본 연구는 규사 기반의 표면처리 기법이 FRCM 복합체의 인장 성능에 미치는 영향을 정량적으로 평가하고자 수행되었다. 실험은 탄소 및 내알칼리성 유리 직물을 사용하여 표면처리 유무를 변수로 설정하였으며, 총 4개의 실험군(CN, CS, GN, GS)에 대해 인장 실험을 수행하였다. 실험 결과, 탄소 직물을 적용한 복합체는 유리 직물 대비 우수한 인장 성능을 나타냈으며, 특히 표면처리된 탄소 실험군(CS)은 비처리 실험군(CN) 대비 약 73.7%의 인장강도 향상과 66.9%의 인성 증가를 보였다. 또한 유효계수(COE) 분석을 통해 직물의 기계적 성능이 복합체에 기여하는 정도를 정량화하였으며, 표면처리가 계면 부착 성능 및 응력 전달 효율 향상에 기여함을 확인하였다. 이를 통해 FRCM 복합체가 실구조물에 적용될 경우 일체화된 거동 확보를 기반으로 구조적 성능의 향상 등의 보강 효과를 기대할 수 있는 기술적 가능성을 제시하였다. 본 연구는 FRCM 복합체의 표준화 및 성능 향상을 위한 기초 자료를 제공하며, 향후 실 구조물 적용 및 수치해석 모델링의 신뢰성 제고에 기여할 수 있을 것으로 판단된다.

2023년 발표된 해양사고 통계에 따르면 해양 사고로 인한 인명피해는 소폭 감소하였지만, 해양 사고 발생 건수는 2021 ~ 2023년 까지 꾸준히 증가하고 있다. 이러한 해양사고의 예방 및 조치를 위해 정부 기관, 지자체 등에서는 안전 사업 추진 및 CCTV 관제 시스템을 구축하고 있다. 그 중 CCTV 관제 시스템은 야간 환경에서 가시거리 감소, 객체 식별의 어려움 등의 한계를 가지고 있다. 이러한 한계를 극복하기 위해 본 연구에서는 저조도 개선 알고리즘을 활용한 야간 해양 환경 개선에 관한 연구를 진행했다. 연구 진행간 저조도 개선 성 능과 실시간 안전 모니터링을 위한 영상 데이터의 처리에 초점을 맞췄다. 총 3가지의 저조도 개선 알고리즘과 2가지의 딥러닝 모델 경량 화 기법을 활용하여 최적의 실시간 저조도 개선 알고리즘을 선정하였다. 본 연구에서는 Bread 알고리즘에 Tensor RT 기법을 적용한 경우 에서 SSIM 0.7, FPS 100을 기록하며 저조도 개선 성능 및 실시간 데이터 처리에 가장 적합한 방안인 것을 입증하였다.

본 연구에서는 존 어리의 새로운 모빌리티 패러다임의 시선으로 박태 원의 소설가 구보씨의 일일(小說家 仇甫氏의 一日)을 연구하였다. 1930년대 경성이라는 도시 내에서 구보씨(仇甫氏)의 산책로를 따라 한 장소에서 또 다른 장소로 이동하면서 각각의 파편적인 장소에 녹아있는 소설가 구보씨의 개인적 기억과 감정뿐만 아니라 한 시대의 애환과 정서 를 다양한 방향으로의 서술을 가지고 살펴보았다. 특히 이러한 새로운 모빌리티 패러다임 중에서 ‘장소’, ‘이동’, ‘만남’을 중심으로 한 장소 안 에서 그리고 장소 간의 이동 중에서 생긴 만남과 감정을 분석하였다. 대 상과 주체가 이동을 통해 끊임없는 순환과 사회적 위치(계급)의 존재, 다 양한 장소에서 다양한 사물, 정치와 경제, 문화와 교통이 서로 복합적인 관계를 형성하고 있다는 것을 문학작품 분석을 통해 알 수 있었다. 지금 까지 사회학의 관점의 하나인 존 어리의 모빌리티의 패러다임으로 문학 작품을 분석•연구하려는 시도는 거의 없었다. 사회학에서 주로 논의되어 온 모빌리티 개념과 특징을 하나의 문학작품과 연계하여 분석한 결과를 바탕으로 향후 더 많은 문학작품을 살펴보기 위해 인문학과 사회학의 융 합적인 새로운 시도는 필요하다.

