수 없이 많은 경우의 수를 가지게 되므로 최적화 문제는 여러 연구 분야에서 대표적인 난제로 취급된다. 이러한 최적화 문제는 차세대 반도체 연구 분야에서도 등장한다. 예를 들어, ‘전류가 가장 잘 흐르게 하려면 어떤 소재로 반도체를 설계해야 하는지’, ‘그 소재의 가장 안정적인 상태는 무엇인지’는 모두 최적화 문제이다. 특히, 현재 사용되고 있는 실리콘 반도체의 집적도 한계를 극복하고 초저전력, 고성능 차세대 반도체를 개발하기 위한 스핀트로닉스 연구에서는 그 소재로 사용되는 나노 자석의 가장 안정적인 상태를 규명하고 그 특성을 면밀히 파악하지 않으면 스핀 소자의 정확한 동작 특성 및 범위를 설계할 수 없다. 한국과학기술연구원(KIST, 원장 윤석진) 스핀융합연구단 권희영, 최준우 박사, 경희대학교 원창연 교수 연구팀은 주어진 나노 자석의 가장 안정적인 상태, 즉 기저 상태(Ground State)에서 나타나는 스핀 구조를 추정하는 생성적 머신러닝 모델인 “에너지 최소화 변이 오토인코더(Energy-minimization Variational Autoencoder, E-VAE)”를 개발했다고 밝혔다. 생성적 머신러닝 기법은 주어진 데이터를 학습하여 그 데이터가 가지는 특성을 추출하고, 재조합하여 새로운 데이터를 생성하기 위해 사용된다. 이러한 생성적 머신러닝 모델들은 흑백사진을 컬러사진으로 변환하거나 비정상 데이터를 검출하는 등 다양한 분야에서 활용되고 있다. 연구진은 기존의 생성적 머신러닝 모델을 나노자석에 적용할 경우 국소적 노이즈 및 흐림 효과 등이 발생, 물리법칙에 어긋나는 상태가 생성됨을 확인하였다. 또한, 기존 모델에서는 입력된 상태보다 새롭게 생성된 상태의 에너지를 낮게 하는 과정이 포함되어 있지 않아 나노 자석의 기저 상태를 탐색하는 데 사용하기 어려웠다. 연구진은 기존 생성적 머신러닝 모델의 하나인 변이 오토인코더(Variational Autoencoder, VAE)에 생성된 상태들의 에너지를 최소화하는 과정을 포함한 “에너지 최소화 변이 오토인코더(E-VAE)”를 개발하고, 이를 통해 나노 자석의 스핀구조가 가질 수 있는 최적의 상태를 효율적으로 찾아내는 데 성공했다. 이는 기존에 사용되어 온 시뮬레이티드 어닐링 기법(Simulated annealing, SA)과 비교했을 때 최적의 상태를 찾는 문제에 있어서 뛰어난 효율과 정확성을 보여주었다. ？ KIST 권희영 박사는 “머신러닝 기술을 기반으로 주어진 물리적 시스템의 가장 낮은 에너지 상태를 조사할 수 있는 전산적 접근법을 제시했다”고 이번 연구의 의의를 밝혔다. 또한 “최적화 문제는 순수과학이나 반도체 연구뿐만 아니라 수학 및 컴퓨터 사이언스 분야에서도 중요한 연구 주제로 다뤄지는 만큼, 본 연구에서 개발된 머신러닝 기반의 혁신적인 최적화 기법은 다양한 분야에서 높은 학술적 가치를 가질 것으로 기대된다.”라고 밝혔다. 이번 연구는 과학기술정보통신부(장관 임혜숙) 지원 KIST 주요사업, 교육부(장관 유은혜) 지원 학문후속세대양성사업으로 수행되었다. 연구 결과는 국제 저널 ‘Advanced Science’ (IF: 16.806) 6월호에 게재되었다. *(논문명) Magnetic State Generation using Hamiltonian Guided Variational Autoencoder with Spin Structure Stabilization - (제 1저자, 교신저자) 한국과학기술연구원 권희영 박사후연구원 - (공저자) 한국과학기술연구원 최준우 책임연구원 - (교신저자) 경희대학교 원창연 교수 그림 설명 [그림 1] 생성적 모델을 통한 자성 기저 상태 추정에 관한 개념도 2차원 자성 시스템에서 나타나는 준 안정상태에 있는 자성 스커미온 스핀 상태를 입력하면 생성적 모델 내 일련의 과정을 거쳐 그 시스템의 기저 상태인 스커미온 레티스 구조(자성 스커미온들이 육각 격자를 이루는 상태)가 생성되는 개념도.

