본문 바로가기
대메뉴 바로가기
KAIST
뉴스
유틸열기
홈페이지 통합검색
-
검색
ENGLISH
메뉴 열기
%EC%9D%B8%EA%B3%B5%EC%A7%80%EB%8A%A5
최신순
조회순
인공지능 기반 대장암 3차원 게놈 지도 최초 해독
세계 최초로 예전에 비해 최대 규모로 한국인 대장암 환자 3차원 게놈 지도를 작성하여 화제다. 우리 대학 생명과학과 정인경 교수 연구팀이 서울대학교 암연구소 김태유 교수 연구팀과의 공동연구를 통해 인공지능 기반 알고리즘을 활용, 한국인 대장암 환자의 3차원 게놈 지도를 최초로 제시했으며 이를 토대로 암 세포 특이적인 유전자 조절 기전을 통해 특정 종양유전자들이 과발현되는 현상을 규명했다고 24일 밝혔다. 1차원적 게놈 서열 분석에 기반한 현재의 암 유전체 연구는 종양유전자들의 과발현 기작을 설명하는데 한계가 있었다. 하지만 3차원 공간상에 게놈이 어떻게 배열되는지를 분석하는 3차원 게놈 (3D genome) 구조 연구는 이러한 한계를 극복 가능케 하고 있다. 본 연구에서는 정상 세포에서는 존재하지 않는 암 세포 특이적 염색질 고리(chromatin loop) 구조가 유전자 발현 촉진 인자인 인핸서와 종양유전자 사이의 상호작용을 형성하여 과발현을 유도하는 인핸서 납치(enhancer-hijacking) 현상에 초점을 두어 연구하였다. 우리 대학 생명과학과 김규광 박사과정이 주도한 이번 연구는 게놈간의 공간상 상호작용을 측정할 수 있는 대용량 염색체 구조 포착 Hi-C (High-throughput Chromosome Conformation Capture) 실험 기법을 활용하여 대장암 3차원 게놈 지도를 작성하고 대장암 특이적 3차원 게놈 변화를 환자 개개인별로 분석할 수 있는 인공지능 기반 알고리즘을 개발했다. 그 결과 공동연구팀은 광범위한 규모의 3차원 게놈 구조 변화와 이로 인한 다양한 종양유전자의 활성화를 확인했다. 연구팀은 이번 연구를 통해 암 특이적 3차원 게놈 구조의 변화로 인한 종양유전자 활성 기작을 명확히 제시하였으며 이로 인한 환자 예후와 약물 반응 등 임상적인 특성과의 연관성까지 제시해 맞춤 치료 원천기술 확보에 기여했다. 지금까지 암 세포주에 대한 3차원 게놈 구조 연구는 일부 보고 되었으나, 대규모 환자 암조직에 대한 연구는 조직 내 세포 이질성, 종양 순도, 암세포 이질성 등의 문제로 인한 정밀 암 특이적 3차원 게놈 구조 분석의 한계로 수행되지 못하였다. 반면에 이번 연구에서 연구팀은 AI 기반 알고리즘으로 환자 개인 종양 조직으로부터 얻어진 복잡한 신호를 해석할 수 있었으며 그 결과 최대 규모인 환자 40명의 종양 조직과 인접한 정상 대장 조직을 사용해 3차원 게놈 지도를 작성할 수 있었다. 또한 DNA 서열정보를 보여주는 전장유전체 지도의 경우 다양한 인종에 대해 생산되고 있고 한국인의 전장유전체 지도 또한 개발되었으나 한국인 3차원 게놈 지도, 특히 종양 조직에 대한 3차원 게놈 지도는 이번 연구에서 최초로 제시됐다. 이번 연구 결과는 국제 학술지, `셀 리포츠(Cell Reports, IF=9.995)'에 7월 13일 자로 출판됐다. (논문명: Spatial and clonality-resolved 3D cancer genome alterations reveal enhancer-hijacking as a potential prognostic marker for colorectal cancer) 서울대학교병원 혈액종양내과 김태유 교수는 “이러한 결과는 개별 암 환자들마다 서로 다르게 나타나는 종양 이질성을 이해하는 데 매우 중요한 요소가 될 수 있으며, 이를 이용한 환자 맞춤형 치료 연구의 시발점이 될 것이다”라고 말했다. 생명과학과 정인경 교수는 “기존의 점돌연변이나 유전체 변이만으로는 설명이 어려운 암 유전체를 3차원 게놈 구조 관점에서 재해독하고 신규 암 타겟을 발굴할 수 있는 수 있는 새로운 접근법을 제시했다”라고 밝혔다. 한편 이번 연구는 과학기술정보통신부와 서경배과학재단의 지원을 받아 수행됐다.
