아주대학교 일반대학원 교육학과

Ajou Graduate School of Education

아주대학교 일반대학원 교육학과

미래 사회를 선도하는 교육연구전문가의 양성

Ajou Graduate School of Education

아주대학교 일반대학원 교육학과

지속적 전문성 함양, 교육 문제에 대한 독창적 연구개발 역량 강화

교육학과 커뮤니티

일반대학원 교육학과 새로운 소식입니다.

아주뉴스

아주대·연세대 국제캠퍼스 K-NIBRT사업단, 바이오공정 전문가 양성위해 맞손

아주대학교 총장단이 인천 송도에 위치한 연세대학교 국제캠퍼스의 K-NIBRT 사업단을 방문해 바이오공정 분야의 전문 기술인력 양성을 위한 여러 협력 방안을 논의했다. 지난 2월 아주대와 연세대 국제캠퍼스가 맺은 업무협약을 바탕으로 이를 구체화하기 위해서다. 최기주 아주대 총장 일행은 지난 25일 연세대 국제캠퍼스(부총장 이종수)의 K-NIBRT(Korean National Institute for Bioprocessing Research and Training) 사업단과 양자컴퓨터사업단을 방문했다. 김용성 학장을 비롯한 첨단바이오융합대학의 교수진도 함께 자리했다. 일행은 연세대 이종수 부총장을 예방하고, K-NIBRT 사업단의 한균희 단장(생명공학과), 민도식 부단장(약학대학)과 함께 공동 교육과정 개발 및 운영 등 실질적 협력 방안을 논의했다. K-NIBRT는 정부의 ‘바이오헬스 혁신전략’에 따라 보건복지부·산업통상자원부의 지원을 받아 설립된 바이오공정 전문인력 양성기관으로, 연세대가 운영하고 있다. K-NIBRT 사업단은 ▲mRNA ▲백신 ▲항체의약품 ▲유전자·세포치료제 등 첨단 바이오의약품의 제조·정제·제형화·완제의약품 생산 공정에 이르기까지 전 과정과 품질관리 등 규제과학 분야에 대한 이론 및 실험 교육을 통해 산업 현장에 즉시 투입 가능한 실무형 인재를 양성하고 있다. 아주대와 연세대 국제캠퍼스는 지난 2월 K-NIBRT를 연계하여 바이오공정 분야 인력 양성을 위해 업무협약(MOU)을 체결한 바 있다. ▲교육과정의 공동개발 및 운영 ▲학생 커리어 지원·최신 기술 관련 정보 교환 ▲교수 및 학생의 연수 및 교육 등에 관한 내용에 대해 힘을 모으겠다는 내용이다. 연세대 이종수 부총장은 “K-NIBRT는 아일랜드 NIBRT 모델을 도입, 글로벌 표준에 부합하는 바이오공정 전문인력을 양성하고 있다”라며 “이번 협약을 통해 첨단바이오 분야 특성화 대학인 아주대와 협력하게 된 것을 기쁘게 생각하며, 아주대 첨단바이오융합대학과 K-NIBRT의 공동 노력이 국내 바이오산업 인재 양성에 크게 기여할 것으로 기대한다”라고 말했다. 아주대 최기주 총장은 “이번 협약을 통해 첨단바이오융합대학은 물론, 아주대의 바이오 관련 전공 학생 전반이 실질적인 바이오공정 실습 기회를 더 많이 가지게 될 것”이라며 “앞으로도 학생들이 글로벌 경쟁력을 갖춘 바이오 전문인력으로 성장할 수 있도록 대학 차원의 적극적인 지원을 아끼지 않을 것”이라고 전했다. 아주대는 급성장하는 바이오 산업의 인력 수요에 부응하고자 2024년 첨단바이오융합대학을 신설하고, 올해 79명의 첫 신입생을 선발했다. 첨단바이오융합대학은 ▲혁신신약공학 ▲바이오첨단소재공학 두 전공을 운영하며, 공학사 학위를 수여한다. 학생들에게는 다양한 장학 혜택과 함께 현장실습, 글로벌 프로그램 참여 기회 등이 제공되며 이번 K-NIBRT와의 협약 역시 실무 중심 인재를 키워내겠다는 교육 목표의 일환으로 추진됐다. 첨단바이오융합대학은 또한 오송첨단의료산업진흥재단, 경기도경제과학진흥원, 한국원자력연구원 등 관련 주요 기관과의 연계·협력을 통해 고부가가치형 바이오 분야 경쟁력 강화에 박차를 가하고 있다. *사진 왼쪽부터 아주대 첨단바이오융합대학의 박현지 교수, 윤현진 전공주임 교수, 김용성 학장 그리고 이종수 연세대 부총장, 최기주 아주대 총장, 한균희 K-NIBRT 단장, 민도식 K-NIBRT 부단장

