Earticle

본 논문에서는 비아(via)나 공기층 없이 가변 회전 기법 (VRT: Variable Rotation Technique)을 적용한 단일층 구조 의 반사 배열 안테나(RAA: Reflectarray Antenna)를 제안한 다. 제안된 안테나의 반사 배열판은 143.43 mm × 143.43 mm 크기의 개구 상에 37 × 37개의 유닛 셀로 구성되며, 각 유닛 셀은 위상 보상 방정식을 통해 계산된 반사 위상 분포에 따라 회전 각도가 결정된다. 반사 배열판은 광대역 이중 원형 편파 코로게이트 혼 안테나를 통해 공간 급전되 며 주 빔은 (θ0 = 20°, φ0 = 90°) 방향이다. 개구 효율과 안테나 크기 간의 최적 균형을 고려하여 F/D 비는 1.14로 설정하였으며 측정 결과, 제안된 반사 배열 안테나는 32% 의 1.5 dB 축비 대역폭, 27.5%의 3 dB 이득 대역폭을 가지 며 25 GHz에서 28.6 dBic의 Peak Realized Gain, 40.5%의 개구 효율을 달성하였다. 또한, 사이드로브 레벨 및 교차 편파 레벨은 각각 -19.2 dB 및 -26.3 dB 이하 이다.

Mirror therapy (MT) helps arm and hand recovery after stroke patients. Its digital form (DMT) makes training easier to use and allows more varied tasks. Non-invasive brain stimulation can add extra benefit when used with rehabilitation. A closed-loop approach goes one step further by reading EEG in real time and adjusting the stimulation to fit the patient’s current state. We built an integrated system that does this. It includes a light forehead-band EEG, a digital monitor-based DMT program, and intelligent tDCS/tACS/tTIS. The system is complete, and a clinical study is being prepared. We expect this closed-loop, EEG-guided DMT to improve motor recovery.

Recently, deep learning-based computer-aided diagnosis (CAD) systems using electroencephalography (EEG) have shown promising potential in the diagnosis of Major Depressive Disorder (MDD). However, most existing models rely on single-branch convolutional neural networks (CNNs), which are limited in their ability to capture spatiotemporal interactions within EEG signals, thereby restricting diagnostic performance. To address this limitation, we propose a residual multi-branch CNN designed to effectively learn both temporal and spatial features from EEG data for the diagnosis MDD patients. To this end, resting-state EEG recordings were collected from 90 drug-naïve MDD patients and 90 matched healthy controls. Frequency-domain features were extracted, and explainable AI techniques (Grad- CAM), along with statistical analysis, were used for informative channel selection. Our model achieved a classification accuracy of 96.11% using all 62 EEG channels and maintained high performance (89.44%) with only 10 channels. These findings demonstrate the potential of our approach for accurate and efficient early-stage MDD diagnosis in clinical applications.

본 논문은 자체 개발된 200G 양자암호화 장비의 상용화와 현장 적용성 검증을 다룬다. 본 연구에서는 기존 전송 인프라 와 높은 호환성을 갖고 있으며, 공공망 및 산업망에 신속히 도입할 수 있도록 설계되었다. 외장형 설치와 암호화 카드 증 설을 모두 지원하며, 안정적인 암호화 성능을 제공한다. 암호화 키 관리는 현대 암호 기반 키 교환 방식을 기본으로 하며, 외부 키(QKD, PQC)의 선택형 또는 하이브리드 주입을 지원하며, 실시간 모니터링과 보안 기준을 충족하는 키 관리 체계가 적용되었다. 이를 통해 공공 및 산업 네트워크의 보안 수준을 크게 향상시켰으며, 신뢰성 높은 기술 인증과 다양한 인프라 환경에서 확장성을 입증하였다. 본 연구를 통해 국내 최초 200G 양자암호 라인카드 및 전송통합장비 구현을 달성하며, 기술 자립 및 시장 경쟁력 강화의 기반을 마련하였다.