2023.07.24
조회수 2219
약물 부작용 및 용해도 예측 그래프 신경망 기술 개발
최근 화학, 생명과학 등 다양한 기초과학 분야의 문제를 해결하기 위해 그래프 신경망 (Graph Neural Network) 기술이 널리 활용되고 있다. 그 중에서도 특히 두 물질의 상호작용에 의해 발생하는 물리적 성질을 예측하는 것은 다양한 화학, 소재 및 의학 분야에서 각광을 받고 있다. 예를 들어, 어떠한 약물 (Drug)이 용매 (Solvent)에 얼마나 잘 용해되는지 정확히 예측하고, 동시에 여러 가지 약물을 투여하는 다중약물요법 (Polypharmacy)의 부작용을 예측하는 것이 신약 개발 등에 매우 중요하다. 우리 대학 산업및시스템공학과 박찬영 교수 연구팀이 한국화학연구원(원장 이영국)과 공동연구를 통해 물질 내의 중요한 하부 구조(Substructure)를 탐지하여 두 물질의 상호작용에 의해 발생하는 물리적 성질 예측의 높은 정확도를 달성할 수 있는 새로운 그래프 신경망 기법을 개발했다고 18일 밝혔다. 기존 연구에서는 두 분자 쌍이 있을 때, 각 분자내에 존재하는 원자들 사이의 상호 작용만을 고려해 그래프 신경망 모델을 학습하였다. 예를 들어 특정 발색체의 물(H2O)에 대한 용해도를 예측하고자 할 때, 발색체 내의 각 원자들에 대해 물 분자의 원자들 (즉, H, O)이 갖는 영향력을 고려하는 것이다. 연구팀이 이에 반해, 연구팀이 착안한 점은 분자 구조의 화학적 특성을 결정하는 데 있어서 원자뿐만 아니라 작용기(Functional group)와 같은 분자내 하부 구조들이 중요한 역할을 한다는 점이었다. 예를 들어, 알코올이나 예를 들어, 알코올이나 포도당과 같이 하이드록실기 (Hydroxyl group)를 포함하는 분자들은 일반적으로 물에 대한 용해도가 높은 것으로 알려져 있다. 즉, 하이드록실기라는 작용기가 물에 대한 용해도를 결정하는데 중요한 역할을 한다는 것이다. 연구팀은 분자의 특성을 결정하는데 큰 영향을 끼치는 하부 구조를 추론하는 기술을 분자내의 중요한 정보를 최대한 압축하여 보존하는 ‘정보 병목 이론’과, 분자 내의 어떤 하부 구조가 분자의 고유한 특성을 결정 짓는데 큰 역할을 했는지 대한 인과 관계를 추론하는 ‘인과 추론 모형’을 활용하여 개발했다. 이를 통해 분자의 고유한 특성에 가장 큰 영향을 미치는 하부 구조를 찾아내었다. 또한 분자 간 관계를 추론하는 문제에서는 상대방 분자에 따라 대상 분자의 중요한 하부 구조가 달라질 수 있다는 점을 착안하여 물질 간 관계를 예측하는 모델을 제안했다. 이번 새로운 그래프 신경망 기법을 의학에 적용하여 정보 병목 현상을 기반으로 한 연구는 기존 연구에 비해 약물 용해도 예측에서 11%의 성능 향상, 다중약물요법 부작용 예측에서 4%의 정확도 향상을 이뤄냈다. 또한, 인과 추론 모형을 기반으로 한 연구는 약물 용해도 예측에서 17%의 성능 향상, 약물 부작용 예측에서 2%의 정확도 향상을 이뤄냈다. 박찬영 교수팀은 정보 병목 이론을 기반으로 중요한 하부 구조를 탐지해 분자 구조 관계의 높은 예측 정확도를 달성할 수 있는 그래프 신경망 모델을 개발해 기계학습 분야 최고권위 국제학술대회 ‘국제 기계 학습 학회 International Conference on Machine Learning (ICML 2023)’에서 올 7월 발표할 예정이다. (논문명: Conditional Graph Information Bottleneck for Molecular Relational Learning). 또한 인과 추론 모형을 기반으로 중요한 하부 구조를 탐지해 분포 변화에도 모델의 성능이 강건하게 유지되는 그래프 신경망 모델을 개발해 데이터마이닝 최고권위 국제학술 대회 ‘국제 데이터 마이닝 학회 ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2023)’에서 올 8월에 발표할 예정이다. (논문명: Shift-Robust Molecular Relational Learning with Causal Substructure). 두 연구 모두 KAIST 산업및시스템공학과 대학원에 재학 중인 이남경 박사과정 학생이 제1 저자, 화학연구원의 나경석 연구원이 공동 저자, 우리 대학 산업및시스템공학과의 박찬영 교수가 교신저자로 참여했다. 두 연구의 제1 저자인 이남경 박사과정은 “제안한 기술은 분자의 성질을 결정하는 데 있어 큰 영향을 미치는 하부 구조가 존재한다는 화학적 지식에 기반해 그래프 신경망을 학습할 수 있는 새로운 방법”이라면서 “상대편 분자를 고려해 대상 분자의 중요한 구조를 찾는 방법론은 이미지-텍스트 멀티 모달 학습 방법에서도 적용될 수 있어, 심층 학습 전반적인 성능 개선에 기여할 수 있다”고 밝혔다. 연구팀을 지도한 박찬영 교수도 “제안한 기술은 화학과 생명과학을 포함한 다양한 분야에서 새로운 물질을 발견하는데 널리 사용될 것으로 기대하며, 특히 환경 친화적인 소재 개발, 질병 치료를 위한 신약 발굴 등에 있어서 본 기술의 가치가 더욱 부각될 것으로 보인다”라고 밝혔다. 한편 이번 연구는 정보통신기획평가원의 지원을 받은 사람중심 인공지능 핵심원천기술개발 사업과 한국화학연구원 기본사업 (KK2351-10)의 지원을 받아 수행됐다.
2023.07.18
조회수 2252
KAIST 설명가능 인공지능연구센터, ‘KCC 2023 설명가능 인공지능(XAI) 워크샵’ 개최
우리 대학 설명가능 인공지능연구센터(센터장 최재식 교수)가 주관하여 ‘KCC 2023 설명가능 인공지능(XAI) 워크샵’을 6월 19일(월) 제주 오리엔탈호텔에서 개최했다. 본 워크샵은 ‘사람중심인공지능핵심원천기술개발’ 연구과제에 참여하고 있는 여러 대학 및 연구기관 연구진들의 기술교류 행사로, 설명가능 인공지능(eXplainable Artificial Intelligence, 이하 XAI) 연구 동향 및 참여기관별 연구 성과를 공유하고 연구진 간 교류를 확대하고자 하는 목적으로 개최되었다. XAI 기술은 인공지능 모델의 예측 및 생성 결과에 대한 근거를 인간이 이해할 수 있는 방식으로 설명하는 기술로서 최근 EU를 중심으로 AI 규제의 움직임이 구체화되는 상황에서 투명하고 신뢰할 수 있는 AI기술을 구현할 수 있는 기술로 주목 받고 있다. 정보통신기획평가원 이현규 PM의 환영사와 한국정보과학회 이원준 회장의 축사로 시작된 행사는 국내 인공지능 분야 석학 및 산업계 전문가의 초청강연과 총37편의 논문 발표로 진행되어 관련분야 연구진의 기술교류의 장을 제공했다. 초청강연에서는 ▲설명가능 인공지능 연구동향(KAIST/INEEJI 최재식 교수) ▲Explaining Visual Biases as Words via Vision-Language Foundation Models(KAIST 신진우 교수) ▲리걸테크 규제 및 표준화 동향(법무법인 디라이트 조원희 대표) ▲질의 기반 의미그래프와 적응형 메타학습을 이용한 생성형 요약 시스템(성균관대 고영중 교수) ▲법, 정책 이슈를 포함해서, 설명요구권의 구체화 과정에서의 알고리즘 공개와 영업비밀 관계(경희대 김윤명 교수) ▲화학공장의 연속생산공정에서 공정 Trouble 원인 분석을 위한 XAI 적용 사례 공유(SK디스커버리 신해빈 매니저) ▲다중 클래스 딥러닝의 의사결정에 대한 시각적 이유 설명(경북대 남우정 교수)이 소개되었다. 논문발표에서는 연구진들의 XAI 분야 연구 성과 발표가 이어졌다. 특히, ▲투자자 심리와 설명가능 인공지능 기법을 적용한 비선형 자산 변동성 예측 모델 개선(이승주(서울대), 박진성(서울대), 이재욱(서울대)) ▲로컬 그라디언트 정렬을 통한 강건한 해석 가능성(정석현(서울대), 주성환(성균관대), 허주연(Univ. of Cambridge), 아드리안 윌러(Univ. of Cambridge/The Alan Turing Institute), 문태섭(서울대))이 우수논문상을 수상했으며, XAI 알고리즘 분야 연구와 의료, 법률, 금융 등 실제 도메인에 XAI를 적용한 최신사례 발표가 이어져 참석자들의 관심이 높았다. 이번 행사로, AI 연구자뿐만 아니라 의료, 법률, 금융 등 다양한 산업분야 관련자들이 XAI 기술의 필요성에 대한 공감대를 확인했으며, 이에 따라 향후 국내 XAI 기술의 저변을 확대하고, 산학협력을 통해 연구개발의 방향성을 구체화시켜 나갈 수 있을 것으로 기대된다.
