자기 유변 유체는 외부 자기장이 인가되면 액체 상태에서 반고체 상태로 가역적인 전이가 일어나는 스마트 재료이다. 이러한 거동은 유체 내에 분산되어 있는 연자성 입자들이 자기장의 방향에 따라 정렬되어 사슬 형태의 미세 구조를 형성하는 데서 비롯된다. 사슬 형태로 정렬되는 미세구조의 변화는 항복응력, 점도, 저장 탄성률 등 유변학적으로 민감한 반응을 변화시키게 된다. 본 연구에서는 대표적인 연자성 입자로 알려진 carbonyl iron particles(CIPs)을 활용하여 multi-modal 방법 기반의 자기 유변 유체를 제조 및 그 특성을 분석하였다. 단일 크기의 CIP 분말로 제조된 자기 유변 유체에 비해, multi-modal 방법 기반의 자기 유변 유체는 단단한 자기 사슬 구조를 제공함으로써, 높은 항복 응력 및 점도 특성을 보유함을 증명하였다. 본 연구는 고특성의 자기 유변 유체 제조에 중요한 지침이 될 수 있으며, 특히 자기 유변 유체를 활용하는 진동 제어 부품 응용에 기여할 수 있다.

저선량 CT 영상은 방사선 피폭을 줄일 수 있으나, 노이즈 증가로 인해 진단 정확도가 저하된다. 본 연구에서는 이를 개선하기 위해 U-Net 기반 딥러닝과 웨이블릿 변환을 결합한 두 구조를 비교하였다. 첫 번째는 웨이블릿을 전처리로 적용한 뒤 U-Net을 사용하는 구조(Wavelet→U-Net), 두 번째는 U-Net 이후 웨이블릿을 후처리로 적용하는 구조(U-Net→Wavelet)이다. Kaggle Chest CT 데이터셋에 인위적으로 노이즈를 추가하여 실험을 수행하였으며, PSNR과 SSIM을 통해 성능을 평가하였다. 그 결과 Wavelet→U-Net은 PSNR에서 우수했으나 SSIM은 고노이즈 조건에서 감소하였다. 반면 U-Net→Wavelet은 PSNR은 낮았지만 SSIM은 안정적으로 유지되었다. 이러한 결과는 알고리즘 결합 순서가 성능에 중요한 영향을 미침을 입증한다.

본 연구는 DC 마그네트론 스퍼터링 시스템으로 영구 자석을 사용하여 외부 자기장을 인가 하여 IrMn₃/Co₇₅Fe₂₅ 다층 박막을 증착할 때의 결정 구조와 교환 바이어스(exchange bias) 형성에 관한 논문이다. X선 회절 기법을 통해 성장한 IrMn₃ 박막의 결정 면 방향을 관찰하는 방법으로 자기장 영향하에서 증착된 박막의 경우 자기장 영향 없이 증착된 박막과 비교하여 (200) 방향으로 더 규칙적인 결정 구조를 갖음을 확인하였다. 뿐만 아니라 반강자성체 표면의 스핀 모멘트를 증착 과정에서 외부 자기장을 통해 특정한 방향으로 정렬시킴으로써 열 처리 과정 없이 교환 바이어스를 형성하고자 하였으나 교환 바이어스는 확인하지 못하였다. 그 원인을 확인하기 위해 자기장 영향 유무에 따른 시편들의 외부자기장을 인가하면서 열 처리를 수행한 전후로 결정 구조와 교환 바이어스 크기 변화를 확인하였다. 결과적으로 IrMn₃ 박막의 결정 구조가 주로 (200) 방향으로 변화함에도 불구하고 교환 바이어스가 인가되는 것을 통해 증착 과정에서 자기장 인가 방식에 대한 설계적 개선점을 제시하였다.

