음이온 교환막(AEM) 수전해용 AEM 소재 개발은 재생 에너지를 활용한 수소 생산 기술을 개선하는 데 중요한 역할을 한다. 이러한 소재를 설계하고 최적화하는 데 분자동역학 전산모사가 유용하게 사용되지만, 전산모사 결과의 정확도 는 사용된 force-field에 크게 의존한다. 본 연구의 목적은 AEM 소재의 구조와 이온 전도 특성을 예측할 때 force-field 선택 이 미치는 영향을 체계적으로 조사하는 것이다. 이를 위해 poly(spirobisindane-co-aryl terphenyl piperidinium) (PSTP) 구조를 모델 시스템으로 선택하고 COMPASS III, pcff, Universal, Dreiding 등 네 가지 주요 force-field를 비교 분석하였다. 각 force-field의 특성과 한계를 평가하기 위해 298~353 K의 온도 범위에서 수화 채널 형태, 물 분자와 수산화 이온의 분포, 수산 화 이온 전도성을 계산하였다. 이를 통해 AEM 소재의 분자동역학 전산모사에 가장 적합한 force-field를 제시하고, 고성능 AEM 소재 개발을 위한 계산 지침을 제공하고자 한다.

본 연구에서는 호흡동조화기법의 대안으로 딥러닝 자유호흡기법에서 b-value 별 겉보기확산계수 값을 평가하고 확 산강조영상과 겉보기확산계수 지도의 해부학적 일치성을 분석하여 적절한 여기횟수 값을 알아보고자 하였다. 연구 방법은 2023년 7월부터 2024년 1월까지 간 자기공명영상 검사가 의뢰된 성인 남녀 35명을 대상으로 하였고 사용 장비는 Magnetom Skyra 3.0T(Siemens, Germany)를 이용하였다. 자유호흡기법의 비교를 위해 b-value 50, 400, 800(s/mm2)의 여기횟수를 각각 딥러닝 호흡동조화기법에서 2,3,4으로 딥러닝을 이용하지 않은 일반 자유호 흡기법에서 4,6,8으로 검사하였다. 딥러닝을 추가한 일반 자유호흡기법에서는 1,2,3 여기횟수, 2,3,4 여기횟수, 3,5,6 여기횟수, 4,6,8 여기횟수로 변화하였다. 연구 결과 딥러닝 자유호흡기법에서 간의 좌엽과 우엽, 담낭의 평균 겉보기확산계수 값은 딥러닝 호흡동조화기법과 비교하여 모두 통계적 유의성을 확인하였다. 한편 정성적 평가의 해 부학적 일치성을 분석한 결과 딥러닝 자유호흡기법의 3,5,6 여기횟수와 4,6,8 여기횟수에서 가장 높은 점수를 얻었 으며 검사 시간에서는 딥러닝 호흡동조화기법과 비교하여 약 51%, 40% 감소하였다. 따라서 간 진단에 있어 딥러닝 자유호흡기법에서 b-value 별 적절한 여기횟수 값을 이용한다면 겉보기확산계수 지도의 정확도 유지와 함께 검사 시간을 감소시킬 수 있어 임상적으로 유용한 검사가 될 것으로 사료된다.

Molten salt reactors represent a promising advancement in nuclear technology due to their potential for enhanced safety, higher efficiency, and reduced nuclear waste. However, the development of structural materials that can survive under severe corrosion environments is crucial. In the present work, pure Ni was deposited on the surface of 316H stainless steel using a directed energy deposition (DED) process. This study aimed to fabricate pure Ni alloy layers on an STS316H alloy substrate. It was observed that low laser power during the deposition of pure Ni on the STS316H substrate could induce stacking defects such as surface irregularities and internal voids, which were confirmed through photographic and SEM analyses. Additionally, the diffusion of Fe and Cr elements from the STS316H substrate into the Ni layers was observed to decrease with increasing Ni deposition height. Analysis of the composition of Cr and Fe components within the Ni deposition structures allows for the prediction of properties such as the corrosion resistance of Ni.

