자율주행 시물레이터는 자율 주행을 시험하고 검증하는 일에 있어 현실에 비해 높은 비용 절감의 효과를 가 지고 오지만 높은 컴퓨터 연산량에 의해 많은 하드웨어 기기를 요구하게 된다. 게임을 이용하여 자율 주행에 필요한 학습 데이터를 획득하는 경우도 있다. 게임은 저비용 시뮬레이터로 활용되고 있지만 게임 외적인 특정 상황을 모의하기에도, 필요한 데이터 획득에도 제한적이다. 또 다른 방법으로 게임 엔진을 통한 가상 환경 모 의 연구가 수행되고 있다. 하지만 게임 엔진에서는 사용자가 직접 필요한 모델링을 해줘야 하기 때문에 개발 비용이 크게 작용된다. 특히, 3D LIDAR는 360도로 Ray를 쏴서 정밀 거리를 최소 10Hz 이내의 실시간 획득이 필요하다. 실시간으로 3D LIDAR 데이터를 획득하는 것은 GPU(Graphics Processing Unit) 사용량이 많은 작업 이기 때문에, 저비용 시뮬레이터를 위해서는 저비용 3D LIDAR 모의가 필요하다. 본 논문에서는 낮은 컴퓨터 연산을 사용하는 C++ 기반 3D LIDAR 모의 프레임 워크를 제안한다. 제안된 3D LIDAR는 다수의 언덕으로 이 루어진 비포장 Map에서 성능을 검증 하였으며, 성능 검증을 의해 본 논문에서 생성된 3D LIDAR로 간단한 LPP(Local Path Planning) 생성 방법도 소개한다. 제안된 3D LIDAR 프레임 워크는 저비용 실시간 모의가 필요 한 자율 주행 분야에 적극 활용되길 바란다.

The pore structure of pitch-based activated carbon prepared by physical activation was improved by nitric acid treatment of pitch. The nitric acid treatment introduced oxygen and nitrogen functional groups on pitch, and increased pitch molecular weight by cross-linking. The introduced oxygen and nitrogen functional groups on pitch were removed during the carbonization process, so they did not directly affect the physical activation process. The increased pitch molecular weight induced an increase of the pitch softening point. The increased softening point prevented rearrangement between the pitch molecules during the carbonization process, thereby inhibiting the orientation improvement of pitch molecules. The crystal degree of the carbonized pitch was reduced due to the inhibition of the orientation improvement. The reduced crystal degree increased reactivity between carbonized pitch and activation agent ( CO2) and formed micropores, so that activated carbon with a high specific surface area could be prepared.

Mesenchymal stem cells (MSCs) have been recognized as a therapeutic tool for various diseases due to its unique ability for tissue regeneration and immune regulation. However, poor survival during in vitro expansion and after being administrated in vivo limits its clinical uses. Accordingly, protocols for enhancing cell survivability is critical for establishing an efficient cell therapy is needed. CDDOMe is a synthetic C-28 methyl ester of 2-cyano-3,12-dioxoolean-1,9-dien-28-oic acid, which is known to stimulate nuclear factor erythroid 2-related factor 2 (Nrf2)- antioxidant response element (ARE) pathway. Herein, report that CDDO-Me promoted the proliferation of MSCs and increased colony forming units (CFU) numbers. No alteration in differentiation into tri-lineage mesodermal cells was found after CDDO-Me treatment. We observed that CDDO-Me treatment reduced the cell death induced by oxidative stress, demonstrated by the augment in the expression of Nrf2-downstream genes. Lastly, CDDO-Me led to the nuclear translocation of NRF2. Our data indicate that CDDO-Me can enhance the functionality of MSCs by stimulating cell survival and increasing viability under oxidative stress.