- KIST-경희대 연구진, '에너지 최소화 변이 오토인코더(E-VAE)' 개발 - 머신러닝 기술을 이용한 최적화 문제 해결방법 제시 최적화 문제란 어떠한 목적을 이루기 위한 가장 적합한 해결책을 찾는 문제를 말한다. 예를 들면, 우리가 일상생활에서 접할 수 있는 ‘서울에서 부산까지 가장 빠른 경로 찾기’도 최적화 문제이다. 간단한 문제라면 모든 경우의 수를 조사해서 가장 적합한 답을 찾을 수 있으나, 문제가 복잡해지면 셀 수 없이 많은 경우의 수를 가지게 되므로 최적화 문제는 여러 연구 분야에서 대표적인 난제로 취급된다. 이러한 최적화 문제는 차세대 반도체 연구 분야에서도 등장한다. 예를 들어, ‘전류가 가장 잘 흐르게 하려면 어떤 소재로 반도체를 설계해야 하는지’, ‘그 소재의 가장 안정적인 상태는 무엇인지’는 모두 최적화 문제이다. 특히, 현재 사용되고 있는 실리콘 반도체의 집적도 한계를 극복하고 초저전력, 고성능 차세대 반도체를 개발하기 위한 스핀트로닉스 연구에서는 그 소재로 사용되는 나노 자석의 가장 안정적인 상태를 규명하고 그 특성을 면밀히 파악하지 않으면 스핀 소자의 정확한 동작 특성 및 범위를 설계할 수 없다. 한국과학기술연구원(KIST, 원장 윤석진) 스핀융합연구단 권희영, 최준우 박사, 경희대학교 원창연 교수 연구팀은 주어진 나노 자석의 가장 안정적인 상태, 즉 기저 상태(Ground State)에서 나타나는 스핀 구조를 추정하는 생성적 머신러닝 모델인 “에너지 최소화 변이 오토인코더(Energy-minimization Variational Autoencoder, E-VAE)”를 개발했다고 밝혔다. 생성적 머신러닝 기법은 주어진 데이터를 학습하여 그 데이터가 가지는 특성을 추출하고, 재조합하여 새로운 데이터를 생성하기 위해 사용된다. 이러한 생성적 머신러닝 모델들은 흑백사진을 컬러사진으로 변환하거나 비정상 데이터를 검출하는 등 다양한 분야에서 활용되고 있다. 연구진은 기존의 생성적 머신러닝 모델을 나노자석에 적용할 경우 국소적 노이즈 및 흐림 효과 등이 발생, 물리법칙에 어긋나는 상태가 생성됨을 확인하였다. 또한, 기존 모델에서는 입력된 상태보다 새롭게 생성된 상태의 에너지를 낮게 하는 과정이 포함되어 있지 않아 나노 자석의 기저 상태를 탐색하는 데 사용하기 어려웠다. 연구진은 기존 생성적 머신러닝 모델의 하나인 변이 오토인코더(Variational Autoencoder, VAE)에 생성된 상태들의 에너지를 최소화하는 과정을 포함한 “에너지 최소화 변이 오토인코더(E-VAE)”를 개발하고, 이를 통해 나노 자석의 스핀구조가 가질 수 있는 최적의 상태를 효율적으로 찾아내는 데 성공했다. 이는 기존에 사용되어 온 시뮬레이티드 어닐링 기법(Simulated annealing, SA)과 비교했을 때 최적의 상태를 찾는 문제에 있어서 뛰어난 효율과 정확성을 보여주었다. ？ KIST 권희영 박사는 “머신러닝 기술을 기반으로 주어진 물리적 시스템의 가장 낮은 에너지 상태를 조사할 수 있는 전산적 접근법을 제시했다”고 이번 연구의 의의를 밝혔다. 또한 “최적화 문제는 순수과학이나 반도체 연구뿐만 아니라 수학 및 컴퓨터 사이언스 분야에서도 중요한 연구 주제로 다뤄지는 만큼, 본 연구에서 개발된 머신러닝 기반의 혁신적인 최적화 기법은 다양한 분야에서 높은 학술적 가치를 가질 것으로 기대된다.”라고 밝혔다. 이번 연구는 과학기술정보통신부(장관 임혜숙) 지원 KIST 주요사업, 교육부(장관 유은혜) 지원 학문후속세대양성사업으로 수행되었다. 연구 결과는 국제 저널 ‘Advanced Science’ (IF: 16.806) 6월호에 게재되었다. *(논문명) Magnetic State Generation using Hamiltonian Guided Variational Autoencoder with Spin Structure Stabilization - (제 1저자, 교신저자) 한국과학기술연구원 권희영 박사후연구원 - (공저자) 한국과학기술연구원 최준우 책임연구원 - (교신저자) 경희대학교 원창연 교수 그림 설명 [그림 1] 생성적 모델을 통한 자성 기저 상태 추정에 관한 개념도 2차원 자성 시스템에서 나타나는 준 안정상태에 있는 자성 스커미온 스핀 상태를 입력하면 생성적 모델 내 일련의 과정을 거쳐 그 시스템의 기저 상태인 스커미온 레티스 구조(자성 스커미온들이 육각 격자를 이루는 상태)가 생성되는 개념도.

- KIST-경희대 연구진, '에너지 최소화 변이 오토인코더(E-VAE)' 개발 - 머신러닝 기술을 이용한 최적화 문제 해결방법 제시 최적화 문제란 어떠한 목적을 이루기 위한 가장 적합한 해결책을 찾는 문제를 말한다. 예를 들면, 우리가 일상생활에서 접할 수 있는 ‘서울에서 부산까지 가장 빠른 경로 찾기’도 최적화 문제이다. 간단한 문제라면 모든 경우의 수를 조사해서 가장 적합한 답을 찾을 수 있으나, 문제가 복잡해지면 셀 수 없이 많은 경우의 수를 가지게 되므로 최적화 문제는 여러 연구 분야에서 대표적인 난제로 취급된다. 이러한 최적화 문제는 차세대 반도체 연구 분야에서도 등장한다. 예를 들어, ‘전류가 가장 잘 흐르게 하려면 어떤 소재로 반도체를 설계해야 하는지’, ‘그 소재의 가장 안정적인 상태는 무엇인지’는 모두 최적화 문제이다. 특히, 현재 사용되고 있는 실리콘 반도체의 집적도 한계를 극복하고 초저전력, 고성능 차세대 반도체를 개발하기 위한 스핀트로닉스 연구에서는 그 소재로 사용되는 나노 자석의 가장 안정적인 상태를 규명하고 그 특성을 면밀히 파악하지 않으면 스핀 소자의 정확한 동작 특성 및 범위를 설계할 수 없다. 한국과학기술연구원(KIST, 원장 윤석진) 스핀융합연구단 권희영, 최준우 박사, 경희대학교 원창연 교수 연구팀은 주어진 나노 자석의 가장 안정적인 상태, 즉 기저 상태(Ground State)에서 나타나는 스핀 구조를 추정하는 생성적 머신러닝 모델인 “에너지 최소화 변이 오토인코더(Energy-minimization Variational Autoencoder, E-VAE)”를 개발했다고 밝혔다. 생성적 머신러닝 기법은 주어진 데이터를 학습하여 그 데이터가 가지는 특성을 추출하고, 재조합하여 새로운 데이터를 생성하기 위해 사용된다. 이러한 생성적 머신러닝 모델들은 흑백사진을 컬러사진으로 변환하거나 비정상 데이터를 검출하는 등 다양한 분야에서 활용되고 있다. 연구진은 기존의 생성적 머신러닝 모델을 나노자석에 적용할 경우 국소적 노이즈 및 흐림 효과 등이 발생, 물리법칙에 어긋나는 상태가 생성됨을 확인하였다. 또한, 기존 모델에서는 입력된 상태보다 새롭게 생성된 상태의 에너지를 낮게 하는 과정이 포함되어 있지 않아 나노 자석의 기저 상태를 탐색하는 데 사용하기 어려웠다. 연구진은 기존 생성적 머신러닝 모델의 하나인 변이 오토인코더(Variational Autoencoder, VAE)에 생성된 상태들의 에너지를 최소화하는 과정을 포함한 “에너지 최소화 변이 오토인코더(E-VAE)”를 개발하고, 이를 통해 나노 자석의 스핀구조가 가질 수 있는 최적의 상태를 효율적으로 찾아내는 데 성공했다. 이는 기존에 사용되어 온 시뮬레이티드 어닐링 기법(Simulated annealing, SA)과 비교했을 때 최적의 상태를 찾는 문제에 있어서 뛰어난 효율과 정확성을 보여주었다. ？ KIST 권희영 박사는 “머신러닝 기술을 기반으로 주어진 물리적 시스템의 가장 낮은 에너지 상태를 조사할 수 있는 전산적 접근법을 제시했다”고 이번 연구의 의의를 밝혔다. 또한 “최적화 문제는 순수과학이나 반도체 연구뿐만 아니라 수학 및 컴퓨터 사이언스 분야에서도 중요한 연구 주제로 다뤄지는 만큼, 본 연구에서 개발된 머신러닝 기반의 혁신적인 최적화 기법은 다양한 분야에서 높은 학술적 가치를 가질 것으로 기대된다.”라고 밝혔다. 이번 연구는 과학기술정보통신부(장관 임혜숙) 지원 KIST 주요사업, 교육부(장관 유은혜) 지원 학문후속세대양성사업으로 수행되었다. 연구 결과는 국제 저널 ‘Advanced Science’ (IF: 16.806) 6월호에 게재되었다. *(논문명) Magnetic State Generation using Hamiltonian Guided Variational Autoencoder with Spin Structure Stabilization - (제 1저자, 교신저자) 한국과학기술연구원 권희영 박사후연구원 - (공저자) 한국과학기술연구원 최준우 책임연구원 - (교신저자) 경희대학교 원창연 교수 그림 설명 [그림 1] 생성적 모델을 통한 자성 기저 상태 추정에 관한 개념도 2차원 자성 시스템에서 나타나는 준 안정상태에 있는 자성 스커미온 스핀 상태를 입력하면 생성적 모델 내 일련의 과정을 거쳐 그 시스템의 기저 상태인 스커미온 레티스 구조(자성 스커미온들이 육각 격자를 이루는 상태)가 생성되는 개념도.

