휴대용 전자기기 및 전기차 등에 적용해 1회 충전에 많은 에너지를 저장하고 오래 사용할 수 있는 고 에너지밀도 이차전지 개발의 중요도가 커지고 있다. 한국 연구진이 리튬 이차전지의 에너지 밀도를 높이고 고전압 구동시 안정성을 높여줄 용매를 개발하여 화제다. 우리 대학 생명화학공학과 최남순 교수팀이 UNIST 화학과 홍성유 교수팀, 서울대 화학생물공학부 이규태 교수팀, 고려대 화공생명공학과 곽상규 교수팀, 경상국립대 나노·신소재공학부 고분자공학전공 이태경 교수와 공동연구를 통해 4.4V의 높은 충전 전압에서 리튬 금속전지의 효율과 에너지를 유지하는 세계 최고 수준의 전해액 조성 기술을 개발했다고 19일 밝혔다. 공동연구팀은 기존에 보고되지 않은 용매를 새롭게 디자인하고 합성해 전해액 주 용매로 사용했으며 전극-전해액 계면을 안정화하는 첨가제 기술과의 조합을 통해 리튬 금속전지의 고전압 수명 성능 및 고속 충전 특성을 획기적으로 높이는 데 성공했다. 리튬 금속전지를 오랜 시간 사용하기 위해서는 전해액의 이온 전달 성능뿐만 아니라 전극 표면을 보호하는 것이 필수적이다. 전자를 주는 성질이 강한 리튬금속 음극과 전자를 빼앗으려는 고전압 양극에 접촉하고 있는 전해액이 분해되지 않도록 전극과 전해액 사이에 보호층을 형성시켜야 한다. 최남순 교수 연구팀은 구동할 수 있는 상한 전압의 한계가 있는 용매들과는 달리 높은 충전 전압에서 안정적으로 사용할 수 있는 새로운 용매를 합성하는 데 성공했으며 이를 첨가제 기술과 접목해 현저하게 향상된 *가역 효율(상온 200회 99.9%)을 달성했다. 또한, 완전 충전-완전 방전 조건에서 첫 사이클 방전용량 대비 200사이클의 방전용량으로 용량 유지율을 측정하는데 개발된 전해액 기술은 리튬 대비 4.4V 높은 충전 전압 조건에서 다른 전해액보다 약 5% 정도 높은 75.0%의 높은 방전용량 유지율을 보였다. ☞ 가역 효율: 매 사이클마다 전지의 방전용량을 충전용량으로 나누어 백분율로 나타낸 값으로 배터리의 가역성을 의미함. 가역 효율이 높을수록 매 사이클마다 배터리 용량 손실이 적음을 의미함. 아무리 높은 용량을 구현하는 배터리라도 가역성이 높지 않다면 실용화가 어려움. 연구팀이 이번 연구에서 세계 최초로 합성 및 보고한 *환형 설폰아마이드 계열 용매인 TFSPP(1-(trifluoromethyl)sulfonyl)piperidine)는 기존에 사용되는 용매보다 우수한 고전압 안정성을 가져 전지 내부 가스 발생을 억제할 수 있음을 확인했다. ☞ 환형 설폰아마이드 용매: 질소원자 1개원 탄소원자 5개로 구성된 6원자 고리구조와 리튬염 구조를 모방한 작용기를 연결하여 제조되었으며 기존 에테르계 유기용매와 비교하여 3배 이상 높은 열안정성을 가짐. 또한, 상온에서 액체상태이며 리튬염을 녹일수 있는 용매임. 불에 잘 타는 일반적인 유기용매와는 달리 불에 타는 성질이 낮은 리튬염의 음이온 구조가 포함되어 있어 전해액의 발화 가능성을 낮출 것으로 기대됨. 또한, 연구팀은 두 가지 이온성 첨가제를 도입하여 리튬 금속 음극에 형성된 보호층이 부피 변화를 견디도록 설계했다. 이에 더해, 연구팀은 전자 방출 경향성이 높은 첨가제를 적용해 양극 표면에 보호층을 형성해 양극의 구조 안정성을 향상시켰다. 개발된 새로운 구조의 고전압 용매는 전극을 보호하는 첨가제와 함께 시너지 효과를 이끌어 고전압 리튬 금속전지 성능을 극대화했다는 점에서 그 의미가 크다. 이번 논문의 공동 제1 저자인 우리 대학 생명화학공학과 김세훈 박사과정은 “용매와 첨가제의 조합 기술을 통해 실용화가 가능한 리튬 금속전지용 용매 조성 프레임을 개발했으며 전지의 사용기간을 연장하는, 보다 안정적인 전극-전해액 계면층을 형성하는 새로운 전해액 조성 기술을 개발했다”라고 말했다. 