안테나 소자 및 이를 포함하는 디스플레이 장치

ANTENNA DEVICE AND DISPLAY DEVICE INCLUDING THE SAME

• 출원번호

  10-2020-0068911

• 출원일

  2020-06-08

• 공개번호

  10-2021-0152171

• 공개일

  2021-12-15

• 등록번호

  10-2781217

• 등록일

  2025-03-10

일 실시예에 따른 안테나 소자는, 유전층과, 상기 유전층 상에서 제1 방향으로 배치된 제1 방사 전극과, 상기 제1 방사 전극과 상이한 모양으로 형성되며 상기 유전층 상에서 제2 방향으로 배치된 제2 방사 전극과, 상기 제1 방향으로 연장되어 상기 제1 방사 전극에 연결되는 제1 전송 선로와, 상기 제2 방향으로 연장되어 상기 제2 방사 전극에 연결되며, 상기 제1 전송 선로와 물리적 또는 전기적으로 분리되어 교차하는 제2 전송 선로를 포함할 수 있다.

주사투과전자현미경 영상에서 물질의 결정 구조 및 방향 식별 방법

Method for classifying crystal structure and orientation of materials in scanning transmission electron microscopy images

• 출원번호

  10-2025-0044302

• 출원일

  2025-04-04

• 공개번호

  10-2026-0058734

• 공개일

  2026-04-29

본 발명은 STEM 이미지로부터 획득한 원자 구조 이미지를 머신 러닝 기법을 활용하여 분석함으로써, 분석 대상 물질의 결정상과 결정 방향을 식별하는 방법에 관한 것이다. 본 발명은 결정 물질의 단위 격자 마다의 결정 구조와 결정 방향을 식별하는 방법으로, (a) 주사투과전자현미경을 사용하여 상기 결정 물질에 대한 원자 구조 이미지를 획득하는 단계; (b) 컴퓨터에서 상기 원자 구조 이미지에 대해 군집화 알고리즘을 사용하여 원자와 배경을 분할하는 단계; (c) 컴퓨터에서 연결 요소 레이블링(connected component labeling) 알고리즘을 사용하여 원자와 배경이 분할된 결과물에서 개별적인 원자를 구분하는 단계; (d) 컴퓨터에서 질량 중심 계산을 통해 상기 개별적으로 구분된 원자의 좌표 정보를 획득하는 단계; (e) 컴퓨터에서 상기 원자의 좌표 정보를 사용하여 단위 격자를 구분하는 단계; 및 (f) 컴퓨터에서 머신 러닝 알고리즘을 사용하여 상기 구분된 단위 격자의 결정상과 결정 방향을 분류하는 단계;를 포함한다.

식물로부터 인유두종 바이러스 유사 입자의 생산

Production of human papilloma (HPV) Virus-like particles (VLPs) in plants

• 출원번호

  10-2022-0139262

• 출원일

  2022-10-26

• 공개번호

  10-2024-0083151

• 공개일

  2024-06-11

• 등록번호

  10-2900387

• 등록일

  2025-12-10

본 발명은 식물로부터 인유두종 바이러스 유사 입자를 생산하는 기술에 관한 것으로, 더 상세하게는 엽록체 전이 펩타이드의 아미노산 길이를 조절하고, 그 N-말단에 SUMO 단백질을 위치시킨 후 HPV L1 단백질을 융합시킴으로써 식물의 엽록체에서 인유두종 바이러스 유사 입자를 효과적으로 생산하는 기술에 관한 것이다. 본 발명에 따른 HPV L1 재조합 단백질 생산 시스템은 HPV L1 재조합 단백질을 식물의 엽록체로 효과적으로 이동시키는 동시에 엽록체로의 이동을 위해 융합되어 있던 엽록체 전이 펩타이드가 엽록체 이동 후 완전히 제거돌 수 있으며, HPV L1 재조합 단백질의 식물 세포 내 발현량을 향상시키면서도 체내 투여시 자연적 바이러스와 거의 동일하게 면역반응을 유도하는 바이러스 유사 입자 형태로 제조할 수 있다는 장점을 갖는다.

