With the increasing demand for flexible electronic devices, smaller and lighter flexible supercapacitors have gained significant research attention. Among the various materials, self-supporting reduced graphene oxide (rGO) paper has emerged as one of the most promising electrode materials for supercapacitors due to its low cost, high chemical/thermal stability, and excellent electrical conductivity. Nevertheless, a major drawback of rGO paper is the limited ion diffusion between stacked rGO layers, hindering the effective formation of electrochemical double-layer at the electrode/electrolyte interface. In this study, we prepared the rGO paper derived from ball-milled followed-by water oxidation process for reducing the sheet size. The smaller-sized rGO sheets facilitated ion transport between graphene layers, promoting efficient electric double-layer formation. Moreover, the increased presence of edge planes in ball-milled rGO sheets achieved high capacitance, further enhancing the performance of rGO as an electrode material. Notably, the 2-BMOX rGO paper obtained from ball-milling and wet-oxidized graphite exhibited a capacitance of 117.9 F/g in cyclic voltammetry (CV) and 128.6 F/g in galvanostatic charge–discharge (GCD) tests, approximately twice that of conventional rGO. Additionally, the capacitance retained 91% of its initial performance after 2,000 cycles, indicating excellent cycling stability.

In this study, We aim to provide design data for a low-temperature refrigeration system to select operating conditions for predicting maximum performance of an eco-friendly binary refrigeration system based on changing operating conditions The operating variables considered in this paper are evaporating temperature, condensing temperature, superheating degree, subcooling degree, and compression efficiency. The main results are summarized as follows: In the low temperature range of -50℃ to -30℃, the COP of the system increased as the evaporating temperature and subcooling degree of the binary refrigeration system for R744-R717 increased, but the COP decreased as the condensing temperature and superheating degree increased. It was confirmed that factors such as superheating, subcooling, condensing temperature, evaporating temperature, cascade temperature difference, and compression efficiency affect the performance coefficient of the binary refrigeration cycle for R744 and R717, and it was found that each of these factors has a cascade evaporating temperature that maximizes the performance of the binary refrigeration cycle.

Ultra-high temperature ceramics (UHTCs) exhibit extremely high melting points (> 2,500 °C) and maintain structural stability under severe conditions. However, their intrinsic brittleness and oxidation vulnerability limit their direct application in aerospace components exposed to extreme environments. To overcome these limitations, UHTC-based composites reinforced with secondary phases such as ZrO2 are required to improve fracture toughness and oxidation resistance. The polymer infiltration and pyrolysis (PIP) process provides a promising fabrication route for such composites, offering densification of porous matrices with liquid precursors while maintaining uniform microstructures. Here, we report a novel zirconia precursor (PZC-12) synthesized through a sol-gel reaction of zirconium propoxide with acrylic acid (1:2 molar ratio). The liquid precursor exhibited a suitable viscosity (~518 cP) and enabled dual crosslinking via hydroxyl condensation combined with radical polymerization of vinyl groups. Consequently, effective thermal curing was accomplished upon heating at 80 °C for 12 h. This strategy minimized premature decomposition and achieved a high ceramic yield of 52.7 %. Pyrolysis at 600 °C in air produced nanosized t-ZrO2, which transformed into m-ZrO2 with grain growth at higher temperatures. Applied in PIP, a ZrB2-ZrO2 composite was successfully fabricated, demonstrating that dual crosslinking is critical for high-yield, reliable PIP-based UHTC composites.

Purpose: This study examined the effects of a virtual reality (VR)-based self-directed practice program for indwelling catheterization on the practice immersion, performance confidence, and practice satisfaction of nursing students. Methods: A quasi-experimental study employing a non-equivalent control group pretest–posttest design was conducted with 59 nursing students. The experimental group (n = 26) performed VR-based, self-directed practice, while the control group (n = 33) conducted conventional mannequin-based practice. Data were analyzed using generalized estimating equations, independent t-test and the Mann–Whitney U test. Results: A significant group-by-time interaction effect was observed for performance confidence (Waldχ² = 6.88, p = .009), indicating a greater improvement in the experimental group. Practice immersion was significantly higher in the experimental group than in the control group (t = 2.31, p = .025). However, no significant difference was observed in practice satisfaction between the groups (Z = -0.07, p = .944). Conclusion: The VR-based self-directed practice program effectively enhanced performance confidence and practice immersion of nursing students. VR simulation is recommended as a valuable educational strategy to complement conventional mannequin-based practice in self-directed learning environments.

