〈 김 형 수 교수 〉
우리 대학 기계공학과 김형수 교수 연구팀이 알코올과 물이 만날 때 발생하는 마랑고니 효과의 현상을 정량화하는 데 성공했다.
이 기술을 통해 계면활성제의 광범위한 사용을 억제하거나 유체 표면의 불순물들을 효과적으로 제거할 수 있는 원천기술이 될 것으로 기대된다.
이번 연구 결과는 미국 프린스턴 대학의 하워드 스톤(Howard Stone) 교수와 공동으로 진행됐고 국제 학술지 ‘네이처 피직스(Nature Physics)’ 7월 31자 온라인 판에 게재됐다.
마랑고니 효과는 계면을 따라 표면장력의 크기가 일정하지 않을 때 발생하는 현상을 말한다. 흔히 알려진 와인의 눈물 현상이 대표적인 마랑고니 효과이다.
물과 알코올처럼 서로 100% 섞이는 액체들은 만나는 즉시 혼합과 퍼짐이 동시에 이뤄지는 것처럼 보이지만 사실은 그렇지 않다. 실제 물의 표면장력은 알코올보다 3배 정도 큰데 이 표면장력 차이 때문에 두 액체가 닿는 순간 계면에서 마랑고니 효과가 발생한다. 이후 혼합이 일어나기까지는 일정 시간이 소요된다.
이와 같은 현상은 20세기 초반에 보고된 후 많은 논의가 됐지만 복잡한 물리화학적 혼합 현상을 정량화하는 데 한계가 있었다.
김 교수는 광학의 특성을 이용한 다양한 유동장 가시화(Flow visualization) 기법과 초고속 이미징 장비를 이용해 실험을 수행했다.
유동장 가시화는 물과 같은 투명한 액체가 얼마나 빠르게 흐르는지 파악하기 위해 입자를 띄워서 이들을 추적하거나 액체의 밀도차이 변화를 광학적 기법을 이용해 감지한 후 촬영하는 방식이다.
이를 통해 물과 알코올 사이에 발생하는 복잡한 물리화학적 현상의 정량화에 성공했고 이를 토대로 실험 결과를 예측하는 이론 모델도 개발했다.
이론 모델을 이용해 마랑고니 대류 유동 속도의 세기와 알코올 액적의 퍼지는 넓이, 유동장이 발달되는데 소요되는 시간을 예측할 수 있다. 이를 통해 실제 적용 상황과 조건에 맞춰 마랑고니 효과 유발 물질(알코올)의 종류와 액적의 크기를 설계할 수 있다.
연구팀은 이번 성과가 유체 계면을 2차 오염시키지 않고 계면에 따라 원하는 물질을 높은 효율로 쉽게 전달하거나 유체 표면의 불순물들을 효과적으로 제거할 수 있는 원천기술이 될 것으로 예상했다.
무엇보다 이번 연구 결과는 약물 전달을 위해 사용되는 계면활성제를 알코올이 대체할 수 있는 가능성을 보였다는 의의가 있다. 체내에 축적되는 특성을 갖는 계면활성제를 대체할 수 있다면 여러 부작용을 방지할 수 있을 것으로 기대된다.
김 교수는 “약물전달을 위해 계면활성제를 사용하는데 체내에 흡수되면 배출이 어려워 축적이 되고 천식환자에게 심장질환을 유발하는 등 여러 부작용이 발생한다.”며 “알코올과 같은 새로운 약물전달 물질을 사용해 이러한 부작용으로부터 자유로워지길 기대한다”고 말했다.
□ 사진 설명
사진1. 알콜 액적이 물 계면에 닿을 때 발생하는 마랑고니 유동(Marangoni flows)
사진2. 아지랑이(Schlieren) 가시화 기법을 이용한 알콜 종류에 따른 혼합 유동 비교 (왼쪽 메타놀, 오른쪽 아이소프로필 알코올)
사진3. 알콜 액적이 물 계면에 닿을 때 발생하는 마랑고니 혼합 유동(Marangoni mixing flow)의 측면 가시화 결과
우리 대학 연구진이 챗GPT를 활용해 큰 다공성, 높은 표면적, 그리고 뛰어난 조절 가능성으로 많은 화학 응용 분야에서 사용되는 금속 유기 골격체의 특성을 예측하고 새로운 재료를 자동으로 생성하는 챗봇 시스템(이하 챗MOF)을 개발했다. 챗MOF는 검색 및 예측 작업에서 각각 96.9% 및 95.7%의 높은 성공률을 보여 화제다. 생명화학공학과 김지한 교수 연구팀이 인공지능(AI)의 급격한 발전에 주목하며, 대규모 언어 모델(이하 LLMs) 활용을 통해 금속 유기 골격체(Metal-Organic Frameworks, MOFs)의 특성을 예측하고 새로운 재료를 자동으로 생성하는 챗봇 시스템(ChatMOF)을 개발했다고 26일 발표했다. 최근 인공지능(AI)의 발전에는 큰 도약이 있었지만 재료 과학에서의 LLM의 잠재력을 완전히 실현하기에는 여전히 물질의 복잡성과 재료별 특화된 훈련 데이터의 부족이라는 한계점이 존재했다. 김지한 교수 연구팀이 개발한 챗MOF는 재료 분야에