최남순 교수는 “새로운 구조로 디자인된 TFSPP 용매는 기존 용매에 비해 열적 및 고전압 안정성이 매우 우수하고 전지 구동 중 전해액 분해를 최소화해 전지 내압 상승요인인 가스 발생을 억제하는 전해액 용매”임을 강조하며 “TFSPP를 주 용매로 사용해 전지의 고온 안정성을 개선했으며 본 연구팀 고유기술인 다중층 전극-전해액 보호층 형성을 통해 안정화함으로써 고전압 리튬 금속전지 실용화를 위한 전해액 설계에 있어서 새로운 이정표를 제시했다”라고 연구의 의미를 덧붙였다. 우리 대학 생명화학공학과 최남순 교수, 김세훈, 송채은, 이동현 연구원과 UNIST 화학과 홍성유 교수, 전지환 연구원, 서울대 화학생물공학부 이규태 교수, 박교빈, 송가원 연구원, 고려대 화공생명공학과 곽상규 교수, 권성현 연구원, 유승호 교수, 현재환 연구원, 그리고 경상국립대 나노·신소재공학부 고분자공학전공 이태경 교수가 진행한 이번 연구는 국제 학술지 ‘어드밴스드 머티리얼즈 (Advanced Materials)’에 3월 6일 字로 온라인 공개됐다. (논문명 : Electrolyte Design for High-Voltage Lithium-Metal Batteries with Synthetic Sulfonamide-Based Solvent and Electrochemically Active Additives) 한편 이번 연구는 한국연구재단의 단계도약형 탄소중립 기술개발사업과 한국산업기술평가관리원의 산업기술 혁신사업의 지원을 받아 수행됐다.
암은 정상세포와 다르게 세포 내 비정상적인 축적을 통해 유발되는 대사 반응을 하며, 암의 치료 및 진단을 목적으로 이런 암 대사반응에 대해 다방면으로 연구되고 있다. 이에 우리 대학 연구진이 컴퓨터를 통해 24개 암종에 해당하는 1,043명의 암 환자에 대한 대사 모델 구축에 성공했다. 우리 대학 생명화학공학과 김현욱 교수, 이상엽 특훈교수 연구팀이 서울대학교병원 고영일 교수, 윤홍석 교수 및 정창욱 교수 연구팀과의 공동연구를 통해, 암 체세포 유전자 돌연변이와 연관된 새로운 대사물질 및 대사경로를 예측하는 컴퓨터 방법론을 개발했다고 18일 밝혔다. 최근 암 유발 대사물질(oncometabolite)*의 발견과 이를 표적으로 하는 신약들이 미국식품의약국(FDA)의 승인을 받으며 주목받고 있는데, 이에는 급성 골수성 백혈병의 치료제로 사용되고 있는 ‘팁소보(성분명: 아이보시데닙)’ 및 약물 ‘아이드하이파(성분명: 에나시데닙)’가 포함된다. *암 유발 대사물질 (oncometabolite): 세포 내 비정상적인 축적을 통해 암을 유발하는 대사물질. 이러한 대사물질들은 특정 유전자 돌연변이의 영향으로 대사 과정 중에 비정상적으로 높은 농도로 축적되며, 이러한 축적은 암세포의 성장과 생존을 촉진함. 기존 연구에서 확인된 주요 암 유발 대사물질로는 2-하이드록시글루타레이트(2-hydroxyglutarate), 숙시네이트(succinate), 푸마레이트(fumarate) 등이 보고됨. 하지만, 암 대사 연구와 새로운 암 유발 대사물질 발굴에는 대사체학 등의 방법론이 필요하며, 이를 대규모 환자 샘플에 적용하기 위해서는 상당한 시간과 비용이 소요된다. 이러한 이유로, 암과 관련된 많은 유전자 돌연변이들이 밝혀졌음에도, 그에 상응하는 암 유발 대사물질은 극소수만 알려져 있다. 김현욱 교수 공동연구팀은 세포 대사 정보를 예측할 수 있는 게놈 수준의 대사 모델*에 국제 암 연구 컨소시엄에서 공개하고 있는 암 환자들의 전사체 데이터를 통합해, 24개 암종에 해당하는 1,043명의 암 환자에 대한 대사 모델을 성공적으로 구축했다. *게놈 수준의 대사모델: 세포의 전체 대사 네트워크를 다루는 컴퓨터 모델로서, 세포 내 모든 대사반응에 대한 정보가 담겨 있으며, 다양한 조건에서 세포의 대사 활성을 예측하는 것이 가능 공동연구팀은 1,043명의 암 환자 특이 대사 모델과 동일 환자들의 암 체세포 돌연변이 데이터를 활용해, 다음의 4단계로 구성된 컴퓨터 방법론을 개발했다 (그림 1). 