수소는 기후변화 위기에 대응하기 위한 에너지원 중 하나로 주목받고 있다. 그러나, 수소는 밀폐된 공간에 누출되면 천장으로 상승하여 축적되고, 점화원과 만나면 화재나 폭발의 위험이 있다. 특히, 수소를 운송하거나 연료로 사용하는 선박은 여러 밀폐된 공간으 로 구성되어 있기 때문에 수소를 안전하게 사용하기 위해서는 공간 내에서의 확산 특성을 파악해야 한다. 본 연구는 선박 내 밀폐된 공간 에서 수소와 유사한 특성을 가진 헬륨의 누출방향에 따른 확산 특성을 실험적으로 파악하고, CFD 시뮬레이션을 통해 환기횟수가 25, 30, 35, 40, 45ACH로 증가함에 따라 누출방향에 따른 산소농도 변화를 파악하는 것이 목적이다. 연구 결과, 산소농도감소율은 -z 방향의 누출 이 2%, +x와 +z 방향의 누출이 1%였으며, 환기소요시간은 -z 방향 누출이 15분 30초, +x 방향 누출이 7분, +z 방향 누출이 9분으로 누출방 향에 따라 산소농도와 환기소요시간에 차이가 있음을 보여준다. 또한, 실험공간에서 환기횟수 35ACH 이상부터는 모든 누출 방향에서의 산소농도감소율과 환기소요시간에 유의미한 차이가 없었다. 따라서, 환기횟수를 증가하여도 산소농도와 환기소요시간이 개선되지 않았기 때문에 본 실험환경에서의 적정 환기횟수는 35ACH임을 알 수 있었다.

토복령은 우수한 항균, 항산화, 항염증 효능을 가진 소재로 알려져 있다. 이러한 토복령(Smilax china)의 추출물의 기능성을 화장품에 적용하기 위한 기초연구로써 토복령에서 발견되는 플라보노이드인 quercetin, catechin, naringenin의 농도별 경피 투과 특성을 조사할 필요성이 있다. Marzulli의 정의에 적 용한 결과 케르세틴의 Kp 값은 0.1 mg/mL에서 "빠름"으로 분류되었고, 0.2 및 0.4 mg/mL에서 "보통"으로 분류되었다. 특히, 농도가 증가함에 따라 투과 속도가 감소하는 경향이 있었다. 나린제닌의 경우 Flux 값은 각각 0.1, 0.2 및 0.4 mg/mL 농도에서 0.69, 1.07 및 1.42 μg/hr/cm²이었으며, 해당 Kp 값은 각각 6.95, 5.34 및 3.56이었다. 나린제닌의 Kp 값은 모든 농도에서 "보통" 범주에 속하며, 케르세틴과 관찰된 것과 같이 농도가 높아짐에 따라 투과 속도가 감소하였다. 카테킨의 경우 Flux 값은 각각 0.1, 0.2 및 0.4 mg/mL 농도에서 0.75, 1.09 및 1.66 μg/hr/cm²이었으며, 해당 Kp 값은 각각 7.55, 5.46 및 4.16이었다. 카테킨의 Kp 값은 모든 농도에서 일관되게 "보통"으로 분류되었다. 여드름 저해능 및 항염증 효능이 우수 한 토복령 추출물의 유효성분인 quercetin, catechin, naringenin의 경피 투과 특성이 보통 이상으로 나타나 기능성 화장품에 사용할 수 있는 우수한 천연물 소재인 것을 확인할 수 있었다.

본 연구에서는Stable Diffusion 프레임워크를 활용하여 게임 스타일의 스케치, 특히 도시 장면을 생성하는 방법 을 소개한다. 확산 기반의 모델인Stable Diffusion은 쉬운 접근성과 뛰어난 성능으로 많은 연구자와 일반인들에 게 선호되며, 텍스트-스케치, 이미지-스케치의 생성이 가능하다. Stable Diffusion의 몇 가지 문제는 이미지의 국 소성 보존 문제 및 미세 조정인데, 이를ControlNet과DreamBooth를 사용하여 해결한다. 결과적으로, 본 연구를 통 해 게임 제작에 사용될 수 있는 텍스트-스케치, 이미지-스케치 생성이 가능하며, 더 나아가 아티스트를 돕는 툴 로도 활용될 수 있다.