2023.07.01
조회수 1569
면역항암치료 부작용 인공지능으로 예측
면역항암치료는 환자의 면역 시스템을 활성화해 암을 치료하는 혁신적인 3세대 항암 치료 방법으로 알려져 있다. 하지만 면역항암 치료제는 면역활성화에 의해 기존 항암제와는 구분되는 자가면역질환과 유사한 부작용을 유발할 수 있다는 새로운 문제가 제기됐다. 이러한 부작용은 심각한 경우 환자를 죽음에까지 이르게 할 수 있기에 부작용에 대한 연구가 절실한 상황에 놓여있다. 우리 대학 바이오및뇌공학과 최정균 교수팀과 서울아산병원 종양내과 박숙련 교수팀은 면역항암제 치료를 받은 고형암 환자에 대한 대규모 전향적 코호트를 구축하고, 다차원적 분석을 통해 면역항암제 부작용의 위험요인을 규명했다고 22일 밝혔다. 또한 인공지능 딥러닝을 이용해 치료 전 환자에게서 부작용이 나타날지를 예측할 수 있는 모델까지도 개발했다고 알렸다. 기존의 관련 연구들은 소규모로 진행이 되거나, 적은 수의 지표로 국한된 범위에 대해서만 행해졌다. 또한 수행된 연구들은 면역 관련 부작용을 위해 디자인된 연구 설계가 아닌, 다른 목적을 위해 모집된 환자군을 모아 수행하는 후향적 연구 설계로 진행됐다는 한계점이 있었다. 연구팀은 이러한 한계점을 극복하기 위해, 서울아산병원을 필두로 국내 9개 기관과 협력하여 면역 관련 부작용의 포괄적인 위험요인을 밝히기 위한 대규모 전향적 코호트를 구축했다. 또한 환자의 유전체, 전사체, 혈액 지표 등 폭넓은 범위에서 면역 관련 부작용에 대한 위험요인을 밝혀냄으로써, 궁극적으로는 치료 전 미리 환자가 면역항암치료에 대한 부작용을 보일지 알아낼 수 있는 딥러닝 예측 모델을 개발했다. 해당 연구 결과는 다양한 고형암 환자의 임상데이터와 혈액 유전체 데이터에 기반했기에, 향후 환자의 암종과 상관없이 폭넓게 적용될 수 있을 것으로 기대된다. 우리 대학 바이오및뇌공학과 성창환 박사(現 : 서울아산병원 핵의학과)와 안진현 박사과정이 공동 제1 저자로 참여한 이번 연구는 국제 학술지 ‘네이처 캔서(Nature Cancer)’ 에 게재됐다. (논문명 : Integrative analysis of risk factors for immune-related adverse events of checkpoint blockade therapy in cancer). 이번 연구에는 고려대학교 안암병원, 인제대학교 해운대백병원, 국립암센터, 서울삼성병원, 분당서울대학교병원, 고려대학교 구로병원, 연세대학교 세브란스병원, 서울대학교병원의 연구자들도 참여했다. 최정균 교수는 “이번 연구를 통해 면역항암 치료의 아킬레스건이라고 할 수 있는 면역관련 부작용에 대한 폭넓은 분석과 예측모델의 제시를 통해 향후 전세계 연구진이 사용할 수 있는 대규모 면역관련 부작용 리소스를 제공할 수 있을 것이라 기대한다”라고 말했다. 임상연구를 총괄한 서울아산병원 박숙련 교수는 “현재 면역항암제가 임상에서 광범위하게 사용되고 있고 그 치료 영역을 완치적 세팅으로까지 확장하고 있어 치료 효과뿐 아니라 환자 안전성이 더욱 중요한데 그동안 치료 부작용을 예측할 수 있는 좋은 지표가 없던 상황에서, 이번 연구 결과는 개별 환자의 임상데이터와 유전체 데이터에 기반해 면역항암제의 부작용 발생을 예측할 수 있어 암 환자의 정밀 의료 치료를 실현할 수 있는 기반이 될 것으로 기대한다”고 전했다. 이번 연구는 과학기술정보통신부 인공지능 신약개발 플랫폼 구축 사업의 지원을 받아 수행됐다.
