-
빛 0.02초로 3,000 ℃구현...수소 생산 효율 6배 높혔다
요즘 수소 같은 청정에너지를 더 효율적이고 저렴하게 만들기 위해, 적은 전력으로 성능이 뛰어난 촉매 재료를 빠르게 합성하는 기술이 중요한 연구 주제로 떠오르고 있다. 우리 대학 연구진은 빛을 단 0.02초 비추어 3,000 ℃의 초고온을 구현하고 수소 생산 촉매를 효율적으로 제작할 수 있는 플랫폼 기술을 개발했다. 이 덕분에 에너지는 1/1,000만 쓰고도, 수소 생산 효율은 최대 6배 높아졌다. 이번 성과는 미래 청정에너지 기술의 상용화를 앞당길 핵심 돌파구로 평가된다.
우리 대학은 10월 20일, 신소재공학과 김일두 교수 연구팀과 전기및전자공학부 최성율 교수 연구팀이 강력한 빛을 짧게 쬐어주는 것만으로 고성능 나노 신소재를 합성하는 ‘직접접촉 광열처리(Direct-contact photothermal annealing)’ 합성 플랫폼을 개발했다고 밝혔다.
연구팀은 빛을 아주 짧게(0.02초) 비추는 것만으로 순간적으로 3,000 ℃의 초고온을 만들어내는 촉매 합성 기술을 개발했다. 이 빛의 열로, 단단하고 잘 반응하지 않는 ‘나노다이아몬드(nanodiamond)’를 전기가 잘 통하고 촉매로 쓰기 좋은 고성능 탄소 소재인 ‘탄소 나노어니언(Carbon Nanoonion)’이라는 새로운 소재로 바꾸는 데 성공했다. 이를 통해 기존 열선 가열 기반의 열처리 공정보다 에너지 소비를 1/1,000 수준으로 줄이면서, 공정 속도는 수백 배 이상 단축했다.
더 놀라운 점은, 이 과정에서 전환된 탄소 나노어니언 표면에 금속 원자를 하나하나 달라붙게 만들어 촉매 기능까지 동시에 구현했다는 것이다. 즉 ‘빛 비추기’로 구조를 바꾸고 그 재료에 기능까지 부여하는 일석이조의 촉매 플랫폼 기술을 개발했다.
탄소 나노어니언은 탄소 원자가 양파처럼 여러 겹으로 쌓인 초미세 구형태의 소재로, 전기 전도도와 내화학성이 뛰어나 촉매를 지지하는데 적합하다.
하지만 기존에는 탄소 나노어니언을 합성한 뒤 다시 촉매를 부착하는 복잡한 공정을 거쳐야 했고, 열선으로 가열하는 기존 열처리 방식은 에너지 소모가 크고 시간이 오래 걸려 상용화에 어려움이 있었다.
연구팀은 이 문제를 해결하기 위해 빛 에너지를 열로 전환하는 ‘광열효과(Photothermal effect)’를 이용했다. 탄소 나노어니언의 전구체인 ‘나노다이아몬드’에 빛을 잘 흡수하는 검은색 ‘카본블랙’을 섞은 뒤, 제논 램프로 강한 빛을 터뜨리는 방식을 고안했다.
그 결과 단 0.02초 만에 나노다이아몬드가 탄소 나노어니언으로 전환된다. 분자동역학 시뮬레이션에서도 이 과정이 물리적으로 충분히 가능한 것으로 확인됐다.
더 나아가, 이 플랫폼은 탄소 나노어니언 합성과 단일원자 촉매 부착을 한 번에 처리할 수 있다는 점에서 혁신적이다. 백금과 같은 금속 전구체를 함께 넣으면 금속들이 원자 단위로 분해되는 ‘단일원자 촉매’로 갓 생성된 탄소 나노어니언 표면에 즉시 달라붙는다.
이후 빠른 냉각 과정에서 원자들이 뭉치지 않아, 소재 합성과 촉매 기능화가 완벽히 통합된 단일 공정으로 완성된다. 연구팀은 이 기술을 활용해 백금(Pt), 코발트(Co), 니켈(Ni) 등 8종의 고밀도 단일원자 촉매를 성공적으로 합성했다.
이번에 제작된 ‘백금 단일원자 촉매–탄소 나노어니언’은 기존보다 6배 효율적으로 수소를 만들어내면서도 훨씬 적은 양의 고가 금속으로도 높은 효율을 낼 수 있음을 입증한 결과다.
김일두 교수는 “강한 빛을 0.02초도 안 되는 짧은 시간 동안 조사해 3,000 ℃까지 상승시키는 직접접촉 광열처리 기술을 최초로 구현했다”며 “기존 열처리 대비 에너지 소비를 1,000배 이상 줄인 초고속 합성–단일원자 촉매 기능화 통합 공정은 수소 에너지, 가스 센서, 환경 촉매 등 다양한 응용 분야의 상용화를 앞당길 것으로 기대된다”고 밝혔다.
이번 연구는 전도경 박사과정(KAIST 신소재공학과), 신하민 박사(KAIST 신소재, 현 ETH Zurich 박사후연구원), 차준회 박사(KAIST 전기및전자공학부, 현 SK hynix 연구원)가 공동 제1저자로 참여했으며, 최성율 교수(전기및전자공학부)와 김일두 교수(신소재공학과)가 교신저자로 참여했다.
연구 결과는 나노 및 화학 분야의 세계적 학술지인 미국화학회(American Chemical Society, ACS) 발간 『ACS Nano』 9월호 속표지(Supplementary Cover) 논문으로 게재되었다.
※ 논문명: Photothermal Annealing-Enabled Millisecond Synthesis of Carbon Nanoonions and Simultaneous Single-Atom Functionalization, DOI: 10.1021/acsnano.5c11229
본 연구는 한국연구재단 과학기술정보통신부 글로벌 R&D 기반구축사업, 선도연구센터지원사업, 나노종합기술원 반도체–이차전지 인터페이싱 플랫폼 기술개발 사업의 지원을 받아 수행되었다.