4차 산업혁명 시대의 흐름에 맞춰 농업에서도 ICT 기술을 활용한 스마트팜의 개발 및 보급을 통해 경쟁력을 높이기 위한 노력이 진행되고 있다. 과거 농부의 경험에 의해 축적된 지식을 이용하던 농업에서 각종 센서를 이용하여 다양한 재배 환경을 분석하고 이를 이용하여 최적의 재배 환경을 제어하는 지능형 시스템으로 변 하고 있으며, 네트워크를 통하여 시간과 공간의 제약이 없이 작물 재배가 가능한 환경이 만들어지고 있다. 본 논문에서는 기존에 구축된 클라우드 기반 스마트팜과 연동하여 팜 시뮬레이터를 구현하는 방법을 제안한 다. 클라우드에 누적된 환경 데이터와 제어 데이터를 이용하여 환경 변수에 대한 예측 모델을 학습하고 실제 운영중인 스마트팜의 실시간 환경 데이터를 이용하면 보다 현실감 있는 시뮬레이션이 가능하게 되어 사용자 의 몰입을 유도할 수 있다. 단순 시뮬레이션에서 벗어나 학습 모드를 통해 실제 농부의 스마트팜 운영 데이 터를 학습할 수 있도록 하고, 운영 모드에서는 실제 스마트팜의 운영 결과와 비교를 통하여 경쟁을 통한 성 취감을 얻을 수 있도록 하였다. 이러한 경험이 누적되면 작물재배에 관심이 있는 사용자들에게 실제 스마트 팜을 통한 작물 재배의 경험을 제공할 수 있는 사업 모델로의 확장도 가능할 것이다. 추후 메타버스 (metaverse) 상에 스마트팜을 연동하는 연구를 통하여 가상 공간에서 보다 사실적으로 스마트팜을 운영하는 사용자 경험을 제공해 줄 수 있도록 확장할 수 있을 것이다.

The present multidisciplinary study, which is a nexus of engineering and political science, investigates how the modernization of Non-Strategic Nuclear Weapons (NSNWs) affects the IAEA safeguards system based on the likelihood of the use of nuclear weapons. To this end, this study examines the characteristics of modernized NSNWs using Monte Carlo techniques. The results thus obtained show that 10 kt NSNWs with a Circular Error Probability (CEP) of 10 m can destroy the target as effectively as a 500 kt weapon with a CEP of 100 m. The IAEA safeguards system shows that the Significant Quantity (SQ) of 1 of plutonium is 8 kg, a parameter that was established when strategic nuclear weapons were dominant. However, the results of this study indicate that in recent years, low-yield nuclear weapons such as NSNWs have been more strategically interesting than strategic nuclear weapons as NSNWs require less plutonium than strategic nuclear weapons. Therefore, we would like to conclude that reducing the SQ of plutonium can result in more robust safeguards and non-proliferation strategies.

본 연구에서는 국내에서 재배되는 스탠다드 절화 장미의 품질 경쟁력을 갖추기 위해 국내에서 재배되어 유통되는 품종과 수입되고 있는 대표적인 품종을 대상으로 외∙내적 품질 비교 분석을 실시하였다. 외적 품질 분석 결과, 국내에서 주로 재배 되는 적색 장미 ‘Fuego’ 은 국내로 수입되고 있는 콜롬비아산 ‘Freedom’, 에티오피아산 ‘Upper class’ 과 비교 시 노화 시점까지 개화가 지속되어 화폭이 증가하고 꽃이 만개하였으며, 노화 발생이 적어 절화수명이 3일 이상 연장되었다. 분홍색 장미 또한 ‘Hera’와 콜롬비아산 ‘Mandela’, 에티오피아산 ‘Visu’ 와 비교 시 수명이 다소 연장되었으며, ‘Fuego’, ‘Hera’ 모두 향기가 다소 진하였다. 내적 품질 분석 결과, 절화수명과 유사 하였으나, 적색과 분홍색 장미 모두 에티오피아산 품종의 수분 흡수량이 다소 높았다. 그러나, 박테리아 발생량은 유의차 가 없었으며 ‘Fuego’는 꽃의 당 함량이 다소 높았다. 또한, 개화단계, 엽록소 함량, 꽃과 잎의 당 함량과 절화수명은 양의 상관관계를 보였다. 따라서, 적색 장미 ‘Fuego’는 수입산 절화 와 비교 시 품질 경쟁력을 갖출 수 있을 것으로 보이나, 수분 흡수를 원활히 하기 위해서는 농가에서 채화하는 직후부터 소비자 판매단계까지의 단계적정 보존용액 처리가 필요할 것으로 판단된다.

The present study was aimed to estimate the effect of ensiling period and bacterial inoculants on chemical compositions and fermentation characteristics on rye silage harvested at delayed stage. Rye (Secale cereale L.) was harvested after 20 days of heading stage (29.4% dry matter, DM). The harvested rye forage was applied with different inoculants following: applications of distilled water (CON), Lactobacillus brevis (LBB), Leuconostoc holzapfelii (LCH), or mixture of LBB and LCH at 1:1 ratio (MIX). Each forage was ensiled into 20 L mini bucket silo (5 kg) for 50 (E50D) and 100 (E100D) days in triplicates. The E50D silages had higher in vitro digestibilities of DM (IVDMD, p<0.001) and neutral detergent fiber (IVNDFD, p=0.013), and lactate (p=0.009), and acetate (p=0.011) than those of E100D, but lower pH, lactic acid bacteria (LAB), and yeast. By inoculant application, LCH had highest IVDMD and IVNDFD (p<0.05), while MIX had highest lactate and lowest pH (p<0.05). The CON and LCH in E50D had highest LAB and yeast (p<0.05), whereas LBB in E100D had lowest (p<0.05). Therefore, this study concluded that LCH application improved the nutrient digesbility (IVDMD and IVNDFD) of lignified rye silage, and longer ensiling period for 100 days enhanced the fermentation characteristics of silage compared to ensiling for 50 days.

