전성찬 교수팀, 고유그래프 기반 데이터 중심 인공후각시스템 개발

나노물질과 기체분자 간 전기화학반응에 따른 고유그래프 인지·학습·추론

세계 최초 나노전기화학 분야 고유그래프 존재 법칙 선언 및 규명

융복합 R&D 최고 권위지 ‘Nature Communications’ 게재 

[사진 1. (왼쪽부터) 성승현 석사(제1저자), 서준민 박사(제1저자), 황윤지 석박통합과정생(제2저자), 

서울대 장호원 교수, 박전규 대표, 전성찬 교수]

기계공학과 전성찬 교수 연구팀이 서울대학교 재료공학부 장호원 교수 연구팀 및 ㈜튜터러스랩스 박전규 대표와 공동 연구를 통해 고유그래프 기반의 데이터-중심 인공후각시스템을 발명했다. 이번 연구는 오랜 기간 타 감각 대비 발전이 정체되어 있던 인공후각기술의 근본적인 해법을 제시한 것으로 평가된다.

공동 연구팀은 2004 노벨 생리의학상을 수상한 리처드 액설(Richard Axel, 1946~), 린다 B. 벅(Linda B. Buck, 1947~)의 ‘냄새 수용체와 후각 시스템의 구조에 대한 발견’에서 영감을 받아 인체의 후각 계통을 구성하는 후각 수용체, 후각 구 및 대뇌 변연계를 각각 모사해 가스센서 어레이, 가스제어계측시스템 및 AI 알고리즘을 개발하고 이를 융합해 인공후각시스템을 완성했다.

센서 어레이는 귀금속과 전이금속 산화물을 조합한 이종 나노복합촉매를 활용해 제작됐다. 9종의 금속산화물 센서는 각각 고유한 가스감지 특성을 갖도록 설계됐으며, 반도체 제조 공정을 통해 구성 물질의 조성과 특성을 정밀하게 제어하고 최적화했다. 이를 통해 다양한 기체 분자와의 전기화학적 반응으로 고유한 감지 신호를 생성할 수 있도록 했다.

또한 센서의 감지 물질과 기체 분자 간의 순수한 반응을 유도하기 위해 외부 환경 간섭을 최소화한 구조를 설계한 전용 가스제어계측시스템을 개발했다. 이를 통해 연구팀은 9가지 조합의 나노복합촉매로 기능화된 센서 어레이에서 생성된 고유한 파형을 실험적으로 확인하고, 이를 세계 최초로 ‘전기화학에서의 고유그래프 존재 법칙’이라 정의했다.

[사진 2. 고유그래프 기반 데이터-중심 인공후각시스템의 개요도]

이와 더불어 연구팀은 고유그래프에 내재된 전기화학반응 특성에 따른 고유 냄새 속성을 실체화하고 심층적으로 분석하기 위해, 고속푸리에변환(Fast Fourier Transform) 기반의 MFCC(Mel-Frequency Cepstral Coefficient) 특징벡터 추출 기법을 활용해 파형 분석에 기반한 새로운 가스감지특성과 전용 딥러닝 분석 시스템을 개발했다. MFCC 특징벡터의 고유그래프 분석에 대한 공학적 응용성을 검증하기 위해, MFCC 특징벡터를 입력 데이터로 활용하는 DNN, CNN, CNN-LSTM의 3가지 딥러닝 아키텍처를 설계하고 4-Fold 교차검증을 수행해 심층적으로 분석했다.

결과적으로, MFCC 특징벡터는 유사한 화학구조를 갖는 방향족 탄화수소를 포함해 다양한 기체 분자들의 고유그래프 특성을 성공적으로 반영했으며, 이들을 임의의 비율로 혼합한 2종 및 3종 혼합가스에 대해 최대 99.9%의 분류 정확도를 보였다. 또한 5종의 기체 성분이 혼합된 디젤·가솔린 자동차 배기가스와 각각의 개별 성분을 최대 100%의 정확도로 분류함으로써 MFCC 특징벡터의 효용성을 성공적으로 입증했다.

전성찬 교수는 “본 R&D 성과는 외부 환경 변화에 취약한 기존 민감도 의존형 인공 후각 기술의 근본적 한계를 극복한 결과”라며, "다양한 냄새에 대한 표준 고유그래프를 탐색하고 확보하기 위해 국제적인 논의와 표준화된 제어계측시스템 및 데이터 센터 개발을 위한 지속적인 노력이 필요하다."고 말했다. 또한 기술에 적용된 데이터-중심적 접근법이 인공후각시스템의 표준 설계 지침으로 활용될 뿐만 아니라, AI 로봇, 가전산업, 모빌리티, 방위산업, 우주탐사, 디지털포렌식, 디지털헬스케어 등 광범위한 분야에서 응용 및 상용될 수 있다는 점을 강조했다.

한편 연구 결과는 융복합 R&D 성과를 다루는 세계 최고 권위의 국제 학술지 'Nature Communications'에 현지시간 2024년 2월 8일 게재됐으며, Devices 부문 'Editors’ Highlights'이자 Computer Science 부문 'Featured Article' 성과로 동시 선정되는 등 학술적 공로를 인정받았다.

논문정보

● 논문 제목: Data-centric artificial olfactory system based on the eigengraph

● 논문 주소: https://doi.org/10.1038/s41467-024-45430-9