2023.06.22
조회수 1957
고성능 조립형 SSD 시스템반도체 최초 개발
최근 인공지능을 훈련하기 위해 더 많은 데이터가 필요해지면서 그 중요성은 더욱 증가하고 있으며, 이에 데이터 센터 및 클라우드 서비스를 위한 주요 저장장치인 고성능 SSD(Solid State Drive, 반도체 기억소자를 사용하는 저장장치) 제품의 필요성이 높아지고 있다. 하지만, 고성능 SSD 제품일수록 SSD 내부의 구성요소들이 서로의 성능에 크게 영향을 미치는 상호-결합형(tightly-coupled) 구조의 한계에 부딪혀 성능을 극대화하기 어려웠다. 우리 대학 전기및전자공학부 김동준 교수 연구팀이 고성능 조립형 SSD 시스템 개발을 통해 차세대 SSD의 읽기/쓰기 성능을 비약적으로 높일 뿐 아니라 SSD 수명연장에도 적용 가능한 SSD 시스템 반도체 구조를 세계 최초로 개발했다고 15일 밝혔다. 김동준 교수 연구팀은 기존 SSD 설계가 갖는 상호-결합형 구조의 한계를 밝히고, CPU, GPU 등의 비메모리 시스템 반도체 설계에서 주로 활용되는 칩 내부에서 패킷-기반 데이터를 자유롭게 전송하는 온-칩 네트워크 기술을 바탕으로 SSD 내부에 플래시 메모리 전용 온-칩 네트워크를 구성함으로써 성능을 극대화하는 상호-분리형(de-coupled) 구조를 제안했으며, 이를 통해 SSD의 프론트-엔드 설계와 백-엔드 설계의 상호 의존도를 줄여 독립적으로 설계하고 조립 가능한 ‘조립형 SSD’를 개발했다. ※온-칩 네트워크(on-chip network): CPU/GPU등의 시스템 반도체 설계에 쓰이는 칩 내부의 요소에 대한 패킷-기반 연결구조를 말한다. 온-칩 네트워크는 고성능 시스템 반도체를 위한 필수적인 설계 요소중 하나로서 반도체칩의 규모가 증가할수록 더욱 중요해지는 특징이 있다. 김동준 교수팀이 개발한 조립형 SSD 시스템 구조는 내부 구성요소 중 SSD 컨트롤러 내부, 플래시 메모리 인터페이스를 기점으로 CPU에 가까운 부분을 프론트-엔드(front-end), 플래시 메모리에 가까운 부분을 백-엔드(back-end)로 구분하고, 백-엔드의 플래시 컨트롤러 사이 간 데이터 이동이 가능한 플래시 메모리 전용 온-칩 네트워크를 새롭게 구성해, 성능 감소를 최소화하는 상호-분리형 구조를 제안했다. SSD를 구동하는 핵심 요소인 플래시 변환 계층의 일부 기능을 하드웨어로 가속하여 플래시 메모리가 갖는 한계를 능동적으로 극복할 수 있는 계기를 마련하였고 상호-분리형 구조는 플래시 변환 계층이 특정 플래시 메모리의 특성에 국한되지 않고, 프론트-엔드 설계와 백-엔드 설계를 독립적으로 수행하는 설계의 용이성을 가지는 점이 ‘조립형’ SSD 구조의 장점이라고 밝혔다. 이를 통해, 기존 시스템 대비 응답시간을 31배 줄일 수 있었고 SSD 불량 블록 관리기법에도 적용해 약 23%의 SSD 수명을 연장할 수 있다고 연구팀 관계자는 설명했다. 전기및전자공학부 김지호 박사과정이 제1 저자, 전기및전자공학부 정명수 교수가 공동 저자로 참여한 이번 연구는 미국 플로리다주 올랜도에서 열리는 컴퓨터 구조 분야 최우수 국제 학술대회인 `제50회 국제 컴퓨터 구조 심포지엄(50th IEEE/ACM International Symposium on Computer Architecture, ISCA 2023)'에서 6월 19일 발표될 예정이다. (논문명: Decoupled SSD: Rethinking SSD Architecture through Network-based Flash Controllers). 연구를 주도한 김동준 교수는 “이번 연구는 기존의 SSD가 가지는 구조적 한계를 규명했다는 점과 CPU와 같은 시스템 메모리 반도체 중심의 온-칩 네트워크 기술을 적용해 하드웨어가 능동적으로 필요한 일을 수행할 수 있다는 점에서 의의가 있으며 차세대 고성능 SSD 시장에 기여할 것으로 보인다”며, “상호-분리형 구조는 수명연장을 위해서도 능동적으로 동작하는 SSD 구조로써 그 가치가 성능에만 국한되지 않아 다양한 쓰임새를 가진다며”연구의 의의를 설명했다. 이번 연구는 컴퓨터 시스템 저장장치 분야의 저명한 연구자인 KAIST 정명수 교수와 컴퓨터 구조 및 인터커넥션 네트워크(Interconnection Network) 분야의 권위자인 김동준 교수, 두 세계적인 연구자의 융합연구를 통해 이루어낸 연구라는 의미가 있다고 관계자는 설명했다. 한편 이번 연구는 한국연구재단, 삼성전자, 반도체설계교육센터(IDEC), 정보통신기획평가원 차세대지능형반도체기술개발사업의 지원을 받아 수행됐다.
2023.06.15
조회수 2352
최고의 AI반도체 인력 양성 위한 인공지능반도체 대학원 설립
우리 대학이 인공지능반도체 대학원(KAIST Graduate School of AI Semiconductor)을 설립해 석·박사과정 신입생 모집을 시작한다. 인공지능(AI) 반도체 기술은 챗GPT 등 사회 전반을 크게 변혁시키고 있는 인공지능의 핵심 기술이다. 정부는 인공지능과 시스템반도체를 혁신성장 전략투자 분야로 지정한 바 있으며, 인공지능반도체는 두 핵심 전략의 공통 요소로 국가의 차세대 성장동력으로 주목받고 있다. 하지만, 기술 선점 및 가치 창출을 위한 국내 전문 인력은 절대적으로 부족한 상태로 인공지능반도체 기술의 주도권을 확보를 위한 고급인력양성이 시급한 실정이다. 우리 대학은 2008년부터 인공지능반도체 기술 개발을 시작해 현재까지 세계 기술 개발의 흐름을 선도하고 있으며, 과학기술정보통신부의 인공지능반도체 고급인재 양성사업에 지난 5월 선정돼 인공지능반도체 대학원을 설립했다. 올 가을학기부터 학사 운영을 시작하는 인공지능반도체 대학원에서는 인공지능반도체 설계 및 운용에 필수적인 기초 과목과 함께 3개로 세분된 전공 트랙을 운영한다. ⯅다양한 인공지능 및 응용 프로그램 가속을 위한 NPU(신경망처리장치) 회로 및 아키텍처 설계를 연구하는 ‘AI 반도체 하드웨어’ 트랙 ⯅효율적인 인공지능반도체 하드웨어 운용 기술 및 구동 프레임워크를 연구하는 ‘AI 소프트웨어/시스템’트랙 ⯅기존 인공지능반도체 구조를 뛰어넘는 초고속·초고효율·초대규모 인공지능 시스템을 실현하기 위해 뇌과학에 기반한 창의적이고 도전적인 기초연구 및 학제 간 연구를 수행하는 ‘미래 AI 시스템’트랙 등이다.그뿐만 아니라, KAIST 인공지능반도체 대학원에서는 분야 초월형 교육을 위해 복수의 지도교수를 선정할 수 있는 '복수지도제도'를 도입한다. 이를 통해, 인공지능 시스템 설계·CAD(컴퓨터지원설계)·반도체소자·아키텍처·소프트웨어·디지털/아날로그 지식재산권(IP) 등 여러 분야를 모두 아우르는 연구가 가능해진다. 우리 대학은 1996년 반도체설계교육센터(IDEC)와 2022년 PIM반도체설계연구센터(AI-PIM)를 설립해 세계 최고의 반도체 설계 및 인공지능반도체 설계 인프라를 보유하고 있다. 인공지능반도체 대학원에서는 기존의 인프라와 더불어 삼성과 SK하이닉스 등의 대기업 및 사피온·퓨리오사·리벨리온 등 국내 인공지능반도체 팹리스기업들로 구성된 컨소시엄과 협력해 대학원생들의 연구와 교육을 지원할 예정이다. 또한, 재학생들의 글로벌 연구 역량을 높일 수 있도록 MIT·컬럼비아 대학교·코넬대학교·취리히 공과대학 등 세계 유수 대학들과 글로벌 공동연구 협정을 맺고 수개월 또는 수년간의 파견 연구 제도를 도입할 방침이다. 유회준 KAIST 인공지능반도체대학원장(책임교수)은 "인공지능반도체 분야 연구에 열정과 의지를 가진 학생이라면 KAIST만의 특화된 교육·연구 시스템과 우수한 인프라를 만나 최고의 전문가로 성장할 수 있다"라고 말했다. 이어, 유 원장은 "인공지능반도체는 우리나라의 뛰어난 반도체 기술과 최첨단 인공지능 기술을 접목해 세계를 선도할 수 있는 분야로 글로벌 실무형 인재를 양성하기 위해 노력하겠다"라고 전했다. 인공지능반도체 대학원은 오는 7일까지 온·오프라인에서 동시에 입시원서 접수를 진행한다. 자세한 내용은 입학처 홈페이지(https://admission.kaist.ac.kr/) 또는 인공지능반도체대학원 홈페이지(https://aisemi.kaist.ac.kr)에서 확인할 수 있다.
