메탄으로부터 C2+ 탄화수소를 생산하는 기존 방식은 높은 에너지 소모와 부산물(코크) 형성의 문제를 안고 있습니다. 본 발명은 이러한 한계를 극복하기 위해 매크로다공성 실리카를 유전체로 활용하는 혁신적인 DBD 플라즈마 반응기를 제안합니다. 이 반응기는 상온·상압에서 메탄을 고효율로 전환하며, 특히 매크로다공성 실리카 기공 내에 삽입된 TiO2 광촉매는 코크 생성을 획기적으로 줄이고 고부가가치 C5+ 탄화수소 생산량을 증가시키는 강점이 있습니다. 이는 촉매 재생 용이성 및 에너지 효율성을 대폭 개선하여 지속 가능한 탄화수소 생산에 기여합니다.
사물인터넷(IoT) 데이터의 폭발적 증가로 블록체인 기반 저장 시 확장성 및 효율성 확보가 중요한 과제로 부상하고 있습니다. 본 발명은 이러한 문제 해결을 위해 블록체인 기반 IoT 데이터 저장을 위한 혁신적인 일괄 처리 방법 및 시스템을 제안합니다. 실시간 IoT 데이터에 대해 이상치 탐지 알고리즘을 적용하여 데이터를 효율적으로 분류하고, 이상치는 블록체인에, 정상값은 외부 데이터베이스에 저장합니다. 이를 통해 기존 대비 저장 공간을 평균 24% 감소시키고 데이터 처리량을 향상시키면서, 블록체인의 핵심 가치인 탈중앙성과 보안성을 그대로 유지하는 것이 특징입니다. 본 기술은 대용량 IoT 데이터의 안정적이고 효율적인 관리를 가능하게 합니다.
본 발명은 고성능 MOSFET 소자 개발에 있어 스위칭 손실 및 누설 전류 개선의 필요성에 주목합니다. 기존 MOSFET 소자는 높은 스위칭 손실과 누설 전류로 인해 전력 효율 저하 문제가 있었습니다. 이에 본 기술은 P+ 폴리실리콘으로 구성된 분할 게이트와 분리된 쉴딩 패턴을 적용하여 이러한 문제점을 해결합니다. 특히, 이종 접합 바디 다이오드 동작을 통해 역방향 회복 전하를 최소화하고, 게이트 하부 쉴딩 패턴으로 절연 파괴 및 누설 전류를 크게 감소시켰습니다. 이를 통해 고전압 환경에서도 안정적으로 동작하며, 전력 손실을 획기적으로 줄이는 고효율 MOSFET 소자를 제공합니다. 본 기술은 차세대 전력 반도체 분야에 기여할 것입니다.
기존 태양광 발전량 예측은 공간 정보 활용 미흡 또는 높은 복잡도로 인해 정확도가 낮고 새로운 사이트에 적용하기 어렵습니다. 특히 구름 이동 등 날씨 요인에 대한 추적 능력이 부족합니다. 본 기술은 다중 태양광 사이트의 공간 정보를 1차원 벡터로 단순화하고, 이를 시간 정보와 결합하여 2차원 시공간 행렬을 생성합니다. 이 시공간 행렬을 컨볼루션 뉴럴 네트워크(CNN)로 학습시켜, 예측 모델의 복잡도를 낮추면서도 정확도를 획기적으로 향상시킵니다. 적은 데이터로도 높은 예측 성능을 보여주며, 새로운 태양광 사이트에도 효과적인 적용이 가능합니다. 이 시스템은 구름 이동을 정밀하게 추적하여 발전량 예측의 신뢰도를 높여줍니다.
본 발명은 전기 이동수단의 교체식 배터리 사용 시 발생하는 전압 불균형 문제를 해결하고 전력 손실을 최소화하는 효율적인 전력 제어 시스템 및 방법을 제공합니다. 병렬 연결된 배터리 각각의 전압을 정밀하게 검출하고, 제어기가 개별 방전 스위치를 독립적으로 제어하여 배터리 간 전압차를 효율적으로 해소합니다. 특히, 고압 배터리 방전 단계와 저압 배터리 방전 단계를 반복하거나, 보조 회로부를 활용한 밸런싱 방전을 통해 모든 배터리의 전압을 균일하게 유지하여 에너지 효율을 극대화합니다. 본 기술은 전기 이동수단의 성능 향상과 배터리 수명 연장에 기여할 것입니다.
인간의 복잡한 보행 의도를 정확히 파악하기 어려운 문제에 직면하고 있습니다. 본 발명은 표면근전도(sEMG) 센서와 인공신경망(ANN)을 활용하여 사용자의 다양한 보행 환경(평지, 계단, 경사면 등)을 96.3%의 높은 정확도로 분류하는 기술을 제안합니다. 이 기술은 하지 근육의 근활성도 데이터를 분석하여 보행 의도를 효과적으로 인식하며, 보행 보조 로봇 및 보철 장치의 자연스러운 제어에 기여합니다. 이를 통해 사용자 맞춤형 보행 보조 솔루션 개발에 새로운 지평을 엽니다.