첫 단계에서는 암 환자 특이 대사 모델을 시뮬레이션해, 환자 별로 모든 대사물질들의 활성을 예측한다. 두 번째 단계로는 특정 유전자 돌연변이가 앞서 예측된 대사물질의 활성에 유의한 차이를 일으키는 짝을 선별한다. 세 번째 단계로, 특정 유전자 돌연변이와 연결된 대사물질들을 대상으로, 이들과 유의하게 연관된 대사경로를 추가로 선별한다. 마지막 단계로서, ‘유전자-대사물질-대사경로’ 조합을 완성해, 컴퓨터 방법론 결과로써 도출하게 된다. 이번 논문의 공동 제1 저자인 이가령 박사(現 다나파버 암센터 및 하버드 의과대학 박사후연구원)와 이상미 박사(現 하버드 의과대학 박사후연구원)는 “이번 연구에서 개발된 방법론은 암 환자 코호트의 돌연변이 및 전사체 데이터를 토대로 다른 암종에 대해서도 쉽게 적용될 수 있으며, 유전자 돌연변이가 대사경로를 통해 어떻게 세포대사에 변화를 일으키는지 체계적으로 예측할 수 있는 최초의 컴퓨터 방법론이라는 데 큰 의의가 있다” 한다고 말했다. 또한 김현욱 교수는 “이번 공동연구의 결과는 향후 암 대사 및 암 유발 대사물질 연구에서 중요한 참고 자료로 활용될 수 있을 것”이라고 강조했다. 한편 이번 논문은 바이오메드 센트럴(BioMed Central) 社가 발행하며, 생명공학 및 유전학 분야의 대표적 국제학술지인 게놈 바이올로지(Genome Biology, JCR 분야 상위 5% 이내)에 게재됐다. ※ 논문명 : Prediction of metabolites associated with somatic mutations in cancers by using genome-scale metabolic models and mutation data ※ 저자 정보 : 이가령(한국과학기술원, 공동 제1 저자), 이상미(한국과학기술원, 공동 제1 저자), 이성영(서울대학교병원, 공동저자), 정창욱(서울대학교병원, 공동저자), 송효진(서울대학교병원, 공동저자), 이상엽(한국과학기술원, 공동저자), 윤홍석(서울대학교병원, 교신저자), 고영일(서울대학교병원, 교신저자), 김현욱(한국과학기술원, 교신저자) 포함 총 9명 이번 연구는 과학기술정보통신부 한국연구재단의 지원을 받아 수행됐다.
최근 실생활에 활용되는 인공지능 모델이 시간이 지남에 따라 성능이 점차 떨어지는 현상이 다수 발견되었고, 이에 따라 지속가능한 인공지능 학습 기술에 대한 필요성이 커지고 있다. AI 모델이 꾸준히 정확한 판단을 내리는 것은 더욱 안전하고 신뢰할 수 있는 인공지능을 만들기 위한 중요한 요소이다. 우리 대학 전기및전자공학부 황의종 교수 연구팀이 시간에 따라 데이터의 분포가 변화하는 드리프트 환경에서도 인공지능이 정확한 판단을 내리도록 돕는 새로운 학습 데이터 선택 기술을 개발했다고 14일 밝혔다. 최근 인공지능이 다양한 분야에서 인간의 능력을 뛰어넘을 정도의 높은 성능을 보여주고 있지만, 대부분의 좋은 결과는 AI 모델을 훈련시키고 성능을 테스트할 때 데이터의 분포가 변하지 않는 정적인 환경을 가정함으로써 얻어진다. 하지만 이러한 가정과는 다르게 SK 하이닉스의 반도체 공정 과정에서 시간에 따른 장비의 노화와 주기적인 점검으로 인해 센서 데이터의 관측값이 지속적으로 변화하는 드리프트 현상이 관측되고 있다. 시간이 지나면서 데이터와 정답 레이블 간의 결정 경계 패턴이 변경되면, 과거에 학습되었던 AI 모델이 내린 판단이 현재 시점에서는 부정확하게 되면서 모델의 성능이 점차 악화될 수 있다. 본 연구팀은 이러한 문제를 해결하기 위해, 데이터를 학습했을 때 AI 모델의 업데이트 정도와 방향을 나타내는 그래디언트(gradient)를 활용한 개념을 도입하여 제시한 개념이 드리프트 상황에서 학습에 효과적인 데이터를 선택하는 데에 도움을 줄 수 있음을 이론적으로 실험적으로 분석했다. 그리고 이러한 분석을 바탕으로 효과적인 학습 데이터 선택 기법을 제안하여, 데이터의 분포와 결정 경계가 변화해도 모델을 강건하게 학습할 수 있는 지속 가능한 데이터 중심의 AI 학습 프레임워크를 제안했다. 