피부에 부착 가능한 구동기는 극심한 변형 하에서 피부에 맞게 형태를 순응시키는 데 필요한 견고한 접착력과 고정밀 피드백을 요구하며, 다양한 실제 응용을 위해 감쇠 효과를 최소화하면서 매끄럽게 통합되어야 한다. 현재의 경질 햅틱 인터페이스와 연성 유전체 재료는 특정 공진 주파수 범위에서만 효과적으로 작동할 수 있으며, 인간의 피부와 기계적 불일치가 존재하여 변형이 큰 신체 부위에서의 효율이 저하되고 진동 피드백의 정확도도 감소한다. 또한, 본질적으로 신장 가능한 유전체 재료는 층 통합으로 인한 과제와 단일 이방성 아키텍처에서 비롯되는 상당한 감쇠 문제에 직면해 있다. 여기에서는 다상(multiphasе) 유전체 아키텍처를 갖는 본질적으로 신장 가능한 피부 부착 구동기(ISSA)를 제시하며, 등방성 스프링 매트릭스와 이방성 탄성 감쇠기 매트릭스를 결합하여 공진 주파수 이후에도 안정적인 진동 성능을 달성한다. 혼성 1D/0D 퍼콜레이션(percolated) 구조를 갖는 본질적으로 신장 가능한 전극은 500%를 초과하는 변형 하에서도 적응성과 신뢰성 있는 성능을 보장하는 한편, 개구리에서 영감을 받은 접착층은 피부의 순응성과 통기성을 향상시켜 극심한 변형에서도 견고한 전단 강도(≈28.4 kPa)를 제공한다. 이와 같은 매끄럽게 통합된 설계와 초저 탄성률(<24 kPa) 덕분에 피부-접착 구동기는 인체 피부에 매우 밀착하며, 생체적합성과 내구성을 확보하면서도 높은 진동 가속도를 전달한다. 이는 연성 로보틱스, 인간-기계 인터페이스 및 햅틱 기술과 같은 변혁적 응용을 위한 것이다.

본 논문(논문 번호 2503781)에서 Gwanghyun Jo, Tae-Heon Yang, Changhyun Pang 및 공동연구자들은 극심한 신장과 굽힘 하에서도 높은 충실도의 진동을 전달하는 부드러운 피부 부착형 액추에이터를 보고한다. 이 액추에이터는 이방성 다(多)상 미세구조를 갖는 유전체 층을 포함하며, 신장 가능한 전극과 생체 모방 접착 인터페이스가 원활하게 통합되어 공진 주파수 이후에도 안정적인 진동 성능을 가능하게 하고 피부에 대한 순응적 접촉을 제공한다. 이러한 플랫폼은 소프트 로보틱스, 인간–기계 인터페이스, 몰입형 햅틱 기술을 위한 신뢰할 수 있는 해법을 제공한다.

피부에 부착 가능한 구동기는 극심한 변형 하에서 피부에 맞게 형태를 순응시키는 데 필요한 견고한 접착력과 고정밀 피드백을 요구하며, 다양한 실제 응용을 위해 감쇠 효과를 최소화하면서 매끄럽게 통합되어야 한다. 현재의 경질 햅틱 인터페이스와 연성 유전체 재료는 특정 공진 주파수 범위에서만 효과적으로 작동할 수 있으며, 인간의 피부와 기계적 불일치가 존재하여 변형이 큰 신체 부위에서의 효율이 저하되고 진동 피드백의 정확도도 감소한다. 또한, 본질적으로 신장 가능한 유전체 재료는 층 통합으로 인한 과제와 단일 이방성 아키텍처에서 비롯되는 상당한 감쇠 문제에 직면해 있다. 여기에서는 다상(multiphasе) 유전체 아키텍처를 갖는 본질적으로 신장 가능한 피부 부착 구동기(ISSA)를 제시하며, 등방성 스프링 매트릭스와 이방성 탄성 감쇠기 매트릭스를 결합하여 공진 주파수 이후에도 안정적인 진동 성능을 달성한다. 혼성 1D/0D 퍼콜레이션(percolated) 구조를 갖는 본질적으로 신장 가능한 전극은 500%를 초과하는 변형 하에서도 적응성과 신뢰성 있는 성능을 보장하는 한편, 개구리에서 영감을 받은 접착층은 피부의 순응성과 통기성을 향상시켜 극심한 변형에서도 견고한 전단 강도(≈28.4 kPa)를 제공한다. 이와 같은 매끄럽게 통합된 설계와 초저 탄성률(<24 kPa) 덕분에 피부-접착 구동기는 인체 피부에 매우 밀착하며, 생체적합성과 내구성을 확보하면서도 높은 진동 가속도를 전달한다. 이는 연성 로보틱스, 인간-기계 인터페이스 및 햅틱 기술과 같은 변혁적 응용을 위한 것이다.

