-
화학공장 대체 방안 ‘아이브릿지’에서 찾다
기후 변화와 환경 문제가 심각하게 대두됨에 따라 현재의 화학 공장을 대체할 수 있는 지속가능한 미생물 세포공장이 크게 주목받고 있다. 미생물 세포공장으로 활용할 미생물을 개량하기 위해선 미생물이 가진 유전자들의 발현을 증폭 또는 억제해 유용한 화합물을 생산하도록 미생물 대사 메커니즘을 개량해야 하지만, 어떠한 유전자를 증폭하고 억제할 것인지 결정하는 것은 지금까지 어려운 문제로 남아있다.
우리 대학 이상엽 특훈교수 연구팀이 아이브릿지(iBridge)라는 시뮬레이션 프로그램을 개발하여 생산하고자 하는 화합물에 맞춤형 미생물 공장을 구축할 수 있도록 과발현 및 억제 유전자들을 예측함으로써 미생물 공장을 적은 비용으로 빠르고 효율적으로 구축하는 방법을 제시했다고 9일 밝혔다.
이상엽 특훈교수가 창시한 시스템 대사공학은 유전공학, 합성생물학, 시스템생물학, 발효공학 등을 접목해 개량한 미생물을 이용해 유용한 화합물들을 생산하는 분야다. 미생물을 목표로 하는 유용한 화합물을 생산하도록 개량하기 위해선 미생물의 유전자들을 삭제, 발현억제, 과발현 등이 필수적이지만, 이를 일일이 실험적으로 확인하지 않고서는 여전히 전문가들조차 판별하기 어려워 많은 시간과 자원이 소모된다.
연구팀은 신규 개발된 아이브릿지(iBridge) 시뮬레이션을 활용해 세 가지의 유용한 화합물을 세계 최고 수준으로 생산하는 대장균 미생물 세포공장을 구축하는 데 성공했다. 연구팀은 많은 화장품에서 보습제 역할을 하는 판테놀, 나일론의 원료인 퓨트레신, 항균성 식품첨가제인 4-하이드록시페닐젖산 등을 생산하는 대장균 균주를 개발하고, 신규 개발된 시뮬레이션 아이브릿지(iBridge)를 활용해 세계 최고 농도로 이들 화합물을 생산하는 공정을 개발했다. 그뿐만 아니라 연구팀은 이들 세 가지 외에도 산업적으로 유용한 화합물 298 여종의 미생물 공장을 구축하기 위한 과발현 및 억제 유전자들을 예측해 제시했다.
이번 논문의 공동 제1 저자인 우리 대학 이영준 박사는 “이번에 개발된 시뮬레이션을 이용하니 여러 가지 미생물 공장들이 기존방법보다 월등히 빠른 속도로 구축됐다”며 “더 다양한 유용한 화합물들을 생산하는 미생물 세포공장들이 이 기술을 활용해 빠르게 구축될 수 있을 것”이라고 말했다.
또한 이상엽 특훈교수는 “시스템 대사공학은 현재 우리가 해결해야 할 기후변화문제에 접근하는 매우 중요한 기술”이라며 “이 시뮬레이션은 기존의 화학 공장을 친환경 미생물 공장으로 대체하는 시기를 앞당기는 데 크게 기여할 수 있을 것”이라고 밝혔다.
생물공정연구센터 김원준 박사, 이영준 박사, 생명화학공학과 김현욱 교수와 이상엽 특훈교수가 참여한 이번 논문은 셀 (Cell) 誌가 발행하는 `셀 시스템즈 (Cell Systems)'에 동료심사를 거쳐 11월 6일 온라인판에 게재됐다.
