성균관대학교 산학협력단

기계공학부 최경후 교수 성균관대학교 기계공학부 최경후 교수 연구팀(제1저자 트렁 루 티엔, 부이 민 꽝)은 경희대학교 화학공학과 김진수 연구팀과 협업해 기존 하이드로젤 기반 마찰대전 나노발전기(TENG)의 낮은 출력·기계적 강도·투명성의 한계를 생체모방 스테비아(Stevia)를 활용해 동시에 극복하는 전략을 제시했다. 스테비아를 폴리비닐알코올(PVA)에 첨가함으로써, 풍부한 수산기(-OH)가 수소결합 기반 가교 구조와 결정성 도메인을 동시에 강화해 기계적 강도 및 이온 전도성을 획기적으로 향상시켰다. 그 결과, 스테비아-PVA 하이드로젤 TENG(S-TENG)은 기존 2D 소재, 바이오 소재, 투명 소재 기반 TENG 대비 기계적 강도는 약 2~5배, 전기 출력은 약 3~8배 향상되었으며, 70% 이상의 가시광선 투과율을 유지했다. 인장강도는 25 MPa(습윤 상태)을 초과하고 510% 이상의 연신율을 보였다.

2026-05-11

의상학과 김세은 교수 온라인에서 옷을 구매할 때, 우리는 실제로 입어보지 않고도 얼마나 확신을 가질 수 있을까? 디지털 쇼핑 환경에서는 제품을 직접 경험할 수 없다는 한계 때문에 소비자들은 종종 “이게 나한테 잘 맞을까?”라는 불확실성을 느낀다. 이러한 문제를 해결하기 위해 등장한 기술이 바로 ‘가상 피팅(Virtual Try-On)’이다. 최근에는 단순한 가상 착용을 넘어, 소비자의 신체와 스타일을 반영한 개인화된 가상 피팅 기술이 빠르게 확산되고 있다. 성균관대학교 의상학과 김세은 교수는 미국 오클라호마 주립대학 연구팀과 함께 이러한 개인화된 가상 피팅이 소비자의 의사결정에 미치는 영향을 실증적으로 분석했다. 연구는 특히 소비자가 제품을 얼마나 쉽게 상상할 수 있는지, 그리고 그 과정이 구매 결정에 어떤 심리적 확신을 만들어내는지에 주목했다. 연구 결과, 개인화된 가상 피팅은 소비자의 ‘제품 상상(product imagination)’을 유의하게 향상시키는 것으로 나타났으며, 소비자는 자신의 몸과 유사한 형태로 구현된 가상 이미지를 통해 실제로 착용한 것처럼 제품을 구체적으로 상상하게 된다.

2026-05-07

통계학과 박연희 교수 성균관대학교 통계학과 박연희 교수는 머신러닝을 임상시험 설계에 실제로 적용할 수 있는 새로운 통계 방법론(MARGO: Machine Learning-Assisted Adaptive Randomization for Group Sequential Trials Based on Overlap Weights)을 개발하였다. 본 연구는 머신러닝 및 인공지능 기반 의사결정을 임상시험이라는 엄밀한 과학적 환경에 안전하게 도입할 수 있는 실질적인 방법을 처음으로 제시했다는 점에서 주목을 받고 있다.

2026-05-07