본 연구는 공주시 제민천 역사문화골목공동체 뉴딜사업 대상지에 대한 거주자와 방문객의 만족도 차이를 분석하고 수정 중요도–만족도 분석(Revised IPA)을 통해 개선 우선순위를 도출하였다. 제민천 일대 주민과 방문객 각 50명을 대상으로 설문조사를 실시하였으며, SPSS 30.0을 활용하여 신뢰도 검증, t-검정, 다중회귀분석 및 수정 IPA 를 수행하였다. 분석 결과 거주자는 ‘역사적 상징 성’과 ‘역사적 요소’가 중요도 대비 만족도가 낮아 우선 개선 영역으로 나타났다. 또한 ‘편의시설’과 ‘골목길 경관’은 점진적 개선이 필요한 항목으로 확인되었다. 반면 방문객은 ‘접근성’과 ‘편의시설’ 을 주요 개선 요소로 인식하였으며, 우선 개선 항목은 도출되지 않았다. 전체 이용자 만족도에 가장 큰 영향을 미친 요인은 ‘역사적 상징성’과 ‘야간 경관’으로 나타나 지역 정체성과 경관 경험이 만족 도 형성에 핵심적임이 확인되었다. 이러한 결과는 제민천 도시재생사업이 역사문화 자원 강화와 생활·관광 인프라 개선을 병행할 필요가 있음을 시사한다.

기후 변화로 인한 강우 강도의 증가로 도시 우수 배제시설의 설계 기준이 상향되고 있으나, 노후 하수관로는 오히려 변형과 통수 효율 저하 문제를 겪고 있다. 다양한 노후화 유형 중에서도 이음부 관 침하로 인한 관정렬 교란은 국부적인 역구배, 퇴적물 누적, 추가적인 손실수두를 유발하는 주요 요인이다. 본 연구에서는 관 침하가 배수 성능에 미치는 수리적 영향을 평가하기 위해, 경사 2°의 직경 600 mm 원형 우수관을 대상으로 전산유체역학 해석을 수행하였다. 해석 영역은 맨홀 간 40 m 하수관로 구간을 모델링하였으며, 그중 10 m 구간은 경사 변형이 존재하도록 설정하였다. 상류단(P1)과 하류단(P2) 간의 압력 차이를 이용해 국부 손실수두(Δhloc)와 손실계수(K)를 계산하였고, 수정된 Manning 식을 통해 등가 조도계수(nnew)를 산정하였다. 해석 결과, 관 처짐각이 0°에서 14°로 증가함에 따라 압력 손실은 0 Pa에서 1,298 Pa로, 손실계수(K)는 0.00에서 0.293으로 증가하였으며, 이때 등가 조도계수(nnew)는 약 6% 상승하였다. 본 연구결과는 노후 하수관로의 관침하 현상이 에너지 손실과 수리 저항을 크게 증가시킴을 보여주며, 도시 배수 시스템에서 관 침하로 인한 성능 저하를 정량적으로 평가할 수 있는 근거를 제시한다.

본 연구에서는 실험실 규모의 혈액투석 실험 장치를 구성하고 polysulfone (PS) 중공사막과 polyethylene terephthalate (PET) 소재의 모노 및 멀티 스페이서 얀(spacer yarn)을 적용한 5 종류의 소형 혈액투석 모듈을 제작하여 스페이서의 존재가 혈액투석 모듈에 미치는 영향을 확인하였다. 수투과도 측정 결과에서 스페이서가 없는 모듈의 flux가 가장 높은 것으 로 확인되었으나, 이는 스페이서를 적용한 모듈의 막표면적이 감소한 원인으로 분석된다. 반면, 요소(urea) 제거 실험에서는 스페이서 적용 여부와 종류에 따른 성능 차이가 뚜렷하게 나타났으며, 스페이서가 내부 유동 균일화에 기여함으로써 확산 저 항을 감소시키는 효과가 확인되었다. 특히 모노 스페이서를 10 wt% 적용한 모듈은 낮은 막표면적에도 불구하고 혈액투석 실 험 3 h 경과 시점에서 약 67.99%의 요소 제거율을 기록하여, 스페이서를 적용하지 않은 모듈(62.75%) 대비 약 5.24% 높은 요소 제거 효율을 나타냈다.