2023.06.02
조회수 2466
항암 백신 찾는 ‘딥네오(DeepNeo)’ 개발
신생항원이란 암세포의 돌연변이에서 나온 단백질 조각 중 면역반응을 유도할 수 있는 항원들로서 항암 백신 개발의 이상적인 대상으로 주목받고 있다. 모더나 및 바이오엔텍은 암 치료를 위한 신생항원 백신용으로 개발하던 mRNA 플랫폼을 사용해 COVID-19 백신을 성공적으로 개발한 바 있으며, 현재 대규모 제약회사들과 함께 신생항원 암 백신 임상시험을 진행하고 있다. 이런 암 백신 개발을 위해 핵심적인 단계인 환자 맞춤형 신생항원 발굴에 활용될 인공지능 플랫폼이 개발되어 화제다. 우리 대학 바이오및뇌공학과 최정균 교수가 ㈜펜타메딕스와의 공동연구를 통해 개인 맞춤 치료용 암 백신에 사용될 수 있는 신생항원을 예측하는 인공지능(AI) 모델을 개발하고 웹서비스를 구축했다고 17일 밝혔다. 최정균 교수 연구팀은 딥러닝을 이용해 실제로 T 세포 면역반응을 유도할 수 있는 신생항원을 발굴하는 AI 모델을 개발했으며, 연구자들이 손쉽게 활용할 수 있는 웹서비스를 구축해 DeepNeo라는 이름으로 공개했다 (https://deepneo.net). 기존의 신생항원 발굴 방법론은 MHC* 단백질과 결합할 수 있는 돌연변이를 예측하는 데에 한정되어 있었다. 그러나 암 백신이 효과가 있으려면 돌연변이가 MHC와 결합할 뿐만 아니라 그 결합체가 실제로 T 세포 면역반응을 유발할 수 있어야 하는데, 기존 기술로는 그것이 불가능했다. 따라서 현재 암 백신 임상시험들은 이 결합체들이 실제로 면역반응을 자극할 수 있는지를 알 수 없는 상태로 진행되고 있다. *MHC란 외부에서 들어온 병원균이나 암세포에서 발생한 항원과 결합하여 우리 몸의 면역세포에 제시해 줌으로써 면역반응을 활성화시키는 역할을 하는 단백질을 일컬음 연구팀은 이러한 문제를 해결하기 위해 새로운 개념의 딥러닝 모델을 구축했고, 여러 빅데이터 분석을 통하여 면역성 및 항암 반응성이 뛰어난 신생항원을 발굴할 수 있음을 확인했다. 따라서 이번에 웹서비스 형태로 구축한 방법론은T 세포 반응을 효과적으로 유도할 수 있는 항암 백신 개발에 활용될 수 있다. 우리 대학 바이오및뇌공학과 김정연 박사과정이 제1 저자로 개발한 핵심 알고리즘은 지난 1월 국제 학술지 ‘네이처 지네틱스(Nature Genetics)’ 에 출판됐으며, 이후 ㈜펜타메딕스의 노승재 박사, 방효은 연구원과의 공동연구를 통해 딥러닝 성능이 더욱 개선된 AI 모델이 웹서비스 형태로 개발돼 이번 4월 국제 학술지 ‘핵산 연구(Nucleic Acids Research)’를 통해 공개됐다. 최정균 교수는 “코로나 백신에서 mRNA 플랫폼이 검증된 만큼 이번에 개발된 AI 기술이 암 백신의 상용화에도 도움이 되기를 희망한다.”고 밝혔다. ㈜펜타메딕스 조대연 대표는 “이번 공동연구를 통해 개발된 플랫폼을 적용한 개인맞춤형 암 백신의 사업화에 박차를 가하겠다”고 전했다. 이번 연구는 한국연구재단 기초연구실지원사업의 지원을 받아 수행됐다.