2025.10.20
조회수 1997
-
트랜스포머의 지능과 맘바의 효율 합한 AI 반도체 두뇌 개발
최근 인공지능(AI) 모델이 길고 복잡한 문장을 이해하고 처리하는 능력이 커지면서, 연산 속도와 메모리 효율을 동시에 높일 수 있는 새로운 반도체 기술의 필요성이 커지고 있다. 이런 가운데 우리 대학 ·국제연구진이 거대언어모델(LLM)의 추론 속도는 4배 높이면서 전력 소비는 2.2배 줄인 트랜스포머(Transformer)와 맘바(Mamba) 하이브리드 구조 기반의 AI 반도체 핵심 두뇌 기술을 세계 최초로 메모리 내부에서 직접 연산이 가능한 형태로 구현하는 데 성공했다.
우리 대학은 박종세 교수 연구팀이 미국 조지아 공과대학교(Georgia Institute of Technology) 및 스웨덴 웁살라 대학교(Uppsala University)와 공동연구를 통해, 차세대 인공지능 모델의 두뇌 역할을 하는 ‘AI 메모리 반도체(PIM, Processing-in-Memory)’ 기반 기술 ‘PIMBA’를 개발했다고 17일 밝혔다.
현재 ChatGPT, GPT-4, Claude, Gemini, Llama 등 LLM은 모든 단어를 동시에 보는 ‘트랜스포머(Transformer)’ 두뇌 구조를 기반으로 작동한다. 이에 따라, AI 모델이 커지고 처리 문장이 길어질수록 연산량과 메모리 요구량이 급증해, 속도 저하와 에너지 소모가 주요 문제로 지적돼 왔다.
이런 트랜스포머 문제점을 보완하기 위해 최근 제시된 순차형 기억형 두뇌인 ‘맘바(Mamba)’ 구조는 시간의 흐름에 따라 정보를 처리하는 방식을 도입해 효율을 높였지만, 여전히 메모리 병목 현상(memory bottleneck)과 전력 소모 한계가 남아 있었다.
박종세 교수 연구팀은 트랜스포머와 맘바의 장점을 결합한 ‘트랜스포머–맘바 하이브리드 모델’의 성능을 극대화하기 위해, 연산을 메모리 내부에서 직접 수행하는 새로운 반도체 구조 ‘PIMBA’를 설계했다.
기존 GPU 기반 시스템은 데이터를 메모리 밖으로 옮겨 연산을 수행하지만, PIMBA는 데이터를 옮기지 않고 저장장치 내부에서 바로 계산을 수행한다. 이로써 데이터 이동 시간을 최소화하고 전력 소모를 크게 줄일 수 있다.
그 결과, 실제 실험에서 PIMBA는 기존 GPU 시스템 대비 처리 성능이 최대 4.1배 향상되었고, 에너지 소비는 평균 2.2배 감소하는 성과를 보였다.
연구 성과는 오는 10월 20일 서울에서 열리는 세계적 컴퓨터 구조 학술대회 ‘제58회 국제 마이크로아키텍처 심포지엄(MICRO 2025)’에서 발표될 예정이며, 앞서 ‘제31회 삼성휴먼테크 논문대상’ 금상을 수상해 우수성을 인정받았다.
※논문명: Pimba: A Processing-in-Memory Acceleration for Post-Transformer Large Language Model Serving, DOI: 10.1145/3725843.3756121
이번 연구는 정보통신기획평가원(IITP), 인공지능반도체대학원 지원사업, 그리고 과학기술정보통신부와 정보통신기획평가원의 ICT R&D 프로그램의 일환으로 한국전자통신연구원(ETRI)의 지원을 받아 수행되었으며, EDA 툴은 반도체설계교육센터(IDEC)의 지원을 받았다.
2025.10.17
조회수 1882
-
세포·약물 반응‘레고블록’처럼 조립·예측하는 AI 기술 개발
세포의 상태를 원하는 방향으로 조절하는 것은 신약 개발, 암 치료, 재생 의학 등 생명과학 분야의 핵심 과제지만, 적합한 약물이나 유전자 표적을 찾는 일은 쉽지 않다. 이에 우리 대학 연구진은 세포와 약물 반응을 레고블록처럼 분해하고 다시 조립하는 방식으로 수학적으로 모델링해, 실제로 실험하지 않은 세포와 약물의 새로운 반응은 물론 임의의 유전자 조절 효과까지 예측할 수 있는 새로운 AI 기술을 개발했다.
우리 대학은 바이오및뇌공학과 조광현 교수 연구팀이 생성형 AI를 활용해 세포를 목표 상태로 유도할 수 있는 약물과 유전자 표적을 찾아내는 새로운 인공지능 기술을 개발했다고 16일 밝혔다.
‘잠재공간(latent space)’은 이미지 생성 AI가 사물이나 세포의 특징을 수학적으로 정리해 놓은 보이지 않는 ‘지도’와 같은 공간이다. 연구팀은 이 공간에서 세포의 상태와 약물의 효과를 각각 분리해내고, 이를 다시 조합해 실험하지 않은 세포-약물 조합의 반응을 예측하는 방식을 고안했다. 이 원리를 확장해, 특정 유전자를 조절했을 때 어떤 변화가 나타나는지도 예측할 수 있음을 보였다.
연구팀은 실제 데이터를 활용해 이 기술을 검증했다. 그 결과 대장암 세포를 정상 세포에 가까운 상태로 되돌릴 수 있는 분자 표적을 AI가 찾아냈고, 이를 세포 실험으로 입증했다.
이는 이번 성과가 암 치료에만 국한되는 것이 아니라, 학습되지 않은 다양한 세포 상태 전환과 약물 반응을 예측할 수 있는 범용 플랫폼임을 보여주는 사례다. 즉, 단순히 ‘이 약이 효과가 있다’ 수준이 아니라 그 약이 세포 안에서 어떻게 작용하는지 원리까지 밝힐 수 있었다는 점에서 의미가 크다.