본 논문(논문 번호 2503781)에서 Gwanghyun Jo, Tae-Heon Yang, Changhyun Pang 및 공동연구자들은 극심한 신장과 굽힘 하에서도 높은 충실도의 진동을 전달하는 부드러운 피부 부착형 액추에이터를 보고한다. 이 액추에이터는 이방성 다(多)상 미세구조를 갖는 유전체 층을 포함하며, 신장 가능한 전극과 생체 모방 접착 인터페이스가 원활하게 통합되어 공진 주파수 이후에도 안정적인 진동 성능을 가능하게 하고 피부에 대한 순응적 접촉을 제공한다. 이러한 플랫폼은 소프트 로보틱스, 인간–기계 인터페이스, 몰입형 햅틱 기술을 위한 신뢰할 수 있는 해법을 제공한다.

적응형 촉각 상호작용. 논문 2308747호에서 Tae-Heon Yang, Changhyun Pang 및 동료 연구진은 다중 물체 조작과 적응형 촉각 상호작용을 위한, 공간적으로 선택적인 전기활성-구동 접착 전자소자를 논의한다. 생물학에서 영감을 받은 미세구조를 갖춘 다중 픽셀화된 전기활성-구동 접착 전자소자는 다양한 생물과 물체를 포함하여 표면의 질감에 관한 가상 촉각 정보를 제공할 수 있다.

건조 전극으로부터 얻은 심전도(ECG) 신호는 웨어러블 기기에서 흔히 사용되지만, 피부-전극 임피던스가 높아 잡음에 취약하다. 본 연구에서는 잡음이 포함된 신호를 깨끗한 ECG 신호 생성을 위한 조건으로 취급하는, 조건부 생성적 적대 신경망(conditional generative adversarial networks)에 기반한 잡음 제거(denoising) 방법을 제안한다. 일반화 성능이 높은 딥러닝 모델을 개발하기 위해서는 학습 데이터셋에서의 다양성을 보장하는 것이 중요하다. 그러나 대부분의 기존 잡음 제거 방법은 습식 접촉(wet-contact) 전극에 의해 수집된 ECG 데이터에 의존한다. 이를 보완하기 위해, 측정 장치의 회로 수준에서 입력에 준거한 전압 잡음(input-referred voltage noise) 모델을 채택하여 증폭기(amplifier), 열(thermal), 플리커(flicker) 잡음의 세 가지 내부 잡음을 포함한다. 또한 기준선 왜곡(baseline wander), 근육 인공물(muscle artifact), 전극 운동 잡음(electrode motion noise)을 추가하여 포괄적인 잡음 집합을 구성한다. 이를 통해 고주파 및 저주파 성분 모두에서 다양성을 갖는 데이터셋을 합성할 수 있다. 제안 방법은 적대적 손실(adversarial loss) 프레임워크를 사용하며, 판별기(discriminator) 네트워크는 잡음 제거된 신호가 깨끗한 ECG 신호의 분포를 따르는지 여부를 결정한다. 한편 생성기(generator) 네트워크는 추가적인 두 가지 손실 성분, 즉 L₁ 및 항등성(identity type) 유형의 손실을 최소화하며, 이 손실은 잡음 제거 과정에서 잡음이 없는 구간을 보존하는 역할을 한다. 결과 섹션의 모든 예시에서 견고한 잡음 제거 성능을 관찰하였다. 한 예시에서는 본 연구의 부산물로서 새로운 분류(classification) 방법을 제안한다. 잡음이 포함된 신호와 잡음 제거된 신호를 모두 활용함으로써, 제안 방법은 이상 ECG 신호를 검출하기 위한 분류 정확도를 향상시킨다.