※ 논문명 : 세포 내 화학반응 속도의 공분산의 합을 활용한 게놈 수준 과발현 및 억제 유전자 예측 (Genome-Wide Identification of Overexpression and Downregulation Gene Targets Based on the Sum of Covariances of the Outgoing Reaction Fluxes)
※ 저자 정보 : 김원준 (한국과학기술원, 공동 제1 저자), 이영준 (한국과학기술원, 공동 제1 저자), 김현욱 (한국과학기술원, 공동 제1 저자) 및 이상엽(한국과학기술원, 교신저자) 포함 총 6 명
한편, 이번 연구는 과기정통부가 지원하는 ‘석유대체 친환경 화학기술개발사업의 ‘바이오화학산업 선도를 위한 차세대 바이오리파이너리 원천기술 개발’ 과제(과제책임자 KAIST 이상엽 특훈교수) 및 바이오매스기반 탄소중립형 바이오플라스틱 제품기술개발사업’ 과제(과제책임자 KAIST 최소영 연구교수)의 지원을 받아 수행됐다.
아이브릿지 사이트: https://github.com/kaistsystemsbiology/iBridge.git
2023.11.09
조회수 1782
-
예종철 교수 연구팀, 삼성휴먼테크 논문대상 신호처리분야 금상 수상
우리 대학 김재철AI대학원 예종철 교수팀이 `확산모델 (diffusion model)의 사후 샘플링(posterior sampling)을 이용한 일반적인 역문제 해결 기법'으로 제 29회 삼성휴먼테크논문대상에서 신호처리 분야 금상을 수상했다고 밝혔다.
삼성휴먼테크논문대상은 과학기술 저변 확대와 과학 인재 양성을 위해 삼성전자가 1994년 제정한 논문상으로, 매년 2,000편 가량의 논문 중 서면 및 발표 심사를 거쳐 창의성, 논리성, 실용성, 발전성이 뛰어난 논문을 선정하여 수여되는 상이다.
바이오및뇌공학과 박사과정 졍형진, 김정솔 학생이 공동 1저자로 참여한 이 논문은, 확산 모델과 사후 샘플링을 결합하여 일반적인 역문제에 대한 새로운 관점과 해결방법을 제시하였고, 그 실용성과 독창성을 인정받아 대학부 신호처리 분야 수상작 7편 중 1위로 금상을 수상하였다.
역문제는 영상을 획득하는 과정에서 이미징 시스템의 특성과 잡음의 영향으로 망가진 측정값으로부터 실제 신호를 복원하는 문제로 정의된다. 이러한 문제는 영상 화질 개선부터 위상 복원을 통한 세포 구조 시각화와 같은 다양한 과학 분야에서 중요성과 실용성을 가지며, 수십 년간 지속적으로 연구되어 왔다. 과거의 인공지능 및 딥러닝 알고리즘은 이미징 시스템이 선형이며 잡음이 없는 경우를 가정하여 역문제를 효과적으로 해결하였으나, 이러한 가정은 현실 세계에서의 상황과 비교하여 훨씬 단순화된 형태였다.
이 연구에서는 처음으로 확산 모델을 이용해 사후 샘플링을 진행하는 방법으로 역문제를 해결하였는데, 이는 확산 모델이 생성하는 중간 이미지로 측정값을 근사하고, 실제 측정값과의 차이가 줄어들도록 중간 이미지를 보정하는 방식으로 구현된다.
이를 통해 이미징 시스템이 선형 및 비선형인 경우, 그리고 이미징 시스템에서 흔히 발생하는 가우시안 잡음과 푸아송 잡음이 존재하는 경우에 대한 일반적인 역문제 해결이 가능함을 입증하였다. 나아가 개발된 기술은 여러 종류의 역문제에 대한 개별적 학습을 필요로 하지 않는 특성을 가지며, 이는 논문의 실용성을 높이고, 이전의 연구들과 차별성을 지니게 한다.
