Sparse Au nanoparticle arrays define a new interface paradigm, where engineered sparsity simultaneously controls nucleation, electric fields, ion transport, and side reactions, enabling dendrite-free, ultra-long-life Zn cycling with minimal Au use.

Sparse Au nanoparticle arrays define a new interface paradigm, where engineered sparsity simultaneously controls nucleation, electric fields, ion transport, and side reactions, enabling dendrite-free, ultra-long-life Zn cycling with minimal Au use.

대규모 비라벨 데이터셋에 대한 접근성이 높아짐에 따라, 객체 탐지를 위한 반지도학습(SSOD)에 관한 연구가 점점 더 인기를 얻고 있다. 이러한 SSOD 연구 가운데 의사 라벨링(pseudo-labeling) 방법은 의사 라벨의 정확도에 크게 의존하므로, 성능 저하를 방지하기 위해 부정확한 주석을 반드시 필터링해야 한다. 본 연구는 의사 라벨링 방법에서 발생하는 주석 오류를 거짓음성(FN)과 거짓양성(FP)으로 분류하고, Gaussian modeling을 통해 획득한 불확실성 정보를 이용하여 각 오류 유형에 대한 대응 방안을 제안한다. 네트워크 출력의 불확실성에 기반하여 FN 객체의 배경 학습을 방지함으로써 네트워크 성능을 향상시킨다. 또한, 주석의 불확실성에 근거하여 신뢰도가 낮은 주석을 필터링하고, FP 객체의 학습 반응성(learning reflectivity)을 결정한다. 제안 방법은 네트워크 성능 향상과 학습 복잡성을 고려하여, 단일 의사 라벨 업데이트를 포함하는 1단계 학습(one-phase learning)을 사용함으로써 최소한의 학습 과정으로 최대 성능을 달성한다. 더 나아가, 기대 성능 향상을 증가시키기 위해 최적 업데이트 시점(optimal update point) 탐색을 위한 알고리즘도 제안한다. Pascal VOC, COCO, Cityscapes 데이터셋에 대한 실험 결과, SSD 네트워크는 기준(baseline)에 비해 계산 복잡도가 미미한 수준으로 유지되면서 각각 3.3%, 4.7%, 4.1%의 정확도 향상을 보였다.

최근 비전-언어 모델(Vision-Language Models, VLMs)은 다양한 과제에서 인상적인 성능을 달성했으나, 대량의 시각 토큰으로 인해 계산 비용이 높다는 한계가 있다. 다양성 기반 토큰 선택 방법은 중복성을 효과적으로 줄이지만, 토큰 예산이 타이트한 경우 종종 공간 커버리지를 잃는다. 이러한 문제를 해결하기 위해, 우리는 각 그리드 영역이 최소 하나의 대표 토큰을 제공하도록 보장함으로써 균형 잡힌 공간 커버리지를 강제하는 경량 모듈인 그리드 기반 다양성 강화(Grid-based Diversity Enhancement, GDE)를 제안한다. $GDE$는 최소한의 오버헤드로 기존의 다양성 기반 프레임워크에 손쉽게 통합될 수 있다. LLaVA-1.5-7B를 사용한 이미지 이해 벤치마크에 대한 실험에서 $GDE$는 일관되게 성능을 향상시키며, 단지 128 토큰만으로도 기본(vanilla) 모델 정확도의 $97.4\%$를 달성한다. 이러한 결과는 $GDE$가 전역 시각적 문맥을 효과적으로 보존하고, 극단적 압축 하에서 효율성과 정확도 간 더 나은 절충을 달성함을 보여준다.