이번 연구는 세포를 원하는 상태로 바꿀 수 있는 방법을 설계하는 데 큰 도움이 되는 도구다. 앞으로 신약 개발이나 암 치료뿐만 아니라, 손상된 세포를 다시 건강한 세포처럼 되살리는 연구 등 여러 의학 분야에 널리 활용될 수 있을 것으로 기대된다.
조광현 교수는 “이미지 생성 AI 기술에서 착안해 세포도 원하는 방향으로 바꿀 수 있다는 아이디어인 ‘방향 벡터’ 개념을 적용했다”며, “이번 기술은 특정 약물이나 유전자가 세포에 미치는 효과를 정량적으로 분석하고, 아직 알려지지 않은 반응까지 예측할 수 있는 범용 AI 방식이라는 점에서 의미가 크다”고 말했다.
이번 연구에는 KAIST 한영현 박사, 김현진 박사과정, 이춘경 박사가 참여했으며, 연구 결과는 셀(Cell) 출판사가 출간하는 국제 학술지 `셀 시스템(Cell Systems)'에 10월 15일 字 논문으로 출판됐다.
※ 논문명: Identifying an optimal perturbation to induce a desired cell state by generative deep learning (DOI: 10.1016/j.cels.2025.101405)
한편, 이번 연구는 과학기술정보통신부 한국연구재단의 중견연구사업과 기초연구실 사업 등의 지원을 통해 수행됐다.
2025.10.16
조회수 1597
-
개인정보 공유 없이 병원·은행에서도 통하는 연합학습 AI 개발
환자 진료기록이나 금융 데이터처럼 개인정보를 한곳에 모으기 어려운 문제를 해결하기 위해 ‘연합학습(Federated Learning)’이 고안됐다. 하지만 공동으로 학습한 AI를 각 기관이 자신의 환경에 맞게 최적화하는 과정에서, AI가 특정 기관 데이터에만 과도하게 적응해 새로운 데이터에는 취약해지는 한계가 있었다. 우리 대학 연구진은 이를 해결할 방법을 제시했으며, 병원·은행 같은 보안 분야는 물론, 소셜미디어·온라인 쇼핑처럼 변화가 잦은 환경에서도 안정적인 성능을 확인했다.
우리 대학은 산업및시스템공학과 박찬영 교수 연구팀이 연합학습의 고질적인 성능 저하 문제를 해결하고, AI 모델의 일반화(Generalization) 성능을 크게 향상시키는 새로운 학습 방법을 개발했다고 15일 밝혔다.
연합학습은 여러 기관이 데이터를 직접 주고받지 않고도 공동으로 AI를 학습할 수 있는 방식이다. 그러나 이렇게 완성된 공동 AI 모델을 각 기관이 현장에 맞춰 최적화(파인 튜닝)하는 과정에서 문제가 발생한다. 기존의 폭넓은 지식이 희석되며, AI가 특정 기관의 데이터 특성에만 과도하게 적응하는‘지역 과적합(Local Overfitting)’문제가 생기기 때문이다.
예를 들어 여러 은행이 함께 ‘공동 대출 심사 AI’를 구축한 뒤, 특정 은행이 대기업 고객 데이터를 중심으로 파인튜닝을 진행하면 해당 은행의 AI는 대기업 심사에는 강점을 보이지만 개인이나 스타트업 고객 심사에서는 성능이 떨어지는 지역 과적합 문제가 생긴다.
박 교수 연구팀은 이를 해결하기 위해 ‘합성 데이터(Synthetic Data)’ 방식을 도입했다. 각 기관의 데이터에서 핵심적이고 대표적인 특징만을 추출해 개인정보를 포함하지 않는 가상 데이터를 생성하고, 이를 파인튜닝 과정에 적용한 것이다. 이로써 각 기관의 AI는 개인정보 공유없이 자신의 데이터에 맞춰 전문성을 강화하면서도, 공동학습으로 얻은 폭넓은 시야(일반화 성능)를 잃기 않게 되었다.
연구 결과, 해당 방법은 의료·금융 등 데이터 보안이 중요한 분야에서 특히 효과적일 뿐 아니라, 소셜미디어나 전자상거래처럼 새로운 사용자와 상품이 지속적으로 추가되는 환경에서도 안정적인 성능을 발휘했다. 새로운 기관이 협력에 참여하거나 데이터 특성이 급격히 변하더라도 AI가 혼란스러워하지 않고 안정적으로 성능을 유지할 수 있음을 보여줬다.
박찬영 산업및시스템공학과 교수는 “이번 연구는 데이터 프라이버시를 지키면서도, 각 기관의 AI가 전문성과 범용성을 동시에 보장하는 새로운 길을 열었다”라며, “의료 AI, 금융 사기 탐지 AI처럼 데이터 협업이 필수적이지만 보안이 중요한 분야에서 큰 도움이 될 것”이라고 말했다.
이번 연구는 데이터사이언스대학원 김성원 학생이 제1 저자, 박찬영 교수가 교신저자로 참여했으며, 지난 4월 싱가포르에서 열린 인공지능 분야 최고 권위 학술대회인 ‘국제표현학습학회(International Conference on Learning Representations, ICLR) 2025’에서 상위 1.8%의 우수 논문에만 선정되는 구두 발표(Oral Presentation) 대상으로 채택되어 그 우수성을 입증받았다.
※ 논문명: Subgraph Federated Learning for Local Generalization, https://doi.org/10.48550/arXiv.2503.03995
한편, 이번 연구는 정보통신기획평가원의 지원을 받은 ‘강건하고 공정하며 확장 가능한 데이터 중심의 연속 학습’과제와 한국연구재단의 지원을 받은 ‘그래프 파운데이션 모델: 다양한 모달리티 및 도메인에 적용 가능한 그래프 기반 기계 학습’과제와 ‘데이터사이언스융합인재양성 사업’의 성과다.
2025.10.15
조회수 2032
-
사람처럼 텍스트·이미지 등 동시에 이해하는 멀티모달 AI 개발
보통 그림과 글자가 함께 있을 때 사람의 시선이 그림에 먼저 가는 것처럼, 여러 감각을 동시에 활용하는 ‘멀티모달 인공지능’도 특정 데이터에 더 크게 의존하는 경향이 있다. 우리 대학 연구진은 이러한 상황에서도 그림과 글자를 모두 고르게 인식하여 훨씬 더 정확한 예측을 가능케 하는 멀티모달 인공지능 학습 기술을 개발했다.