21세기 들어 인공지능(Artificial Intelligence)은 예술 창작의 구조와 개념을 근본적으로 변 화시키고 있다. 특히 음악 분야에서 생성형 AI의 등장은 작곡과 편곡의 경계를 허물며, 인간의 감정과 기술의 연산이 결합된 새로운 예술 형태를 출현시켰다. 본 연구는 AI 기반 음원 제작이 공연예술, 특히 무용 창작 구조에 미치는 영향을 분석하는 데 목적을 둔다. 연구 방법으로 질적 사례연구를 채택하고, 국내에서 이루어진 두 가지 공연 사례 ― ① 국립국악원 『세종탄신 하례 연』<AI 복원 궁중음악 공연>(2024), ② 『G·Artience 2024』<무용×AI 융합 공연> 를 중심으로 고찰하였다. 분석틀로는 앤드류 핀버그(Andrew Feenberg)의 기술철학과 볼터와 그루신(Bolter & Grusin)의 재매개 이론을 바탕으로 ‘학습–모방–공진–종결’의 4단계 퍼포먼스 구조를 설정하였 다.『세종 탄신 하례연』은 전통음악의 복원을 통해 ‘기억된 예술’의 현대적 재해석을 보여주 었으며, 『G·Artience 2024』는 인간의 신체 데이터를 AI가 실시간으로 해석하고 음악·시각 효 과를 공진적으로 생성함으로써 공동지능 예술의 가능성을 제시하였다. 이와 같은 분석은 AI 기술 이 예술 창작의 민주화와 감정 표현의 확장을 동시에 이끌고 있음을 보여준다. 본 연구는 기술이 예술의 협업 구조와 주체성을 어떻게 재구성하는지를 실증적으로 제시함으로써, AI 시대 공연예 술의 지속적 발전 방향을 탐색하는 학문적 기초를 마련하고자 하는데 그 의의가 있다.

This study aims to reinterpret the concept of mimesis within a digital context and propose a prototype design for a web-based performance simulation platform. The proposed platform is designed to enable stage directors to pre-visualize elements such as stage setup, actor movements, sound, and lighting within a virtual environment, thereby enhancing the efficiency and creativity of performance planning. The prototype was designed to enable interaction among performance elements by incorporating 3D modeling of a proscenium stage, integrating motion-capture-based FBX data, and utilizing timeline-based control. Furthermore, it features a real-time 3D rendering architecture leveraging Three.js and WebGL, allowing it to run seamlessly in a web browser without additional plugins. This research is significant as it establishes a conceptual foundation demonstrating the potential for integrating performing arts with digital technology. Future research should involve practical implementation and field validation to confirm its real-world utility.

전기추진 선박의 추진축계 이상상태는 심각한 선박 운항 장애를 초래할 수 있으므로, 추진 시스템의 상태를 정확히 진단하고 사전에 예방 유지보수를 수행하는 Prognostics and Health Management(PHM) 기술의 필요성이 증가하고 있다. 본 연구에서는 전기추진 선박 의 추진축 이상상태를 조기에 감지하고 진단하기 위하여 진동 데이터를 기반으로 한 머신러닝 기반 PHM 시스템의 개발과 성능 평가를 수행하였다. Land-Based Testing System(LBTS) 시스템에서 수집된 정상 상태와 축 정렬 이상 상태(0.5 mm, 1.0 mm, 1.5 mm)의 진동 데이터를 활용하여 데이터 전처리 및 특성 추출을 수행하였다. 연구에서는 Fully Connected Neural Network(FCNN) 및 Convolutional Neural Network(CNN)을 적용하여 이상 상태를 진단하는 모델을 개발하고 비교 분석하였다. FCNN 기반 모델은 단순한 구조로 빠른 학습이 가능 하여 실시간 모니터링에 적합한 반면, CNN 모델은 미세한 상태 변화를 효과적으로 탐지하는 데 탁월한 성능을 보였다. 성능 평가 결과 FCNN 모델은 평균 95% 이상의 정확도를 나타냈으며, CNN 모델은 이보다 더욱 향상된 성능을 제공하였다. 본 연구를 통해 개발된 진동 기반 PHM 시스템은 전기추진 선박 추진축 이상상태를 효과적으로 조기에 진단할 수 있는 능력을 입증하였다. 이러한 연구 성과는 전기 추진 선박의 안전하고 효율적인 운항을 위한 신뢰성 높은 유지보수 전략 수립에 중요한 기여를 할 것으로 기대된다. 향후 연구로는 데이 터 품질 개선 및 추가적인 딥러닝 모델 적용을 통한 성능 향상을 목표로 한다.