- KIST-경희대 연구진, '에너지 최소화 변이 오토인코더(E-VAE)' 개발 - 머신러닝 기술을 이용한 최적화 문제 해결방법 제시 최적화 문제란 어떠한 목적을 이루기 위한 가장 적합한 해결책을 찾는 문제를 말한다. 예를 들면, 우리가 일상생활에서 접할 수 있는 ‘서울에서 부산까지 가장 빠른 경로 찾기’도 최적화 문제이다. 간단한 문제라면 모든 경우의 수를 조사해서 가장 적합한 답을 찾을 수 있으나, 문제가 복잡해지면 셀 수 없이 많은 경우의 수를 가지게 되므로 최적화 문제는 여러 연구 분야에서 대표적인 난제로 취급된다. 이러한 최적화 문제는 차세대 반도체 연구 분야에서도 등장한다. 예를 들어, ‘전류가 가장 잘 흐르게 하려면 어떤 소재로 반도체를 설계해야 하는지’, ‘그 소재의 가장 안정적인 상태는 무엇인지’는 모두 최적화 문제이다. 특히, 현재 사용되고 있는 실리콘 반도체의 집적도 한계를 극복하고 초저전력, 고성능 차세대 반도체를 개발하기 위한 스핀트로닉스 연구에서는 그 소재로 사용되는 나노 자석의 가장 안정적인 상태를 규명하고 그 특성을 면밀히 파악하지 않으면 스핀 소자의 정확한 동작 특성 및 범위를 설계할 수 없다. 한국과학기술연구원(KIST, 원장 윤석진) 스핀융합연구단 권희영, 최준우 박사, 경희대학교 원창연 교수 연구팀은 주어진 나노 자석의 가장 안정적인 상태, 즉 기저 상태(Ground State)에서 나타나는 스핀 구조를 추정하는 생성적 머신러닝 모델인 “에너지 최소화 변이 오토인코더(Energy-minimization Variational Autoencoder, E-VAE)”를 개발했다고 밝혔다. 생성적 머신러닝 기법은 주어진 데이터를 학습하여 그 데이터가 가지는 특성을 추출하고, 재조합하여 새로운 데이터를 생성하기 위해 사용된다. 이러한 생성적 머신러닝 모델들은 흑백사진을 컬러사진으로 변환하거나 비정상 데이터를 검출하는 등 다양한 분야에서 활용되고 있다. 연구진은 기존의 생성적 머신러닝 모델을 나노자석에 적용할 경우 국소적 노이즈 및 흐림 효과 등이 발생, 물리법칙에 어긋나는 상태가 생성됨을 확인하였다. 또한, 기존 모델에서는 입력된 상태보다 새롭게 생성된 상태의 에너지를 낮게 하는 과정이 포함되어 있지 않아 나노 자석의 기저 상태를 탐색하는 데 사용하기 어려웠다. 연구진은 기존 생성적 머신러닝 모델의 하나인 변이 오토인코더(Variational Autoencoder, VAE)에 생성된 상태들의 에너지를 최소화하는 과정을 포함한 “에너지 최소화 변이 오토인코더(E-VAE)”를 개발하고, 이를 통해 나노 자석의 스핀구조가 가질 수 있는 최적의 상태를 효율적으로 찾아내는 데 성공했다. 이는 기존에 사용되어 온 시뮬레이티드 어닐링 기법(Simulated annealing, SA)과 비교했을 때 최적의 상태를 찾는 문제에 있어서 뛰어난 효율과 정확성을 보여주었다. ？ KIST 권희영 박사는 “머신러닝 기술을 기반으로 주어진 물리적 시스템의 가장 낮은 에너지 상태를 조사할 수 있는 전산적 접근법을 제시했다”고 이번 연구의 의의를 밝혔다. 또한 “최적화 문제는 순수과학이나 반도체 연구뿐만 아니라 수학 및 컴퓨터 사이언스 분야에서도 중요한 연구 주제로 다뤄지는 만큼, 본 연구에서 개발된 머신러닝 기반의 혁신적인 최적화 기법은 다양한 분야에서 높은 학술적 가치를 가질 것으로 기대된다.”라고 밝혔다. 이번 연구는 과학기술정보통신부(장관 임혜숙) 지원 KIST 주요사업, 교육부(장관 유은혜) 지원 학문후속세대양성사업으로 수행되었다. 연구 결과는 국제 저널 ‘Advanced Science’ (IF: 16.806) 6월호에 게재되었다. *(논문명) Magnetic State Generation using Hamiltonian Guided Variational Autoencoder with Spin Structure Stabilization - (제 1저자, 교신저자) 한국과학기술연구원 권희영 박사후연구원 - (공저자) 한국과학기술연구원 최준우 책임연구원 - (교신저자) 경희대학교 원창연 교수 그림 설명 [그림 1] 생성적 모델을 통한 자성 기저 상태 추정에 관한 개념도 2차원 자성 시스템에서 나타나는 준 안정상태에 있는 자성 스커미온 스핀 상태를 입력하면 생성적 모델 내 일련의 과정을 거쳐 그 시스템의 기저 상태인 스커미온 레티스 구조(자성 스커미온들이 육각 격자를 이루는 상태)가 생성되는 개념도.