우리 대학은 전기및전자공학부 황의종 교수 연구팀이 다양한 데이터 유형을 한 번에 처리해야 하는 멀티모달 인공지능이 모든 데이터를 고르게 활용할 수 있도록 돕는 새로운 학습 데이터 증강 기술을 개발했다고 14일 밝혔다.
멀티모달 인공지능은 텍스트, 영상 등 여러 데이터를 동시에 활용해 판단하고 있다. 하지만 인공지능은 여러 정보를 받아들일 때, 한쪽 데이터에 치우쳐 판단하는 경향을 보여 예측 성능이 떨어지는 문제가 있었다.
연구팀은 이 문제를 해결하기 위해, 일부러 서로 어울리지 않는 데이터를 섞어서 학습에 사용했다. 그러면 인공지능은 어떤 경우에도 한쪽 데이터에만 의존하지 않고, 글과 그림, 소리 등 모든 데이터를 균형 있게 활용하는 방법을 배우게 된다.
또, 품질이 낮은 데이터는 보완하고, 어려운 데이터는 더 강조해서 훈련하는 방식까지 더해 다양한 상황에서도 안정적으로 성능을 높일 수 있음을 보여줬다. 이 방법은 특별한 모델 구조에 묶이지 않고, 어떤 종류의 데이터에도 쉽게 적용할 수 있어 확장성과 실용성이 크다는 점에서 의미가 있다.
황의종 교수는 “AI 성능을 높이려면 모델 구조(알고리즘)만 바꾸는 것보다, 어떤 데이터를 어떻게 학습에 쓰느냐가 훨씬 중요하다”며 “이번 연구는 멀티모달 인공지능이 특정 데이터(예: 영상, 텍스트)에 치우치지 않고 균형 있게 정보를 활용할 수 있도록 데이터 자체를 설계하고 가공하는 접근법이 효과적일 수 있음을 보여줬다”고 말했다.
이번 연구에는 전기및전자공학부 황성현 박사과정, 최소영 석사과정이 공동 제1저자로 참여했으며, 황의종 교수가 교신저자로 참여했다. 연구 결과는 오는 12월 미국 샌디에이고와 멕시코 멕시코시티에서 열리는 AI 분야 최고 권위 국제학술대회 NeurIPS(Conference on Neural Information Processing Systems)에서 발표될 예정이다.
※ 논문명: MIDAS: Misalignment-based Data Augmentation Strategy for Imbalanced Multimodal Learning, 논문 원본: https://arxiv.org/pdf/2509.25831
한편, 이번 연구는 정보통신기획평가원(IITP)의 지원을 받은 ‘강건하고 공정하며 확장 가능한 데이터 중심의 연속 학습’ 과제 (RS-2022-II220157)와 ‘뇌질환 진단 및 치료용 비침습 근적외선 기반 AI 기술’ 과제 (RS-2024-00444862)의 지원을 받아 수행됐다.
2025.10.14
조회수 1584
-
KAIST-(주)버넥트, 가상융합연구소 설립 협약..K-메타버스 혁신 주도
우리 대학 캠퍼스에 현실과 가상의 경계를 허물고 시공간의 한계를 넘어 경험을 공유하는 K-메타버스 기술 역량을 축적한 개방형 산학연 플랫폼이 구축될 전망이다.
우리 대학은 13일 메타버스대학원과 국내 가상증강현실(XR) 전문기업이자 KAIST 동문 창업기업인 ㈜버넥트(대표 하태진)의 ‘가상융합연구소’ 설립 및 운영 협약을 체결한다고 13일 밝혔다.
우리 대학 캠퍼스에 신축되는 가상융합연구소는 향후 관련 출연연 참여까지 준비하며 단순한 산학협력을 넘어 대한민국 미래 성장 동력을 창출할 국가 전략 거점으로 기능할 예정이다. (주)버넥트는 KAIST와 함께 연구소를 국내외 산학연이 공동으로 참여하는 개방형 연구 협력 플랫폼으로 조성할 계획이다.
이 연구소는 현실과 가상의 융합을 실험하고, 이를 통해 기술 개발과 인재 양성, 산업 확산이 선순환하는 ‘K-메타버스 혁신 생태계’의 글로벌 허브로 자리매김할 전망이다.
㈜버넥트는 하태진 KAIST 동문이 창업한 기업으로, 2023년 코스닥에 상장했으며 산업용 AI 스마트고글 ‘VisionX’를 개발해 CES 혁신상을 수상했다. AI·XR 솔루션과 디지털 트윈 등 다양한 산업 혁신 기술을 기반으로 국내 대표 공간컴퓨팅 기업으로 성장해왔다. 이번 협력을 통해 KAIST와의 상생 시너지가 기대된다.
공간컴퓨팅과 XR 기술은 애플·메타·구글·마이크로소프트·삼성 등 글로벌 빅테크가 차세대 AI 플랫폼으로 주목하며 치열한 주도권 경쟁을 벌이는 분야다. 미국과 중국 등 주요국이 막대한 자본과 역량을 투입하는 가운데, KAIST 가상융합연구소 출범은 우리나라가 포스트 메타버스 시대 경쟁에서 뒤처지지 않기 위한 전략적 대응으로 평가된다.
연구소는 디지털 트윈, 메타버스, 공간·물리지능, 착용형 XR 등 핵심 기술을 통합한 R&BD(Research & Business Development) 허브로서 산업 생산성과 사회 혁신을 동시에 이끌 계획이다. 또한 교육–연구–실증–상용화–확산을 아우르는 전 주기 체계를 통해 산업 현장 적용 가능성을 신속히 검증하고 신산업 창출을 뒷받침할 예정이다.
