압력 환경에서 강상관 전자계 물질의 열팽창 측정

정민주, 서순범, New Physics: Sae Mulli 75, 661 (2025).

온도 변화에 따라 물질의 부피나 길이가 변하는 현상인 열팽창은 감지하기 어려운 결정 구조의 대칭성 변화나 미세한 상전이에 민감하게 반응하여, 종종 비열, 전기저항, 자기감수율 등 다른 물성 측정법으로는 포착되지 않는 상전이 정보를 제공한다. 특히 강상관 전자계 물질의 열팽창 측정을 통해 f-전자의 바닥 상태 및 양자 임계 현상을 이해하는 데 중요한 정보를 얻을 수 있다. 다만, 강상관 전자계 물질은 압력과 같은 외부 제어 변수를 통해 다양한 상전이 및 양자 상태를 나타내 이에 대한 이해를 위해 극한환경에서의 물성 측정이 중요하지만, 현재까지 널리 사용되어 온 딜라토 열팽창 측정법은 압력셀(pressure cell) 내부의 제한된 공간으로 인해 압력실험에 적용하기는 어렵다. 본 연구에서는 압력 조건에서의 열팽창 측정을 위해, 스트레인 게이지(strain gauge)를 이용한 하프 브리지(half-bridge) 구성 방식을 도입하였다. 이를 통해 온도 및 압력 변화에 따른 외부영향을 효과적으로 상쇄할 수 있는 실험 방법을 제안하였다. 측정 기법의 신뢰성을 검증하기 위해, 동일한 시료에 대해 딜라토법 결과와의 정량적 비교를 수행하였으며, 스트레인 게이지 기반 열팽창 측정의 정확도를 평가하였다(온도 구간: 2 K~300 K). 또한, 압력 하에서 강상관 전자계 물질인 CeRhIn₅의 열팽창 계수의 온도 의존성을 측정하기 위해, f-전자를 포함하지 않는 LaRhIn₅를 기준 시료로 도입하여 CeRhIn₅의 열팽창 특성 중 f-전자의 기여를 보정 없이 직접 측정하는 방법을 실현하였다. 그 결과, 압력에 따른 f-전자의 열팽창 기여값을 성공적으로 측정할 수 있었으며, 이를 통해 압력이 증가함에 따라 f-전자의 바닥 상태가 변하고 있음을 확인하였다(그림). 본 연구는 스트레인 게이지 기반 열팽창 측정법이 하프 브리지 구성 및 적절한 기준 시료 선택을 통해 고압·저온 환경에서도 높은 신뢰도의 결과를 제공할 수 있음을 보여준다. 이를 바탕으로 다양한 강상관 전자계 물질의 복잡한 양자 상전이 및 f-전자 상태 변화의 이해에 중요한 기여를 할 것으로 기대된다.

인공지능 탐구 어시스턴트와의 상호작용을 통한 예비 과학교사의 탐구 설계 분석

조헌국, 이봉우, New Physics: Sae Mulli 75, 669 (2025).

탐구는 과학을 다른 학문과 구별짓는 가장 중요한 본질적 특성으로, 과학자들이 자연 현상을 이해하기 위해 사용하는 방법론적 접근과 사고과정을 말한다. 학생들은 탐구학습을 통해 과학에 대한 이해를 높이고 문제 해결 능력을 신장할 수 있으며, 과학에 대한 긍정적 태도 및 자기 효능감도 증진시킬 수 있다. 우리나라를 비롯한 세계 여러 나라에서는 여러 가지 방법으로 탐구교육을 지원하고 있지만, 교사 중심의 수업, 제한된 시간, 대규모 학급 운영, 학생과 교사의 역량 부족 등의 여러 가지 문제로 인해 학교에서의 탐구 교육이 성공적으로 진행되지 못하고 있다. 이에 본 연구에서는 탐구교육을 강화하는 전략 중 하나로 인공지능을 활용하였다. 최근 ChatGPT와 같은 생성형 인공지능(generative artificial intelligence) 기술의 급속한 발전으로 교육 분야에서도 인공지능 활용에 대한 관심이 높아지고 있다. 생성형 인공지능을 이용한 교육은 개별 학습자의 요구에 즉각적인 맞춤형 피드백을 제공할 수 있기 때문에 전통적인 교육의 한계를 보완할 수 있는 잠재력이 있기 때문이다. 본 연구에서는 생성형 인공지능 API를 이용한 웹 애플리케이션(인공지능 탐구 어시스턴트)을 개발하여 예비 과학교사들이 인공지능과의 상호작용을 통해 탐구설계를 정교화할 수 있도록 지원하였다. 예비교사들은 인공지능과의 대화를 통해 표현의 정교화, 구체화를 시도하였으며, 인공지능과의 대화가 많을수록 탐구설계를 더 많이 수정하는 경향이 있음을 확인하였다(그림). 즉, 인공지능은 단순히 정보를 제공하는 도구를 넘어서 예비교사들이 사고를 자극하는 교육 파트너의 역할을 수행하였다. 본 연구에서는 인공지능과 예비교사와의 대화를 통해 인공지능이 탐구 설계 지원 과정에서 4가지의 핵심적인 역할을 수행함을 밝혔다. 첫째, 대화 주도권을 가져와 탐구를 심화시키는 ‘능동적 조력자’, 둘째, 복잡한 과제를 단계별로 안내하는 ‘인지적 비계 설정자’, 셋째, 대안적 관점을 제시하여 창의적 사고를 촉진하는 ‘자극제’, 넷째, 논리적 오류를 지적하고 과학적 엄밀성을 높이는 ‘비판적 동료’ 역할이다. 이 연구는 AI가 미래 교육에서 단순한 정보 검색 도구가 아닌, 학습자의 잠재력을 이끌어내는 지적 동반자로 활용될 수 있음을 보여준다. 특히 과학탐구교육에서 AI의 역할이 교사를 대체하는 것이 아니라 보완하고 지원하는 방향으로 발전할 수 있다는 가능성을 나타낸다.