정형진, 김정솔 바이오및뇌공학과 박사과정 학생은 “큰 규모의 논문대회에서 연구의 내용을 인정받아 기쁘고, 좋은 논문을 작성할 수 있도록 지도해주신 예종철 교수님께 감사하다” 고 소감을 밝혔다. 또한, 알고리즘의 성능과 효율성을 높이는 연구를 이어나가 역문제의 해결이 필요한 다양한 과학 분야들에 기여하고 싶다는 희망을 전했다.
논문명: Diffusion Posterior Sampling for General Noisy Inverse Problems
2023.11.07
조회수 1783
-
고성능 비 백금계 연료전지 촉매 개발
연료전지는 부산물로 물 만을 배출하는 친환경적인 에너지 변환 장치로, 다양한 연료전지 중 양성자 교환막 연료전지(PEMFC)는 수송용 및 발전용 연료전지로 현재 상용화가 진행 중이다. 다만 연료전지의 촉매로 사용되는 백금 촉매는 자원의 희소성으로 인한 높은 가격 때문에 대량 생산 및 전 세계적인 보급에 문제점을 갖고 있었다.
우리 대학 생명화학공학과 이진우 교수 연구팀이 국민대학교 장세근 교수 연구팀, 서강대학교 백서인 교수 연구팀과 공동연구를 통해 비백금계 촉매 기반 고 전력밀도의 양성자 교환막 연료전지를 개발했다고 7일 밝혔다.
상대적으로 다른 비 백금계 촉매들에 비해 좋은 성능을 가진다고 알려져 백금을 대체하고 기존 연료전지 비용을 줄이기 위한 가장 유력한 후보 물질로 주목받아 온 M-N-C계 촉매는 PEMFC 연료전지에서 높은 전력밀도를 구현하는 데는 많은 한계가 있었다.
이진우 연구팀은 기존 백금 촉매를 대체할 수 있는 비 백금계 Fe-N-C 촉매의 높은 성능을 구현해 매우 뛰어난 가격 경쟁력과 높은 전력밀도의 연료전지 성능을 달성했다.
연구팀은 M-N-C 촉매 중 하나인 Fe-N-C 촉매 나노입자의 활성점 주변의 결함 정도를 조절하여 높은 성능의 Fe-N-C 촉매를 합성했다. 탄소 기반의 물질을 특정 양의 이산화탄소(CO2)를 흘려주면서 열처리를 진행하는 이산화탄소 활성화 방법을 통해 탄소 기반 촉매 내부의 결함 정도를 미세 조정했고 그에 따른 최적화된 촉매가 활성화되는 것을 확인했다.
연구팀은 결과적으로 적절한 결함을 가질 때 철 단일원자 활성점의 전자구조가 최적화되면서 결함을 만들지 않은 기존 Fe-N-C 촉매에 비해 매우 우수한 전기화학적 성능을 제공하는 것을 확인해 결함과 활성점의 성능 상관관계에 대하여 규명했다.
연구팀이 개발을 한 최적화된 Fe-N-C촉매는 PEMFC 연료전지에서 기존에 개발이 된 Fe-N-C촉매보다 44% 향상된 높은 전력 밀도를 보였으며 현재 사용이 되고 있는 백금 촉매를 대체를 할 수 있음을 PEMFC단전지에서 보여주었다.
연구팀이 개발한 비 백금계 Fe-N-C촉매는 높은 전기화학적 특성으로 기존의 백금 촉매 대체를 통해 연료전지의 스택 가격 감소와 그에 따른 상용화에 이바지할 수 있을 것으로 기대된다.
KAIST 생명화학공학과 이승엽 박사과정이 제1 저자로 참여한 이번 연구는 국제 학술지 `어드밴스드 머티리얼스 (Advanced materials)' 10월 13일 온라인으로 게재됐다. (논문명: Insight into Defect Engineering of Atomically Dispersed Iron Electrocatalysts for High-Performance Proton Exchange Membrane Fuel Cell)
이진우 교수는 "비 백금계 Fe-N-C 촉매의 결함과 성능의 관계를 밝히고 결함 조절을 통해서 백금을 전혀 사용하지 않고 높은 전력밀도의 양성자 교환막 연료전지를 개발한 것은 큰 의미가 있으며 개발된 촉매 및 합성 방법은 향후 다양한 종류의 연료전지에서 귀금속인 백금을 대체하여 적용할 수 있을 것으로 기대된다ˮ 라고 말했다.