과도한 조류 발생은 수생태계 교란과 수질 악화를 초래하는 대표적인 환경 문제로, 효과적인 관리와 대응을 위해 정확한 예측이 필요하다. 우리나라는 사계절의 기후 특성이 뚜렷하며, 수온이 상승하는 하절기에 조류 발생이 집중되는 경향을 보인다. 이에 따라 실시간 모니터링 자료는 대부분 저농도 상태가 유지되어 데이터 불균형 문제가 발생한다. 본 연구에서는 chlorophyll-a 농도를 기준으로 하천 현장의 조류 발생 수준을 Class 1 (Chl-a ≤ 10 ㎍/L), Class 2 (10 < Chl-a ≤ 50 ㎍/L), Class 3 (Chl-a > 50 ㎍/L)와 같이 3개의 class로 구분하고, 대표적인 앙상블 머신러닝 모형인 extreme gradient boosting (XGB) 알고리즘을 이용하여 조류 발생 수준을 예측하는 분류 모형을 구축하였다. 데이터 불균형 해소를 위해 생성형 인공지능 기반 알고리즘인 conditional generative adversarial network (CGAN)과 전통적인 데이터 보강 알고리즘인 synthetic minority over-sampling technique (SMOTE), 그리고 딥러닝 기반 기법인 autoencoder (AE)를 활용한 3가지 데이터 보강 알고리즘을 활용하여 데이터의 불균형을 개선한 자료를 생성하고 이를 XGB 모형에 적용하여 성능 변화를 비교하였다. 분석 결과 macro average 기준으로 원본 데이터를 사용한 모형의 recall은 0.606이었으나 SMOTE, AE 및 CGAN의 recall은 각각 0.666, 0.682, 0.720으로 크게 개선되었고, F1 score도 데이터 불균형 해소를 통해 약 7–13%의 성능이 향상되는 등 전체적으로 데이터 불균형 해소로 모형의 성능이 향상되었으며 CGAN이 가장 우수한 성능 개선 효과를 보이는 것으로 나타냈다. 본 연구의 결과를 통해 데이터 불균형 해소를 통한 머신러닝 모형 성능 개선 가능성을 확인하였다.

Researchers have made significant strides in developing high-performance anode-supported tubular solid oxide fuel cells (SOFCs). These cells feature a thin, dense electrolyte made of Ba(Zr0.1Ce0.7Y0.2)O3-δ (BZCY). The fabrication process involved several key steps. First, fine BZCY powder was prepared using a co-precipitation method. Next, Ni-BZCY anode tubes were created via an extrusion process, boasting a 34 % porosity and an average pore size of 0.381 μm. To optimize cell performance, a Ni-BZCY/BZCY nanocomposite slurry was applied as an anode functional layer (AFL) using a dip-coating method. The BZCY electrolyte itself was then coated with a vacuum slurry coating, and finally, an LSCF-BZCY cathode was added, prepared with dip-coating methods. Impedance analysis, conducted under open-circuit conditions at 700 °C, revealed impressive electrical characteristics. The BZCY electrolyte showed an ohmic resistance of approximately 0.79 Ωcm-2 and a very low polarization resistance of about 0.036 Ωcm-2. When tested in a humidified hydrogen atmosphere (3 % H2O) at temperatures ranging from 600 °C to 700 °C, these tubular BZCY cells delivered outstanding power output. Specifically, they achieved a remarkable maximum power density of roughly 0.51 Wcm-2 at 700 °C. This research highlights the potential of these advanced tubular solid oxide fuel cells based on the BZCY as a proton conductor for efficient energy conversion.

