작은 크기와 변동성이 큰 시계열 데이터는 모델 과적합으로 인해 예측 성능 저하를 야기하는 문제가 있습니다. 본 발명은 이러한 문제 해결을 위해 합성곱 신경망(CNN)을 활용한 데이터 확장 방법 및 장치를 제공합니다. 연속된 시계열 데이터의 특징을 2차원 배열로 변환하고, 이를 합성곱 신경망으로 처리하여 새로운 데이터를 생성함으로써 원본 데이터를 효과적으로 확장합니다. 이 기술은 주식, 에너지 사용량 등 소량의 시계열 데이터 환경에서도 예측 성능을 획기적으로 향상시켜 데이터 기반 분석 및 의사결정의 정확도를 극대화할 수 있습니다.

기계학습 모델의 성능 저하는 학습 데이터의 불균형에서 비롯됩니다. 특히 소수 범주 데이터의 부족은 예측 정확도를 낮춥니다. 본 기술은 이러한 문제를 해결하기 위해 적대적 오토인코더(AAE)와 SMOTE(Synthetic Minority Over-sampling Technique)를 결합한 혁신적인 오버샘플링 방법을 제시합니다. AAE로 데이터의 잠재 변수 특징을 추출한 후, 해당 공간에서 SMOTE를 적용하여 소수 범주 데이터를 효과적으로 증강합니다. 이 과정을 통해 재구성된 학습 데이터는 소수 및 다수 범주의 균형을 맞추어 기계학습 모델의 정확도와 신뢰도를 획기적으로 향상시킵니다. 본 방법은 기존 오버샘플링 대비 우수한 성능을 입증합니다.

기존 준지도 학습의 핵심인 그래프 구축 과정은 낮은 계수 표현(LRR) 방식의 높은 정확도에도 불구하고, 특이값 분해(SVD)에 수반되는 높은 계산 비용으로 인해 처리 속도 문제가 있었습니다. 본 발명은 이러한 한계를 극복하기 위해 '빠른 낮은 계수 표현(Fast Low-Rank Representation)' 기반의 혁신적인 그래프 구축 방법인 FaGLRR과 FaMLRR을 제안합니다. FaGLRR은 Graph-Regularized LRR(GLRR)과 동일한 정확도를 유지하며 획기적으로 빠른 연산을 가능하게 합니다. 또한, Fast MLRR(FaMLRR)은 특정 조건에서 기존 Manifold LRR(MLRR)보다 빠르면서도 더 우수한 결과를 도출합니다. 이 기술은 데이터의 특징 구조를 고성능으로 표현하는 그래프를 효율적으로 생성하여, 준지도 학습 모델의 예측 정확도를 높이고 AI 시스템의 전반적인 처리 속도를 대폭 향상시키는 데 기여합니다. 얼굴 클러스터링, 객체 검출 등 다양한 인공지능 응용 분야에서 핵심적인 성능 개선을 제공할 것으로 기대됩니다.

기존 폰 노이만 아키텍처는 높은 전력 소모와 발열 문제가 있으며, 기존 이진 신경망(BNN) 구현 방식은 집적도와 신뢰성에서 한계를 보였습니다. 본 기술은 나노 전기기계 메모리(NEM) 소자를 활용하여 이러한 문제를 해결하는 이진 신경망 및 그 동작 방법을 제시합니다. NEM 셀을 이용한 XNOR 연산을 통해 시냅스 어레이의 셀 개수와 전력 소모를 크게 줄일 수 있습니다. 또한, 최소한의 NEM 셀로 이진 신경망 어레이의 집적도를 높이고, 우수한 내구성과 신뢰성을 바탕으로 안정적인 시스템을 구현합니다. 이 기술은 차세대 저전력 고집적 인공지능 반도체 개발에 기여할 것입니다.