한편 이번 연구는 한국연구재단 중견연구자지원사업과 한국전력 사외공모 기초연구지원사업의 지원을 받아 수행됐다.
2023.11.07
조회수 1554
-
포스트 AI 시대 핵심 신소재는?
우리 대학 신소재공학과 김상욱 교수 연구팀이 인공지능(Artificial Intelligence, 이하 AI)이 불러온 4차 산업혁명 이후를 뜻하는 포스트 AI시대의 핵심 신소재를 전망하는 초청논문을 발표했다고 6일 밝혔다.
대화형 AI인 `챗GPT(ChatGPT)'가 월간 사용자 1억 명을 두 달 만에 달성하는 등 AI는 우리 생활에 한층 가까이 다가왔다. 4차 산업혁명의 핵심 기술인 AI는 인간의 지능을 모사해 데이터를 학습하고 이에 따라 합리적인 의사결정을 내릴 수 있다. 단순 반복적인 작업을 대체하는데 머물렀던 과거 인공지능 기술들과 달리, 더욱 어렵고 복잡한 작업을 효율적으로 수행할 수 있어 의료, 자율 주행 자동차, 로보틱스 등의 분야에서 새로운 기술 혁신을 이루고 있다.
최근에는 사물인터넷(IoT) 기술의 발전과 함께 현실 세계의 다양한 사물과 개체들이 인터넷을 통해 연결된 초연결 시대가 도래하고 있다. 포스트 AI 시대에는 AI가 다양한 기기들과 결합해 우리 주변의 정보를 항상 받아들이고 이에 따라 최적의 의사결정을 하며 이를 현실적으로 실물세계에 구현하는 사이버세계와 현실세계가 하나로 융합되는 시대가 될 것으로 전망되고 있다.
포스트 AI 시대가 다가옴에 따라 웨어러블 장치를 위한 스마트 섬유, 소프트 로보틱스를 위한 인공근육, 환경친화적인 에너지 생산효율을 극대화할 수 있는 단일원자촉매등 AI의 한계를 보조하고 보완할 수 있는 신소재의 혁신이 더욱 중요해지고 있으며, 무엇보다 실용적인 기술의 확보가 시급하다.
김상욱 교수 연구팀은 스마트 섬유 개발의 원천소재인 그래핀 산화물 액정성을 세계 최초로 발견하였고, 소프트 로보틱스 분야에 새로운 돌파구를 마련한 헤라클레스 인공 근육 개발 그리고 세계 최초로 단일원자촉매를 발견하는 등 미래 신소재분야에서 혁신적인 연구를 수행해 온 공로를 인정받아 세계적인 학술지 `어드밴스드 머티리얼스 (Advanced Materials)' 명예의 전당(Hall of Fame) 특집 리뷰논문을 게재했다.
`어드밴스드 머티리얼스' 명예의 전당 초청논문은 신소재 분야의 세계적인 석학들을 매우 엄격한 기준에 따라 선정하여 그 미래 연구방향을 소개하는 권위 있는 특집 논문이다.
김상욱 교수는 "인공지능이 이끄는 4차 산업혁명 이후의 포스트 AI 시대는 신소재 기반의 사물 혁신이 중요해질 것인데 그래핀과 같은 2차원 소재가 매우 중요한 역할을 할 것으로 기대된다ˮ고 밝혔다.
KAIST 응용과학연구소 이강산 박사가 제1 저자로 참여하고 KAIST 신소재공학과 수치스라 파드마잔 사시카라(Suchithra Padmajan Sasikala) 연구교수와 경희대학교 정보디스플레이학과 임준원 교수가 공동 교신저자로 참여한 이번 연구는 한국연구재단의 리더 연구자 지원사업인 다차원 나노 조립제어 창의연구단의 지원을 받아 수행됐다.