수국은 수국과(Hydrnageaceae) 수국속(Hydrangea)에 속하는 낙엽관목 식물로 크고 화려한 화색과 화형을 가져 절화, 분화 뿐만 아니라 정원용으로도 전세계적으로 인기있는 식물이다. 본 연구는 SSR 마커를 이용하여 교배에 사용된 5가지 수국 품종에 대한 유전적 유연관계를 조사하고 교배 조합 별 종자의 형성과 발아율을 조사하여 품종간 화합성과 불화합성을 확인, F1의 화서와 잎 모양의 유전 양상을 조사하기 위해 수행 하였다. 군집분석 결과 Hydrangea macrophylla와 H. serrata 로 크게 두가지 그룹으로 나뉘었고 교배결과 종내 교배와 H. macrophylla를 모본으로 종간 교배를 했을 때 획득 자손의 수에 차이가 거의 없어 두 종간 친화성이 확인되었다. 자가 수 분을 통한 종자형성은 어렵거나 생기더라도 발아가 되지 않아 자가불화합성이 있는 것으로 확인되었다. 또, 2018년 H. macrophylla와 H. serrata를 교배에 사용하여 총 9개 교배조 합을 통해 1,807개의 F1을 얻었고 교배 조합들 간 자손을 이용하여 화서의 유전 양상과 화서에 따른 잎의 형태를 조사하여 화서와 잎 모양의 관계를 보았다. 그 결과, 모본 또는 부본에 편평형이 있다면 F1 전체 편평형의 화서 유형을 보였다. 화서 모양이 원형인 자손은 원형 화서 끼리의 교배를 통해서만 얻었다. 또, 원형의 자손의 잎은 전체적으로 엽폭과 엽장이 비슷 한 원형에 가까웠고, 편평형 자손들의 잎 모양은 엽장이 엽폭 보다 큰 길쭉한 타원형에 가까웠다. 그 중, 편평형과 원형의 혼합 교배를 통해 얻어진 F1 자손들에서는 잎의 모양이 원형 과 타원형의 중간형태임을 확인하였다. 이를 통해, 화서의 형 태는 단일 유전자에 의한 우성 열성 유전임을 확인하였고 잎은 화서 유형과 연관되어 있으며 중간 유전 형태임을 확인하 였다. 본 연구결과는 수국의 유전 육종에 관한 기초자료로써 교배 조합 작성 단계 또는 1년생 실생의 잎 모양을 통한 빠른 화서 모양 선발과 분리가 가능하여 육종 기간 단축을 기대할 수 있을 것이다.

Predictive maintenance has been one of important applications of data science technology that creates a predictive model by collecting numerous data related to management targeted equipment. It does not predict equipment failure with just one or two signs, but quantifies and models numerous symptoms and historical data of actual failure. Statistical methods were used a lot in the past as this predictive maintenance method, but recently, many machine learning-based methods have been proposed. Such proposed machine learning-based methods are preferable in that they show more accurate prediction performance. However, with the exception of some learning models such as decision tree-based models, it is very difficult to explicitly know the structure of learning models (Black-Box Model) and to explain to what extent certain attributes (features or variables) of the learning model affected the prediction results. To overcome this problem, a recently proposed study is an explainable artificial intelligence (AI). It is a methodology that makes it easy for users to understand and trust the results of machine learning-based learning models. In this paper, we propose an explainable AI method to further enhance the explanatory power of the existing learning model by targeting the previously proposedpredictive model [5] that learned data from a core facility (Hyper Compressor) of a domestic chemical plant that produces polyethylene. The ensemble prediction model, which is a black box model, wasconverted to a white box model using the Explainable AI. The proposed methodology explains the direction of control for the major features in the failure prediction results through the Explainable AI. Through this methodology, it is possible to flexibly replace the timing of maintenance of the machine and supply and demand of parts, and to improve the efficiency of the facility operation through proper pre-control.