자율적 항법 능력을 갖춘 서비스 로봇은 안전하고 충돌이 없는 인간 상호작용이 중요한 동적 환경에서 핵심적인 역할을 한다. 그러나 인간 행동의 예측 불가능성, 폐색(occlusion)의 빈번함, 그리고 센서 한계로 인한 완전한 환경 인식의 부재는 효과적인 로봇 항법을 크게 제약할 수 있다. 본 연구에서는 부분 관측 환경에서 충돌이 없는 사전적(proactive) 항법을 가능하게 하기 위해 심층 강화학습을 사용하는 기억 기반 알고리즘을 제안한다. 제안 방법은 제한된 FoV(시야)와 센서 범위 내에서 인간의 상대적 상태를 신경망의 입력으로 활용한다. 이 모델은 시간 함수로 양방향 게이티드 순환 회로 유닛(bidirectional gated recurrent unit)을 사용하여 입력 시퀀스의 이전 맥락을 전략적으로 반영하고 관측 내용을 동화(assimilation)하는 데 도움을 준다. 이러한 접근은 모델이 복잡한 인간–로봇 관계에 더 큰 주의를 부여하도록 하여, 환경 내에서 끊임없이 변화하는 역학을 더 잘 이해할 수 있게 한다. 시뮬레이션과 실험 결과는 정책 기반 항법 접근의 효능을 검증한다. 또한 기존의 대표적 방법들에 비해 우수한 충돌 회피 성능을 달성하며, 학습 과정에서 센서의 제한을 통합함으로써 효율적인 항법을 보인다.

밀도 범함수 이론(density functional theory) 계산을 사용하여 펜타(penta)형의 2차원 PdPX 나노시트(X = O, S, Te)의 원자적, 전자적, 광학적 및 기계적 특성을 체계적으로 조사하였다. 세 종류의 PdPX 나노시트는 각각 포논 분산(phonon dispersions) 및 본(Born) 기준을 분석한 결과에 기초하여 동적 및 기계적 안정성을 나타내었다. PdPX 단층은 취성(brittle) 구조인 것으로 밝혀졌다. 계산 결과, PdPX 나노시트는 반도체적 특성을 보이며, PBE (HSE06) functional을 사용했을 때 X = O, S, Te에 대해 각각 간접 밴드갭이 0.93 (1.99), 1.34 (2.11), 0.74 (1.51) eV로 나타났다. 또한 PdPTe는 가시광 광촉매 물 분해(visible-light photocatalytic water splitting)에 가장 우수한 물질임이 입증되었다. 본 연구 결과는 펜타형 2차원 PdPX 물질의 중요한 기본 특성을 제공하며, 이 흥미로운 물질들에 대한 추가적인 이론적 및 실험적 연구를 촉진할 것으로 기대된다.

자율적 항법 능력을 갖춘 서비스 로봇은 안전하고 충돌이 없는 인간 상호작용이 중요한 동적 환경에서 핵심적인 역할을 한다. 그러나 인간 행동의 예측 불가능성, 폐색(occlusion)의 빈번함, 그리고 센서 한계로 인한 완전한 환경 인식의 부재는 효과적인 로봇 항법을 크게 제약할 수 있다. 본 연구에서는 부분 관측 환경에서 충돌이 없는 사전적(proactive) 항법을 가능하게 하기 위해 심층 강화학습을 사용하는 기억 기반 알고리즘을 제안한다. 제안 방법은 제한된 FoV(시야)와 센서 범위 내에서 인간의 상대적 상태를 신경망의 입력으로 활용한다. 이 모델은 시간 함수로 양방향 게이티드 순환 회로 유닛(bidirectional gated recurrent unit)을 사용하여 입력 시퀀스의 이전 맥락을 전략적으로 반영하고 관측 내용을 동화(assimilation)하는 데 도움을 준다. 이러한 접근은 모델이 복잡한 인간–로봇 관계에 더 큰 주의를 부여하도록 하여, 환경 내에서 끊임없이 변화하는 역학을 더 잘 이해할 수 있게 한다. 시뮬레이션과 실험 결과는 정책 기반 항법 접근의 효능을 검증한다. 또한 기존의 대표적 방법들에 비해 우수한 충돌 회피 성능을 달성하며, 학습 과정에서 센서의 제한을 통합함으로써 효율적인 항법을 보인다.

