전 세계적으로 배출되는 폐플라스틱을 석유화학제품으로 재활용하는 순환경제가 본격화되고 있다. 따라서, 화학적 재활용 중 하나인 폐플라스틱 열분해유 생산을 위한 파일럿 규모의 시설도 건설되 고 상업적 생산이 시작되고 있다. 본 연구에서는 파일럿 플랜트에서 조건별로 생산된 총 4종의 폐플라 스틱 열분해유를 활용하기 위해 분리된 각각의 유분의 물성 및 구성성분 분석을 통해 나프타, 선박유 및 보일러유 등 다양한 원료‧연료 등으로 사용이 가능한지 확인해보고자 한다. 폐플라스틱 열분해유의 넓은 비점으로 인하여 경질유분은 상압 및 감압증류를 통해 분리하였고, 중질유분은 감압증류를 통해 분 리하였다. 경질유분(fraction 1)은 나프타를 목적으로 물리적 특성, 탄소분포 및 구성성분을 분석하였는 데, 탄소분포, 비점 등은 적합하지만, 초기 폐플라스틱 열분해유에 비해 염소 함량, 올레핀 및 방향족이 높아 전처리공정이 필요하다, 또한 중질유분(fraction 2)은 보일러유 등을 목적으로 할 때, 적합한 밀도, 동점도, 발열량 및 윤활성 등 물리적 특성을 가졌지만, Si 및 전산가 등이 높았다. 분리하고 남은 잔류물 (residue)은 높은 발열량, 낮은 황 함량, 산소 함량 등은 C중유급 연료로서의 사용이 가능할 것으로 판단되었다. 결론적으로, 분리된 폐플라스틱 열분해유에서 분리되는 모든 유분은 전처리만 가능하다면 나프 타 원료뿐만 아니라 저급 연료로도 활용이 가능하리라 판단된다.

This study integrates TabTransformer and CTGAN for predicting job satisfaction among South Korean college graduates. TabTransformer handles complex tabular data relationships with self-attention, while CTGAN generates high-quality synthetic samples. The combined approach achieves an accuracy of 0.85, precision of 0.83, recall of 0.82, F1-score of 0.82, and an AUC of 0.88. Cross-validation confirms the model's robustness and generalizability with a mean accuracy of 0.85 and a standard deviation of 0.008. The integration of TabTransformer and CTGAN enhances predictive accuracy and model generalizability, providing valuable insights for employment policy and research.

Palytoxin (PLTX)는 자연계 해양생물독소 중 가장 강력 한 독소로, 전 세계적으로 관리되지 않는 해양생물독소이 다. PLTX는 Oetreopsis, Palythoa, Trichodesmium sp. 등에 서 발견된다. 이러한 해양생물독소가 식용 해산물에서 발 견될 경우, 공중보건에 심각한 위험을 초래할 수 있다. 기 후변화로 인한 Ostreopsis sp.의 서식지 확장은 국내 수산 식품의 PLTX 오염에 대한 우려를 불러일으킬 수 있다. 따 라서, 본 연구에서는 국내에 유통되는 국내산 패류에서 PLTX의 오염도 수준을 분석하였다. 그 결과, 실제 시료에 서는 PLTX의 유의미한 농도가 검출되지 않았다. 이러한 결과는 국내에서 생산되는 패류는 PLTX에 오염되지 않았 음을 기기분석법으로 확인하였으며, 이는 패류 섭취에 대 한 안전성을 제공한다.

본 논문에서는 15차 bézier 곡선을 사용하여 기존의 연구보다 더 유연한 빔 형상을 설계하고, 더 넓은 설계 공간에서 최적 설계를 수 행하여 최적의 열전도도를 갖는 빔 형상을 설계한다. 설계 공간이 넓어지면 그 만큼 계산양이 증가하게 되는데, 고차원 변수 공간에서 효율적으로 작동하는 인공신경망을 사용하여 최적 설계를 가속화하여 계산 한계를 극복하였다. 더 나아가 최적의 탄성계수를 갖는 빔의 형상과 비교하였으며 열전도와 탄성학 사이의 수학적 유사성을 이용하여 빔 형상을 설명한다. 본 연구에서는 인공지능을 활용 한 형상 최적설계를 통해 기존의 한계를 뛰어넘는 격자구조의 빔 형상을 제안한다. 먼저, SC(Simple Cubic), BC(Body Centered Cubic) 격자 구조 빔 형상을 bézier 곡선으로 모델링하고 bézier 곡선의 제어점 좌표를 무작위로 설정하여 학습데이터를 확보하였다. NN(Neural Network) 및 GA(Genetic Algorithm)를 통해 우수한 유효 열전도도를 가진 빔 형상을 생성하여 최적의 빔 형상을 설계하였 다. 본 연구를 통해 추후 다양한 열 조건에서 격자구조의 적절한 구조적 해답을 제시할 수 있을 것으로 기대된다.