나선성 스핀 정렬은 현대 자기학 연구에서 중요한 현상으로, 근본적인 물리 이해와 함께 스핀트로닉스 응용의 가능성으로 많은 연구가 수행되어 왔다. 특히, 나선성 자구벽의 안정성은 자구벽 이방성, 드쟐로신스키–모리아 상호작용(Dzyaloshinskii-Moriya interaction, DMI), 그리고 외부 자기장에 의한 Zeeman 에너지 간의 상호작용에 의해 결정된다. 자구벽 법선 방향으로 외부 자기장이 가해질 때의 물리 현상은 잘 알려져 있지만, 자구벽에 수평한 방향의 자기장이 미치는 영향은 상대적으로 잘 연구되지 않았다. 본 연구에서는 자기장의 방향에 따라 Néel에서 Bloch 자구벽 전환이 서로 상이한 Zeeman 에너지 지형으로 변화함을 이론적으로 규명하였다. 자구벽 법선 방향으로 자기장이 가해지는 경우, Néel에서 Bloch 자구벽 전환는 주로 자구벽 이방성장에 의해 결정되지만, 자구벽 평면 방향으로 자기장이 가해지는 경우에는 자구벽 이방성과 D M I에 의해 유도되는 장보다 훨씬 큰 자기장이 필요함을 보였다. 이러한 비대칭성은 DMI와 Zeeman 상호작용의 경쟁적 역할에서 기인하며, 수직 방향 자기장에서는 두 항 모두 자구벽 에너지를 낮추는 반면, 수평 방향에서는 반대로 작용하여 D M I는 자구벽 에너지를 증가시킨다. 본 연구 결과는 자기장 방향에 따라 자구벽의 나선성이 안정화되는 새로운 물리 현상의 이해를 제시해, 자기 나노 구조 내 나선성 스핀 구조를 정밀하게 제어할 수 있는 새로운 가능성을 제안한다.

본 연구는 한국원자력의학원 방사선안전관리팀에서 보유하고 있는 G M 튜브 기반 방사선 계측기와 NaI(Tl) 섬광검출기를 활용하여 고자기장 환경에서 방사선 측정 시 발생할 수 있는 검출기의 성능 변화를 평가하였다. 실험은 한국원자력의학원의 방사선 의학연구소에 위치한 소동물영상실에서 고자기장 환경을 구축하였으며 방사선원은 333 kBq의 ¹³⁷Cs을 사용하였다. 이후 M RI 보어(Bore) 가운데 에서 100 cm 거리에 있는 책상에 선원을 위치하였고 선원과 계측기의 거리는 20 cm로 고정하였다. 계측기에 따른 성능 비교는 0 cm, 30 cm, 75 cm 간격으로 책상을 출입문 방향으로 이동하며 총 80회 측정하였다. 측정값은 비모수 검정 기법을 통해 통계적 유의성을 검증하였다. GM 튜브 기반 계측기는 자기장이 없는 환경에서 측정한 0.85 µSv/h와 비교하였을 때 약 25% 수준의 감소를 보였다. NaI(Tl) 검출기를 활용한 계측기에서는 자기장이 없는 환경에서 측정한 15,215 Counts와 비교하였을 때 약 80% 이상 감소하였으며 기준(center) 위치에서는 계측이 불가능한 것을 확인하였다. 본 연구가 고자기장 환경에서 방사능오염 상황 발생 시 계측기의 실용성을 판단할 수 있는 기초 자료가 될 것으로 사료된다.

축 방향 영구 자석 모터는 높은 토크 밀도와 폭넓은 적용성으로 주목을 받아왔다. 그러나 축 방향 영구 자석 모터의 정확한 해석을 위해서는 해석 시간이 긴 3차원 유한요소해석이 요구된다. 이를 극복하기 위해 축 방향 영구 자석 모터를 반경 방향으로 분할하고 2차원 평면에 투영시킨 준 3차원 모델을 사용한다. 하지만 준 3차원 모델은 방사 방향 누설을 고려하지 못해 이를 통해 얻은 전압과 토크가 3차원 유한요소해석 결과와 달라진다. 본 논문은 방사 누설 경로의 퍼미언스를 계산하여 2차원 공간에 포함함으로써 기존 준 3차원 모델을 개선한다. 그 결과, 개선형 준 3차원 모델은 기존 준 3차원 모델보다 3차원 유한요소해석과의 정합성을 개선할 수 있다.