아주뉴스

교육우수교수 시상, 대상에 기계공학과 김현정 교수

학생 교육과 지도를 위해 헌신하고 노력해온 교수들을 선정해 시상하는 ‘2024학년도 교육우수교수 시상식’이 개최됐다. 시상식은 26일 율곡관 제1회의실에서 장우진 교무혁신처장의 사회로 진행됐다. 최기주 총장이 시상하고 감사와 격려의 뜻을 전했다. 이번 교육우수교수 영예의 대상은 김현정 기계공학과 교수에게 돌아갔다. 대상 수상자에게는 상패와 상금 500만원이 주어진다. 김현정 교수는 친근하고 편안한 학습 환경을 조성해 학생들이 능동적으로 수업에 참여할 수 있도록 하고, 창의적이고 흥미로운 강의 자료를 제작해 수업 몰입도를 높이려 애쓴 공로를 인정받았다. 우수상에는 ▲하종문 교수(기계) ▲김정욱 교수(전자) ▲이종민 교수(지능형반도체) ▲Shan Gaoyang 교수(소프트웨어) ▲권순선 교수(수학) ▲장두영 교수(국어국문) ▲김서현 교수(사학) ▲김정현 교수(약학) ▲홍성연 교수(다산학부대학) ▲황선영 교수(다산학부대학) ▲김욱 교수(첨단바이오) 11명이 선정됐다. 우수상 수상자에게는 상금 300만원이 주어진다. 우리 학교는 매년 학생 교육을 위해 노력해온 교수들을 대상으로 ‘교육우수교수’를 선정해 시상하고 있다. 수상자는 ▲교육 발전 기여도 ▲교육 방법의 혁신성 ▲교육에 대한 열정을 기준으로 각 단과대학의 추천을 받아 학사운영 및 교육과정위원회의 심사를 통해 결정한다. 수상자들의 노하우는 교수학습개발센터를 통해 다양한 콘텐츠로 제작되어 우리 학교 교수진에 공유되고 있다. 한편 지난해 처음으로 제정된 ‘CQI 우수사례’ 부문에서는 ▲신선호 교수(경제)가 대상을 받았다. 우수상은 ▲김순태 교수(환경안전)와 ▲김은하 교수(첨단바이오)에게 돌아갔다. 대상 수상자에게는 상금 100만원, 우수상 수상자에게는 상금 70만원이 주어진다. ‘교과목 CQI 보고서 우수사례’ 부문 시상은 수업을 계획하고 운영한 후, 미비하거나 개선이 필요한 부분들을 지속적으로 점검하여 반영하는 ‘교육과정 환류 체계(Continuous Quality Improvement, CQI)’ 구축의 일환으로 마련됐다. 최기주 총장은 “수상하신 교수님들의 수고와 노고에 감사드린다”며 “수상자들의 노하우를 대학 전체에 공유하고 확산해, 교육에 대한 아주대만의 특별한 문화를 만들어 갔으면 한다”라고 전했다. 이어 “급변하는 외부 환경과 학생들의 세대 변화를 감안해 볼 때, 우리 교수님들의 ‘변신’은 필수 불가결하다”라며 “수업의 콘텐츠와 방식, 태도, 화법 모두가 교육의 효과와 효율에 영향을 미치기에, 교수자로서는 많은 고민이 필요하다”라고 덧붙였다. ▶아주대 교수학습개발센터 홈페이지 대상을 수상한 김현정 기계공학과 교수와 최기주 총장