- KIST-경희대 연구진, '에너지 최소화 변이 오토인코더(E-VAE)' 개발 - 머신러닝 기술을 이용한 최적화 문제 해결방법 제시 최적화 문제란 어떠한 목적을 이루기 위한 가장 적합한 해결책을 찾는 문제를 말한다. 예를 들면, 우리가 일상생활에서 접할 수 있는 ‘서울에서 부산까지 가장 빠른 경로 찾기’도 최적화 문제이다. 간단한 문제라면 모든 경우의 수를 조사해서 가장 적합한 답을 찾을 수 있으나, 문제가 복잡해지면 셀 수 없이 많은 경우의 수를 가지게 되므로 최적화 문제는 여러 연구 분야에서 대표적인 난제로 취급된다. 이러한 최적화 문제는 차세대 반도체 연구 분야에서도 등장한다. 예를 들어, ‘전류가 가장 잘 흐르게 하려면 어떤 소재로 반도체를 설계해야 하는지’, ‘그 소재의 가장 안정적인 상태는 무엇인지’는 모두 최적화 문제이다. 특히, 현재 사용되고 있는 실리콘 반도체의 집적도 한계를 극복하고 초저전력, 고성능 차세대 반도체를 개발하기 위한 스핀트로닉스 연구에서는 그 소재로 사용되는 나노 자석의 가장 안정적인 상태를 규명하고 그 특성을 면밀히 파악하지 않으면 스핀 소자의 정확한 동작 특성 및 범위를 설계할 수 없다. 한국과학기술연구원(KIST, 원장 윤석진) 스핀융합연구단 권희영, 최준우 박사, 경희대학교 원창연 교수 연구팀은 주어진 나노 자석의 가장 안정적인 상태, 즉 기저 상태(Ground State)에서 나타나는 스핀 구조를 추정하는 생성적 머신러닝 모델인 “에너지 최소화 변이 오토인코더(Energy-minimization Variational Autoencoder, E-VAE)”를 개발했다고 밝혔다. 생성적 머신러닝 기법은 주어진 데이터를 학습하여 그 데이터가 가지는 특성을 추출하고, 재조합하여 새로운 데이터를 생성하기 위해 사용된다. 이러한 생성적 머신러닝 모델들은 흑백사진을 컬러사진으로 변환하거나 비정상 데이터를 검출하는 등 다양한 분야에서 활용되고 있다. 연구진은 기존의 생성적 머신러닝 모델을 나노자석에 적용할 경우 국소적 노이즈 및 흐림 효과 등이 발생, 물리법칙에 어긋나는 상태가 생성됨을 확인하였다. 또한, 기존 모델에서는 입력된 상태보다 새롭게 생성된 상태의 에너지를 낮게 하는 과정이 포함되어 있지 않아 나노 자석의 기저 상태를 탐색하는 데 사용하기 어려웠다. 연구진은 기존 생성적 머신러닝 모델의 하나인 변이 오토인코더(Variational Autoencoder, VAE)에 생성된 상태들의 에너지를 최소화하는 과정을 포함한 “에너지 최소화 변이 오토인코더(E-VAE)”를 개발하고, 이를 통해 나노 자석의 스핀구조가 가질 수 있는 최적의 상태를 효율적으로 찾아내는 데 성공했다. 이는 기존에 사용되어 온 시뮬레이티드 어닐링 기법(Simulated annealing, SA)과 비교했을 때 최적의 상태를 찾는 문제에 있어서 뛰어난 효율과 정확성을 보여주었다. ？ KIST 권희영 박사는 “머신러닝 기술을 기반으로 주어진 물리적 시스템의 가장 낮은 에너지 상태를 조사할 수 있는 전산적 접근법을 제시했다”고 이번 연구의 의의를 밝혔다. 또한 “최적화 문제는 순수과학이나 반도체 연구뿐만 아니라 수학 및 컴퓨터 사이언스 분야에서도 중요한 연구 주제로 다뤄지는 만큼, 본 연구에서 개발된 머신러닝 기반의 혁신적인 최적화 기법은 다양한 분야에서 높은 학술적 가치를 가질 것으로 기대된다.”라고 밝혔다. 이번 연구는 과학기술정보통신부(장관 임혜숙) 지원 KIST 주요사업, 교육부(장관 유은혜) 지원 학문후속세대양성사업으로 수행되었다. 연구 결과는 국제 저널 ‘Advanced Science’ (IF: 16.806) 6월호에 게재되었다. *(논문명) Magnetic State Generation using Hamiltonian Guided Variational Autoencoder with Spin Structure Stabilization - (제 1저자, 교신저자) 한국과학기술연구원 권희영 박사후연구원 - (공저자) 한국과학기술연구원 최준우 책임연구원 - (교신저자) 경희대학교 원창연 교수 그림 설명 [그림 1] 생성적 모델을 통한 자성 기저 상태 추정에 관한 개념도 2차원 자성 시스템에서 나타나는 준 안정상태에 있는 자성 스커미온 스핀 상태를 입력하면 생성적 모델 내 일련의 과정을 거쳐 그 시스템의 기저 상태인 스커미온 레티스 구조(자성 스커미온들이 육각 격자를 이루는 상태)가 생성되는 개념도.