염소 발생 전극 및 그의 제조방법

CHLORINE GENERATING ELECTRODE AND METHOD OF MANUFACTURING SAME

• 출원번호

  10-2023-0011078

• 출원일

  2023-01-27

• 공개번호

  10-2024-0118524

• 공개일

  2024-08-05

• 등록번호

  10-2839165

• 등록일

  2025-07-23

본 발명의 목적은 염소 발생 효율이 높으면서 안정성이 우수한 동시에 귀금속 사용량을 저감하여 경제성이 확보된 산화 전극 및 그 제조 방법을 제공하는데 있다. 상기와 같은 목적을 달성하기 위해, 본 발명의 일 측면에 따라 금속 지지체, 상기 금속 지지체 상에 배치되는 촉매 지지층 및 상기 촉매 지지층 상에 배치되는 코팅층을 포함하고, 상기 촉매 지지층과 상기 코팅층은 동일한 티타늄 산화물을 포함하고, 상기 코팅층은 귀금속이 도핑되어 형성되는 귀금속 산화물을 더 포함하는 염소 발생 전극을 제공할 수 있다.

이미지 분류모델 생성방법 및 이미지 분류모델을 이용한 이미지 처리시스템

METHOD FOR IMAGE CLASSIFICATION MODEL GENERATING AND, IMAGE PROCESSING SYSTEM USING THE IMAGE CLASSIFICATION MODEL

• 출원번호

  10-2023-0112549

• 출원일

  2023-08-28

• 공개번호

  10-2025-0031289

• 공개일

  2025-03-07

본 발명은 이미지 분류를 위한 개념에 관한 최적의 선정방식으로 개념을 선정하여 모델 학습에 사용자 개입이 최소화되도록 하고, 이에 따른 효율적인 이미지 분류모델을 제공하도록 하는 이미지 분류모델 생성방법 및 이미지 분류모델을 이용한 이미지 분류시스템을 제공하기 위해, 본 발명에 따른 이미지 분류모델 생성방법은 이미지의 개념을 예측하여 예측된 개념을 기반으로 상기 이미지의 클래스를 분류하는 이미지분류모델에 테스트 이미지를 입력하여 상기 테스트 이미지에 대한 복수 개의 테스트 개념을 예측하는 단계 및 상기 개념 평가하는 복수 개의 개념선정기준 각각에 상기 각 테스트 개념을 적용하여 상기 각 개념선정기준에 따라 상기 복수의 테스트 개념 중 상기 이미지분류모델을 개선하기 위해 보정할 테스트 개념을 선정하는 단계 및 상기 각 개념선정기준에 따라 선정된 상기 테스트 개념을 보정하여 상기 이미지분류모델을 개선하는 단계 및 상기 개선된 이미지분류모델을 기반으로 상기 각 개념선정기준의 성능 평가를 수행하여 복수 개의 개념선정기준 중 최적의 개념선정기준을 선정하는 단계를 포함하고, 상기 개념선정기준은 무작위 점수 부여 방식, 불확실성 점수 부여 방식, 예측손실 점수 부여 방식, 기여도 점수 부여 방식, 클래스 변화 점수 부여 방식 및 엔트로피 감소 정도 점수 부여 방식 중 적어도 어느 하나를 포함한다.

안드레브 준위 큐비트 소자 및 이의 제조방법

ANDREEV LEVLES QUBIT DEVICD AND MANUFACTURING METHOD THEREOF

• 출원번호

  10-2025-0153669

• 출원일

  2025-10-22

• 공개번호

  10-2026-0058801

• 공개일

  2026-04-29

본 발명의 일 실시예에 따르면, 상부 절연층, 하부 절연층 및 상기 상부 절연층과 하부 절연층의 사이에 위치하며, 도체 길이(L)를 가지는 겹층 그래핀을 포함하는 구조물; 상기 겹층 그래핀의 양측에 접하며 초전도체 결맞음 길이(ξ)를 가지는 제1 및 제2초전도체층; 상기 상부 절연층 및 상기 제1 및 제2초전도체층 상에 증착된 절연층착층; 및 상기 절연증착층 상에서 하부에 상기 겹층 그래핀이 위치한 부위 중 적어도 일부에 형성되는 게이트 전극;을 포함하고, 상기 게이트 전극에 인가하는 게이트 전압에 의해 안드레브 준위(Andreev Level)의 에너지 간극(ΔE)이 조절되는, 안드레브 준위 큐비트 소자가 제공된다.