The high value-added utilization of traditional coal resources is one of the important ways to achieve the strategic goals of carbon peaking and carbon neutrality. Simultaneously, coal-based carbon materials, noted for their cost-effectiveness, superior conductivity, and inherent stability, are emerging as promising candidates for next-generation capacitor technologies. This research presents a series of coal-derived porous carbon by pyrolysis using low rank lignite as raw material and KOH as activator, which are employed in symmetrical supercapacitors filled with liquid electrolytes. The physicochemical properties of the as-prepared electrode materials are characterized by means of scanning electron microscopy, X-ray diffraction, Raman spectroscopy, and their supercapacitive performance are evaluated through cyclic voltammetry and galvanostatic charge–discharge tests. The coal-based porous carbon electrode prepared at an activation temperature of 800 °C (KOH-800) exhibits a specific capacitance of 142.2 F g− 1 at a current density of 1 A g− 1, and retaining 80% of its capacitance (114.0 F g− 1) even at 10 A g− 1. The fabricated liquid supercapacitor displays a power density of 999.8 W kg− 1 and an energy density of 19.4 Wh kg− 1 at a current density of 1 A g− 1. Undergoing 10,000 cycles at 2 A g− 1, the supercapacitor maintains nearperfect capacitance retention and coulombic efficiency close to 100%, demonstrating its excellent durability and stability for supercapacitor applications.

환경 문제가 대두되면서 전기자동차에 대한 수요가 증가하게 되고, 이에 따라 폐배터리 처리 기술이 각광받고 있다. 폐배터리를 재 활용하는 대신 재사용하기 위해서는 배터리 성능 검증 기술의 중요성도 커지고 있다. 배터리 성능 검증 기술은 시간을 단축하는 동시 에 정확도를 높이는 데 집중해야 한다. 본 논문에서는 배터리 전기화학 분광법을 활용해 배터리 방전 전압 그래프를 얻고 배터리 성능 을 예측하는 다중물리 분석을 활용하고자 한다. 본 논문에서는 임피던스 매칭 기법을 활용해 배터리 방전 특성을 제어하고 이를 통해 방전 그래프를 얻는 기법을 제안한다. 제안하는 기법에서는 배터리를 실제로 완전 충전 및 방전하지 않고 단시간 동안 임피던스만 측 정해 전압 곡선 데이터를 추출한다. 이를 검증하기 위해 실제 데이터와 분석 데이터의 매칭을 수행했다. 이러한 접근 방식은 배터리 성능을 예측하고 최적화하는 데 적용될 수 있으며, 향후 에너지 저장 시스템의 설계 및 운영 최적화에 기여할 것으로 기대된다.

Purpose This study aimed to develop and evaluate a simulation-based autotransfusion device training program to enhance the clinical performance, performance confidence, and educational satisfaction of post-anesthesia care unit (PACU) nurses. Methods: A single-group pretestposttest study was conducted with 30 PACU nurses. The program, based on the ADDIE model, included orientation, simulation training, and debriefing. Data were collected using validated tools before and after the program and analyzed using the Wilcoxon signed-rank test. Results: Clinical performance improved from a median of 30.00 to 43.00 (Z =−4.78, p < .001). Performance confidence increased from 31.00 to 47.50 (Z =−4.71, p < .001), while educational satisfaction rose from 26.00 to 40.00 (Z =−4.73, p < .001). Conclusions: The simulation-based program effectively enhanced the clinical performance, performance confidence, and education satisfaction of PACU nurses. These findings underscore the value of simulation-based training for enhancing nurses’ competence in using complex, high-risk medical devices.

Existing reinforced concrete buildings with seismically deficient columns experience reduced structural capacity and lateral resistance due to increased axial loads from green remodeling or vertical extensions aimed at reducing CO2 emissions. Traditional performance assessment methods face limitations due to their complexity. This study aims to develop a machine learning-based model for rapidly assessing seismic performance in reinforced concrete buildings using simplified structural details and seismic data. For this purpose, simple structural details, gravity loads, failure modes, and construction years were utilized as input variables for a specific reinforced concrete moment frame building. These inputs were applied to a computational model, and through nonlinear time history analysis under seismic load data with a 2% probability of exceedance in 50 years, the seismic performance evaluation results based on dynamic responses were used as output data. Using the input-output dataset constructed through this process, performance measurements for classifiers developed using various machine learning methodologies were compared, and the best-fit model (Ensemble) was proposed to predict seismic performance.