본 연구는 북한이 2024년을 전쟁 준비 완성의 해로 선언하고 연이어 미사일을 발사하여 안보를 위협하는 상황에서, 빅데이터 분석을 활용하 여 한국 언론보도와 포털 사이트에 나타난 북핵 및 미사일 위협에 대한 담론과 인식의 특성을 실증적으로 분석하고, 그에 따른 시사점을 도출하 는 것을 목적으로 한다. 이를 위해 국내 주요 언론보도와 포털 사이트에 서 총 33,318건의 데이터를 수집하여, TF-IDF 분석을 통해 상위 50개 의 주요 키워드를 도출하고, 사회연결망 분석을 통해 각 키워드 간의 연 결 정도와 구조를 파악하였다. 분석 결과, 러시아-우크라이나 전쟁, 이스 라엘-하마스 전쟁 등 국제적 안보 불안과 동북아에서의 북-러 군사협력 및 한-미-일 군사협력의 대립 구도 등이 사회적 담론 형성에 큰 영향을 미친 것으로 나타났다. 이에 따라 한-미-일 군사협력 강화와 확장 억제 전략의 신뢰성을 높이고, 사회적 차원에서 위기의식과 안보의식의 제고 가 필요하다는 시사점이 도출되었다.

본 논문에서는 초기 압축 성형 공정 조건들이 단섬유 강화 복합소재 구조물의 기계적 거동 특성에 미치는 영향을 효과적으로 반영 할 수 있는 압축 성형-구조 연계 해석 방안을 제안하였다. 압축 성형 해석을 바탕으로 초기 charge의 형상 및 배치에 따른 부위별 단섬 유 배향 특성을 분석하였으며, 평균장 균질화 이론을 통해 단섬유 배향 특성에 따른 등가 이방 물성을 도출하였다. 나아가, 단섬유 배 향 정보가 Mapping된 유한요소 모델을 기반으로 초기 공정 조건들에 의해 야기되는 부위별 거동 특성 변화를 고려할 수 있는 압축 성 형-구조 연계 해석을 진행하였다. 관련 수치 예제 검증을 통해 제시된 해석 방안은 압축 성형을 통해 제작된 단섬유 강화 복합소재 구 조물 설계 과정에서 효과적인 솔루션을 제공함을 확인하였다.

본 논문에서는 3D 프린팅 공정을 통해 제작된 단섬유 강화 복합소재 구조물의 기계적 거동을 효과적으로 예측하기 위한 AM 공정 연계 구조 해석 기법을 제안하였다. 복합소재 3D 프린터(Mark Two, Markforged)를 활용하여 다양한 노즐 경로를 갖는 인장 시편을 출력하였으며, 출력물에 대한 인장 시험을 진행하였다. 또한, 노즐 경로에 따른 부위별 이방 물성을 도출하기 위해 실험적 데이터를 기반으로 역공학 기법을 적용하였다. 제안된 AM 공정 연계 구조 해석 방안의 타당성을 검증하기 위해 실험 결과와의 비교/분석을 병 행하였으며, 부위별 이방 물성이 반영된 FE 모델을 바탕으로 AM 공정 연계 구조 해석을 수행함으로써 복합소재 3D 프린팅 출력물의 거동 양상을 정확하게 예측할 수 있음을 확인하였다.

This study was performed to analyze dietary influences on the regulation of low-density lipoprotein cholesterol (LDL-C) in postmenopausal women using the 2019-2021 Korea National Health and Nutrition Examination Survey (KNHANES). A total of 1,724 women were classified into cardiovascular risk groups based on risk factors and differentiated into high LDLC and normal groups according to the target serum LDL-C levels. The risk group distribution was as follows: Very high-risk group (6%), high-risk group (49.4%), moderate-risk group (42.3%), and low-risk group (2.3%). The high LDL-C group demonstrated abdominal obesity and prediabetes, with their carbohydrate energy intake exceeding the Korean dietary guideline recommendations of 65%. Increased fat (OR 2.67, 95% CI; 1.19-6.02) and cholesterol (OR 2.43, 95% CI; 1.02- 5.77) intake correlated with higher LDL-C risk. The high LDL-C group showed elevated saturated fat and reduced polyunsaturated fat consumption (p for trend <0.001). Thus, to regulate the LDL cholesterol levels in postmenopausal women, they maintain an appropriate weight in addition to managing abdominal obesity and continuously monitoring blood sugar levels. Furthermore, it is important to limit the intake of high saturated fat meats and consume sufficient protein from sources such as beans, fish, and eggs, which contain healthy unsaturated fats.