본 학습 프레임워크의 주요 이점은, 기존의 변화하는 데이터에 맞춰서 모델을 적응시키는 모델 중심의 AI 기법과 달리, 드리프트의 주요 원인이라고 볼 수 있는 데이터 자체를 직접 전처리를 통해 현재 학습에 최적화된 데이터로 바꿔줌으로써, 기존의 AI 모델 종류에 상관없이 쉽게 확장될 수 있다는 점에 있다. 실제로 본 기법을 통해 시간에 따라 데이터의 분포가 변화되었을 때에도 AI 모델의 성능, 즉 정확도를 안정적으로 유지할 수 있었다. 제1 저자인 김민수 박사과정 학생은 "이번 연구를 통해 인공지능을 한번 잘 학습하는 것도 중요하지만, 그것을 변화하는 환경에 따라 계속해서 관리하고 성능을 유지하는 것도 중요하다는 사실을 알릴 수 있으면 좋겠다ˮ고 밝혔다. 연구팀을 지도한 황의종 교수는 “인공지능이 변화하는 데이터에 대해서도 성능이 저하되지 않고 유지하는 데에 도움이 되기를 기대한다”고 말했다. 본 연구에는 KAIST 전기및전자공학부의 김민수 박사과정이 제1 저자, 황성현 박사과정이 제2 저자, 그리고 황의종 교수(KAIST)가 교신 저자로 참여했다. 이번 연구는 지난 2월 캐나다 밴쿠버에서 열린 인공지능 최고 권위 국제학술 대회인 ‘국제 인공지능 학회(Association for the Advancement of Artificial Intelligence, AAAI)’에서 발표되었다. (논문명: Quilt: Robust Data Segment Selection against Concept Drifts) 한편, 이 기술은 SK 하이닉스 인공지능협력센터(AI Collaboration Center; AICC)의 지원을 받은 ‘노이즈 및 변동성이 있는 FDC 데이터에 대한 강건한 학습’ 과제 (K20.05) 와 정보통신기획평가원의 지원을 받은 ‘강건하고 공정하며 확장가능한 데이터 중심의 연속 학습’ 과제 (2022-0-00157) 와 한국연구재단의 지원을 받은 ‘데이터 중심의 신뢰 가능한 인공지능’ 과제 성과다.
양자 물질을 연구하거나 설계할 때 기존의 폰노이만식 전자컴퓨터를 이용한 계산은 근본적인 한계를 가진다. 양자계의 경우 양자 얽힘 등의 효과로 인해 계산량이 기하급수적으로 증가하기 때문이다. 따라서 양자물질 설계를 위해 물질의 특성을 알아내고자 할 때, 양자컴퓨터를 이용하는 양자 시뮬레이션이 필요하다. 우리 대학 물리학과 안재욱 교수 연구팀이 코펜하겐 대학 클라우스 뭴머(Klaus MØlmer) 교수 연구팀과 함께 양자 시뮬레이션을 수행하는 양자 컴퓨터 플랫폼으로 최근 가장 주목을 받는 리드버그 원자 양자 컴퓨터를 이용해 양자 자성체의 극단적 특성을 구현하는데 성공했다고 11일 밝혔다. 자성체 물질은 하드 디스크와 같은 전자제품을 비롯해 전력 발전 등에도 사용되는 등 현대 기술의 핵심 요소다. 최근에는 상온 자성체를 넘어서 양자적 특성이 두드러지는 초저온에서 양자 자성체 특성에 관한 연구가 활발히 이뤄지고 있다. 초저온에서 수행되는 물성 분석 및 계측 연구는 MRI 등의 의학 기기 등에 응용될 뿐만 아니라, 차세대 초정밀 제어계측공학을 촉발할 것으로 기대된다. 유명 물리학자 리처드 파인만은 1983년 양자계의 특성을 인공적인 양자계로 모방해 연구하는 양자 시뮬레이션을 제안하였다. 인공적으로 모방한 양자계의 특성을 연구하면 기존 양자계의 특성을 알아낼 수 있다. 양자 시뮬레이션을 이용한 양자 자성체의 연구는 지난 10년간 세계 유수의 대학과 연구소에서 이뤄지고 있으며 이전까지 알려지지 않은 양자 물질의 특성들을 실험적으로 확인하는 성과를 보였다. 현재 양자 물질을 시뮬레이션하는 데 있어 중요한 이슈 중 하나는 극단적인 상황 속 양자 물질의 현상을 관찰하는 것이다. 한편 이와 같은 양자 시뮬레이션을 수행하는 양자 컴퓨터 플랫폼으로 최근 가장 주목을 받는 것은 리드버그 원자다. 