- KIST-경희대 연구진, '에너지 최소화 변이 오토인코더(E-VAE)' 개발 - 머신러닝 기술을 이용한 최적화 문제 해결방법 제시 최적화 문제란 어떠한 목적을 이루기 위한 가장 적합한 해결책을 찾는 문제를 말한다. 예를 들면, 우리가 일상생활에서 접할 수 있는 ‘서울에서 부산까지 가장 빠른 경로 찾기’도 최적화 문제이다. 간단한 문제라면 모든 경우의 수를 조사해서 가장 적합한 답을 찾을 수 있으나, 문제가 복잡해지면 셀 수 없이 많은 경우의 수를 가지게 되므로 최적화 문제는 여러 연구 분야에서 대표적인 난제로 취급된다. 이러한 최적화 문제는 차세대 반도체 연구 분야에서도 등장한다. 예를 들어, ‘전류가 가장 잘 흐르게 하려면 어떤 소재로 반도체를 설계해야 하는지’, ‘그 소재의 가장 안정적인 상태는 무엇인지’는 모두 최적화 문제이다. 특히, 현재 사용되고 있는 실리콘 반도체의 집적도 한계를 극복하고 초저전력, 고성능 차세대 반도체를 개발하기 위한 스핀트로닉스 연구에서는 그 소재로 사용되는 나노 자석의 가장 안정적인 상태를 규명하고 그 특성을 면밀히 파악하지 않으면 스핀 소자의 정확한 동작 특성 및 범위를 설계할 수 없다. 한국과학기술연구원(KIST, 원장 윤석진) 스핀융합연구단 권희영, 최준우 박사, 경희대학교 원창연 교수 연구팀은 주어진 나노 자석의 가장 안정적인 상태, 즉 기저 상태(Ground State)에서 나타나는 스핀 구조를 추정하는 생성적 머신러닝 모델인 “에너지 최소화 변이 오토인코더(Energy-minimization Variational Autoencoder, E-VAE)”를 개발했다고 밝혔다. 생성적 머신러닝 기법은 주어진 데이터를 학습하여 그 데이터가 가지는 특성을 추출하고, 재조합하여 새로운 데이터를 생성하기 위해 사용된다. 이러한 생성적 머신러닝 모델들은 흑백사진을 컬러사진으로 변환하거나 비정상 데이터를 검출하는 등 다양한 분야에서 활용되고 있다. 연구진은 기존의 생성적 머신러닝 모델을 나노자석에 적용할 경우 국소적 노이즈 및 흐림 효과 등이 발생, 물리법칙에 어긋나는 상태가 생성됨을 확인하였다. 또한, 기존 모델에서는 입력된 상태보다 새롭게 생성된 상태의 에너지를 낮게 하는 과정이 포함되어 있지 않아 나노 자석의 기저 상태를 탐색하는 데 사용하기 어려웠다. 연구진은 기존 생성적 머신러닝 모델의 하나인 변이 오토인코더(Variational Autoencoder, VAE)에 생성된 상태들의 에너지를 최소화하는 과정을 포함한 “에너지 최소화 변이 오토인코더(E-VAE)”를 개발하고, 이를 통해 나노 자석의 스핀구조가 가질 수 있는 최적의 상태를 효율적으로 찾아내는 데 성공했다. 이는 기존에 사용되어 온 시뮬레이티드 어닐링 기법(Simulated annealing, SA)과 비교했을 때 최적의 상태를 찾는 문제에 있어서 뛰어난 효율과 정확성을 보여주었다. ？ KIST 권희영 박사는 “머신러닝 기술을 기반으로 주어진 물리적 시스템의 가장 낮은 에너지 상태를 조사할 수 있는 전산적 접근법을 제시했다”고 이번 연구의 의의를 밝혔다. 또한 “최적화 문제는 순수과학이나 반도체 연구뿐만 아니라 수학 및 컴퓨터 사이언스 분야에서도 중요한 연구 주제로 다뤄지는 만큼, 본 연구에서 개발된 머신러닝 기반의 혁신적인 최적화 기법은 다양한 분야에서 높은 학술적 가치를 가질 것으로 기대된다.”라고 밝혔다. 이번 연구는 과학기술정보통신부(장관 임혜숙) 지원 KIST 주요사업, 교육부(장관 유은혜) 지원 학문후속세대양성사업으로 수행되었다. 연구 결과는 국제 저널 ‘Advanced Science’ (IF: 16.806) 6월호에 게재되었다. *(논문명) Magnetic State Generation using Hamiltonian Guided Variational Autoencoder with Spin Structure Stabilization - (제 1저자, 교신저자) 한국과학기술연구원 권희영 박사후연구원 - (공저자) 한국과학기술연구원 최준우 책임연구원 - (교신저자) 경희대학교 원창연 교수 그림 설명 [그림 1] 생성적 모델을 통한 자성 기저 상태 추정에 관한 개념도 2차원 자성 시스템에서 나타나는 준 안정상태에 있는 자성 스커미온 스핀 상태를 입력하면 생성적 모델 내 일련의 과정을 거쳐 그 시스템의 기저 상태인 스커미온 레티스 구조(자성 스커미온들이 육각 격자를 이루는 상태)가 생성되는 개념도.

- KIST-경희대 연구진, '에너지 최소화 변이 오토인코더(E-VAE)' 개발 - 머신러닝 기술을 이용한 최적화 문제 해결방법 제시 최적화 문제란 어떠한 목적을 이루기 위한 가장 적합한 해결책을 찾는 문제를 말한다. 예를 들면, 우리가 일상생활에서 접할 수 있는 ‘서울에서 부산까지 가장 빠른 경로 찾기’도 최적화 문제이다. 간단한 문제라면 모든 경우의 수를 조사해서 가장 적합한 답을 찾을 수 있으나, 문제가 복잡해지면 셀 수 없이 많은 경우의 수를 가지게 되므로 최적화 문제는 여러 연구 분야에서 대표적인 난제로 취급된다. 이러한 최적화 문제는 차세대 반도체 연구 분야에서도 등장한다. 예를 들어, ‘전류가 가장 잘 흐르게 하려면 어떤 소재로 반도체를 설계해야 하는지’, ‘그 소재의 가장 안정적인 상태는 무엇인지’는 모두 최적화 문제이다. 특히, 현재 사용되고 있는 실리콘 반도체의 집적도 한계를 극복하고 초저전력, 고성능 차세대 반도체를 개발하기 위한 스핀트로닉스 연구에서는 그 소재로 사용되는 나노 자석의 가장 안정적인 상태를 규명하고 그 특성을 면밀히 파악하지 않으면 스핀 소자의 정확한 동작 특성 및 범위를 설계할 수 없다. 한국과학기술연구원(KIST, 원장 윤석진) 스핀융합연구단 권희영, 최준우 박사, 경희대학교 원창연 교수 연구팀은 주어진 나노 자석의 가장 안정적인 상태, 즉 기저 상태(Ground State)에서 나타나는 스핀 구조를 추정하는 생성적 머신러닝 모델인 “에너지 최소화 변이 오토인코더(Energy-minimization Variational Autoencoder, E-VAE)”를 개발했다고 밝혔다. 생성적 머신러닝 기법은 주어진 데이터를 학습하여 그 데이터가 가지는 특성을 추출하고, 재조합하여 새로운 데이터를 생성하기 위해 사용된다. 이러한 생성적 머신러닝 모델들은 흑백사진을 컬러사진으로 변환하거나 비정상 데이터를 검출하는 등 다양한 분야에서 활용되고 있다. 연구진은 기존의 생성적 머신러닝 모델을 나노자석에 적용할 경우 국소적 노이즈 및 흐림 효과 등이 발생, 물리법칙에 어긋나는 상태가 생성됨을 확인하였다. 