Solar energy has been recognized as an alternative energy source that can help address fuel depletion and climate change issues. As a renewable energy alternative to fossil fuels, it is an eco-friendly and unlimited energy source. Among solar cells, thin film Cu2ZnSn(S,Se)4 (CZTSSe) is currently being actively studied as an alternative to heavily commercialized Cu (In,Ga)Se2 (CIGS) thin film solar cells, which rely upon costly and scarce indium and gallium. Currently, the highest efficiency achieved by CZTSSe cells is 14.9 %, lower than the CIGS record of 23.35 %. When applied to devices, CZTSSe thin films perform poorly compared to other materials due to problems including lattice defects, conduction band offset, secondary phase information, and narrow stable phase regions, so improving their performance is essential. Research into ways of improving performance by doping with Germanium and Cadmium is underway. Specifically, Ge can be doped into CZTSSe, replacing Sn to reduce pinholes and bulk recombination. Additionally, partially replacing Zn with Cd can facilitate grain growth and suppress secondary phase formation. In this study, we analyzed the device’s performance after doping Ge into CZTSSe thin film using evaporation, and doping Cd using chemical bath deposition. The Ge doped thin film showed a larger bandgap than the undoped reference thin film, achieving the highest Voc of 494 mV in the device. The Cd doped thin film showed a smaller bandgap than the undoped reference thin film, with the highest Jsc of 36.9 mA/cm2. As a result, the thin film solar cells achieved a power conversion efficiency of 10.84 %, representing a 20 % improvement in power conversion efficiency compared to the undoped reference device.

그래핀 산화물(GO), 폴리에틸렌 글리콜 다이아크릴레이트(PEGDA), 폴리에틸렌 글리콜 메틸 에터 아크릴레이트 (PEGMEA)의 나노복합체를 자외선 광중합을 통해 합성하였다. GO는 가교된 폴리에틸렌 옥사이드(XPEO) 매트릭스 내에 최 대 1.0 wt% 농도까지 균일하게 분산시켰다. 더 높은 농도에서는 GO가 응집되는 경향을 보였다. 잘 분산된 GO는 친수성 PEO 사슬과 추가적인 화학적 가교 네트워크를 형성했다. XPEO-GO 나노복합체는 GO 농도에 따라 기계적 강도 및 염과 가 스에 대한 차단 특성이 향상된 것으로 나타났다. 이 연구는 다양한 GO 농도와 플레이크 크기를 가진 XPEO-GO 하이드로겔 의 제조 및 특성화를 다루고 있다. 이러한 특성은 나노복합 하이드로겔이 강화된 XPEO 기반 바이오소재 및 고급 항균성 한 외여과(UF) 친수성 코팅에서의 잠재적 응용 가능성을 시사한다.