리드버그 원자는 최외각 전자가 이온화되어 떨어지기 직전의 매우 높은 에너지를 머금고 있는 원자로, 일반 원자의 만 배 정도의 지름을 가지며 (10의 24제곱)배 정도 더 큰 상호작용을 한다. 우리 대학 물리학과 안재욱 교수 연구팀은 최근 리드버그 원자를 이용해 최대 156큐비트급의 양자 컴퓨터 계산을 선보인 바 있다. 이번 연구에서 글로벌 공동연구팀은 리드버그 원자를 이용한 양자 컴퓨터를 이용해 양자 자성체를 설명하는 모형 중 하나인 하이젠베르크 모형*을 양자 컴퓨터로 모방해 구현했다. 특히 이전의 하이젠베르크 모형의 구현과 다르게, 이번 연구에서는 리드버그 원자의 강한 상호작용을 이용한 극단적 이방성 (3차원 중 특정 방향이 다른 방향 대비 1000배 이상 강하게 상호작용하는 특성으로 새로운 연구영역이 확보됨)을 구현하는 데 성공했다. *하이젠베르크 모형: 하이젠베르크 자성체 모형은 자성체 스핀 간의 모든 방향 (x, y, z 방향) 상호작용을 가정한 모형으로 양자 자성체의 대표적 모델 중 하나임. 연구를 주도한 안 교수는 “이번 연구는 리드버그 양자컴퓨터를 이용해 새로운 양자 물성을 연구할 수 있음을 보였다”라고 밝히고 “양자컴퓨터를 이용하는 물성 연구가 활발해질 것”이라고 기대했다. 우리 대학 물리학과 김강흔 대학원생 연구원과 덴마크 오르후스 대학의 팬 양(Fan Yang) 박사후 연구원이 참여한 이번 연구는 국제 학술지 `피지컬 리뷰 X (Physical Review X)' 2월 14권에 출판됐다. (논문명 : Realization of an Extremely Anisotropic Heisenberg Magnet in Rydberg Atom Arrays). 한편 이번 연구는 삼성미래기술재단과 한국연구재단의 지원으로 수행됐다.
국내 연구진이 인공지능(AI) 등에 널리 사용되는 그래픽 연산 장치(이하 GPU)에서 메모리 크기의 한계로 인해 초병렬 연산*의 결과로 대규모 출력 데이터가 발생할 때 이를 잘 처리하지 못하던 난제를 해결했다. 이 기술을 통해 향후 가정에서 사용하는 메모리 크기가 작은 GPU로도 생성형 AI 등 고난이도 연산이 대규모 출력을 필요한 경우 이를 빠르게 수행할 수 있다. *초병렬 연산: GPU를 이용하여 수 십 만에서 수 백 만 개의 작은 연산들을 동시에 수행하는 연산을 의미 우리 대학은 전산학부 김민수 교수 연구팀이 한정된 크기의 메모리를 지닌 GPU를 이용해 수십, 수백 만개 이상의 스레드들로 초병렬 연산을 하면서 수 테라바이트의 큰 출력 데이터*를 발생시킬 경우에도 메모리 에러를 발생시키지 않고 해당 출력 데이터를 메인 메모리로 고속으로 전송 및 저장할 수 있는 데이터 처리 기술(일명 INFINEL)을 개발했다고 7일 밝혔다. *출력데이터: 데이터 분석 결과 또는 인공지능에 의한 생성 결과물에 해당하는 데이터 최근 AI의 활용이 급속히 증가하면서 지식 그래프와 같이 정점과 간선으로 이루어진 그래프 구조의 데이터의 구축과 사용도 점점 증가하고 있는데, 그래프 구조의 데이터에 대해 난이도가 높은 초병렬 연산을 수행할 경우 그 출력 결과가 매우 크고, 각 스레드의 출력 크기를 예측하기 어렵다는 문제점이 발생한다. 또한, GPU는 근본적으로 CPU와 달리 메모리 관리 기능이 매우 제한적이기 때문에 예측할 수 없는 대규모의 데이터를 유연하게 관리하기 어렵다는 문제가 있다. 이러한 이유로 지금까지는 GPU를 활용해 ‘삼각형 나열’과 같은 난이도가 높은 그래프 초병렬 연산을 수행할 수 없었다. 김 교수팀은 이를 근본적으로 해결하는 INFINEL 기술을 개발했다. 해당 기술은 GPU 메모리의 일부 공간을 수백 만개 이상의 청크(chunk)라 불리는 매우 작은 크기의 단위들로 나누고 관리하면서, 초병렬 연산 내용이 담긴 GPU 커널(kernel) 프로그램을 실행하면서 각 스레드가 메모리 충돌 없이 빠르게 자신이 필요한 청크 메모리들을 할당받아 자신의 출력 데이터를 저장할 수 있도록 한다. 