아시아발 수은, 참치 등 태평양 어류로 유입 경로 첫 규명
세계인이 해마다 약 300만t 소비하는 참치를 비롯한 태평양 대형 어류 속 수은이 아시아에서 기원했다는 사실이 처음으로 밝혀졌다. 포항공과대학교 환경공학부 권세윤 교수 연구팀이 한국해양과학기술원(KIOST) 강동진 박사팀, 미국 Woods Hole Oceanographic Institution(WHOI) 로라 모타 박사팀과 공동으로 아시아 수은 배출의 이동 경로를 정밀 추적한 결과다. 수은은 석탄 연소나 쓰레기 소각 과정에서 대기 중으로 배출돼 먼 거리를 이동한 뒤 바다로 들어간다. 해양에 도달한 수은은 독성 물질인 ‘메틸수은’으로 변환돼 먹이사슬을 타고 축적되고, 결국 참치처럼 사람의 식탁에 오르는 대형 어류에서 고농도로 발견된다. 1956년 미나마타병 공식 확인, 2017년 국제 수은 협약 발효 이후에도 아시아에서 배출된 수은이 태평양 생태계에 어떤 영향을 미치는지는 오랫동안 풀리지 않은 과제로 남아 있었다. 연구진은 KIOST 연구선 ‘이사부호’를 활용해 대한해협부터 벵골만에 이르는 서태평양(북–남 축)과 필리핀해에서 하와이 근해로 이어지는 중앙 태평양(서–동 축)에서 플랑크톤을 채집해 수은 안정 동위원소를 분석했다. 배출원마다 다른 ‘지문’을 갖는 동위원소 특성을 이용해 플랑크톤 속 수은의 이동 경로를 역추적하는 방식이다. 분석 결과, 아시아에서 배출된 수은이 실제로 태평양으로 유입돼 해양 생물체에 축적되고 있는 사실이 정량적으로 확인됐다. 특히, 육지와 가까운 해역에서도 플랑크톤 속 수은의 최소 60% 이상이 강이 아닌 ‘대기 경로’를 통해 유입되는 것으로 드러났다. 국제 수은 협약이 강조해온 대기 배출 감축의 필요성을 뒷받침하는 과학적 근거가 마련된 셈이다. 권세윤 교수는 “수은 연구가 시작된 지 70년이 넘었지만, 아시아 산업활동에서 나온 수은이 태평양 어류에 미치는 영향을 구체적으로 설명할 자료가 부족했다”며 “이번 연구는 수은의 출처를 정량적으로 규명해 글로벌 공중보건 정책 수립에 활용할 핵심 데이터를 제공했다는 점에서 의미가 크다”고 말했다. 로라 모타 박사는 “플랑크톤은 해양 먹이사슬의 가장 아래에 있어 생물체에 흡수되는 수은의 양과 경로를 직접 파악할 수 있다”며 “이번 결과가 해양 생태계 보호와 국제 정책 논의에 도움이 되기를 바란다”고 전했다. 연구 성과는 네이처 포트폴리오 저널 ‘Communications Earth & Environment’에 실렸고, 글로벌 해양 전문매체 ‘DeeperBlue’에도 소개됐다. /단정민기자 sweetjmini@kbmaeil.com
DGIST, 지능형로봇연구부 안진웅 박사팀, AI 파운데이션 개발
DGIST 지능형로봇연구부 안진웅 박사 연구팀이 딥러닝 기반 뇌신호 분석에서 가장 큰 한계로 꼽혀 온 ‘레이블 데이터 부족’ 문제를 혁신적으로 해결한 새로운 AI 파운데이션 모델을 개발했다. 이번 연구는 안진웅 박사(지능형로봇연구부 책임연구원, 융합전공 겸무교수)와 정의진 박사후연수연구원(로봇및기계전자공학연구소, 바이오체화형피지컬AI연구단)이 공동으로 수행했으며, EEG(뇌파)와 fNIRS(기능적 뇌혈류) 신호를 모두 이해하고 분석할 수 있는 ‘뇌파–기능뇌혈류 멀티모달 파운데이션 모델’을 세계 최초로 구현한 것이 핵심 성과다. 연구팀은 총 918명으로부터 약 1250시간 규모의 초대형 뇌신호 데이터를 확보해, 레이블 없이 비지도 방식으로 모델을 학습시켰다. 이를 통해 EEG와 fNIRS 각각의 고유한 특징뿐 아니라 두 신호가 공유하는 잠재적인 표현까지 동시에 파악할 수 있도록 설계했다. 특히 기존에는 EEG와 fNIRS를 동시에 측정한 데이터 확보가 거의 불가능해 멀티모달 AI 구축에 큰 제약이 있었지만, 이번 연구에서 개발된 모델은 동시계측 데이터가 없어도 학습이 가능하도록 설계됐다. 또 소량의 레이블만으로도 높은 정확도를 구현하며, EEG 단독 분석, fNIRS 단독 분석, 두 신호를 결합한 멀티모달 분석까지 하나의 모델로 모두 수행할 수 있어 기존 기술의 구조적 한계를 완전히 넘어섰다. 안진웅 박사는 “이번 연구는 멀티모달 뇌신호 분석이 가진 구조적 제약을 뛰어넘은 최초의 프레임워크로, 뇌신호 AI 분야에서 근본적인 혁신을 이뤄냈다”며 “특히 두 신호 간 공유 정보를 정렬하는 대조 학습 전략이 모델의 표현력을 대폭 확장했고, 이는 뇌창발인공지능(Brain-Inspired AI)과 뇌–컴퓨터 인터페이스(BCI) 등 미래 뇌공학 기술 발전에 중요한 전환점이 될 것”이라고 밝혔다. 한편, 이번 연구는 과학기술정보통신부와 한국연구재단의 지원을 받아 수행됐으며, 연구 결과는 계산생물학 및 의료정보학 분야 국제 저명 학술지 Computers in Biology and Medicine에 게재됐다. /김락현기자 kimrh@kbmaeil.com
많이 본 뉴스