2024-06-26우리 대학이 폴란드 작가 토마스 코슐레가(Tomasz Koclęga)의 청동 조형물 'HOPE'를 대전 본원에 설치하고 25일 제막식을 개최했다. 'HOPE'는 높이 약 10m, 무게 7톤의 대형 조각 작품으로 역동적인 자세로 몸을 맞대고 있는 두 사람의 형상이 표현되어 있다. 토마스 코슐레가 작가는 "두 사람이 협력해 큰 꿈을 실현하고 더 나은 세상을 위해 노력하는 모습을 담고자 했다"라고 밝혔다. 이어, "대형 작품을 KAIST에 설치하게 돼 무한한 영광이며, 이를 계기로 해외 작가들과 예술품 수집가들이 KAIST를 방문하고 교류할 기회가 많아질 것으로 기대한다"라고 덧붙였다. 이번 조형물 설치는 김영찬 골프존뉴딘그룹 회장의 기부를 바탕으로 추진됐다. 김 회장은 2011년 KAIST 교수들 간 소통과 교류 증진을 위해 대전 본원에 '패컬티클럽(Faculty Club)'을 건축해 기부한 바 있다. 예술융합센터 관계자는 "김영찬 회장이 KAIST의 개교 50주년
2024-06-25우리 연구진이 기존까지 전무했던 녹색빛을 가스 센서에 조사하여 상온에서 최고 수준의 이산화질소 감지 성능을 보이는 것을 확인했다. 이를 통해 녹색광이 50% 이상 포함된 실내조명을 통해서도 작동이 가능한 초고감도 상온 가스 센서를 개발했다. 우리 대학 신소재공학과 김일두 교수 연구팀이 가시광을 활용해 상온에서도 초고감도로 이산화질소(NO2)를 감지할 수 있는 가스 센서를 개발했다고 10일 밝혔다. 금속산화물 반도체 기반 저항 변화식 가스 센서는 가스 반응을 위해 300 oC 이상 가열이 필요해 상온 측정에 한계가 있었다. 이를 극복하기 위한 대안으로 최근 금속산화물 기반 광활성 방식 가스 센서가 크게 주목받고 있으나, 기존 연구는 인체에 유해한 자외선 내지는 근자외선 영역의 빛을 활용하는 데에 그쳤다. 김일두 교수 연구팀은 이를 녹색 빛을 포함한 가시광 영역으로 확대해 범용성을 크게 높였으며, 녹색광을 조사했을 때 이산화질소 감지 반응성이 기존 대비 52배로 증가하였다
2024-06-10국내 자생 약용식물인 ‘광대싸리’에서 추출된 세큐린진 G는 항암제, 퇴행성 신경질환 치료제 및 마약중독 치료제로 개발 가능한 중요한 세큐리네가 천연물군에 속해 있다. 우리 대학 화학과 학부생이 추진한 연구를 통해 세계 최초로 세큐린진 G의 천연물 전합성*에 성공해 화제다. *천연물 전합성(Total Synthesis): 쉽게 구할 수 있는 시작 물질로부터 여러 단계의 화학반응을 통해 자연에 존재하는 천연물을 실험실에서 합성하는 연구 분야로 각 단계의 화학반응이 모두 성공적으로 이루어져야 목표 분자를 최종적으로 합성할 수 있어 연구 호흡이 길고 난이도가 높다. 우리 대학은 화학과에 재학 중인 윤태식 학부생이 제1 저자로 참여하고(연구 지도교수: 한순규 교수) 대학원생 멘토인 김태완 대학원생이 공동 저자로 참여한 세큐린진(Securingine) G 전합성 논문이 국제 학술지에 게재됐다고 7일 밝혔다. 한순규 교수 연구팀의 윤태식 학사과정 학생이 주저자로
2024-06-07지난 수십 년간 많은 의생명과학자의 집중적인 연구에도 불구하고 여전히 국내 사망원인 1위는 암이다. 이처럼 암 치료가 난해한 이유는 환자마다 암 발생의 원인이 되는 유전자 돌연변이와 그로 인한 유전자 네트워크 변형이 서로 달라서 전통적인 실험생물학 접근만으로 표적치료를 적용하는 데에는 본질적인 한계가 있기 때문이다. 한편 딥러닝과 같은 소위 블랙박스(black-box) 방식의 인공지능 기술을 활용해 실험을 대체하고 데이터 학습을 통해 약물 반응을 예측할 수 있으나 이에 대한 생물학적 근거를 설명할 수 없어 결과를 신뢰하기 어려웠다. 우리 대학 바이오및뇌공학과 조광현 교수 연구팀이 인공지능과 시스템생물학을 융합해 암세포의 약물 반응 예측 및 메커니즘 분석을 동시에 이룰 수 있는 새로운 개념의 ‘그레이박스’ 기술을 개발했다고 3일 밝혔다. 조광현 교수 연구팀은 높은 예측 성능을 보이지만 그 근거를 알 수 없어 블랙박스로 불리는 딥러닝과 복잡한 대규모 모델
2024-06-03