성대 폐쇄 계수(closed quotient, CQ)는 성대의 접촉 시간을 비율로 나타낸 지표로, 발성 훈련 및 음성 치료에서 중요한 지표로 사용된다. CQ는 전기성문도(electroglottography, EGG)를 통해 측정할 수 있으나, EGG 장비 없이 머신 러닝 알고리즘을 훈련하면 오디오 신호만으로 CQ를 측정할 수 있다. 본 논문에서는 XGBoost를 기반으로 CQ를 예측하는 알고리즘을 개발한다. 이를 위해서 오디오 신호의 스펙트로그램으로부터 특성들을 신중하게 결정한다. 특성들은 첨도, 조화, SPD200, SPD500을 포함하였다. ‘아’ 모음 발성시 EGG를 측정한 데이터셋으로 XGBoost를 훈련하고 평가한 결과 MAE가 6E-2이하로 신뢰할 만한 수준의 예측이 이루어 졌다. XGBoost을 훈련한 이후 얻을 수 있는 부산물은 특성 중요도 분석이다. SPD500과 첨도가 높은 특성 중요도 점수를 얻은 것을 확인하였다.

중독 행동 분석은 심리 상담 분야에서 중요한 주제이다. 본 연구는 딥러닝 기반 복권 구매자의 행동을 예측하는 방법을 제시한다. 제안된 딥러닝 방법은 사용자의 지난 4주간의 구매 패턴을 바탕으로 이후 1주 동안의 복권 구매 총 금액을 예측한다. 데이터는 전처리 이후 4가지 형태의 복권 유형(로또, 연금, 즉석, 추첨)에 대한 일별 구매 횟수와 구매 총량으로 구조화되어 지도학습을 위한 샘플로 변환된다. 샘플이 시계열 데이터 형태가 됨에 따라 시계열 방법에 장점을 갖고 있는 long short term memory(LSTM) 방법을 사용하였다. 또한 과적합을 막기 위한 드랍아웃이 적용되었다. 결과로부터 본 연구팀은 최적의 노드 수 및 드랍아웃 비율을 찾기 위한 실험을 보고하였다. 결과적으로 예측된 향후 구매 금액이 실제 구매 금액과 전체적으로 일치하는 것을 확인하였다. 본 연구는 온라인 복권 플랫폼에서 잠재적으로 중독 행동을 갖고 있는 구매자에 대한 조기 경보 시스템 구축 등으로 확장될 수 있다.

용존산소(Dissolved oxygen, DO)는 생태계에서 중요한 요인이다. 그러나 하천 시스템의 비선형적 현상 때문에 DO 분석은 흔히 상당히 복잡하다. 따라서 DO 변수를 위한 편리한 무모델(모델 프리) 알고리즘이 필요하다. 본 연구에서는 XGBoost와 인공신경망(Artificial neural network, ANN)을 결합하여 DO를 예측하기 위한 데이터 기반 알고리즘인 ANN-XGB를 개발하였다. 모델 학습을 위해 Troll 9500 모델을 사용하여 서울 안양에서 2년간의 생태계 데이터를 수집하였다. 제안된 알고리즘의 한 가지 장점은 돌발 사건으로부터 발생하는 기후 관련 특징의 급격한 변화를 포착할 수 있다는 점이다. 또한 XGBoost를 사용함으로써 특징 중요도 분석을 제공할 수 있다. 결과에서 ANN-XGB 알고리즘으로 얻은 결과를 ANN 알고리즘으로 얻은 결과와 비교하였다. ANN-XGB가 제시한 예측은 ANN이 제시한 예측보다 하천에서 측정된 DO 값과 대체로 더 잘 일치하였다.