아울러 연구소는 정부 정책과 긴밀히 연계해 국가 차원의 시너지를 창출한다. ▲교육·연구 연계 강화 ▲지속가능한 메타버스 생태계 조성 ▲개방형 산학연 플랫폼을 통한 글로벌 주도권 확대는 정부가 추진하는 가상융합산업 고도화 전략과 맞닿아 있다.
버넥트 하태진 대표는 “KAIST와의 장기 협력은 우리가 글로벌 XR 산업의 게임 체인저로 도약할 발판”이라며 “연구·교육 인프라를 통해 가상융합 기술 경쟁력을 강화하고, 실증을 통해 상용화를 앞당기겠다”고 말했다.
메타버스대학원장 우운택 교수는 “가상융합연구소는 산학연이 함께 K-메타버스 혁신을 실험하는 개방형 플랫폼이자, 미래 핵심 인력을 양성하고 연구 성과를 산업계로 확산하는 ‘메타 발전소’ 역할을 할 것”이라고 강조했다.
이광형 KAIST 총장은 “이번 협약은 단순히 새로운 연구소를 만드는 것을 넘어 연구와 산업의 경계를 허물어 글로벌 리더십을 확보하기 위한 전략적 투자”라며 “KAIST는 연구소 지원을 아끼지 않을 것”이라고 말했다.
향후 정부의 가상융합산업 특성화 대학원·연구소 지정과 산업계 협력이 더해진다면, KAIST 가상융합연구소는 한국의 메타버스 역량을 집결시키는 국가 혁신 플랫폼으로 자리매김할 것이다. 이는 단순한 기술 개발을 넘어 미래 사회를 위한 새로운 가치 창출과 국가 경쟁력 강화로 이어질 것으로 기대된다.
2025.10.13
조회수 1339
-
MICCAI 국제학회 주관 뇌혈관 구획화 대회 MRI 및 CT 부문 1위
우리 대학 바이오및뇌공학과 박성홍 교수 연구실(연구실명: 자기공명영상 연구실, Magnetic Resonance Imaging Laboratory)이 MICCAI 국제학회의 TopBrain 뇌 혈관 Segmentation Challenge에서 1등상을 수상했다.
MICCAI의 TopBrain Challenge는 뇌혈관을 가장 정확히 구획화(Segmentation)하는 딥러닝 네트워크 개발을 놓고 매년 전세계적으로 경쟁하는 대회로서 올해로 3회째를 맞고 있다. 이전 두 대회는 TopCoW라는 이름으로 대뇌동맥고리(circle of willis) 영역 구획화로만 치러졌고, 올해 처음 TopBrain이라는 이름으로 뇌 전체 혈관 구획화로 확장되었다. MICCAI (Medical Image Computing and Computer Assisted Intervention)는 매년 전세계 의료영상연구자들의 모임으로써 올해는 대전 convention center (DCC)에서 전세계 3천명 내외의 연구자가 참여했다.
TopBrain Challenge는 MICCAI에서 개최하는 50개 Challenge중 하나로서, MRI 뇌혈관영상과 CT 뇌혈관영상에 대해 따로 경쟁을 치른다. 지난 8월 대회가 시작되었고 9월 21일 최종 딥러닝 네트워크 제출마감, 9월 23일 MICCAI 학회에서 수상자 발표의 순으로 진행되었다.
MRI 뇌혈관영상 분야와 CT 뇌혈관영상 분야 모두 1등상은 박성홍 교수 연구실의 김우승, Naparasa Asawalertsak, 김민재, 신동호 네 학생이 KPopDemonHunters라는 팀명으로 참여하여 수상하였다.
구체적으로, OpenMind pre-trained network를 활용하여, self-supervised learning을 이용하여 fine tuning을 진행하고, binary segmentation을 이용하여 false positive 값들을 줄이고, 공개된 TopCoW 데이터를 추가로 활용하여 pseudo-label을 만들어서 네트워크 정확도를 개선하였다. 개발된 네트워크는 MRI 뇌혈관영상의 경우 단순한 1등이 아니라 대회를 주관한 challenge organizer 팀들보다도 더 높은 성능을 보였다.
2025.10.13
조회수 1261
-
미생물로 석유화학산업 핵심 원료 만든다
페트병, 스티로폼, 나일론 등 일상 곳곳에 쓰이는 BTEX(벤젠·톨루엔·에틸벤젠·파라자일렌)은 핵심 원료지만, 지금까지는 석유 정제를 통해서만 얻을 수 있었다. 식물 기반 생산 시도는 오랫동안 난제로 남아 있었다. 그러나 KAIST 연구팀이 마침내 석유 대신 폐목재 등 바이오매스 유래의 포도당으로부터 BTEX를 생산하는 데 성공, 차세대 친환경 플라스틱 원료로 가는 길을 열었다.
우리 대학은 생명화학공학과 이상엽 특훈교수 및 화학과 한순규 교수 공동 연구팀이 미생물 발효 공정과 유기화학 반응을 결합하여 포도당, 글리세롤과 같은 재생 가능한 바이오 원료에서 벤젠, 톨루엔, 에틸벤젠, 파라자일렌 등(BTEX)을 생산하는 공정을 개발하였다고 12일 밝혔다.
우리 대학 연구팀은 석유 정제로 인한 환경 부담과, 복잡한 화학 구조 때문에 식물 기반 BTEX 생산이 어려웠던 문제를 미생물 세포공장과 화학 반응을 융합한 새로운 공정으로 해결했다.
미생물이 포도당, 글리세롤을 이용해 페놀, 벤질알코올 등 산소화된 중간 물질을 만들고, 이를 화학 반응으로 산소를 제거하여 벤젠·톨루엔 같은 BTEX을 얻는 방식이다.
특히 이상엽 교수가 이끌어온 ‘시스템 대사공학 기술’로 미생물의 대사 경로를 새로 설계해 효율을 높였다. 여기에 연구팀은 비밀 병기인 ‘아이소프로필 마이리스테이트(IPM)’라는 특별한 용매를 사용했다.
이 용매는 복잡한 정제 과정 없이 바로 반응 가능하며 끓는점이 높아 BTEX와 쉽게 분리·재활용 가능하다. 덕분에 공정은 단순해지고 효율은 크게 올랐다.