기존 내용 주소화 기억장치는 낮은 집적도와 높은 전력 소모로 인해 빅데이터 및 인공지능 분야에서의 활용에 제약이 있었습니다. 본 발명은 나노전자기계(NEM) 메모리 스위치 소자를 활용한 삼진 내용 주소화 기억장치를 제안합니다. 이 기술은 NEM 스위치 자체로 삼진 데이터 저장을 가능하게 하여, 기존 SRAM 기반 대비 트랜지스터 수를 획기적으로 줄여 초저전력 및 고집적화를 실현합니다. 이를 통해 대용량 데이터의 초고속 탐색이 가능하며, 인공지능, 자율주행, IoT 등 차세대 시스템의 성능 향상에 크게 기여할 것입니다.
MIMO 통신 시스템에서 채널 상태 정보(CSI)의 폭증은 심각한 전송 오버헤드와 피드백 정확도 저하를 야기합니다. 기존 머신러닝 기반 방식 또한 훈련 시간 증가 및 정확도 한계에 직면했습니다. 본 기술은 이러한 문제를 해결하기 위해, AI 기반 데이터 전처리(클리핑, 스케일링)를 통해 무선 채널 상태 정보를 최적화합니다. 이를 통해 데이터 압축 효과로 전송 오버헤드를 획기적으로 줄이고, 머신러닝 성능과 피드백 정확도를 동시에 향상시킬 수 있습니다. 차세대 무선통신(5G/6G)의 핵심인 MIMO 시스템의 효율성을 극대화하는 본 기술을 통해 안정적이고 고성능의 통신 환경을 구축하실 수 있습니다.
기존 실리콘카바이드(SiC) 트랜지스터는 높은 온저항과 낮은 항복 전압, 큰 소자 면적 등의 한계가 있었습니다. 본 발명은 게이트 구조물의 측면과 하부에 채널 영역을 형성하는 새로운 실리콘카바이드 트랜지스터 및 제조 방법을 제공합니다. 이를 통해 높은 전류 밀도와 낮은 온저항을 구현하며, 전계 분산으로 높은 항복 전압을 달성합니다. 또한, 컨택 영역 최적화로 칩 소형화 및 고속 스위칭 특성을 유지하여 차세대 고성능 전력 반도체 소자 개발에 기여합니다.
기존 인공신경망은 높은 정확도를 위해 긴 추론 시간을 요구하며, 특히 임베디드 환경에서 효율성 문제가 발생합니다. 본 발명은 컨볼루션 신경망(CNN) 기반의 혁신적인 입력 분류 장치 및 방법을 제공합니다. 이 기술은 모델 수행 중 예측 로직을 통해 분류의 적정성을 미리 판단하고, 불필요한 컨볼루션 연산을 조기에 중단시켜 추론 시간을 획기적으로 단축합니다. 이를 통해 한정된 자원을 가진 임베디드 시스템에서도 AI 모델의 실행 효율성을 극대화하고, 신뢰성 있는 분류 결과를 신속하게 도출할 수 있습니다. 본 기술은 AI 애플리케이션의 성능을 한 단계 더 끌어올릴 것입니다.
기존 유기 포토디텍터는 성능 및 유연성 한계를 가지고 있어, 특히 녹색광 파장대에서의 효율 개선이 요구되어 왔습니다. 본 발명은 이러한 문제를 해결하기 위해 하프늄옥사이드 초박막을 버퍼층으로 적용한 유기 포토디텍터 및 제조 방법을 제안합니다. 최적 두께(4~5.5nm)의 하프늄옥사이드는 전자 차단 및 정공 터널링 효과를 극대화하여, 기존 버퍼층 대비 광반응 특성을 3.5배 향상시켰습니다. 특히 녹색광(510~570nm)에 대한 효율이 대폭 증대되어 차세대 가시광 센서 및 유연 전자소자 개발에 크게 기여할 것으로 기대됩니다. 본 기술은 스핀 코팅 및 연속 이온 증착(SILD) 방식으로 효율적인 제조가 가능합니다.
천연가스에 함유된 질소를 제거하는 기존 방식은 비용과 효율성 측면에서 한계가 있습니다. 본 발명은 불소를 함유하지 않는 고분자와 사다리형 폴리실세스퀴옥산을 결합한 신개념 하이브리드 탄소 분자체 분리막 및 그 제조 방법을 제공합니다. 이 분리막은 질소/메탄 분리 선택도를 최대 28배까지 향상시키며, 기존 분리막의 문제점인 노화 현상을 억제하여 장기 안정성을 확보합니다. 본 기술은 천연가스 정제 효율을 극대화하여 에너지 산업의 비용 절감 및 생산성 향상에 기여합니다.