또한, 기존 모델에서는 입력된 상태보다 새롭게 생성된 상태의 에너지를 낮게 하는 과정이 포함되어 있지 않아 나노 자석의 기저 상태를 탐색하는 데 사용하기 어려웠다. 연구진은 기존 생성적 머신러닝 모델의 하나인 변이 오토인코더(Variational Autoencoder, VAE)에 생성된 상태들의 에너지를 최소화하는 과정을 포함한 “에너지 최소화 변이 오토인코더(E-VAE)”를 개발하고, 이를 통해 나노 자석의 스핀구조가 가질 수 있는 최적의 상태를 효율적으로 찾아내는 데 성공했다. 이는 기존에 사용되어 온 시뮬레이티드 어닐링 기법(Simulated annealing, SA)과 비교했을 때 최적의 상태를 찾는 문제에 있어서 뛰어난 효율과 정확성을 보여주었다. ？ KIST 권희영 박사는 “머신러닝 기술을 기반으로 주어진 물리적 시스템의 가장 낮은 에너지 상태를 조사할 수 있는 전산적 접근법을 제시했다”고 이번 연구의 의의를 밝혔다. 또한 “최적화 문제는 순수과학이나 반도체 연구뿐만 아니라 수학 및 컴퓨터 사이언스 분야에서도 중요한 연구 주제로 다뤄지는 만큼, 본 연구에서 개발된 머신러닝 기반의 혁신적인 최적화 기법은 다양한 분야에서 높은 학술적 가치를 가질 것으로 기대된다.”라고 밝혔다. 이번 연구는 과학기술정보통신부(장관 임혜숙) 지원 KIST 주요사업, 교육부(장관 유은혜) 지원 학문후속세대양성사업으로 수행되었다. 연구 결과는 국제 저널 ‘Advanced Science’ (IF: 16.806) 6월호에 게재되었다. *(논문명) Magnetic State Generation using Hamiltonian Guided Variational Autoencoder with Spin Structure Stabilization - (제 1저자, 교신저자) 한국과학기술연구원 권희영 박사후연구원 - (공저자) 한국과학기술연구원 최준우 책임연구원 - (교신저자) 경희대학교 원창연 교수 그림 설명 [그림 1] 생성적 모델을 통한 자성 기저 상태 추정에 관한 개념도 2차원 자성 시스템에서 나타나는 준 안정상태에 있는 자성 스커미온 스핀 상태를 입력하면 생성적 모델 내 일련의 과정을 거쳐 그 시스템의 기저 상태인 스커미온 레티스 구조(자성 스커미온들이 육각 격자를 이루는 상태)가 생성되는 개념도.

- KIST-경희대 연구진, '에너지 최소화 변이 오토인코더(E-VAE)' 개발 - 머신러닝 기술을 이용한 최적화 문제 해결방법 제시 최적화 문제란 어떠한 목적을 이루기 위한 가장 적합한 해결책을 찾는 문제를 말한다. 예를 들면, 우리가 일상생활에서 접할 수 있는 ‘서울에서 부산까지 가장 빠른 경로 찾기’도 최적화 문제이다. 간단한 문제라면 모든 경우의 수를 조사해서 가장 적합한 답을 찾을 수 있으나, 문제가 복잡해지면 셀 수 없이 많은 경우의 수를 가지게 되므로 최적화 문제는 여러 연구 분야에서 대표적인 난제로 취급된다. 이러한 최적화 문제는 차세대 반도체 연구 분야에서도 등장한다. 예를 들어, ‘전류가 가장 잘 흐르게 하려면 어떤 소재로 반도체를 설계해야 하는지’, ‘그 소재의 가장 안정적인 상태는 무엇인지’는 모두 최적화 문제이다. 특히, 현재 사용되고 있는 실리콘 반도체의 집적도 한계를 극복하고 초저전력, 고성능 차세대 반도체를 개발하기 위한 스핀트로닉스 연구에서는 그 소재로 사용되는 나노 자석의 가장 안정적인 상태를 규명하고 그 특성을 면밀히 파악하지 않으면 스핀 소자의 정확한 동작 특성 및 범위를 설계할 수 없다. 한국과학기술연구원(KIST, 원장 윤석진) 스핀융합연구단 권희영, 최준우 박사, 경희대학교 원창연 교수 연구팀은 주어진 나노 자석의 가장 안정적인 상태, 즉 기저 상태(Ground State)에서 나타나는 스핀 구조를 추정하는 생성적 머신러닝 모델인 “에너지 최소화 변이 오토인코더(Energy-minimization Variational Autoencoder, E-VAE)”를 개발했다고 밝혔다. 생성적 머신러닝 기법은 주어진 데이터를 학습하여 그 데이터가 가지는 특성을 추출하고, 재조합하여 새로운 데이터를 생성하기 위해 사용된다. 이러한 생성적 머신러닝 모델들은 흑백사진을 컬러사진으로 변환하거나 비정상 데이터를 검출하는 등 다양한 분야에서 활용되고 있다. 연구진은 기존의 생성적 머신러닝 모델을 나노자석에 적용할 경우 국소적 노이즈 및 흐림 효과 등이 발생, 물리법칙에 어긋나는 상태가 생성됨을 확인하였다. 또한, 기존 모델에서는 입력된 상태보다 새롭게 생성된 상태의 에너지를 낮게 하는 과정이 포함되어 있지 않아 나노 자석의 기저 상태를 탐색하는 데 사용하기 어려웠다. 연구진은 기존 생성적 머신러닝 모델의 하나인 변이 오토인코더(Variational Autoencoder, VAE)에 생성된 상태들의 에너지를 최소화하는 과정을 포함한 “에너지 최소화 변이 오토인코더(E-VAE)”를 개발하고, 이를 통해 나노 자석의 스핀구조가 가질 수 있는 최적의 상태를 효율적으로 찾아내는 데 성공했다. 이는 기존에 사용되어 온 시뮬레이티드 어닐링 기법(Simulated annealing, SA)과 비교했을 때 최적의 상태를 찾는 문제에 있어서 뛰어난 효율과 정확성을 보여주었다. ？ KIST 권희영 박사는 “머신러닝 기술을 기반으로 주어진 물리적 시스템의 가장 낮은 에너지 상태를 조사할 수 있는 전산적 접근법을 제시했다”고 이번 연구의 의의를 밝혔다. 또한 “최적화 문제는 순수과학이나 반도체 연구뿐만 아니라 수학 및 컴퓨터 사이언스 분야에서도 중요한 연구 주제로 다뤄지는 만큼, 본 연구에서 개발된 머신러닝 기반의 혁신적인 최적화 기법은 다양한 분야에서 높은 학술적 가치를 가질 것으로 기대된다.”라고 밝혔다. 이번 연구는 과학기술정보통신부(장관 임혜숙) 지원 KIST 주요사업, 교육부(장관 유은혜) 지원 학문후속세대양성사업으로 수행되었다. 연구 결과는 국제 저널 ‘Advanced Science’ (IF: 16.806) 6월호에 게재되었다. *(논문명) Magnetic State Generation using Hamiltonian Guided Variational Autoencoder with Spin Structure Stabilization - (제 1저자, 교신저자) 한국과학기술연구원 권희영 박사후연구원 - (공저자) 한국과학기술연구원 최준우 책임연구원 - (교신저자) 경희대학교 원창연 교수 그림 설명 [그림 1] 생성적 모델을 통한 자성 기저 상태 추정에 관한 개념도 2차원 자성 시스템에서 나타나는 준 안정상태에 있는 자성 스커미온 스핀 상태를 입력하면 생성적 모델 내 일련의 과정을 거쳐 그 시스템의 기저 상태인 스커미온 레티스 구조(자성 스커미온들이 육각 격자를 이루는 상태)가 생성되는 개념도.