본 연구에서는 부산신항에서 스크러버를 장착한 선박이 세정수를 배출하였을 때 인근 해역에 미치는 영향을 검토하기 위해 확산예측을 수행하였다. 세정수에 포함된 용존무기탄소(DIC)의 농도를 통제한 채로 세정수의 pH 조건별로 해역에 미치는 영향을 대조기 와 소조기로 나누어 평가하였다. 선박 1대에서 24시간 동안 세정수를 배출할 때, pH가 최대 0.076, 0.083 감소하였다. DIC의 경우 0.561mg/L, 0.612mg/L 증가하였다. 부산신항에 수용가능한 선박수인 24대를 전부 가정하여 실험하였을 경우 pH는 0.200, 0.545 감소하였고, DIC는 1.464mg/L, 3.629mg/L 증가하였다. 일반적으로 스크러버가 세정수를 처리하였을 때 pH 6.1인 것을 감안하여 선박 1대에서 pH 6.1인 조건으 로 24시간 동안 세정수를 배출하는 경우 우리나라 연근해의 연간 pH 변화량보다 약 33.7배 더 큰 폭으로 감소하는 것으로 계산되었다. 선 박이 24대일 경우에는 하루이상 표층의 성층화를 유발하고 수심 4m까지 영향을 주는 것으로 예측되었다.

The gaming industry is experiencing rapid growth due to recent advances in technology. Game engines such as Unity and Unreal are being actively utilized. These game engines offer a variety of plugins to naturally extend the functionality of the engine. Among them, innovations in 3D graphics technology have made game characters more expressive and enhanced the user experience. However, traditional 3D modeling approaches can sometimes bring limitations and challenges. In particular there are problems with the representation of fine details when utilizing general photos through AI scanning. This paper aims to overcome these difficulties by designing and implementing a game 3D character generation framework using Stable Diffusion. By improving the creation process by utilizing concept art images without hairstyles, it enables fast and efficient character creation. The application of this framework allows for faster and more consistent character creation with fewer steps in the creation process and helps game developers to adapt characters to the engine more easily and quickly. In addition, we verified the effectiveness and scalability of the 3D game character data generated by Stable Diffusion by checking the animation behavior in the game engine.

With the recent advent of Metaverse, the character industry that reflects the characteristics of users' faces is drawing attention. there is a hassle that users have to select face components such as eyes, nose, and mouth one by one. In this paper, we propose a diffusion-based model that automatically generates characters from content human photographs. Our model generates user artistic characters by reflecting content information such as face angle, direction, and shape of a content human photo. In particular, our model automatically analyzes detailed information such as glasses and whiskers from content photo images and reflects them in artistic characters generated. Our network generates the final character through a three-step: diffusion process, UNet, and denoising processes. We use image encoders and CLIP encoders for the connection between style and input data. In the diffusion process, a collection of noise vectors is gradually added to a style vector to enable lossless learning of the detailed styles. All input values except for the style images are vectorized with CLIP encoders and then learned with noise style vectors in the UNet. Subsequently, noise is removed from the vectors through the UNet to obtain the artistic character image. We demonstrate our performance by comparing the results of other models with our results. Our method reflects content information without loss and generates natural high-definition characters.

DWI 검사 시 인체 조직 및 병변에 근접한 공기는 영상왜곡을 가중해 병변 감별에 어려움을 준다. 이에 본 연구는 팬텀을 제작하 여 기하학적 왜곡을 줄여주는 SMS RESOLVE DWI를 통해 공기 자화율에 의한 왜곡 변화를 정량화하였다. 팬텀은 원통형으로 내부에 공기가 존재하도록 설계하였다. 제한된 환경 속에서 다양한 자화율에 의해 왜곡이 영상에 구현되도록 팬텀 내부에는 증류수, 젤라틴 외 혼합 물질과 공기를 구분되게 채웠다. 팬텀의 정렬을 다르게 하여 공기 있는 상태 실험을 진행 후, 공기 대신 혼합액 넣은 상태 실험을 같은 방식으로 진행하였고 혼합액 대신 증류수 넣은 상태 실험을 진행하였다. 3T MRI 장비로 T2WI, C DWI, SMS-RESOLVE DWI를 촬영하였고 파이썬 OpenCV로 이미지 유사도를 측정 후 비교 분석하였다. 실험 결과 공기 있는 상태 SMS-RESOLVE DWI b0에서 SSIM 평균 0.898, MSE 평균 0.068로 영상왜곡이 가장 적었다. SMS-RESOLVE DWI의 공기 자화율 왜곡 변화는 b0 기준 SSIM, MSE 모두 –0.033~0.003 이미지 유사도 차이를 보였다. SMS-RESOLVE DWI b1000은 수치상 이미지 유사도 차이가 크지 않거나 감쇄되는 때도 있어서 향후 SNR 보완에 초점을 둔다면 보다 개선된 영상진단 성능을 제공할 것으로 기대되고 오픈 소스 라이브러리를 통해 오차를 최소화한 이미지 처리와 유사도를 분석하는 새로운 시도는 앞으로의 연구 방향에 새 모델을 제시한다.