PURPOSES : This study aimed to compare the object detection performance based on various analysis methods using point-cloud data collected from LiDAR sensors with the goal of contributing to safer road environments. The findings of this study provide essential information that enables automated vehicles to accurately perceive their surroundings and effectively avoid potential hazards. Furthermore, they serve as a foundation for LiDAR sensor application to traffic monitoring, thereby enabling the collection and analysis of real-time traffic data in road environments. METHODS : Object detection was performed using models based on different point-cloud processing methods using the KITTI dataset, which consists of real-world driving environment data. The models included PointPillars for the voxel-based approach, PartA2-Net for the point-based approach, and PV-RCNN for the point+voxel-based approach. The performance of each model was compared using the mean average precision (mAP) metric. RESULTS : While all models exhibited a strong performance, PV-RCNN achieved the highest performance across easy, moderate, and hard difficulty levels. PV-RCNN outperformed the other models in bounding box (Bbox), bird’s eye view (BEV), and 3D object detection tasks. These results highlight PV-RCNN's ability to maintain a high performance across diverse driving environments by combining the efficiency of the voxel-based method with the precision of the point-based method. These findings provide foundational insights not only for automated vehicles but also for traffic detection, enabling the accurate detection of various objects in complex road environments. In urban settings, models such as PV-RCNN may be more suitable, whereas in situations requiring real-time processing efficiency, the voxelbased PointPillars model could be advantageous. These findings offer important insights into the model that is best suited for specific scenarios. CONCLUSIONS : The findings of this study aid enhance the safety and reliability of automated driving systems by enabling vehicles to perceive their surroundings accurately and avoid potential hazards at an early stage. Furthermore, the use of LiDAR sensors for traffic monitoring is expected to optimize traffic flow by collecting and analyzing real-time traffic data from road environments.

본 연구는 해조류인 괭생이 모자반을 탄화하여 만든 바이오차의 중금속 흡착 및 제거 효과를 확인하고 중금속 흡착제로 이용 가능성을 확인하고자 연구가 수행되었다. 모자반 바이오차(SBC)는 500℃조건에서 2시간 열분해를 통해 생산하였다. 중금속 흡착실험은 Pb, Cd, Cu 및 Zn의 각 농도별 흡착량을 확인하였으며, Freundlich 및 Langmuir 등온흡착모델을 통해 중금속 흡착 효율성을 확인하였다. 모자반 바이오차의 중금속 제거효율은 Pb, Cd, Cu 및 Zn에서 각각 97.3, 85.2, 76.4 및 42.0%로 Pb＞Cd＞Cu＞Zn 순의 제거효율을 보였다. 등온흡착결과로 Freundlich 등온흡착패턴은 L형이었으며, 흡착강도(1/n)는 0.49 ~ 0.80 범위로 조사되었다. Langmuir 등온흡착식에서 최대흡착량은 Pb, Cd, Cu 및 Zn에서 각각 200, 92.6, 47.8 및 70.4 mg g-1이었으며, 흡착강도는 각각 0.4950, 0.1004, 0.0245 및 0.0188로 조사되었다. 본 실험 결과로 볼 때 모자반 바이오차는 중금속 흡착제로써 활용이 가능할 것으로 보여지며, 이를 활용하기 위한 추가 연구가 필요하다고 보여진다.

본 연구는 초등학생들의 􍾧깊이 있는 학습􍾨을 위하여 AI 코스웨어를 활용한 개념기반 탐구수업의 통 합 모델을 교육공학적으로 개발하는데 목적이 있다. 이를 위하여 개념기반 교육과정 및 수업(CBCI)과 AI 코스웨어에 대한 문헌연구로 이론적 토대를 마련하고, AI 코스웨어 활용 개념기반 탐구수업의 통합 모델을 설계 및 개발하였다. 연구 결과는 다음과 같다. 첫째, AI 코스웨어 활용 개념기반 탐구수업의 모델을 진단분석, 전략설정, 수업설계(개념질문-과제탐색-과제해결-개념성찰), 전이촉진으로 명료화 하였다. 둘째, 패러다임 변화 이론에 따라, 통합 모델의 혁신 가능성을 평가하고 새로운 교육 패러다임 의 실질적인 적용 가능성을 통찰하였다. 이를 토대로 사례분석부터 모형구상, 모형숙의, 모형수정 과정 을 반복하며 통합 모델을 정교화하였다. 마지막으로, AI 코스웨어 활용 개념기반 탐구수업 연구에 참 여한 자문그룹과 워킹그룹을 심층 인터뷰하여 통합 모델의 설계-실행-생성 과정을 검토하고 교육과 정 및 수업의 적용과 실행을 위한 시사점을 도출하였다. 결론적으로, 본 연구는 AI 코스웨어와 개념기 반 탐구수업의 통합적인 방법론의 효과성을 확인하였으며, 향후 연구와 개발에 대한 지속적인 노력이 필요하다는 점을 시사한다.