아주뉴스

서형탁 교수팀, 데이터 학습·분류 가능한 범용 소재 기반 지능형 신소자 개발

우리 학교 서형탁 교수팀이 머신러닝 기반 연산 및 센서 신호처리에 적용 가능한 지능형 신소자를 개발했다. 이 소자를 통해 기존의 반도체 소자보다 낮은 전력으로 데이터 학습과 분류가 가능해 머신러닝, 인공지능 컴퓨팅과 빅데이터 처리 등에 폭넓게 활용될 수 있을 전망이다. 서형탁 교수(첨단신소재공학과·대학원 에너지시스템학과)와 쿠마 모히트 교수(Kumar Mohit, 대학원 에너지시스템학과) 연구팀은 강유전성 초박막 소재 기반의 차분 정전용량(Differential Capacitance) 출력을 이용해 뛰어난 선형 학습성과 고분해능의 다치 출력 특성을 갖춘 머신러닝 기반 학습 인공지능 소자 개발에 성공했다고 밝혔다. 연구 내용은 ‘머신러닝 기반 데이터 분류가 가능한 헤프늄 지르코늄 소자 기반 다치 재구성 차분 정전용량(Multilevel reconfigurable differential capacitance in HfZrO2 ferroelectric devices: Enabling machine learning-based classification)’이라는 제목으로 나노 분야 저명 국제 학술지 <나노 에너지(Nano Energy)> 3월호 온라인판에 게재됐다. 쿠마 모히트(Kumar Mohit, 사진 제일 오른쪽) 교수가 제1저자로, 대학원 이상민 학생(사진 제일 왼쪽)이 공저자로 참여했다. 서형탁 교수(사진 가운데)는 교신저자로 함께 했다. 방대한 데이터를 다루고 활용하는 인공지능(AI) 컴퓨팅의 시대가 도래함에 따라 기존의 기술보다 낮은 전력을 사용하면서 보다 빠른 속도로 병렬처리 및 학습·연산이 가능한 지능형 신소자의 확보가 미래 반도체 기술의 핵심으로 부상하고 있다. 기존 집적회로에서 메모리와 프로세서가 분리되어 데이터를 처리하는 현재의 ‘폰노이만 아키텍쳐(Von Neumann architecture)’ 방식과는 달리, 지능형 신소자는 ‘뉴로모픽 컴퓨팅(Neuromorphic Computing)’ 방식으로 인간 두뇌의 신경회로를 모사해 한 곳에서 동시에 정보를 처리할 수 있도록 만들어진다. 이에 지능형 신소자는 인간 두뇌의 시냅스와 뉴런이 신호를 주고받으며 학습을 통해 인식하고 판단하는 것과 같이 ▲병렬처리 ▲입력신호 가중치에 의한 학습형 재구성 ▲다단계 신호 출력 등 기존의 방식에서는 구현이 어려운 새로운 특성을 가진다. 많은 정보를 동시다발적으로, 선별적으로 그리고 세분화해서 처리할 수 있는 것. 이러한 특성은 반복적 학습을 통해 정보 처리의 정확도를 높이며 새로운 문제를 풀어내는 데에도 탁월한 능력을 발휘할 수 있어, 인공지능(AI) 컴퓨팅을 위한 고성능 컴퓨팅을 가능하게 한다. 이러한 인공지능형 신소자를 구현하기 위해 전 세계 반도체 제조사들은 기존 실리콘 집적회로 소재와 공정을 기반으로 회로 구조적인 변화를 시도함과 동시에, 실리콘 소재에서 탈피해 새로운 소자를 개발하려는 연구를 이어가고 있다. 