Chloride is one of the most common threats to reinforced concrete (RC) durability. Alkaline environment of concrete makes a passive layer on the surface of reinforcement bars that prevents the bar from corrosion. However, when the chloride concentration amount at the reinforcement bar reaches a certain level, deterioration of the passive protection layer occurs, causing corrosion and ultimately reducing the structure’s safety and durability. Therefore, understanding the chloride diffusion and its prediction are important to evaluate the safety and durability of RC structure. In this study, the chloride diffusion coefficient is predicted by machine learning techniques. Various machine learning techniques such as multiple linear regression, decision tree, random forest, support vector machine, artificial neural networks, extreme gradient boosting annd k-nearest neighbor were used and accuracy of there models were compared. In order to evaluate the accuracy, root mean square error (RMSE), mean square error (MSE), mean absolute error (MAE) and coefficient of determination (R2) were used as prediction performance indices. The k-fold cross-validation procedure was used to estimate the performance of machine learning models when making predictions on data not used during training. Grid search was applied to hyperparameter optimization. It has been shown from numerical simulation that ensemble learning methods such as random forest and extreme gradient boosting successfully predicted the chloride diffusion coefficient and artificial neural networks also provided accurate result.

본 논문은 언리얼 엔진(Unreal Engine) 기반의 가상환경에서 인공지능 시각화의 대표적인 시스템인 Stable Diffusion을 이용하여 다양한 형태의 인터렉티브 레벨 디자인 구현 방법을 분석하고 제안한다. Stable Diffusion 은 Midjourney와 함께 대표적인 인공지능 시각화 시스템이며 다양한 프로그램 및 툴에 응용되고 있으며 프롬 프트 입력 기반으로 Text to Image, Image to Image는 물론이며 간단한 추가 작업으로 바디 모션 변화까지 자 연스럽게 적용되는 인공지능 시각화 시스템이다. Unreal engine은 현재 5.2까지 업데이트 된 대표적인 게임 엔 진이며 본 연구에서는 5.1을 사용하였다. Unreal Engine은 게임은 물론 애니메이션, 영화CG, 건축, 디지털 트윈 까지 광범위하게 사용되고 있으며 게임 엔진이지만 게임 이외의 콘텐츠 저작 툴로써 점점 더 많이 이용되고 있는 프로그램이다. 본 논문은 이 Stable Diffusion과 Unreal engine을 접목시켜 효과적인 인터랙티브 레벨 구현 을 할 수 있는 프로세스에 관해 분석하고 제안한다. 이미 인공지능은 다양한 2D, 3D콘텐츠에 접목이 시도되 어 실제 퍼블리싱가지 이어지고 있는 시대라고 할 수 있다. 본 연구는 현재 Unreal Engine과 인공지능을 효과 적으로 융합하여 시각적 결과물을 구현하는 방법론을 분석하였으며 효과적으로 구축할 수 있는 토대를 확인 하였다.

기후 변화에 따른 위험성은 전 세계적으로 오랜 기간 강조되고 있으며, 이를 극복하기 위한 노력은 해운분야에서도 국제해사 기구를 중심으로 이어지고 있다. 연소과정에서 발생한 매연을 제어하기 위하여 매연 생성 특성에 관한 연구는 필수적이다. 본 연구에서는 에틸렌 가스를 기반으로 한 대향류 확산화염에서 불활성 기체인 질소를 혼합하여 화염온도, 화염형태, 매연 생성 관련된 화학종의 상태변 화를 확인하기 위해 광소멸법과 화학반응 수치해석을 수행하였다. 연구 결과. 질소의 혼합비율이 증가함에 따라 화염온도 감소와 매연체 적분율 감소로 이루어졌다. 매연 입자가 분포하는 구간도 감소하였으며, 30% 이상 혼합비율이 높아지면 체적분율 감소율이 감소하였다. 매연 성장에 관여하는 화학종들의 몰분율도 감소하였다. HACA 반응 관련 화학종은 탄화수소 연료 비율에 따라 영향을 받으나, 홀수탄소 경로 관련 화학종은 탄화수소 연료 비율뿐만 아니라 화염온도 영향을 받는 것을 확인하였다.