- KRAS 변이암을 선택적으로 사멸하고 암에 대한 면역력을 강화 - 신약 재창출을 통해 항암면역 치료제의 높은 의료수가 해결 기대 최근 우리 몸의 면역체계를 활용해 암을 제거하는 방식인 3세대 항암 면역치료가 임상에서 놀라운 효과를 보여 많은 연구진과 환자들에게 희망을 주고 있다. 항암면역치료의 경우 암에 대한 기억 면역이 생겨 정상세포의 손상없이 항암효과가 지속되기 때문에 치료의 경과가 매우 좋고 부작용이 적다는 장점이 있다. 그러나 암의 잦은 변이 등 복잡성으로 인해 평균 30% 미만의 환자에게서만 치료 효과를 보인다는 한계도 있다. 또한 전체 암에서 1/4정도를 차지하는 KRAS 변이암은 항암 면역 치료를 비롯한 여러 치료 방법 개발 시도에도 불구하고 아직까지 치료 옵션이 적어서 암환자의 예후가 매우 나쁜 것으로 알려져 있다. <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">한국과학기술연구원(KIST, 원장 윤석진) 테라그노시스연구단 김인산 단장과 삼성서울병원 조용범 교수 연구팀은 현재 널리 사용 중인 고지혈증 치료제인 스타틴을 난공불락의 KRAS 변이암 치료에 적용할 수 있는 기전을 밝혔다. <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">연구진은 종양 동물 모델에 항암제와 스타틴을 정맥주사로 투여했다. 그 결과 스타틴은 KRAS 변이암을 선택적으로 죽이고, 주변 면역세포를 활성화시킬 수 있는 다양한 신호를 방출하게 했다. 이로 인해 체내 면역세포가 암세포에서 신생항원을 효과적으로 포집하고 T세포를 활성화시킴으로써 암을 선택적으로 공격했다. 나아가 스타틴은 기존 항암면역치료에 저항성을 보이는 암 면역환경을 변화시켜 항암 면역치료 효능 또한 보였다. KRAS 변이암의 효과적 치료뿐만 아니라 현재 혈중 콜레스테롤 수치를 낮추기 위해 사용하는 스타틴을 기반으로 한 약물재창출 전략의 가능성을 확인한 것이다. <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">스타틴이 성공적인 약물재창출 사례가 되기 위해서는 향후 추가적인 임상 연구를 통해 최적의 용법을 찾아야 하며, 암 조직에 좀 더 효과적으로 스타틴을 전달할 수 있는 방법도 연구되어야 한다. 이러한 과정을 거쳐 실제 임상이 성공할 경우 신약개발 시간 및 비용을 획기적으로 절감할 수 있을 것이며, 더 나아가 항암 면역치료제의 높은 의료 수가가 큰 사회적 문제인 상황에서 이를 해결하는 단초가 될 것으로 기대된다. <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">KIST 김인산 단장은 “임상에서 이미 사용되고 있는 스타틴이 인체의 면역시스템을 활성화시켜 KRAS 변이암을 적으로 인식, 기억하게 함으로써 암세포의 면역원성 사멸을 유도할 수 있었다. 이는 기존 항암 면역치료제의 한계를 극복한 것으로, 향후 스타틴이 차세대 항암 면역치료제로 활용 가능할 것으로 기대한다.”라고 밝혔다. <div class="hwp_editor_board_content" style="text-align: justify; margin: 0px; padding: 0px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: inherit; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" background-color:="" rgb(255,="" 255,="" 255);"="" align="justify"> <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">본 연구는 과학기술정보통신부(장관 임혜숙) 리더연구자 지원사업, 신진연구자 지원사업, KIST 주요사업, 그리고 보건복지부(장관 권덕철) 보건의료인재양성지원사업으로 수행되었으며 연구결과는 국제 학술지인 ‘Journal for immunotherapy of cancer’(IF : 13.751)에 최신호에 게재되었다. <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-weight: bold; font-stretch: inherit; font-size: 13pt; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify"> <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">* (논문명) Statin-mediated inhibition of RAS prenylation activates ER stress to enhance the immunogenicity of KRAS mutant cancer <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">- (제 1저자) 한국과학기술연구원 남기훈 위촉연구원 <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">- (제 1저자) 고려대학교 안암병원 권민수 교수 <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">- (교신저자) 삼성서울병원 조용범 교수 <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">- (교신저자) 한국과학기술연구원 김인산 책임연구원 그림 설명 [그림 1] 스타틴의 항암 면역 치료 모식도 스타틴이 KRAS 변이암에서 KRAS 신호를 억제하여 면역원성 세포 사멸을 유도하고 주변 면역세포를 활성화하여 면역세포가 다시 KRAS 변이암을 지속적으로 공격할 수 있음을 나타낸 모식도이다. [그림 2] 스타틴과 기존 항암제인 (Oxaliplatin)의 병합 치료가 암 면역 환경을 활성화하여 기존 항암 면역 치료제의 효능을 높일 수 있음을 보여주는 결과. (A) 스타틴과 기존 항암제 (옥살리플라틴) (Sta+Oxa) 병합 치료가 대조군에 비해 (Control) 암 조직 내로 CD8 T cell (세포 독성 T 세포)의 침투를 촉진하고 암 면역 환경을 변경함을 보여줌. (B, C) 스타틴과 기존 항암제의 병합 치료가 항암 면역 치료제인 PD-1 항체의 항암 효능을 높이고 암 생존율을 향상함을 보여줌.