위암은 전 세계적으로 높은 발생률과 사망률을 보이는 대표적인 악성 종양으로, 조기 진단과 정확한 영상 판독은 환자의 생존율을 향상시키는 데 핵심적인 역할을 한다. 하지만 현재 널리 사용되는 내시경 및 조직 생검은 침습적일 뿐만 아니라, 특히 점막하에 국한된 조기 병변을 놓칠 수 있다는 한계가 있다. 이를 보완하기 위해, 본 연구는 비침습적이고 고해상도의 분자영상 기법을 적용한 새로운 진단 전략을 제시한다. 본 연구에서는 위암 세포에서 과발현되는 CD44 수용체를 표적으로 하는 히알루론산코팅 자성 나노입자(HA-MNPs)를 분자영상용 조영제로 활용하였으며, 위암을 이식한 마우스 모델에서 초단 에코 시간(Ultra-short Echo Time, UTE) 기반 자기공명영상(MRI)을 적용하여 영상을 획득하였다. 기존의 T2 가중 터보 스핀 에코(T2SE) 영상은 위의 연동운동 및 호흡에 의한 움직임으로 인한 화질 저하 문제가 존재하지만, UTE 영상은 짧은 신호 획득 시간을 통해 이러한 아티팩트를 최소화할 수 있다. 그러나 실제 영상에서는 조기 병변이 작거나 조영제 결합 효율이 낮은 경우, 육안으로 병변을 식별하기 어려운 한계가 존재한다. 이에 본 연구는 이러한 영상 내 미세한 변화를 정량적으로 분석하기 위해 Radiomics 분석을 도입하였다. Radiomics는 의료영상으로부터 고차원의 질감 및 공간 정보를 정량적으로 추출하여 병변의 특성과 진단적 유의성을 평가할 수 있는 기법이다. 본 연구에서는 T2SE 및 UTE 영상으로부터 Otsu 이진화, DWT(이산 웨이블릿 변환), GLCM(그레이-레벨 공존 행렬) 분석을 수행하고, 추가적으로 신경망 기반의 회귀 분석 및 클러스터링을 통해 정량적 예측성과 군집 패턴을 평가하였다. 그 결과, UTE 영상은 T2SE 대비 더 높은 균일도(homogeneity)와 공간 상관성(correlation)을 나타내며, 움직임에 대한 민감도가 낮고 병변의 구조적 특징을 효과적으로 반영하는 것으로 확인되었다. 결론적으로, 본 연구는 HA-MNPs 기반의 UTE molecular MR Imaging이 조기 위암의 영상화 및 치료 반응 모니터링에 효과적인 영상 기법임을 라디오믹스 관점에서 제시하며, 특히 조영 반응이 미미한 상황에서도 유효한 진단 정보를 추출할 수 있는 분석 프레임을 제안했다. 이러한 접근은 향후 정밀의학(precision medicine) 실현을 위한 분자영상 기술의 임상적 확장을 위한 중요한 기초자료가 될 수 있다.

마그논은 고유의 파동 특성(진폭, 위상)을 이용해 다중 정보 인코딩이 가능하고, 줄 히팅(Joule heating)이 거의 없어 초저전력 컴퓨팅 플랫폼으로 주목받고 있다. 본 해설 논문은 지난 10여년간 마그노닉스 분야의 주요 성과를 마그논 정보 전송과 비선형 마그논 컴퓨팅이라는 두 가지 핵심 주제로 나누어 조명한다. 먼저 자기 절연체 박막 구조에서 마그논의 긴 결맞음 전파를 이용한 논리 연산 가능성을 논의하고, 마그논-포논 자기음향 결합을 통한 효율적인 정보 변환 및 포논 매개 장거리 스핀 정보 전송과 같은 최신 성과를 다룬다. 다음으로, 인간의 뇌를 모방하는 뉴로모픽 컴퓨팅에서 마그논 고유의 비선형성이 어떤 핵심적인 역할을 하는지 논의한다. 특히 자기 텍스처 기반 패턴 인식, 파라메트릭 펌핑을 이용한 비선형 마그논 생성 및 이를 활용한 최신 마그논 기반 뉴로모픽 컴퓨팅 연구 결과를 소개한다.

실험 데이터를 인공지능을 활용하여 분류하는 과정에서 시계열 데이터를 이미지로 변환한 후 AI 알고리즘을 적용하는 것이 필수적이다. 본 연구에서는 펄스 와전류(PEC) 실험에서 결함을 효과적으로 분류하기 위해 컨볼루션 신경망 기반 AI 이미지 알고리즘을 사용하였다. PEC 실험을 통해 획득한 시계열 데이터를 활용하여 다양한 이미지 변환 알고리즘의 성능을 비교하였다. PEC기술은 절연체 하의 부식(CUI)으로 인해 발생하는 결함을 감지하는 데 사용되며, 이를 모사하기 위해 10인치 두께의 배관을 5단계 계단 형상으로 가공한 후 50 ㎜ 두께의 단열재를 적용하였다. 본 연구에서는 연속 웨이블릿 변환(CWT), 그래미안 각도 합산 필드(GASF), 그래미안 각도 차이 필드(GADF), 마르코프 전이 필드(MTF), 순환 플롯(RP) 등 다섯 가지 이미지 변환 알고리즘을 평가하였다. ResNet50 신경망 모델을 활용하여 Validation Loss 및 Test Loss를 학습 지표로 삼아 각 알고리즘의 성능을 분석하였다. 분석 결과, CWT 알고리즘이 결함 분류에서 가장 우수한 성능을 보임을 확인하였다. 본 연구는 AI 기반 결함 검출 기술의 정확도를 향상시키기 위한 다양한 이미지 변환 접근법을 비교하고 최적의 알고리즘을 도출하는 데 기여할 것으로 기대된다.