이번에 구축한 플랫폼은 미생물 대사의 선택성과 화학 반응의 효율성을 결합해 BTEX의 재생 가능한 생산 경로를 마련했다는 점에서 의의가 크며, 앞으로는 미생물이 원료를 더 효율적으로 활용하도록 설계하고, 공정을 산업 규모로 확대하며, 친환경 촉매를 도입해 기술을 한 단계 더 발전시킬 수 있을 것으로 기대된다.
녹색성장지속가능대학원 최경록 교수는 “이번 연구는 단순한 BTEX 생산을 넘어, 미생물과 화학 반응을 한 과정에서 통합할 수 있는 새로운 체계를 제시했다”며, “특히 끓는점이 높은 IPM 덕분에 BTEX를 쉽게 분리하고 재활용할 수 있어 석유화학의 지속 가능한 대안이 될 수 있다”고 강조했다.
공동 교신저자인 한순규 교수는 “이번 성과는 잘 쓰이지 않던 용매(IPM) 안에서 미생물 대사공학과 화학 반응이 동시에 잘 작동하도록 한 것이 핵심”이라며, “이로써 기존 촉매와 시약의 한계를 극복할 수 있었다”고 설명했다.
이상엽 특훈교수는 “BTEX 수요는 세계적으로 계속 증가하고 있다”며, “이번 성과는 석유 의존도를 낮추고, 연료·화학 산업의 탄소 발자국을 줄이며, 지속 가능한 원료 공급을 가능하게 하는 중요한 진전”이라고 평가했다.
이번 논문은 미국국립과학원(NAS)이 발행하는 ‘미국국립과학원회보(PNAS)’에 10월 2일에 게재됐다.
※ 논문명 : Chemobiological synthesis of benzene, toluene, ethylbenzene, and xylene from glucose or glycerol, DOI:10.1073/pnas.2509568122
※ 저자 정보 : Zou Xuan(KAIST, 제1 저자), 김태완(KAIST, 제2 저자), Luo Zi Wei(KAIST, 제 3저자), 최경록(KAIST, 제4 저자), 한순규(KAIST, 공동교신저자) 및 이상엽(KAIST, 교신저자) 포함 총 6명
한편, 이번 연구는 과학기술정보통신부가 지원하는 ‘차세대 바이오리파이너리를 위한 세포공장 구축 원천기술 개발’ 및 ‘바이오제조 산업 선도를 위한 첨단 합성생물학 원천기술 개발’ 사업의 지원을 받아 수행됐다.
2025.10.13
조회수 1824
-
세계 유일 여성문자‘AI 여서’로 재해석...국제상 수상
‘여서(女書)’는 중국 후난성에서 19세기 무렵부터 한자 교육에서 배제된 여성들이 서로의 삶을 기록하고 소통하기 위해 독창적으로 창조한 세계 유일의 여성 문자 체계다. 이러한 여서의 의미(억압 속 창조·여성 연대·언어 실험)을 현대 기술과 접목한 ‘AI 여서(Nüshu, 女书)’ 프로젝트에 KAIST 연구진이 참여하여 미디어 아트계의 아카데미상으로 불리는 국제적 권위의 상을 수상했다.
우리 대학은 산업디자인학과 이창희 교수 연구팀이 영국왕립예술학교(Royal College of Art) 알리 아사디푸어(Ali Asadipour) 컴퓨터과학연구센터장과 공동으로 진행한 프로젝트 ‘AI 여서(Nüshu)’가 세계 최고 권위의 미디어아트 페스티벌인 ‘프리 아르스 일렉트로니카(Prix Ars Electronica) 2025’에서 디지털 휴머니티(Digital Humanity) 부문 영예상에 선정됐다고 10일 밝혔다.
‘프리 아르스 일렉트로니카’는 ‘미디어아트계의 아카데미상’으로 불리며, 매년 오스트리아 린츠에서 개최되는 세계 최고 수준의 미디어아트 경연대회이다. 예술과 과학의 경계를 넘나드는 혁신적 작품을 발굴하는 이 대회는 올해 98개국에서 총 3,987개의 작품이 출품됐으며, 그 중 단 2개의 작품만이 디지털 휴머니티 부문 수상의 영예를 안았다.
이번 수상작인 ‘AI 여서(Nüshu, 女书)’는 문자 교육에서 배제된 중국 여성들이 서로의 삶을 기록하고 소통하기 위해 창조한 세계 유일의 여성 문자 ‘여서(女書)’를 기반으로 한다.
KAIST 연구진과 협력진은 이를 컴퓨터 언어학(Computational Linguistics)과 접목해 관람객이 직접 체험할 수 있는 설치 작품을 구현했다.
작품 속 인공지능은 전근대 중국 여성들의 소통 방식을 학습해 스스로 새로운 언어를 생성한다. 이는 가부장적 질서에 대한 저항의 상징이자, 서구 중심 언어관을 넘어서는 페미니즘적 시도로 평가받고 있다.
또한 ‘인간만이 언어를 만든다’는 고정관념을 넘어, 기계가 새로운 언어를 창조할 수 있는 가능성을 예술적으로 제시한 점에서 높은 평가를 받았다.
영국왕립예술학교 위 치엔 순(Yuqian Sun) 박사는 “삶과 연구 과정에서 많은 어려움이 있었지만, 이번 수상을 통해 큰 보람과 감회를 느낀다”고 소감을 전했다.
이창희 KAIST 산업디자인학과 교수는 “역사·인문·예술·기술이 만나 빚어낸 사색적 예술이 세계적인 권위 있는 상으로까지 이어져 매우 뜻깊다”고 말했다.
프로젝트에 대한 자세한 내용은 프리 아르스 일렉트로니카 공식 홈페이지(https://ars.electronica.art/prix/en/digitalhumanity/)에서 확인할 수 있다.