유전자 변이 현장 검출을 위한 등온 단일 반응 프로브 세트 및 이의 용도

Probe set for Isothermal one-pot reaction for on-site detection of genetic mutations and Use thereof

• 출원번호

  10-2024-0070131

• 출원일

  2024-05-29

• 공개번호

  10-2025-0171522

• 공개일

  2025-12-09

본 발명은 등온 단일 반응 및 측면 유동 면역 분석법을 이용한 타겟 유전자 검출 및 유전자 변이 검출 방법에 관한 것이다. 본 발명에 따른 검출 방법은 서열 특이적 핵산 검출 및 단일염기다형성(SNP) 분별 수준의 변이 검출이 가능하며, 빠른 시간 내에 민감하게 변이를 구별하는 방법을 제공할 수 있다. 특히, LFA 시스템을 통해 육안으로 직접 목적하는 서열 특이적 핵산 검출 및 단일염기다형성(SNP) 분별이 가능하다는 점에서 현장 진단을 위한 목적으로 활용 가치가 높다.

도메인 어뎁테이션을 활용하는 제품 코드 인식 방법 및 장치

METHOD AND APPARATUS FOR RECOGNIZING PRODUCT CODES USING DOMAIN ADAPTATION

• 출원번호

  10-2023-0062877

• 출원일

  2023-05-16

• 공개번호

  10-2024-0165579

• 공개일

  2024-11-25

• 등록번호

  10-2839280

• 등록일

  2025-07-23

도메인 어뎁테이션을 활용하는 제품 코드 인식 방법 및 장치가 개시된다. 이 방법은, 마스킹 모델에 의해, 입력 영상에서 입력 영상에 포함된 제품 코드의 위치를 알리는 마스크를 예측하는 단계, 마스크를 이용하여 입력 영상으로부터 제품 코드에 집중된 집중 영상을 생성하는 단계, 및 문자 인식 모델에 의해, 집중 영상 내 관심 객체들을 기설정된 매핑 정보를 갖는 표식들로 예측하는 단계를 포함한다.

페로브스카이트 표면처리를 위한 알킬암모늄 포르메이트 및 그의 제조방법

ALKYLAMMONIUM FORMATE FOR PEROVSKITE SURFACE TREATMENT AND METHOD OF PREPARING SAME

• 출원번호

  10-2023-0112882

• 출원일

  2023-08-28

• 공개번호

  10-2025-0031418

• 공개일

  2025-03-07

본 발명은 페로브스카이트 표면처리를 위한 알킬암모늄 포르메이트, 그를 포함하는 페로브스카이트 복합박막, 페로브스카이트 태양전지 및 그의 제조방법이 개시된다. 본 발명의 구조식 1로 표시되는 알킬암모늄 포르메이트를 사용함으로써 고체-액체상전이를 유도하여 페로브스카이트 표면 및 결정립계에 존재하는 결함에 자발적인 페시베이션을 가능하게 할 수 있다. 또한 도포방식에서 알킬암모늄 포르메이트의 액체상을 이용한 페시베이션이 가능하기 때문에 대면적 페로브스카이트 태양전지 제작에 적용 가능하여 상용화에 유리하다.

이미지 복원 모델 학습 방법 및 장치

METHOD AND APPARATUS FOR TRANING IMAGE RESTORATION MODEL

• 출원번호

  10-2021-0118807

• 출원일

  2021-09-07

• 공개번호

  10-2023-0036213

• 공개일

  2023-03-14

• 등록번호

  10-2960699

• 등록일

  2026-04-29

이미지 복원 모델 학습 방법 및 장치가 개시된다. 일 실시예에 따른 이미지 복원 모델 학습 방법은, 제1 이미지를 이용하여 상기 제1 이미지에 포함된 제1 객체의 일부가 폐색(occlusion)된 제1 부분 폐색 이미지를 생성하는 단계; 상기 제1 객체에 대응하는 3차원 모델에 기초하여 생성된 텍스처 맵(texture map)을 정답(ground truth)으로 이용하여, 상기 제1 부분 폐색 이미지로부터 상기 제1 객체에 대한 추정 텍스처 맵을 생성하도록 제1 생성 모델을 학습하는 단계; 제2 이미지를 이용하여 상기 제2 이미지에 포함된 제2 객체의 일부가 폐색된 제2 부분 폐색 이미지를 생성하는 단계; 상기 학습된 제1 생성 모델을 이용하여, 상기 제2 부분 폐색 이미지로부터 상기 제2 객체에 대한 텍스처 맵을 생성하는 단계; 상기 제2 부분 폐색 이미지 및 상기 제2 객체에 대한 텍스처 맵을 이용하여 제2 생성 모델에 대한 입력 이미지를 생성하는 단계; 및 상기 제2 이미지를 정답으로 이용하여, 상기 입력 이미지로부터 상기 제2 이미지에 대한 추정 이미지를 생성하도록 상기 제2 생성 모델을 학습하는 단계를 포함한다.