기술이전

기존 MOSFET 소자는 슈퍼 접합 구조의 한계로 인해 바디 다이오드의 역회복 특성이 저하되고 고주파 작동에 제약이 있었습니다. 이러한 문제를 해결하기 위해 본 발명은 이종 접합 다이오드(HJD)를 적용한 혁신적인 MOSFET 소자 및 그 제조 방법을 제시합니다. 이 기술은 게이트 패턴 하부에 p-타입 폴리실리콘층과 n-타입 필라로 구성된 이종 접합 다이오드를 집적하여, 소자의 역회복 전하 및 역회복 시간을 획기적으로 감소시킵니다. 또한, p-타입 쉴딩 패턴을 형성하여 게이트 산화막에 가해지는 높은 전계를 방지함으로써 소자의 신뢰성을 크게 향상시킵니다. 본 기술은 고성능 전력 반도체 시장의 발전에 기여할 핵심 솔루션입니다.

우주, 원자력 발전소, 의료 및 보안 기기 등 방사선 노출 환경에서 전자기기의 성능 저하 및 수명 단축은 심각한 문제로 대두되고 있습니다. 기존 실리콘 기반 소자는 이러한 극한 환경에서 안정적인 구동에 한계가 있었습니다. 본 기술은 이러한 문제 해결을 위해 ZITO(zinc-indium-tin oxide)를 함유하는 방사선 저항성 금속산화물 반도체 조성물과 그 제법 및 용도를 제안합니다. 이 ZITO 기반 반도체는 양성자선, 감마선, 엑스선 등 다양한 전리 방사선에 대해 뛰어난 저항성을 발휘합니다. 특히, Zn:In:Sn의 최적 조성비(4~2:1:1)를 통해 방사선에 의한 산소 빈격자점(oxygen vacancy) 생성을 억제하고, 소자의 전기적 특성 변화를 최소화하여 장치 수명 및 신뢰성을 획기적으로 향상시킵니다. 이 기술이 적용된 박막 트랜지스터(TFT) 및 전자기기는 우주 항공, 원자력, 의료 진단 및 보안 분야 등 고신뢰성이 필수적인 환경에서 안정적인 작동을 보장하며, 플렉서블 디스플레이 등 차세대 전자기기에도 광범위하게 활용될 수 있습니다. 본 발명은 극한 환경용 전자기기 개발에 새로운 지평을 열어줄 것입니다.

기존 L-메티오닌 분석 기술의 높은 비용, 낮은 선택성, 복합 생체 샘플 적용의 어려움이라는 문제를 해결합니다. 본 기술은 형광 공명 에너지 전이(FRET) 기반의 L-메티오닌 검출용 센서와 이를 활용한 고도화된 분석 방법을 제시합니다. 이 센서는 메티오닌-결합 단백질의 특정 아미노산 잔기 변이를 통해 L-메티오닌만을 선택적으로 검출하며, 기존 FRET 센서의 단점을 개선하여 복잡한 혈청 샘플에서도 정밀한 정량 분석 및 광학 순도 측정을 가능하게 합니다. 암 성장 및 자가포식 등 생화학적으로 중요한 L-메티오닌 연구에 크게 기여할 것으로 기대됩니다.

소음 환경에서 음성인식 정확도가 저하되는 문제에 직면하고 계십니까? 본 기술은 화자의 입술 영상과 입술 주변 랜드마크의 패치 영상을 컨볼루션 뉴럴 네트워크(CNN)로 학습시켜, 기존 음성인식의 한계를 획기적으로 극복합니다. 라벨 변형기를 활용한 영상 길이 조절로 학습 데이터 양을 극대화하며, 이를 통해 어떠한 환경에서도 뛰어난 음성인식 성능을 제공합니다. 고도화된 AI 음성인식 기술 도입으로 비즈니스 혁신을 이루시길 바랍니다.

기계학습 모델의 성능 저하는 학습 데이터의 불균형에서 비롯됩니다. 특히 소수 범주 데이터의 부족은 예측 정확도를 낮춥니다. 본 기술은 이러한 문제를 해결하기 위해 적대적 오토인코더(AAE)와 SMOTE(Synthetic Minority Over-sampling Technique)를 결합한 혁신적인 오버샘플링 방법을 제시합니다. AAE로 데이터의 잠재 변수 특징을 추출한 후, 해당 공간에서 SMOTE를 적용하여 소수 범주 데이터를 효과적으로 증강합니다. 이 과정을 통해 재구성된 학습 데이터는 소수 및 다수 범주의 균형을 맞추어 기계학습 모델의 정확도와 신뢰도를 획기적으로 향상시킵니다. 본 방법은 기존 오버샘플링 대비 우수한 성능을 입증합니다.

기존 계면활성제 임계 미셀 농도(CMC) 측정법은 정밀도, 재현성, 분석 시간에 한계가 있었습니다. 본 발명은 이러한 문제점을 해결하고자 액체/기체 크로마토그래피-질량분석기(LC/GC-MS)를 활용한 혁신적인 CMC 측정 방법을 제시합니다. 이 방법은 계면활성제 농도별 질량 피크 면적의 검정곡선 변화를 이용하며, 선택 반응 분석법(SRM)을 통해 매우 낮은 농도(sub-ppt)까지 정밀하고 재현성 있게 분석합니다. 단 10분 내외의 빠른 분석 시간으로 다량의 시료 처리가 가능하며, 다양한 계면활성제에 적용될 수 있습니다. 본 기술은 생활화학제품, 제약 등 관련 산업의 품질 관리 및 연구 개발에 크게 기여할 것입니다.