2023.05.17
조회수 2508
김재철AI대학원, AI EXPO KOREA 2023에서 'KAIST AI 기술설명회 2023' 개최
우리 대학 김재철AI대학원(원장 정송)과 기술가치창출원(원장 최성율)이 공동 주관하여 ‘KAIST AI기술설명회 2023’을 5월 12일(금) 서울 COEX에서 개최했다. 오전 세션에서는 최근 사회에 큰 파장을 일으키고 있는 생성 AI분야의 양대 주제인 영상생성 모델 (Diffusion Model)과 대형 언어생성 모델 (ChatGPT 등)에 대해 우리 대학 김재철AI대학원 예종철 교수, 서민준 교수가 각각 튜토리얼을 진행했다. 또한 인공지능 기술을 사용하여 산업설비의 에너지 비용을 절감한 사례에 대해 최재식 교수가 발표했다. 이어서 KAIST 기술이전 절차(지식재산 및 기술이전센터 김권 센터장)와 KAIST 장기 기업자문 특화 플랫폼인 ILP 프로그램(산학협력센터 김성완 센터장)에 대해서 일반에 소개하는 자리를 가졌다. 기술소개 세션 1부에서는 ▲자기 피드백을 활용한 고성능 챗봇 개발 기술(서민준 교수) ▲대형 언어모델 교사를 활용한 소형 추론 모델 학습(허남규 연구원, 윤세영 교수) ▲대규모 문서 이해를 위한 설명 가능한 방법론(홍지우 연구원, James Thorne 교수) ▲가상 휴먼 3D 영상 합성 기술(주재걸 교수) ▲객체 분할 기술의 개발 속도 향상(이승호 연구원, 심현정 교수) ▲시간적으로 일관된 얼굴 비디오 수정(김경만 연구원, 양은호 교수) ▲멀티뷰 흉부엑스레이 생성 모델(이현경 연구원, 최윤재 교수)이 소개되었다. 기술소개 세션 2부에서는 ▲잡을 수 없는 물체의 조작을 위한 강화학습(김재형 연구원, 김범준 교수) ▲베이지안 딥 러닝(이주호 교수) ▲AI의 이론과 실제를 잇는 수학적 성능 분석(윤철희 교수) ▲생성 네트워크 하이퍼 표현 학습(Soro Bedionita 연구원, 정송 교수) ▲행렬 및 텐서 압축 기술(권태형 연구원, 신기정 교수) ▲Tabular 데이터 처리를 위한 딥러닝 기술(남재현 연구원, 신진우 교수) ▲시계열 딥러닝 의사결정 설명기술(장원준 연구원, 최재식 교수) 등 KAIST 김재철AI대학원의 각 연구실이 보유한 다양한 AI 분야 기술과 최근 연구성과를 발표했다. 본 기술설명회를 통해 참가자들은 인공지능 분야의 최고 전문가들이 설명하는 최신 AI 기술 동향을 습득하고 현재 AI기술 발전의 방향성을 파악할 수 있을 것으로 기대된다. 본 행사를 주관한 우리 대학 김재철AI대학원 정송 원장은 “KAIST 김재철AI대학원에서 연구개발 중인 최신 AI기술을 소개함으로써 행사에 참여한 여러 산업분야 기업들이 필요로 하는 기술의 이전과 공동연구를 활성화하고, 국내 기업의 인공지능 기반 비즈니스 경쟁력을 강화하는 데에 우리 대학원이 기여하고자 한다”고 말했다. 행사 종료 후 KAIST 김재철AI대학원이 보유한 기술에 대한 기술이전이나 공동연구에 관심이 있는 기업들은 개별상담 신청이 가능하다.
2023.05.15
조회수 2471
전산학부 홍승훈 교수 연구팀, ICLR 2023 학술대회 한국인 최초 최우수논문상 수상
우리 대학 전산학부 홍승훈 교수가 이끄는 연구팀이 지난 5월 1일부터 5월 5일에 열린 기계학습 분야의 최우수 국제학술대회인 ‘표현 학습 국제 학회 2023(International Conference on Learning Representation, 이하 ICLR 2023)’에서 최우수논문상 (Outstanding Paper Award)를 수상했다고 5일 밝혔다. ICLR 2023은 인공지능 분야의 가장 권위 있는 학회 중 하나로서, 구글 스칼라 h-5 인덱스 기준 기계학습 분야의 1위에 올라있으며, 모든 과학 분야의 출판물 중 9위를 기록하고 있다. 올해 최우수논문상은 전체 1,574편의 논문 중 상위 4편에 주어졌다. 홍 교수팀의 ICLR 최우수논문상 수상은 한국인으로서는 최초이며, 주요 기계학습 학회에서 국내 기관이 주축이 되어 진행한 연구로 최우수논문상을 수상한 최초의 사례이기도 하다. 전산학부 김동균 박사과정(제1 저자), 김진우 박사과정, 조성웅 석사과정과 마이크로소프트 리서치 아시아(Microsoft Research Asia)의 총 루오 박사(Chong Lou)로 구성된 홍승훈 교수 연구팀은 컴퓨터 비전 분야의 핵심 연구 주제인 ‘픽셀 레이블링 문제'를 획기적으로 적은 수의 데이터로 광범위하게 해결할 수 있는 범용적 방법론인 비주얼 토큰 매칭(Visual Token Matching) 기법을 제안해 최우수논문상을 받았다. 픽셀 레이블링은 물체 검출, 물체 분할, 자세 추정, 깊이 추정, 3차원 복원 등 컴퓨터 비전 분야의 거의 모든 핵심 문제를 광범위하게 아우르는 개념이다. 최근 10년간 신경망 기반의 기계학습 방법론이 적용되며 픽셀 레이블링의 다양한 세부 문제에서 괄목할만한 진전이 있었으나, 이러한 방법들은 수십만 개 이상의 방대한 학습 데이터를 요구하는 한계가 있었다. 홍승훈 교수 연구팀은 모든 종류의 픽셀 레이블링 문제에 대해 수십 개 이내의 적은 데이터로도 학습과 추론이 가능한 범용적인 퓨샷 학습 기법을 개발했고, 수많은 픽셀 레이블링 문제에서 기존 방법 대비 0.01% 이내의 데이터로도 비슷하거나 우수한 성능을 낼 수 있음을 입증했다. 홍 교수는 이번 연구를 통해 의료 영상과 같이 학습 데이터 수집이 병목이 되는 다양한 도메인에서 컴퓨터 비전 기술을 적용하는데 돌파구가 되기를 기대한다고 평가했다. 이번 연구를 주도한 김동균 박사과정은 적은 수의 데이터로 학습할 수 있는 범용적 기계학습 방법론을 계속 연구해 왔으며, 이번 연구의 이론적 토대가 되는 연구를 지난 ICLR에 출판한 바 있다. 김동균 박사과정은 이번 연구로 삼성 휴먼테크 논문대상에서 은상을 수상하기도 했다. 전산학부 홍승훈 교수는 "상을 받게 되어 영광이고, 이번 수상이 국내 기계학습 연구자들에게 자신감이 되어 한국에서 더 많은 도전적인 연구들이 나오는 데 도움이 된다면 기쁠 것 같다”라고 소감을 밝혔다.