밀도 범함수 이론(density functional theory) 계산을 사용하여 펜타(penta)형의 2차원 PdPX 나노시트(X = O, S, Te)의 원자적, 전자적, 광학적 및 기계적 특성을 체계적으로 조사하였다. 세 종류의 PdPX 나노시트는 각각 포논 분산(phonon dispersions) 및 본(Born) 기준을 분석한 결과에 기초하여 동적 및 기계적 안정성을 나타내었다. PdPX 단층은 취성(brittle) 구조인 것으로 밝혀졌다. 계산 결과, PdPX 나노시트는 반도체적 특성을 보이며, PBE (HSE06) functional을 사용했을 때 X = O, S, Te에 대해 각각 간접 밴드갭이 0.93 (1.99), 1.34 (2.11), 0.74 (1.51) eV로 나타났다. 또한 PdPTe는 가시광 광촉매 물 분해(visible-light photocatalytic water splitting)에 가장 우수한 물질임이 입증되었다. 본 연구 결과는 펜타형 2차원 PdPX 물질의 중요한 기본 특성을 제공하며, 이 흥미로운 물질들에 대한 추가적인 이론적 및 실험적 연구를 촉진할 것으로 기대된다.

본 연구에서는 밀도범함수이론을 이용하여, B-C 평면 밖에 X 원자(X = N, P, As)를 갖는 새로운 2차원 BC[Formula: see text]X 단층을 예측하였다. BC[Formula: see text]X 단층의 구조적, 전자적, 광학적, 광촉매 및 열전(thermoelectric) 특성을 조사하였다. BC[Formula: see text]X 단일층의 안정성 평가는 포논 분산, ab-initio 분자동역학(AIMD) 시뮬레이션, 탄성 안정성 및 응집에너지 연구를 통해 수행하였다. 기계적 특성은 고려된 모든 단층이 안정하며 취성(brittle) 성질을 갖는다는 것을 보여준다. HSE06 기능을 사용한 밴드 구조 계산 결과, BC[Formula: see text]N, BC[Formula: see text]P 및 BC[Formula: see text]As는 각각 2.68 eV, 1.77 eV 및 1.21 eV의 간접 밴드갭을 갖는 반도체 단층임이 확인되었다. 흡수 스펙트럼은 전자기 스펙트럼의 자외선 영역에서 BC[Formula: see text]X 단층이 큰 흡수 계수를 나타냄을 보여준다. 또한, BC[Formula: see text]N 및 BC[Formula: see text]P 단층이 광촉매 물 분해(photocatalytic water splitting)에 대해 잠재적으로 우수한 후보임을 제시한다. BC[Formula: see text]X의 전기 전도도는 매우 작으며, 온도를 상승시키면 약간 증가한다. n-도핑 영역에서 p형 영역에 비해 더 큰 파워 팩터(power factor)가 관측됨에 따라, 전자 도핑은 연구된 단층의 전기적 생산성(electric productivity)을 정공 도핑보다 더 크게 만들 수 있음을 시사한다. 이러한 결과는 BC[Formula: see text]X (X = N, P, As) 단층이 전자, 광학 및 에너지 전환 시스템을 위한 새로운 유망 2DMs(2차원 소재) 계열임을 보여준다.

