스크류 반응기는 주변 공기 조건에서 균일한 기화(gasification)를 통해 방사성 흑연 폐기물을 제거(해독)하는 데 유망한 장치이다. 그러나 스크류 반응기의 설계 방정식을 개발하는 것은 반응기의 기체와 고체의 상호작용이 근본적으로 복잡하기 때문에 어렵다. 본 연구에서는 스크류 반응기를 통과하여 열적으로 기화되는 흑연 입자를 예측하고 특성화하기 위해 3차원 전산유체역학 시뮬레이션을 수행하였다. 이는 에일러(Eulerian) 단일 유체(single-fluid) 접근법에 흑연 기화에 대해 실험적으로 확립된 동역학 모델을 결합하여 수행하였다. 수치 결과는 반응기 내 회전하는 스크류를 따라 회전 스크류와 반응기 벽의 상대 운동에 의해 생성되는 대향 회전(counter-rotating) 유동이 입자를 공간적으로 혼합하고 그들의 축 방향 속도를 감소시킨다는 것을 보여주었다. 수행한 수치 계산에 따르면, 공급 흑연 입자의 직경은 스크류 회전 속도와 반응기 셸(shell)의 온도에 따라 최대 28%까지 감소시킬 수 있었다. 이러한 수치 시뮬레이션은 실험실 규모의 스크류 반응기에서 방사성 흑연 폐기물을 제거하기 위한 적절한 운전 파라미터를 제공하는 데 활용될 수 있으며, 이는 흑연 입자의 표면에서 방사성 탄소(radiocarbon)를 기화시키고 흑연 매트릭스의 일부와 함께 처리하는 것을 포함한다.

단일 빔 음향 트래핑(single-beam acoustic trapping) 기법은 수동 칼슘 분석(manual calcium analysis) 방법과 결합하여 음향 트랩 내에서 부유하는 유방암 세포의 침윤성을 판정하는 데 매우 유용한 것으로 입증되었다. 그러나 기술을 임상으로 신속히 전환하기 위해서는 효율적이고 정확한 분석 방법의 개발이 필요하다. 이에 우리는 단일 빔 음향 트래핑 시스템을 이용하여 부유 유방암 세포의 침윤성을 판정하기 위한 완전 자동 딥러닝 기반 칼슘 이미지 분석 알고리즘을 개발하였다. 해당 알고리즘은 세포를 분할하고, 트랩된 세포를 찾아내며, 시간에 따른 칼슘 변화량을 정량화할 수 있도록 한다. 경계가 불명확한 경우에도 칼슘 형광 세포의 분할을 더 잘 수행하기 위해, 다중 스케일/다중 채널 합성곱 연산(multi-scale/multi-channel convolution operations)을 사용하는 새로운 딥러닝 아키텍처(MM-Net)를 표적 역전(target inversion) 학습 방법으로 고안하고 구축하였다. MM-Net은 세포 분할에서 다른 딥러닝 모델들보다 우수한 성능을 보였다. 또한, 트래핑된 세포의 침윤성을 자동으로 판정하기 위한 검출/정량 알고리즘을 개발하고 구현하였다. 알고리즘의 평가는 유방암 세포의 침윤성을 정량화하는 데 적용하여 수행하였다. 그 결과, 본 알고리즘은 암 세포의 침윤성을 판정함에 있어 수동 칼슘 분석 방법과 유사한 성능을 제공하는 것으로 나타났으며, 고효율로 암 세포의 침윤성을 자동으로 결정하는 새로운 도구로 활용될 수 있음을 시사한다.

수치적으로는 실험실 규모의 밀폐형 나사 컨베이어 반응기에서 흑연 입자가 통과할 때 입자 직경 변화에 대한 나사 컨베이어의 회전 속도와 반응기 온도의 영향을 조사하였다. 또한 흑연 입자의 열적 가스화가 탄소–산소 화합물로 진행되는 현상을 실험적으로 조사하여, 동역학 반응 모형과 동역학 매개변수를 규명하였다. 밀폐형 나사 컨베이어 반응기 내에서 흑연 입자의 비뉴턴 유체 유사 흐름은 최근 개발된 점소성(viscoplastic) 모형과 회전 기준계를 사용하여 운동방정식을 풀이함으로써 수치적으로 시뮬레이션하였다. 수치적 접근법과 규명된 흑연 분말 가스화 반응의 동역학 모형을 결합한 결과, 반응기를 통과하는 흑연 입자의 거동 및 직경 변화를 성공적으로 예측하였다. 반응기 온도 1073 K에서, 공급 흑연 입자의 크기는 나사 컨베이어의 회전 속도에 따라 2%에서 30%까지 감소할 것으로 예측되었다. 수치 시뮬레이션의 예측 결과는, 주로 흑연 표면에 위치한 방사성탄소(radiocarbon)를 제거함으로써 조사(照射)된 흑연 폐기물을 제염하기 위한 밀폐형 나사 컨베이어 반응기의 운전 조건을 최적화하는 데 활용될 수 있다.