일반적인 택코트용 유화아스팔트는 도로 포장면에 살포되고 양생되는 과정에서 공사차량 및 포설장비 타이어에 쉽게 들 러붙어서 포장면의 코팅막 훼손과 같은 심각한 문제를 일으킬 뿐 아니라, 접착력과 전단강도가 약하여 상하 포장층간 부 착력 저하로 균열, 포트홀, 밀림과 같은 포장도로 조기 파손의 주요 원인이 되고 있다. 본 연구에서는 택코트 시공 후 양생시간을 현저히 단축시키고 공사차량 통행에 의한 접착 처리면 훼손을 최소화하여 아스팔트 포장의 조기 파손을 방지할 뿐 아니라, 포장체의 장기 공용성능을 크게 향상시키는 초속경성 타이어 미부착 택코트 유화아스팔트 개발과 이를 고속도로 현장에서 적용한 사례에 대해 소개하고자 한다. 해당 기술은 택코트 훼손방지 기능 외에도 폴리머가 함유된 아스팔트를 적용하여 부착강도가 매우 우수하며, 배수성 포장, SMA 포장, 교면 포장 등 특수포장의 공용성 증진효과가 큰 것으로 나타났다. 양생시간 또한 크게 단축되어 1액형 택코트의 경우 30분 이내에 양생이 되며, 양생 촉진제를 적용하는 2액형 택코트는 5분 내에 양생을 완료 시킬수 있어서, 시공시간 단축을 통한 조기 교통개방을 가능하게 한다. 해당 기술은 국토교통부 개질 유화아스팔트 품질기준인 RS(C)-PG70T 규격을 만족하였고, 타이어 부착률이 약 1.5% 대로 우수한 것으로 나타났다. 고속도로 현장 적용성 평가 결과, 양생시간이 5분 이내로 확인되었으며, 시공 후 현장 코어 시편 확인 결과, 택코트층이 잘 보전되어 있었으며, 포장층간의 결합력이 우수하게 유지되었다. 따라서 고속도로 뿐만 아니라 서울시와 같은 도심지 및 택코트의 충분한 양생시간을 확보하기 어려운 아스팔트 유지보수 공사에 본 기술을 적용하는 것은 매우 효과적일 것으로 판단된다.

Dynamic responses of nuclear power plant structure subjected to earthquake loads should be carefully investigated for safety. Because nuclear power plant structure are usually constructed by material of reinforced concrete, the aging deterioration of R.C. have no small effect on structural behavior of nuclear power plant structure. Therefore, aging deterioration of R.C. nuclear power plant structure should be considered for exact prediction of seismic responses of the structure. In this study, a machine learning model for seismic response prediction of nuclear power plant structure was developed by considering aging deterioration. The OPR-1000 was selected as an example structure for numerical simulation. The OPR-1000 was originally designated as the Korean Standard Nuclear Power Plant (KSNP), and was re-designated as the OPR-1000 in 2005 for foreign sales. 500 artificial ground motions were generated based on site characteristics of Korea. Elastic modulus, damping ratio, poisson’s ratio and density were selected to consider material property variation due to aging deterioration. Six machine learning algorithms such as, Decision Tree (DT), Random Forest (RF), Support Vector Machine (SVM), K-Nearest Neighbor (KNN), Artificial Neural Networks (ANN), eXtreme Gradient Boosting (XGBoost), were used t o construct seispic response prediction model. 13 intensity measures and 4 material properties were used input parameters of the training database. Performance evaluation was performed using metrics like root mean square error, mean square error, mean absolute error, and coefficient of determination. The optimization of hyperparameters was achieved through k-fold cross-validation and grid search techniques. The analysis results show that neural networks present good prediction performance considering aging deterioration.

Machine learning is widely applied to various engineering fields. In structural engineering area, machine learning is generally used to predict structural responses of building structures. The aging deterioration of reinforced concrete structure affects its structural behavior. Therefore, the aging deterioration of R.C. structure should be consider to exactly predict seismic responses of the structure. In this study, the machine learning based seismic response prediction model was developed. To this end, four machine learning algorithms were employed and prediction performance of each algorithm was compared. A 3-story coupled shear wall structure was selected as an example structure for numerical simulation. Artificial ground motions were generated based on domestic site characteristics. Elastic modulus, damping ratio and density were changed to considering concrete degradation due to chloride penetration and carbonation, etc. Various intensity measures were used input parameters of the training database. Performance evaluation was performed using metrics like root mean square error, mean square error, mean absolute error, and coefficient of determination. The optimization of hyperparameters was achieved through k-fold cross-validation and grid search techniques. The analysis results show that neural networks and extreme gradient boosting algorithms present good prediction performance.