또한, GPU 메모리가 가득 차도 무중단 방식으로 초병렬 연산과 결과 출력 및 저장을 지속할 수 있도록 한다. 따라서 이 기술을 사용하면 가정에서 사용하는 메모리 크기가 작은 GPU로도 수 테라 바이트 이상의 출력 데이터가 발생하는 고난이도 연산을 빠르게 수행할 수 있다. 김민수 교수 연구팀은 INFINEL 기술의 성능을 다양한 실험 환경과 데이터 셋을 통해 검증했으며, 종래의 최고 성능 동적 메모리 관리자 기술에 비해 약 55배, 커널을 2번 실행하는 2단계 기술에 비해 약 32배 연산 성능을 향상함을 보였다. 교신저자로 참여한 우리 대학 전산학부 김민수 교수는 “생성형 AI나 메타버스 시대에는 GPU 컴퓨팅의 대규모 출력 데이터를 빠르게 처리할 수 있는 기술이 중요해질 것으로 예상되며, INFINEL 기술이 그 일부 역할을 할 수 있을 것”이라고 말했다. 이번 연구에는 김 교수의 제자인 박성우 박사과정이 제1 저자로, 김 교수가 창업한 그래프 딥테크 기업인 (주)그래파이 소속의 오세연 연구원이 제 2 저자로, 김 교수가 교신 저자로 참여하였으며, 국제 학술지 ‘PPoPP’에 3월 4일자 발표됐다. (INFINEL: An efficient GPU-based processing method for unpredictable large output graph queries) 한편, 이번 연구는 과기정통부 IITP SW스타랩 및 ITRC 사업, 한국연구재단 선도연구센터인 암흑데이터 극한 활용 연구센터의 지원을 받아 수행됐다.
우리 대학이 국가적 당면 과제인 인구 위기를 과학기술 아이디어로 해결하기 위한 대국민 아이디어 공모전을 개최한다. 2022년에 이어 두 번째로 열리는 'KAIST Crazy Day 아이디어 공모전'은 우리 대학과 국민이 함께 획기적인 역발상 아이디어를 찾아 공유하는 행사다. 파격적(Crazy)이고 창의적인(Creative) 사고, 실패를 두려워하지 않는 도전적 자세(Challenging), 타인을 향한 배려(Caring) 등 ‘4C’로 상징되는 KAIST 고유의 정신을 바탕으로 우리 사회가 직면한 위기와 도전 과제에 능동적으로 대처하는 문화를 확산하기 위해 마련됐다. 오는 18일부터 다음 달 12일까지 제안서를 접수하는 이번 공모전은 '인구 위기 극복을 위한 과학기술의 활용 아이디어'를 발굴한다. 특히, 초저출산, 초고령화, 인구감소, 경제성장률 위축, 지방소멸, 병역자원 부족 등 우리 사회가 직면한 인구 전환기에 대응하는 아이디어를 토대로 문제를 해결하기 위한 논의의 장을 마련하는 것이 목표다. 과학기술을 접목해 인구 위기를 극복할 수 있는 독창적이고도 색다른 아이디어가 있는 사람이라면 개인 또는 3인 이하의 팀을 이뤄 누구나 참여할 수 있다. 우리 대학 홈페이지(☞알림사항 바로가기 클릭) 또는 KAIST 국가미래전략기술 정책연구소 홈페이지(☞바로가기 클릭)를 통해 1인(팀)당 1건의 아이디어를 접수 기간 내에 제안하면 된다. 접수된 제안서는 아이디어의 구현 가능성, 사회‧윤리적 효과, Crazy Day 정신(4C) 부합성, 혁신성, 대중성, 상징성 등을 기준으로 내·외부위원으로 구성된 심사단의 평가를 거친다. 선발된 상위 5개 팀은 오는 6월 우리 대학 대전 본원에서 열리는 공개 발표 심사에 참여해 최종 수상작을 가리게 된다. 대상 1팀에는 500만 원, 최우수상 1팀 300만 원, 우수상 3팀에는 각 100만 원의 상금과 함께 KAIST 총장상이 수여된다. 이광형 총장은 "지난해 우리나라의 합계출산율은 0.72명으로 2025년 초고령사회로의 진입이 예상되며, 고령화의 속도도 세계에서 가장 빠르게 진행되는 만큼 인구문제에 국민 모두가 관심을 가지고 극복을 위한 지혜를 모아야 한다"라고 말했다. 이어, 이 총장은 "인류가 위기에 처할 때마다 과학기술은 돌파구를 만들어준 원동력이었다”라며, “이번 공모전을 통해 훌륭한 아이디어가 많이 제안되어 인구 위기 극복으로 이어지기를 바란다"라고 밝혔다.