2023.05.08
조회수 2601
챗GPT에 사용된 트랜스포머로 다공성 소재 예측
다공성 소재는 넓은 공극과 표면 면적을 지니고 있어, 가스 흡착, 분리, 촉매 등 다양한 에너지 및 환경 분야에서 적용된다. 다공성 소재 중 한 종류인 금속 유기 골격체(MOF)는 무한대에 가까운 경우의 수를 갖는 넓은 물질 공간(materials space) 안에 존재하기에, 인공지능을 사용해 최적의 물질을 추출하고 특성을 예측하려는 연구가 활발히 진행되고 있다. 하지만 이러한 모델들은 대부분 특정한 물성 한 종류만 학습할 수 있으며, 모든 재료 특성에 보편적으로 적용할 수 없다는 단점이 존재한다. 우리 대학 생명화학공학과 김지한 교수 연구팀이 세계 최초로 멀티모달 트랜스포머를 적용한 인공지능(AI)을 통해 다공성 소재의 다양한 물성을 예측하는 기술을 개발했다고 5일 밝혔다. 멀티모달 트랜스포머는 비디오 프레임과 오디오 트랙, 웹 이미지와 캡션, 교육용 비디오와 음성 대본과 같이 서로 다른 형태의 정보를 효과적이고 효율적으로 결합하도록 설계된 신경망 모델의 일종이다. 김지한 교수 연구팀은 챗GPT(ChatGPT)에서 사용된 모델인 트랜스포머를 다공성 소재에 도입해 모든 성능을 예측할 수 있는 멀티모달 인공 신경망을 개발했다. 멀티모달은 사진(이미지)과 설명(자연어)같이 서로 다른 형태의 데이터를 함께 학습하며, 이는 인간과 비슷하게 입체적이고 종합적인 사고를 할 수 있도록 도와준다. 연구팀이 개발한 멀티모달 트랜스포머 (MOFTransformer)는 원자 단위의 정보를 그래프로 표현하고, 결정성 단위의 정보를 3차원 그림으로 전환 후 함께 학습하는 방식으로 개발했다. 이는 다공성 소재의 물성 예측의 한계점이었던 다양한 물성에 대한 전이 학습을 극복하고 모든 물성에서 높은 성능으로 물성을 예측할 수 있게 했다. 김지한 교수 연구팀은 다공성 소재를 위한 트랜스포머를 개발해 1백만 개의 다공성 소재로 사전학습을 진행했으며, 다공성 소재의 가스 흡착, 기체 확산, 전기적 특성 등의 다양한 소재의 물성을 기존의 발표된 머신러닝 모델들보다 모두 더 높은 성능으로 (최대 28% 상승) 예측하는 데 성공했고, 또한 논문으로부터 추출된 텍스트 데이터에서도 역시 높은 성능으로 예측하는 데 성공했다. 연구팀이 개발한 기술은 물질의 특성을 계산 및 예측하는 새로운 방법론을 제시했으며, 이를 통해 소재 분야에서 새로운 소재의 설계와 개발에 도움이 될 뿐만 아니라, 기존의 소재에 대한 깊은 이해를 얻을 수 있을 것으로 기대된다. 더불어, 멀티모달 트랜스포머는 다공성 소재뿐만 아니라 다른 종류의 소재에도 확장 가능한 범용적인 모델이므로, 인공지능을 통한 소재 과학의 발전에 크게 이바지할 수 있을 것이다. 생명화학공학과 강영훈, 박현수 박사과정이 공동 제1 저자로 참여한 이번 연구 결과는 국제 학술지 `네이처 머신 인텔리전스(Nature Machine Intelligence)'에 지난 3월 13일에 게재됐다. (논문명: A multi-modal pre-training transformer for universal transfer learning in metal–organic frameworks) 한편 이번 연구는 과학기술정보통신부의 지원으로 국가 소재 연구 데이터 사업단, 그리고 한국연구재단 (NRF) 중견 연구자 지원 사업의 지원을 받아 수행됐다.
2023.04.05
조회수 3686
인공지능으로 코로나19 치료제 팍스로비드와 기존 약물간 반응 예측 고도화
우리 대학 생명화학공학과 이상엽 특훈교수 연구팀이 인공지능 기반 약물 상호작용 예측 기술을 고도화해, 코로나19 치료제로 사용되는 팍스로비드(PaxlovidTM) 성분과 기존 승인된 약물 간의 상호작용 분석 결과를 논문으로 발표했다고 16일 밝혔다. 이번 논문은 국제저명학술지인 「미국국립과학원회보 (PNAS)」誌’ 3월 13일자 온라인판에 게재됐다. ※ 논문명 : Computational prediction of interactions between Paxlovid and prescription drugs ※ 저자 정보 : 김예지(한국과학기술원, 공동 제1 저자), 류재용(덕성여자대학교, 공동 제1 저자), 김현욱(한국과학기술원, 공동 제1 저자), 이상엽(한국과학기술원, 교신저자) 포함 총 4명 연구팀은 이번 연구에서 2018년에 개발한 인공지능 기반의 약물 상호작용 예측 모델인 딥디디아이(DeepDDI)를 고도화한 딥디디아이2(DeepDDI2)를 개발했다. 딥디디아이2는 기존 딥디디아이가 예측하는 86가지 약물 상호작용 종류보다 더 많은, 총 113가지의 약물 상호작용 종류를 예측한다. 연구팀은 딥디디아이2를 이용하여 코로나19 치료제인 팍스로비드*의 성분(리토나비르, 니르마트렐비르)과 기존에 승인된 약물 간의 상호작용 가능성을 예측하였다. 연구팀은 코로나19 환자 중 고위험군인 고혈압, 당뇨병 등을 앓고 있는 만성질환자가 이미 약물을 복용하고 있어, 약물 상호작용 및 약물 이상 반응이 충분히 분석되지 않은 팍스로비드를 복용 시 문제가 될 수 있다는 점에 착안해 이번 연구를 수행했다. * 팍스로비드 : 팍스로비드는 미국 제약사인 화이자가 개발한 코로나19 치료제로, 2021년 12월 미국 식품의약국(FDA)의 긴급사용승인을 받았다. 연구팀은 팍스로비드의 성분인 리토나비르와 니르마트렐비르가 2,248개의 승인된 약물과 어떤 상호작용을 하는지, 딥디디아이2를 이용해 예측했다. 예측 결과 리토나비르는 1,403개의 승인된 약물과, 니르마트렐비르는 673개의 승인된 약물과 상호작용이 있을 것으로 예측됐다. 또한, 연구팀은 예측 결과를 활용해, 약물 상호작용 가능성이 높은 승인 약물에 대해, 동일 기전을 갖되 약물 상호작용 가능성이 낮은 대체 약물들을 제안했다. 이에 따라, 리토나비르와의 약물 상호작용 가능성을 낮출 수 있는 대체 약물 124개와 니르마트렐비르와의 약물 상호작용 가능성을 낮출 수 있는 대체 약물 239개를 제안했다. 이번 연구 성과를 통해 약물 상호작용을 정확하게 예측할 수 있는 인공지능 모델을 활용하는 것이 가능해졌으며, 이는 신약 개발 및 약물 처방 시 유용한 정보를 제공함으로써, 디지털 헬스케어, 정밀의료 산업 및 제약 산업에서 중요한 역할을 할 것으로 기대된다. 이상엽 특훈교수는 "이번 연구 결과는 실험과 임상을 통해 검증된 것은 아니므로 100% 의존해서는 안된다“고 강조하면서 ”팬데믹과 같이 긴급한 상황에서 신속하게 개발된 약물을 사용할 때, 예측된 약물 상호작용 유래 약물 이상 반응결과를 전문의가 미리 검토하여 약을 처방할 때 도움을 줄 수 있다는 점에서 의미가 있다"고 말했다. 한편 이번 연구는 과기정통부가 지원하는 KAIST 코로나대응 과학기술 뉴딜사업과 바이오·의료기술개발사업의 지원을 받아 수행됐다.