인스턴스 분할은 자율주행 및 의료 영상 분석과 같은 고정밀 컴퓨터 비전 응용에서 핵심적인 역할을 한다. 모델 정확도와 프라이버시를 보존하는 솔루션 모두에 대한 요구가 계속 증가함에 따라, 엣지 디바이스에서 직접 안전하고 적응적인 학습을 가능하게 하기 위한 온디바이스 학습이 주목받고 있다. 그러나 인스턴스 분할 모델에 내재된 막대한 연산량과 복잡한 데이터 흐름은 자원 제약 환경에서 실시간 학습을 달성하는 데 큰 장벽이 된다. 온디바이스 학습에 관한 선행 연구는 주로 이미지 분류에 초점을 맞춰 왔지만, 인스턴스 분할 학습을 위한 효율적인 하드웨어 가속은 상대적으로 탐색되지 않은 상태이다. 본 연구에서는 인스턴스 분할 모델 학습을 위해 특별히 설계된 최초의 FPGA 기반 하드웨어 가속기인 TETRIS를 제안한다. TETRIS는 채널 인지 스무딩 양자화(channel-aware smoothing quantization)와 분포 인지 타이 양자화(distribution-aware tie quantization)를 포함하는 구조적 최적화 및 양자화 인지 최적화를 도입하여, 연산 및 메모리 오버헤드를 모두 유의하게 감소시킨다. 또한 TETRIS는 이기종 하드웨어 아키텍처를 채택하여, 가변 커널 크기를 지원하는 재구성 가능 컨볼루션 처리 유닛(RC-PU)과 특수 연산을 효율적으로 처리하기 위한 완전 파이프라인 보조 처리 유닛을 통합한다. YOLACT 기반 인스턴스 분할 과제에 대한 실험 평가 결과, TETRIS는 805.9 GOPS의 피크 성능과 69.5 GOPS/W의 에너지 효율을 달성하여, 자원 제약이 있는 엣지 환경에서도 실시간 학습을 지원할 수 있음을 확인한다.

수소 연료 내연기관(H 2 ICE)과 연료전지는 수소 인프라의 확장에 중요한 역할을 할 수 있다. 그러나 연소 과정에서의 고온으로 인해 질소산화물(NOx)이 생성되며, 수소의 낮은 최소 점화 에너지는 고부하 운전 조건에서 착화 선행(pre-ignition) 및 역화(backfire)와 같은 비정상 연소를 유발할 수 있다. 따라서 연소실의 온도를 낮추기 위해 H 2 ICE에 물을 분사하는 것은 두 문제를 모두 해결하는 효과적인 방법이 될 수 있다. 다만 흡기 포트에 물을 분사할 경우 기화 후 체적 효율이 감소하는 단점이 있으므로, 물을 연소실에 직접 분사하는 것이 더 효과적이다. 본 연구에서는 수소 직접분사 시스템에 이중 직접분사 기술을 적용하여, 물 역시 연소실에 직접 분사되도록 함으로써 NOx를 저감하면서 최고 부하를 향상시키는 방법을 실험적으로 구현하였다. 1500 rpm에서 물 분사 시기와 분사량을 변화시켰고, 노킹이 발생하기 직전의 조건에서 물 분사를 통한 최대 출력 향상의 정도를 확인하였다. 그 결과, 물 분사를 통한 NOx 최대 저감률은 80%에 도달했으며, 물의 직접분사로 최고 부하도 16% 향상될 수 있음을 확인하였다.