우리 대학 여성교수협의회(회장 문수복 교수, 이하 여성교협)가 지난 11일 오후 학술문화관 양승택 오디토리움에서 '성평등 정책 보고회'를 개최했다.우리 대학은 개교 이래부터 지금까지 산학연 여성 리더 및 이공계 여성 인력 배출을 주도해온 산실이었으나, 이와 관련한 현황을 공개된 자료로 발간하거나 구성원들과 공유하는 자리가 마련된 사례는 많지 않았다. 'KAIST 양성평등 정책보고서' 발간을 기념해 열린 이번 행사는 국가 소멸 수준의 저출생 고령화 문제를 타개하기 위해 여성 인력 육성과 활용이 핵심 방법론으로 인식되고 있는 시대적 요구에 부응하고 관련 통계 및 방법론을 공유해 데이터 기반의 양성평등 정책 추진에 일조하기 위해 마련됐다. 여성교협은 학계와 산업계를 막론하고 여성이 절대 소수인 국내 이공계 현실 속에서도 최근 5년간 부임한 신임 교원의 25%, 공대 교원의 10%를 여성으로 확보한 우리 대학의 현황과 정책 제안을 담은 보고서를 지난 2년여간 준비해왔다.보고서 작성을 공동 주도한 서용석 문술미래전략대학원 교수의 발표를 시작으로 전창후 서울대 다양성위원회 위원장의 '통계를 통해 본 서울대의 성평등 현황 및 과제', 권오남 한국여성과학기술단체총연합회 회장의 '과학기술계에서의 젠더 다양성 현황', 박시정 과기부 미래인재정책국 과장이 '국가 소멸 위기 극복을 위한 여성과학기술인 육성 전략'의 발표가 이어졌다. 김명자 이사장은 "통계 자료 등을 통해 현재 학교나 국가에서는 여성 인력의 양적 확대를 강조하고 있지만 이에 그치지 않고 다음 단계에서는 질적인 향상, 즉 연구 수월성의 향상을 가져올 수 있는 정책의 지원이 필요하다"라고 강조했다. 또한 신용현 연세대 특임교수(전 국회의원)는 "KAIST가 성평등 정책 분야에서도 앞서나가 다른 대학에서 하지 못하는 혁신적인 정책을 선보이기 시작하면 우리 사회에도 곧 널리 퍼져나갈 수 있다고 본다"라고 의견을 밝혔다. 이어, "최고의 인력 양성에 걸맞은 선구적인 지원 시스템을 마련하길 바란다"라고 당부했다. 문수복 여성교수협의회 회장은 폐회사를 통해 "우리 대학에 여성 인력을 위한 좋은 제도들, 예를 들어 육아 휴직 중인 여성을 위한 브릿지 펀드 제도, 우수한 어린이집 시설 등이 있지만 구성원들 사이에는 적극적으로 홍보가 되지 않은 것 같다"라며, "이번 보고회를 통해 우수한 지원 제도들이 많이 알려지고, 이를 바탕으로 미래를 위한 더 좋은 성평등 지원제도가 마련될 수 있길 바란다"라고 덧붙였다. 양성평등법, 여성과학기술인 육성 및 지원을 위한 법률의 역사, 앞으로의 정책 방향 등을 총체적으로 논의한 이번 보고회에는 이광형 총장, 김명자 이사장 및 신용현 연세대 특임교수 등 교내·외 관계자 약 40여 명이 참석했다.
기계공학과 경기욱 교수가 KAIST와 공동캠퍼스를 진행하고 있는 뉴욕대학교(NYU)의 2024년 1월 겸임교수로 임용됐다. 경기욱 교수는 2023년 8월부터 뉴욕대학교 전자및컴퓨터공학과에서 연구연가를 보내고 있으며, 착용형 햅틱 인터페이스 등을 연구하고 있다. 2024년 1월 NYU 공과대학의 요청으로 로봇공학 부전공 학생들을 대상으로 2024년 봄학기 ‘소프트로봇 특별강좌’를 개설하여, 강의를 시작했다. 소프트로봇은 KAIST 기계공학과에서 2019년부터 대학원과목으로 개설되어왔는데, NYU에서는 학사과정에 적합하게 교과내용을 조정하여 강의되고 있다. 본 강의에는 NYU 기계공학과, 전자및컴퓨터공학과, 생물학과, 예술학과 등 다양한 학과의 학생들이 수강중이다. 경기욱 교수는 KAIST 교수가 NYU에서 강의하는 첫 사례로, 본 강의가 좋은 사례로 남아 향후 KAIST-NYU간 다양한 협력 확대의 계기가 되길 바란다고 하였다.