고령층에서 파킨슨병(Parkinson’s disease, PD)의 발생률이 높아, PD 진행 경과를 신뢰성 있게 예측할 필요가 있다. PD는 흔한 비운동성 증상인 우울증과 연관될 수 있다. 우울증은 환자의 삶의 질과 간병인 부담에 유의미한 영향을 미치는데도 파킨슨병(PD)에서 종종 과소진단된다. 조기 발견과 예측 요인의 식별은 적절한 시기 개입에 필수적이다. 본 연구는 인구통계학적, 운동성 및 비운동성 특징을 포함하는 다중모달 시계열 데이터를 활용하는 새로운 멀티태스크 하이브리드 딥러닝 프레임워크를 제안하며, 이를 통해 PD 환자에서 우울 증상의 탐지 및 이해를 향상시키고자 한다. 이 세 가지 양상은 초기 융합되며, 그 결과로 얻어진 특징 집합의 관련 특징은 딥 변분 오토인코더(deep variational autoencoder) 모델을 통해 추출된다. 신경퇴행성 질환의 진단에서 MRI 데이터가 중요하므로, 3D CNN 모듈을 사용하여 MRI 영상으로부터 심층 특징을 학습하고, 이러한 심층 표현을 변분 오토인코더에서 추출된 특징과 후기 융합(late fusion)하였다. 추출된 심층 표현은 새로운 양방향 LSTM(Bidirectional LSTM) 모델을 기반으로 한 멀티태스크 분류기를 구축하는 데 사용되었다. 본 모델은 (1) 파킨슨병의 중증도를 정의하는 4개 등급의 NHY 척도, (2) 환자가 우울한지 여부를 결정하는 이진 분류, (3) 우울의 수준을 나타내는 4개 등급의 우울 척도라는 세 가지 과제를 예측하도록 최적화되었다. 제안된 모델은 다양한 시점(time step)에 대해 단일태스크 및 멀티태스크 문제로 평가되었다. NHY 예측 과제에서 2-시점(time step)을 사용한 경우, 본 모델은 교차검증 및 테스트 정확도에서 각각 최대 96.78%와 94.37%를 달성하였다. 멀티태스크 모델은 2-시점, 4-시점, 6-시점에서 각각 테스트 정확도가 86.29%, 87.12%, 95.81%로 꾸준히 증가하였다. 제안된 모델은 Parkinson’s Progression Markers Initiative(PPMI) 데이터셋의 6-시점에 걸친 1059명의 PD 환자와 단일-시점의 850개 MRI 영상을 조사하였다.

인간 중심 환경에서 운용되는 자율 로봇에 있어 견고한 내비게이션은 매우 중요하지만, 센서의 한계, 환경적 제약, 예측 불가능한 인간의 이동은 부분 관측 하에서의 계획을 어렵게 만든다. 본 연구는 로봇-군중 상호작용의 비선형 동역학을 다루기 위해 공간-시간 인코딩 방식을 활용하는 심층 강화학습 기반 알고리즘을 제안한다. 여기서 작은 움직임 변화가 로봇의 운동에 중대한 영향을 미칠 수 있다. 이 모델은 로봇의 360∘ 센싱 범위 내 인간들의 상대 위치를 처리하고, 과거 관측을 유지하기 위해 양방향 게이트 순환 신경망 단위(bidirectional gated recurrent units)로 구성된 공간-시간 모듈을 통합한다. 주의(attention) 메커니즘은 인간-로봇 상호작용을 동적으로 우선순위화하며, 공간 메모리 내의 전역 계획 모듈은 제한된 공간에서 반응적이면서도 전역적으로 안전한 경로 계획을 모두 보장한다. 보상 함수는 벽과의 충돌이나 정지(freezing)와 같은 안전하지 않은 행동을 벌칙하고, 매끄럽고 충돌이 없는 진행을 유도한다. 시뮬레이션과 실제 환경 실험 모두에서 검증된 본 방법은 공간-메모리 주의와 보상 설계를 통해 로봇-군중 상호작용의 비선형 동역학을 모델링하는 데 효과가 있음을 보여주며, 안전하고 적응적인 내비게이션을 달성한다.