그러나 뉴로모픽 컴퓨팅용 차세대 반도체 소자로 개발되어온 기존의 멤리스터(메모리+리지스터) 및 멤트랜지스터(메모리+트랜지스터) 같은 저항가변형 신소자의 저항 출력 방식은 소자의 미세화 및 집적화와 전력 활용의 효율성(저전력 달성) 측면에서 한계를 보여왔다. 이에 최근 정전용량 출력 방식의 차세대 지능형 소자 멤커패시터(메모리+커패시터, memcapacitor)가 주목을 받고 있다. 이 방식을 활용하면 저항가변형 방식에 비해 고집적화가 쉽고, 전력 소모가 줄어들며, 스위칭 속도가 빠르다는 장점이 있다. 아주대 연구팀은 정전용량 출력 방식의 지능형 신소자 개발을 위해 ‘헤프늄-지르코늄 복합산화물(HfZrO: HZO)’에 주목했다. 강유전체 HZO는 차세대 저전력 트랜지스터의 후보군인 음의 정전저항기반 트랜지스터에 사용되는 핵심 소재로, 외부 전기장에 따라 비휘발성 분극이 강하게 일어나는 강유전성을 가진다. 특히 3차원 구조 집적회로의 핵심 공정인 원자층 증착이 가능해 반도체 분야에서 이미 널리 연구 개발되고 있는 소재다. HZO의 강유전성은 이상적으로는 전압의 부호에 따라 상향 및 하향 수직 정렬 분극화가 소재 전체에 일관되게 일어나는 것이 필요하지만, 원자층 증착된 HZO는 나노결정구조를 가지기 때문에 각 결정립의 분포에 따라 수직 정렬 분극뿐만 아니라 경사 정렬 분극화가 점진적으로 발생하는 ‘나노 극성 도메인’이 형성된다. 연구팀은 이러한 나노 극성 도메인을 펄스화된 입력 전압의 크기, 극성 및 시간을 제어하여 기존 거대 분극화와 달리 입력신호의 이력에 따라 나노스케일의 도메인에 정보를 비휘발성으로 저장하여 학습 및 재구성이 가능한 ‘차분정전용량’ 출력을 얻는데 성공했다. 연구팀은 해당 소자를 이용, 낮은 소비전력으로도 데이터를 안정적으로 저장할 수 있음을 확인했다. 나아가 지능형 신호처리를 위한 머신러닝 모델에 대응, 누적 신호에 따라 학습기능 및 다치신호(multi-level signal)의 패턴 인식이 가능함 또한 확인했다. 더불어 이 소자를 통해 무선통신 신호(Wi-Fi)의 반사 신호를 학습시켜 실내 동체 감지 인식 기능을 구현, 특정 공간 내에서 자유롭게 이동하는 사람의 인원수를 구분하는 사물인터넷(IoT) 센서 지능형 동작을 구현하는 데 성공했다. 서형탁 교수는 “이번 연구는 이미 양산 공정에 적용되고 있는 범용 강유전성 소재를 기반으로 하고 있다”라며 “낮은 전력으로 데이터 학습과 분류 같은 머신러닝이 가능한 지능형 소자를 구현한 최초의 사례”라고 설명했다. 이번 연구는 과학기술정보통신부·한국연구재단이 주관하는 차세대지능형반도체기술개발사업(신개념기초)과 중견기초연구지원사업의 지원으로 수행되었으며, 특허 출원이 진행 중이다. 연구팀이 개발한 헤프늄-지르코늄 복합산화물(HfZrO: HZO) 지능형 신소자를 확대 촬영한 이미지. 실제 크기는 1m의 100만분의 1인 마이크로밀리미터(0.001mm) 수준이다. 이 소자를 이용하면 낮은 소비전력으로 데이터를 안정적으로 처리·학습할 수 있어, 인공지능(AI) 컴퓨팅 등에 활용이 가능할 전망이다.