우리 대학 바이오혁신경영전문대학원(원장 권영선)이 우리나라 바이오벤처 생태계를 강화하기 위해 국내 최초의 산학 연계 '바이오벤처 엑셀러레이션 프로그램'을 3월 9일 시작했다. 설립 3년 이내의 창업 초기 단계의 바이오벤처기업을 지원하기 위해 마련된 이 프로그램은 선정된 회사들에게 3개월에 걸쳐 사업모델 검토, 시장 및 경쟁환경 분석, 주요 R&D 마일스톤, 재무 및 조직 운영계획 등 실질적인 회사 발전 전략 수립을 지원한다. 이를 위해 강지수 BNH Investment 전무이사, 김도형 온 힐 대표(前 노터스 대표), 김희경 KAIST 겸임교수(前 카인사이언스 대표, 前 삼성바이오에피스 임상의학 총괄), 이마세 인벤티지랩 CSO(前 동화약품 연구소장)를 포함해 국내 제약바이오산업 업계 최고의 전문가들이 자문위원으로 참여한다. 바이오혁신경영전문대학원은 공모를 통해 참여 기업을 모집한 후 지난달 29일 자문위원들의 심사를 거쳐 (주)엘레노바, 엔지틴, (주)프리모테라 등 총 3개 기업을 선정했다. 선정된 회사들은 바이오ㆍ헬스케어 산업 및 창업 생태계에서 다년간의 실무 경험을 보유한 KAIST 바이오혁신경영전문대학원 소속 MBA 과정 학생들과 함께 24년 봄 학기에 개설된 <바이오벤처혁신창업론> 수업에서 협업한다. 이들은 약 3개월에 걸쳐 사업모델 검토, 시장 및 경쟁환경 분석, 주요 R&D 마일스톤, 단기 및 중장기 재무ㆍHR 운영계획을 포함하는 사업계획(또는 IR 자료)을 마련할 계획이다. 최종 결과물은 벤처캐피탈 및 기타 투자기관을 대상으로 하는 기업설명회를 통해 발표하며, 향후 국내외 투자 및 협업 파트너, 혹은 더 광범위한 정책 이니셔티브로 연결하는 방안도 함께 모색한다. 프로그램 지도를 맡은 박기환 KAIST 바이오혁신경영전문대학원 초빙교수(前 동화약품 대표이사)는 "이 프로그램을 통해 초기 바이오벤처기업은 사업 전략 도출을 위한 효과적인 컨설팅 및 새로운 관점의 솔루션을 제공받는 것은 물론 관련 분야의 네트워킹을 강화하는 계기를 마련할 수 있을 것"이라고 설명했다. 이어, 박 교수는 "KAIST 바이오혁신경영전문대학원 학생들은 학습 내용 및 자신들의 경험과 지식을 바이오벤처기업 성장전략 수립에 적용해 보는 실전 경험을 축적할 수 있어, 산학이 상생 협력하는 앞선 본보기가 될 것으로 기대한다"라고 덧붙였다.
우리 학교는 11일 오전, 2024년도 새 학기를 맞아 주요 보직자 및 학생 대표들과 함께 국립대전현충원을 방문해 국가사회공헌자 묘역을 참배했다. 이날 참배에는 이광형 총장과 이은우 감사를 비롯하여 부총장, 단과대학장, 처장, 학과장과 학부, 대학원 총학생회 학생 대표 등 약 40명이 참여했다. 이들은 현충탑에서 헌화, 분향을 마친 후 국가사회공헌자 묘역을 찾아 과학기술계에 혁혁한 공을 세운 최형섭 전 과학기술처 장관, 최순달 KAIST 명예교수, 한필순 전 한국원자력연구소장의 묘역을 찾아 경의와 애도의 마음을 표했다. 금일 행사는 대한민국과 과학기술 발전을 위해 헌신한 순국선열을 기리고, 그 정신을 본받고자 하는 취지로 2023년에 이어 올해 두 번째로 개최됐다. 행사에 앞서 우리 대학 이광형 총장은“지난 50여 년간 KAIST를 굳건하게 지탱해 온 것은 과학기술로 국가 경제에 기여하겠다는 설립 이념과 국민의 지지였다. 앞으로도 구성원 모두가 국가와 국민에 빚을 지고 있다는 생각으로 더 노력해야겠다는 마음이다.”라고 말했다. 이어 “오늘 참배를 통해 국가적 대의를 위해 뜻을 모아 헌신하신 순국선열과 과학기술 유공자의 삶을 다시 새기며, 우리 대학이 세계 최고의 과학기술혁신대학으로 거듭나 사회적 소임을 이어갈 수 있도록 마음가짐을 다지는 기회가 됐으면 한다.”라고 덧붙였다.
https://www.etnews.com/20240108000132
2024.01.25https://www.hellodd.com/news/articleView.html?idxno=103102
2024.01.18https://tjmbc.co.kr/article/n394-ltoniULvz
2024.01.05https://www.msit.go.kr/bbs/view.do?mId=113&mPid=238&bbsSeqNo=94&nttSeqNo=3183893
2023.12.30https://www.asiae.co.kr/article/2023120510245736382
2023.12.05