2025.10.10
조회수 1325
-
도시 인공지능 연구소, 과기정통부 Brain Pool 기관유치형 과제 선정
우리 대학 도시 인공지능 연구소(소장: 윤윤진 교수)가 과학기술정보통신부 Brain Pool(BP) 기관유치형 과제에 선정되었습니다. 이번 성과는 연구소장 윤윤진 교수와 건설 및 환경공학과 인소영, 전기및전자공학부 한수진 교수과 함께 기획한 공동 제안이 결실을 맺은 것으로, 연구소의 도시 인공지능 분야 연구 역량과 국제적 협력 잠재력을 높이 평가받은 결과입니다.
이번 BP 과제는 총 28개월간 21억 원 규모로 추진되며, 해외 저명 석학을 초빙해 Geospatial AI, Climate AI, Physical AI 등 세 가지 핵심 분야를 중심으로 도시 문제 해결형 인공지능 연구를 본격적으로 수행할 예정입니다. 이를 통해 산·학·연·관 협력 체계를 기반으로 인공지능 핵심 기술을 개발하여 도시의 지속 가능한 성장과 ‘인지 도시’로의 전환을 선도하고, 시민이 체감하는 다양한 문제를 사전에 진단·대응하는 연구를 이어갈 것입니다.
특히 이번 과제는 여성 중심 기관형 브레인풀 과제라는 점에서 의미가 큽니다. KAIST는 신진 여성 연구자들의 성장을 체계적으로 지원하고, 차세대 여성 과학기술인의 국제 연구 네트워크 참여를 적극적으로 확대할 예정입니다. 이는 국내 이공계에서 상대적으로 부족한 여성 연구 인력 양성과 연구 리더십 강화에도 크게 기여할 것으로 기대됩니다.
더불어 MIT, NYU, UIUC, UBC, USF, University of Toronto 등 세계 유수 대학의 연구자들과의 장기 공동연구를 통해 도시 인공지능 연구소는 국내 및 아시아를 선도하는 Urban AI 연구 허브로 도약할 예정입니다.
앞으로도 글로벌 협력을 바탕으로 미래 도시의 복잡한 문제에 대응하고, 인공지능을 통한 혁신적 기술 고도화를 위한 핵심 연구를 매진해 나갈 것입니다.
2025.10.02
조회수 1667
-
‘물리법칙 아는 AI’신소재 대량 탐색 척척!
신소재 개발의 핵심 단계인 ‘물성 규명’은 그동안 방대한 실험 데이터와 고가 장비에 의존해야 해 연구 효율이 낮다는 한계가 있었다. KAIST 연구진은 재료와 에너지의 변형과 상호작용을 지배하는 ‘물리법칙’을 AI와 결합한 새로운 기법을 통해, 데이터가 부족한 상황에서도 신소재를 신속히 탐색하고 나아가 재료·기계·에너지·전자 등 다양한 공학 분야의 설계와 검증까지 빠르게 수행할 수 있는 기반을 마련했다.
우리 대학 기계공학과 유승화 교수 연구팀이 경희대(총장 김진상) 임재혁 교수 연구팀과 한국전기연구원(원장 김남균, KERI) 류병기 박사와 각각 공동 연구를 통해, 물리 법칙을 인공지능 학습 과정에 직접 반영하는 물리 기반 머신러닝(Physics-Informed Machine Learning, PIML) 기법을 활용해, 적은 양의 데이터만으로도 소재 물성을 정확히 규명할 수 있는 새로운 방법을 제시했다고 2일 밝혔다.
첫 번째 연구에서는 고무와 같은 잘 늘어나는 초탄성(hyperelastic) 소재를 대상으로, 단 한번의 실험에서 얻은 적은 양의 데이터만으로도 재료의 변형 모습과 성질을 동시에 알아낼 수 있는 ‘물리 기반 인공 신경망(Physics-Informed Neural Network, PINN)’ 기법을 제시했다.
기존에는 많은 양의 복잡한 데이터를 모아야만 가능했지만, 이번 연구는 데이터가 부족하거나 제한적이거나 잡음이 포함된 상황에서도 안정적으로 소재 특성을 재현할 수 있음을 입증했다.
두 번째 연구에서는 열을 전기로, 전기를 열로 바꾸는 신소재인 ‘열전 소재’를 대상으로, 단 몇 개의 측정값만으로도 열을 얼마나 잘 전달하는지(열전도도)와 전기를 얼마나 잘 만들어내는지(제벡 계수) 같은 핵심 지표를 추정할 수 있는 PINN 기반 역추정 기법을 제안했다.
나아가 연구팀은 자연의 물리 법칙까지 이해하는 인공지능인 ‘물리 기반 신경 연산자(Physics-Informed Neural Operator, PINO)’를 도입해 학습되지 않은 신소재에도 재학습 과정 없이 일반화가 가능함을 보여주었다.
실제로 20개 소재로 학습한 뒤, 60개의 새로운 소재를 대상으로 테스트했는데, 모두 높은 정확도로 성질을 맞혀냈다. 이로써 앞으로 수많은 신소재 후보를 빠르게 골라내는 고속·대량 소재 탐색이 가능해질 전망이다.
이번 성과는 단순히 ‘실험을 줄였다’는 수준을 넘어선다. 물리 법칙과 인공지능을 정교하게 결합해, 실험 효율은 높이고 신뢰성은 지킨 첫 사례이기 때문이다.
두 연구 모두 총괄하여 진행한 유승화 교수는 “이번 성과는 물리 법칙을 이해하는 인공지능을 실제 소재 연구에 적용한 첫 사례”라며, “데이터 확보가 제한적인 상황에서도 물성을 신뢰성 있게 규명할 수 있어 다양한 공학 분야로 확산될 것”이라고 말했다.
첫 번째 논문은 KAIST 기계공학과 문현빈·박동근 박사과정이 공동 제1 저자로 참여했으며 국제 학술지 ‘컴퓨터 매써드 인 어플라이드 머케닉스 엔 엔지니어링(Computer Methods in Applied Mechanics and Engineering)’에 8월 13일자에 게재되었다.