아연 기반 에너지 저장 기술은 풍부한 자원, 비용 효율성, 낮은 산화환원 전위, 안전성, 그리고 다른 금속 기반 배터리 대비 우수한 비부피 용량에 의해 상당히 발전해 왔다. 그럼에도 불구하고 Zn 수지상(덴드라이트) 형성, 부식, 그리고 수소 발생 부반응과 같은 문제로 인해 실제 적용이 제한된다. 이러한 문제들은 가역성을 저하시키고 기계적 손상을 유발하여, 충전식 배터리에서 아연 음극의 장기 성능과 내구성에 궁극적으로 영향을 준다. 아연의 고유한 거칠기와 Zn 포일 표면 제작 과정에서의 표면 손상은 전기장의 불균일한 분포와 Zn²⁺ 이온 농도의 불균일 분포를 초래하며, 이로 인해 부반응과 수지상 형성이 개시된다. 이러한 문제는 표면 결함을 더욱 심화시켜, 지속적인 열화가 반복되는 순환을 지속시킨다. 또한 Zn 도금 중 과도한 수지상 성장은 분출부(돌출부)를 만들어 분리막을 관통할 수 있으며, 그 결과 배터리 셀에서 잠재적 단락이 발생하여 전체 수명을 단축시킨다. 여기서는 reverse micelle templating (RMD)을 이용하여 나노입자(NPs) 배열의 아(亞)단일층(submonolayer)을 증착함으로써 아연 음극의 계면 특성을 수정하는 새로운 방법을 제시한다. 역미셀 합성은 나노입자 합성에 다양한 종류의 이온성 금속염을 수용하는 간단한 용액 기반 공정을 제공한다. 또한 이 접근법은 나노입자의 크기를 정밀하게 제어하고, 다양한 조건에서 균일하게 분산된 2D 배열의 형성을 가능하게 하여, 고도로 조절 가능한 나노입자를 생성한다. 본 연구에서는 Gold (Au), Tin Oxide (SnO x ), 그리고 Tin-Gold (SnAu) 나노입자(NPs)를 성공적으로 합성한 뒤, 이를 아연 음극 표면에 증착하여 나노입자 아(亞)단일층 형성에 따른 음극 안정성을 비교하였다. 사이클링 성능은 대칭 코인 셀에서 평가하였다. Au 및 SnO x NPs는 대칭 셀의 수명을 유의하게 연장한 반면, SnAu NPs는 매우 불안정한 사이클링 성능을 보였다. 시험된 나노입자 중 Au NPs는 가장 낮은 과전압을 나타내며 최상의 사이클링 성능을 보였다. 추가 조사로, chronoamperometry, Impedance spectroscopy (EIS) 및 SEM 미세그래프를 포함한 분석을 통해 Au NPs가 변형된 An(=?) 아연 음극에서 Zn 확산을 표면에서 감소시키고, 전하 전달 반응 속도를 향상시키며, 무도장(비처리) 아연 음극에 비해 보다 균일한 도금을 유도함으로써 대칭 셀에서의 사이클링 안정성이 향상됨을 확인하였다. 또한 밀도범함수이론(DFT) 계산은 Au NPs의 흡착 에너지와 확산 장벽을 통해 Au NPs의 아연 친화성(zincophilic) 특성을 확인하였고, 이는 Zn 확산을 효과적으로 조절하고 균일한 핵생성을 촉진하였다. 본 접근법은 배터리 안정성을 향상시키기 위한 아연 음극의 표면 공학(surface engineering)에 대한 새로운 전략을 제공한다. Figure 1

본 연구는 미시 계획(framework)에서 도시 다핵(多核)적 공간 구조가 탄소 배출에 미치는 영향 메커니즘을 규명하는 것을 목적으로 한다. 본 논문은 미시(마이크로) 수준의 도시 하위 지구(micro-granular urban subdistricts)에서 도시 구조의 공간적 관점 두 가지인 ‘중심 노드(central nodes)’와 ‘다핵성(polycentricity)’을 통해 탄소중립 전략의 실행에 관한 새로운 통찰을 제시한다. 야간등(night-time lights) 공간자료, 인위적 CO 2에 대한 오픈소스 자료 인벤토리(Open-source Data Inventory for Anthropogenic CO 2, ODIAC), 중국 토지피복 자료(China Land Cover Dataset, CLCD)를 활용하여, 본 연구는 ‘분산된 구조 배치—집중 개발(concentrated development)’이라는 이중 관점을 채택한다. 먼저 공간 자기상관(spatial autocorrelation) 모형을 사용하여 도시 내부의 공간 구조와 공간적 이질성 관점에서의 공간 탄소 배출의 변이를 도식화한다. 이어서 공간 더빈(Durbin) 모형을 이용하여 도시 공간의 다중 중심(multicentric) 구조의 진화가 탄소 배출에 미치는 영향을 실증적으로 검증한다. 연구 결과, 다핵성의 관점에서는 다수의 고(高) 경제적 영향 중심을 갖는 기능적 다핵성(functional polycentricity)과 형태적 다핵성(morphological polycentricity) 하에서의 도시 건설용지의 분산이 모두 탄소 배출을 증가시키는 것으로 나타났다. 반면 중심 노드의 관점에서는 낮은 중심집중과 높은 집적을 특징으로 하는 다핵적 발전 모형이 탄소중립에 더 유리한 것으로 나타났다. 마지막으로, 도시 지역의 낮은 중심집중과 높은 집적을 특징으로 하는 단핵(單核) 모형과 비교할 때, 생태 지역에서의 ‘경량(lightweight)’ 분산형 다핵 모형은 도시 확장을 최소화함으로써 탄소 배출에 대한 영향을 완화하는 데 기여한다.