기존 합성가스 기반 C2-함산소화합물 제조 방식은 고온/고압 조건과 촉매 선택성의 문제점을 안고 있습니다. 본 기술은 루테늄 나노입자를 지지체에 담지시킨 새로운 불균일계 촉매를 개발하여 이러한 한계를 극복합니다. 이 촉매는 귀금속인 루테늄의 사용량을 현저히 줄이면서도 아세트산 및 에탄올 등 C2-함산소화합물의 우수한 전환율과 선택도를 제공합니다. 또한, 물 첨가 및 반응 조건 최적화를 통해 생산 효율을 극대화하며, 촉매의 장기적인 안정성을 확보하여 C2-함산소화합물 제조 공정의 경제성과 효율성을 크게 향상시킬 수 있는 혁신적인 해결책입니다.

방사성의약품 생산 과정에서 1회용 카세트의 조립 불량은 생산 실패와 경제적 손실을 초래합니다. 기존에는 생산 완료 후 불량 여부를 확인하여 사전 예방이 어려웠습니다. 본 기술은 이러한 문제점을 해결하고자, 방사성의약품 카세트의 조립성을 생산 전 단계에서 정확히 검사하는 장치를 제안합니다. 제1 카메라로 수평 조립 부품의 정렬 및 루어 조립 적정성을, 제2 카메라로 수직 조립 부품의 체결 깊이(콕 높이)를 평가하여 불량품을 신속하게 판별합니다. 이 시스템은 듀얼 카메라 영상 분석을 통해 카세트의 정확한 체결 깊이와 정렬 상태를 확인함으로써, 방사성의약품 생산 수율을 획기적으로 향상시키고 경제성을 높이는 데 기여합니다.

기존의 특정 물질 감지 기술은 높은 비용과 긴 분석 시간으로 인해 실시간 활용에 어려움이 있었습니다. 본 발명은 광결정 복합 구조물을 활용하여 특정 물질의 흡수량에 따른 부피 변화를 광학적(색) 변화로 극대화하고, 식별 영역별로 특정 물질의 통과 특성을 달리하는 부가 커버층을 통해 다차원 식별을 가능하게 하여 이러한 한계를 극복합니다. 이 기술은 휘발성 유기 화합물(VOC) 검출 센서, 지폐나 보안 카드의 진위 식별 등 보안 분야에 혁신적인 솔루션을 제공합니다. 고속 응답성과 명확한 색 변화를 통해 정밀하고 신뢰도 높은 물질 식별 및 진위 판별이 가능합니다.

본 발명은 기존 전기기계 스위치의 높은 구동 전압 문제를 해결하는 데 중점을 둡니다. 캔틸리버의 탄성에너지를 효과적으로 활용하고, 동적 슬링샷 제어 기술을 통해 풀백 및 풀인 전압을 정밀하게 제어하여 구동 전압을 획기적으로 낮추는 방법을 제시합니다. 이 기술은 MEMS(미세전기기계시스템) 및 NEM(나노전기기계시스템) 소자의 구동 효율을 극대화하며, 재구성 가능 로직(FPGA)과 같은 차세대 반도체 분야에서 필수적인 저전력, 고성능 스위치 구현에 기여합니다. 특히, 캔틸리버의 물리적 이동에 맞춰 슬링샷 신호를 동기화함으로써 안정적이고 효율적인 저전압 구동을 실현합니다. 본 기술은 인공지능, 데이터 분석 등 확장된 어플리케이션에 적용 가능합니다.

기존 바이러스 진단 방식은 높은 비용, 전문성 요구, 혹은 낮은 민감도 등 여러 한계에 직면해 있었습니다. 본 발명은 이러한 문제점을 해결하고자 폴리에틸렌글리콜디아크릴레이트(PEGDA) 및 폴리스티렌 나노입자(PSNPs)를 포함하는 수화젤 센서를 적용한 바이러스 감염 진단 키트를 제안합니다. 이 혁신적인 수화젤 센서는 바이러스 스파이크 단백질과 같은 항원 단백질의 고정력을 획기적으로 높여, 친수성 및 소수성 단백질 모두에 대한 검출 민감도를 극대화합니다. 결과적으로, 기존 진단법 대비 빠르고 정확한 현장 진단(POCT)을 가능하게 하여, 바이러스 감염 여부를 더욱 신뢰성 있게 진단할 수 있습니다. 본 기술을 통해 정밀하고 신속한 바이러스 진단의 새로운 기준을 경험하시길 바랍니다.