※논문 제목: Physics-informed neural network-based discovery of hyperelastic constitutive models from extremely scarce data
※DOI: https://doi.org/10.1016/j.cma.2025.118258
두 번째 논문은 KAIST 기계공학과 문현빈·이송호 박사과정, 와비 데메케(Wabi Demeke) 박사가 공동 제1 저자로 참여했으며 ‘엔피제이 컴퓨테이셔널 머티리얼즈(npj Computational Materials)’에 8월 22일자에 연이어 게재됐다.
※논문 제목: Physics-informed neural operators for generalizable and label-free inference of temperature-dependent thermoelectric properties
※DOI: https://doi.org/10.1038/s41524-025-01769-1
한편, 첫번째 연구는 한국연구재단·과학기술정보통신부 이노코어 프로그램 및 식품의약품안전처 연구과제의 지원을, 두번째 연구는 한국연구재단·과학기술정보통신부 이노코어 프로그램의 지원을 받아 수행됐다.
2025.10.02
조회수 2730
-
빛과 AI로 3D 프린팅 더 튼튼하고 경제적으로
치과 치료부터 복잡한 시제품 제작까지 널리 쓰이는 ‘광경화 3D 프린팅’은 빠르고 정밀하지만 충격에 약해 쉽게 파손되는 한계가 있었다. KAIST 연구진이 이 약점을 극복할 수 있는 신기술을 개발, 의료용 보형물부터 정밀 기계 부품까지 한층 튼튼하면서도 경제적으로 제작할 수 있는 길을 열었다.
우리 대학은 기계공학과 김미소 교수 연구팀이 광경화 3D 프린팅의 내구성 한계를 근본적으로 해결할 수 있는 신기술을 개발했다고 29일 밝혔다.
디지털 광 조형(Digital Light Processing, DLP) 기반 3D 프린팅은 빛으로 액체 레진(고분자 중합체)을 굳혀 정밀한 구조물을 빠르게 제조하는 기술로, 치과·정밀 기계 등 다양한 분야에서 활용되고 있다. 기존 사출 성형은 내구성은 뛰어나지만 금형 제작에 많은 시간과 비용이 드는 반면, 광경화 3D 프린팅은 자유로운 형상 구현이 가능하지만 내구성의 약점이 있었다.
김 교수 연구팀은 ▲충격과 진동을 흡수하면서도 고무에서 플라스틱까지 다양한 물성을 구현할 수 있는 신규 광경화 레진 소재와 ▲구조물의 각 부위에 최적 강도를 자동 배치하는 머신러닝 기반 설계 기술을 결합해 문제를 풀어냈다.
연구팀은 ‘동적 결합을 도입한 폴리우레탄 아크릴레이트(PUA)’ 소재를 개발해 기존 소재 대비 충격·진동 흡수 능력을 크게 높였다. 또한 빛의 세기를 조절해 하나의 레진 조성물에서 서로 다른 강도를 구현할 수 있는 ‘회색조 DLP’ 기술을 적용, 구조물 내 부위별 맞춤 강도를 부여하는 데 성공했다. 이는 인체의 뼈와 연골이 다른 역할을 하며 조화를 이루는 원리에서 착안한 것이다.
머신러닝 알고리즘은 구조와 하중 조건을 분석해 최적의 강도 분포를 자동으로 제안한다. 이를 통해 소재 개발과 구조 설계가 유기적으로 연결되며, 맞춤형 강도 분배가 가능해졌다.
경제성 또한 주목할 부분이다. 기존에는 다양한 물성을 구현하기 위해 고가의 ‘다중 재료 프린팅’ 기술이 필요했지만, 이번 기술은 단일 소재와 단일 공정만으로 동일한 효과를 내 생산 비용을 크게 절감한다. 복잡한 장비나 재료 관리가 불필요해지고, AI 기반 구조 최적화로 연구개발 시간과 제품 설계 비용까지 줄일 수 있다.
김미소 교수는 “이번 기술은 소재 물성과 구조 설계의 자유도를 동시에 확장한 것”이라며, “환자 맞춤형 보형물은 더 내구성 있고 편안해지고, 정밀 기계 부품도 더욱 견고하게 제작할 수 있을 것”이라고 설명했다. 이어 “단일 소재·단일 공정만으로 다양한 강도를 구현해 경제성까지 확보한 점이 큰 의미가 있다”며 “향후 바이오메디컬, 항공·우주, 로봇 등 다양한 산업 분야로의 활용이 기대된다”고 덧붙였다.
이번 연구는 KAIST 기계공학과 김미소 교수 연구팀이 주도했으며, KAIST 박사과정 남지수 학생이 제1저자로 참여했다. 성균관대 복신 첸(Boxin Chen) 학생도 공동연구로 기여했다. 연구 결과는 재료과학 분야 세계적 권위 학술지 어드밴스드 머터리얼즈(Advanced Materials, IF 26.8)에 7월 16일 자 온라인 게재됐다. 또한 연구의 우수성을 인정받아 학술지 권두 도판(Frontispiece)에도 선정됐다.
※ 논문 제목: Machine Learning-Driven Grayscale Digital Light Processing for Mechanically Robust 3D-Printed Gradient Materials
※ DOI: 10.1002/adma.202504075
본 연구의 성과로 김미소 교수는 2025년 7월 국제 학술 출판사 와일리(Wiley)가 주관하는‘와일리 라이징 스타 어워드(Wiley Rising Star Award)’와 ‘와일리 여성 재료과학상(Wiley Women in Materials Science Award)’을 동시에 수상하며 국제적으로도 많은 주목을 받고 있다.
와일리 라이징 스타 어워드는 향후 학문적 리더로서의 잠재력을 지닌 신진 연구자에게 주어지는 상이며, 와일리 여성 재료과학상은 재료과학 분야에서 탁월한 업적을 이룬 여성 과학자를 기리기 위해 제정된 권위 있는 상이다.
한편 이번 연구는 과학기술정보통신부의 지원을 받아 한국연구재단 BRIDGE 융합연구개발사업, 중견연구자지원사업, 차세대 반도체 대응 미세기판 기술개발사업의 일환으로 수행됐다.
2025.09.29
조회수 2191