- KRAS 변이암을 선택적으로 사멸하고 암에 대한 면역력을 강화 - 신약 재창출을 통해 항암면역 치료제의 높은 의료수가 해결 기대 최근 우리 몸의 면역체계를 활용해 암을 제거하는 방식인 3세대 항암 면역치료가 임상에서 놀라운 효과를 보여 많은 연구진과 환자들에게 희망을 주고 있다. 항암면역치료의 경우 암에 대한 기억 면역이 생겨 정상세포의 손상없이 항암효과가 지속되기 때문에 치료의 경과가 매우 좋고 부작용이 적다는 장점이 있다. 그러나 암의 잦은 변이 등 복잡성으로 인해 평균 30% 미만의 환자에게서만 치료 효과를 보인다는 한계도 있다. 또한 전체 암에서 1/4정도를 차지하는 KRAS 변이암은 항암 면역 치료를 비롯한 여러 치료 방법 개발 시도에도 불구하고 아직까지 치료 옵션이 적어서 암환자의 예후가 매우 나쁜 것으로 알려져 있다. <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">한국과학기술연구원(KIST, 원장 윤석진) 테라그노시스연구단 김인산 단장과 삼성서울병원 조용범 교수 연구팀은 현재 널리 사용 중인 고지혈증 치료제인 스타틴을 난공불락의 KRAS 변이암 치료에 적용할 수 있는 기전을 밝혔다. <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">연구진은 종양 동물 모델에 항암제와 스타틴을 정맥주사로 투여했다. 그 결과 스타틴은 KRAS 변이암을 선택적으로 죽이고, 주변 면역세포를 활성화시킬 수 있는 다양한 신호를 방출하게 했다. 이로 인해 체내 면역세포가 암세포에서 신생항원을 효과적으로 포집하고 T세포를 활성화시킴으로써 암을 선택적으로 공격했다. 나아가 스타틴은 기존 항암면역치료에 저항성을 보이는 암 면역환경을 변화시켜 항암 면역치료 효능 또한 보였다. KRAS 변이암의 효과적 치료뿐만 아니라 현재 혈중 콜레스테롤 수치를 낮추기 위해 사용하는 스타틴을 기반으로 한 약물재창출 전략의 가능성을 확인한 것이다. <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">스타틴이 성공적인 약물재창출 사례가 되기 위해서는 향후 추가적인 임상 연구를 통해 최적의 용법을 찾아야 하며, 암 조직에 좀 더 효과적으로 스타틴을 전달할 수 있는 방법도 연구되어야 한다. 이러한 과정을 거쳐 실제 임상이 성공할 경우 신약개발 시간 및 비용을 획기적으로 절감할 수 있을 것이며, 더 나아가 항암 면역치료제의 높은 의료 수가가 큰 사회적 문제인 상황에서 이를 해결하는 단초가 될 것으로 기대된다. <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">KIST 김인산 단장은 “임상에서 이미 사용되고 있는 스타틴이 인체의 면역시스템을 활성화시켜 KRAS 변이암을 적으로 인식, 기억하게 함으로써 암세포의 면역원성 사멸을 유도할 수 있었다. 이는 기존 항암 면역치료제의 한계를 극복한 것으로, 향후 스타틴이 차세대 항암 면역치료제로 활용 가능할 것으로 기대한다.”라고 밝혔다. <div class="hwp_editor_board_content" style="text-align: justify; margin: 0px; padding: 0px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: inherit; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" background-color:="" rgb(255,="" 255,="" 255);"="" align="justify"> <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">본 연구는 과학기술정보통신부(장관 임혜숙) 리더연구자 지원사업, 신진연구자 지원사업, KIST 주요사업, 그리고 보건복지부(장관 권덕철) 보건의료인재양성지원사업으로 수행되었으며 연구결과는 국제 학술지인 ‘Journal for immunotherapy of cancer’(IF : 13.751)에 최신호에 게재되었다. <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-weight: bold; font-stretch: inherit; font-size: 13pt; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify"> <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">* (논문명) Statin-mediated inhibition of RAS prenylation activates ER stress to enhance the immunogenicity of KRAS mutant cancer <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">- (제 1저자) 한국과학기술연구원 남기훈 위촉연구원 <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">- (제 1저자) 고려대학교 안암병원 권민수 교수 <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">- (교신저자) 삼성서울병원 조용범 교수 <p class="0" style="text-align: justify; margin-bottom: 13px; border: 0px; outline: 0px; font-variant-numeric: inherit; font-variant-east-asian: inherit; font-stretch: inherit; font-size: 13.3333px; line-height: 1.5; font-family: " 맑은="" 고딕";="" vertical-align:="" baseline;="" min-height:="" 20px;="" background-color:="" rgb(255,="" 255,="" 255);="" text-indent:="" 10pt;"="" align="justify">- (교신저자) 한국과학기술연구원 김인산 책임연구원 그림 설명 [그림 1] 스타틴의 항암 면역 치료 모식도 스타틴이 KRAS 변이암에서 KRAS 신호를 억제하여 면역원성 세포 사멸을 유도하고 주변 면역세포를 활성화하여 면역세포가 다시 KRAS 변이암을 지속적으로 공격할 수 있음을 나타낸 모식도이다. [그림 2] 스타틴과 기존 항암제인 (Oxaliplatin)의 병합 치료가 암 면역 환경을 활성화하여 기존 항암 면역 치료제의 효능을 높일 수 있음을 보여주는 결과. (A) 스타틴과 기존 항암제 (옥살리플라틴) (Sta+Oxa) 병합 치료가 대조군에 비해 (Control) 암 조직 내로 CD8 T cell (세포 독성 T 세포)의 침투를 촉진하고 암 면역 환경을 변경함을 보여줌. (B, C) 스타틴과 기존 항암제의 병합 치료가 항암 면역 치료제인 PD-1 항체의 항암 효능을 높이고 암 생존율을 향상함을 보여줌.