2023.03.16
조회수 3173
생생한 3차원 실사 이미지 구현하는 ‘메타브레인’ 개발
우리 대학 전기및전자공학부 유회준 교수 연구팀이 실사에 가까운 이미지를 렌더링할 수 있는 인공지능 기반 3D 렌더링을 모바일 기기에서 구현, 고속, 저전력 인공지능(AI: Artificial Intelligent) 반도체*인 메타브레인(MetaVRain)’을 세계 최초로 개발했다고 7일 밝혔다. * 인공지능 반도체 : 인식·추론·학습·판단 등 인공지능 처리 기능을 탑재하고, 초지능·초저전력·초신뢰 기반의 최적화된 기술로 구현한 반도체 연구팀이 개발한 인공지능 반도체는 GPU로 구동되는 기존 레이 트레이싱 (ray-tracing)* 기반 3D 렌더링을 새로 제작된 AI 반도체 상에서 인공지능 기반 3차원으로 만들어, 기존의 막대한 비용이 들어가는 3차원 영상 캡쳐 스튜디오가 필요없게 되므로 3D 모델 제작에 드는 비용을 크게 줄이고, 사용되는 메모리를 180배 이상 줄일 수 있다. 특히 블렌더(Blender) 등의 복잡한 소프트웨어를 사용하던 기존 3D 그래픽 편집과 디자인을 간단한 인공지능 학습만으로 대체하여, 일반인도 손쉽게 원하는 스타일을 입히고 편집할 수 있다는 장점이 있다. *레이 트레이싱 (ray-tracing): 광원, 물체의 형태, 질감에 따라 바뀌는 모든 광선의 궤적을 추적함으로써 실사에 가까운 이미지를 얻도록 하는 기술 한동현 박사과정이 제1 저자로 참여한 이번 연구는 지난 2월 18일부터 22일까지 전 세계 반도체 연구자들이 미국 샌프란시스코에 모여 개최한 국제고체회로설계학회(ISSCC)에서 발표됐다. (논문번호 2.7, 논문명: 메타브레인: A 133mW Real-time Hyper-realistic 3D NeRF Processor with 1D-2D Hybrid Neural Engines for Metaverse on Mobile Devices (저자: 한동현, 류준하, 김상엽, 김상진, 유회준)) 유 교수팀은 인공지능을 통해 3D 렌더링을 구현할 때 발생하는 비효율적인 연산들을 발견하고 이를 줄이기 위해 사람의 시각적 인식 방식을 결합한 새로운 컨셉의 반도체를 개발했다. 사람은 사물을 기억할 때, 대략적인 윤곽에서 시작하여, 점점 그 형태를 구체화하는 과정과 바로 직전에 보았던 물체라면 이를 토대로 현재의 물체가 어떻게 생겼는지 바로 추측하는 인지능을 가지고 있다. 이러한 사람의 인지 과정을 모방하여, 새롭게 개발한 반도체는 저해상도 복셀을 통해 미리 사물의 대략적인 형태를 파악하고, 과거 렌더링했던 결과를 토대로, 현재 렌더링할 때 필요한 연산량을 최소화하는 연산 방식을 채택하였다. 유 교수팀이 개발한 메타브레인은 사람의 시각적 인식 과정을 모방한 하드웨어 아키텍처뿐만 아니라 최첨단 CMOS 칩을 함께 개발하여, 세계 최고의 성능을 달성하였다. 메타브레인은 인공지능 기반 3D 렌더링 기술에 최적화되어, 최대 100 FPS 이상의 렌더링 속도를 달성하였으며, 이는 기존 GPU보다 911배 빠른 속도다. 뿐만아니라, 1개 영상화면 처리 당 소모에너지를 나타내는 에너지효율 역시 GPU 대비 26,400배 높인 연구 결과로 VR/AR 헤드셋, 모바일 기기에서도 인공지능 기반 실시간 렌더링의 가능성을 열었다. 연구팀은 메타브레인의 활용 예시를 보여주고자, 스마트 3D 렌더링 응용시스템을 함께 개발하였으며, 사용자가 선호하는 스타일에 맞춰, 3D 모델의 스타일을 바꾸는 예제를 보여주었다. 인공지능에게 원하는 스타일의 이미지를 주고 재학습만 수행하면 되기 때문에, 복잡한 소프트웨어의 도움 없이도 손쉽게 3D 모델의 스타일을 손쉽게 바꿀 수 있다. 유 교수팀이 구현한 응용시스템의 예시 이외에도, 사용자의 얼굴을 본떠 만든 실제에 가까운 3D 아바타를 만들거나, 각종 구조물들의 3D 모델을 만들고 영화 제작 환경에 맞춰 날씨를 바꾸는 등 다양한 응용 예시가 가능할 것으로 기대된다. 연구팀은 메타브레인을 시작으로, 앞으로의 3D 그래픽스 분야 역시 인공지능으로 대체되기 시작할 것으로 기대한다며, 인공지능과 3D 그래픽스의 결합은 메타버스 실현을 위한 큰 기술적 혁신이라는 점을 밝혔다. 연구를 주도한 KAIST 전기및전자공학부 유회준 교수는 “현재 3D 그래픽스는 사람이 사물을 어떻게 보고 있는지가 아니라, 사물이 어떻게 생겼는지를 묘사하는데 집중하고 있다”라며 “이번 연구는 인공지능이 사람의 공간 인지 능력을 모방하여 사람이 사물을 인식하고 표현하는 방법을 차용함으로써 효율적인 3D 그래픽스를 가능케 한 연구”라고 본 연구의 의의를 밝혔다. 또한 “메타버스의 실현은 본 연구에서 보인 것처럼 인공지능 기술의 혁신과 인공지능 반도체의 혁신이 함께 이루어질 것”이라 미래를 전망하였다. 데모 동영상 유튜브 주소: https://www.youtube.com/watch?v=m-aqnZhALv0
2023.03.07
조회수 3898
<<
첫번째페이지
<
이전 페이지
1
2
3
4
5
6
7
8
9
10
>
다음 페이지
>>
마지막 페이지 15