생물학적 C1 전환 공정에서 용존 C1 가스 농도 모니터링은 필수적이지만, 기존 방식은 비평형 환경에서 부정확하고 라만분광법은 민감도가 낮다는 한계가 있었습니다. 본 기술은 이종 금속 나노 구조체를 활용한 표면증강라만산란(SERS) 기반의 C1 가스 검출 장치 및 방법입니다. 이 장치는 귀금속 코어와 C1 가스를 화학 흡착하는 전이금속 쉘로 구성된 나노 입자를 통해 낮은 농도의 용존 C1 가스(CH4, CO, CO2 등)를 선택적으로 농축하고 초고감도로 검출합니다. 이를 통해 반응기 오염 위험 없이 생물 반응기 내 용존 C1 가스를 실시간으로 정밀하게 모니터링하여 공정 최적화에 기여할 수 있습니다.

본 발명은 고성능 유기 전자소자 개발을 위한 D-A-D 구조 유기 반도체 및 이를 활용한 트랜지스터 기술을 제안합니다. 기존 유기 반도체의 한계를 극복하고, 화학식 1의 화합물을 기반으로 한 새로운 유기 반도체는 양극성 전하 수송 거동을 보이며 높은 전자 이동도를 제공합니다. 특히, 용액 전단 공정으로 박막을 형성할 수 있어 생산 효율성을 높이고 다양한 전자 소자에 쉽게 적용할 수 있습니다. 본 기술은 차세대 디스플레이, 센서, 웨어러블 기기 등 유기 박막 트랜지스터(OTFT) 기반의 혁신적인 전자 소자 개발에 기여할 것입니다. 연구 개발에 관심 있는 기업 및 기관의 적극적인 기술 이전을 통해 미래 전자 산업의 발전을 이끌 수 있습니다.

칩 스태킹 공정에서 TSV(관통 실리콘 비아) 내 구리의 열팽창으로 인한 돌출(구리 펌핑) 현상은 반도체 칩의 신뢰성을 저하시키는 주요 원인입니다. 특히 고온 공정에서 발생하는 이러한 문제는 BEOL 층 손상으로 이어질 수 있습니다. 본 기술은 이러한 구리 돌출 현상을 사전에 예측하여 칩 스태킹 공정의 신뢰성을 확보하고 불량률을 감소시키는 혁신적인 시스템 및 예측 방법을 제공합니다. TSV의 초기 형상, 구리 결정립 정보, 열처리 조건 등 다양한 데이터를 입력받아, 구리 결정립 성장률 및 열변형을 정밀하게 시뮬레이션하여 구리 돌출량을 예측합니다. 이 시스템은 시뮬레이션 결과를 시각화하여 제공함으로써, 반도체 제조 공정 최적화에 기여하고 잠재적인 불량을 미연에 방지할 수 있습니다. 본 기술을 통해 고품질 반도체 생산에 기여하고 불량률을 획기적으로 낮출 수 있습니다.

매니코어 환경에서 기존 파일 시스템의 단일 파일 쓰기 시 발생하는 병목 현상으로 I/O 성능이 저해되는 문제가 있었습니다. 본 기술은 파일 시스템이 복수의 스레드가 단일 파일의 다른 영역에 데이터를 동시에 쓸 수 있도록 '범위 락(Range Lock)'을 적용하여 이 문제를 해결합니다. 범위 락은 파일 전체가 아닌 접근하려는 일부분에만 락을 설정함으로써, 매니코어 환경에서의 병렬성을 극대화합니다. 실험 결과, 기존 F2FS 대비 최대 13.6배의 성능 향상과 평균 14%, 최대 17%의 지연 시간 감소 효과를 보였습니다. 이 기술은 고성능 데이터베이스 시스템 등 I/O 병렬화가 필수적인 환경에서 혁신적인 성능 개선을 제공합니다.

메탄자화균의 느린 성장 속도와 낮은 바이오매스 생산성으로 인해 고부가가치 물질 생산에 한계가 있었습니다. 본 기술은 배양액에 텅스텐을 첨가하는 간단한 방법으로 메탄자화균의 세포 성장을 5배 이상, 바이오매스 생산을 최대 12배까지 획기적으로 증가시키는 방법을 제시합니다. 이를 통해 메탄자화균을 고농도로 배양하고 대량의 바이오매스를 확보하여 메탄-메탄올 전환 및 다양한 고부가 화학물질 생산 효율을 극대화할 수 있습니다. 특히 유해 물질인 개미산이 생성되지 않아 친환경적이며, 바이오연료 및 친환경 산업 분야의 혁신을 이끌 것으로 기대됩니다.

최근 급증하는 온라인 비디오 콘텐츠의 무단 복제 및 불법 유통은 심각한 저작권 침해 문제를 야기하고 있습니다. 기존 비디오 복사 검출 방식들은 다양한 변형에 취약하여 효과적인 대응이 어려웠습니다. 본 기술은 이러한 문제를 해결하고자, 인공지능 기반의 비디오 부분 복사 검출 시스템 및 방법을 제안합니다. 특히, 비디오 프레임들의 특징 벡터를 정교하게 융합하여 더욱 강건한 핑거프린트를 생성하고, CNN 모델 학습을 통해 복사가 발생한 정확한 구간을 효과적으로 검출합니다. 이를 통해 지적재산권을 강력하게 보호하고 건강한 미디어 생태계 조성에 기여할 수 있습니다.