*논문명: 2D Materials Beyond Post-AI Era: Smart Fibers, Soft Robotics And Single Atom Catalysts
2023.11.06
조회수 2005
-
기계공학과 이정철 교수 연구팀, 2023년 대한기계학회 추계학술대회 KSME-SEMES 오픈이노베이션 챌린지 전문가그룹 금상 수상
우리 대학 기계공학과 이정철 교수 연구팀(이정철 교수, 고주희 박사과정)이 지난 11월 1일~4일 인천 송도 컨벤시아에서 성황리에 개최된 2023년 대한기계학회 추계학술대회 KSME-SEMES 오픈이노베이션 챌린지 대회에서 전문가그룹 금상을 수상했다.
발표 주제는 “가열 유동채널 공진기 기반 하이퍼 멀티모달 측정과 머신 러닝을 활용한 초미량 미확인 액체 인식 기술”로서 가열전극과 유동채널이 통합된 기계공진기를 이용하여 다양한 작동 온도에서 약 100 밀리초에 1번씩 액상 시료의 밀도, 역학점도, 열전도도, 비열, 열확산도, 동점도 그리고 무차원 수인 프란틀 (Prandtl) 수, 총 7개 물성을 동시에 획득할 수 있는 하이퍼 멀티모달 측정이 가능함을 최초로 소개하였다. 또한 개발한 하이퍼 멀티모달 측정을 머신러닝과 결합하여 액상 다원 혼합물을 분리하지 않고 분석할 수 있는 아이디어를 제안하고 가능성을 소개하였다.
이는 기존의 혼합물 분석의 gold standard 로 간주되던 LC-MS (Liquid chromatography – Mass spectrometry) 와 같은 선 분리-후 단일 측정의 패러다임을 뒤집는 아이디어로 그 독창성을 인정받았다. 제안 아이디어는 여러 반도체 공정에 사용되는 액상 혼합물의 농도 및 순도 모니터링을 통한 공정 품질제어를 비롯하여 다양한 액상시료 관련 산업과 연구에 효과적으로 사용될 것으로 기대된다.
2023.11.06
조회수 1234
-
남택진 산업디자인학과 교수, 제25회 대한민국디자인대상 디자인공로부문 국무총리표창 수상
우리 대학 남택진 교수가 올해 제25회 대한민국 디자인대상 디자인공로 부문에서 국무총리 표창을 받았다.
서울 코엑스에서 열린 대한민국 디자인 대상은 산업통상자원부가 주최하고 한국디자인진흥원이 주관하는 시상식이다. 이 상은 디자인산업 발전의 주역 및 디자인 주도 경영 실적이 우수한 선도기업과 지자체에 수여되는 디자인 분야 국내 최고 영예의 포상이다. 개인 디자인공로 부분에서는 디자인개발 및 교육·저술 등 디자인산업 발전에 크게 기여한 자, 디자인 정책 방향 제시·홍보 등을 통해 디자인 역량 강화 및 국민 인식 확산에 크게 기여한 자, 한국디자인의 위상을 널리 알린 자에게 수여된다.
남택진 교수는 2001년 KAIST 최초의 1회 학부 졸업생 교수로 부임하여 디자인 및 HCI(Human Computer Interaction) 교육과 연구, 세계디자인학회, 한국디자인학회를 중심으로 한 학계 활동, 디자인 연구 논문과 책 출판, 음압병동개발, 디자인 자문을 통한 공공 및 산업계 혁신에 기여한 점을 공적으로 인정받았다.
남택진 교수는 2017년부터 2021년까지 KAIST 산업디자인학과장을 역임하였다. 디자인 주도 사회혁신 사례인 이동형 음압병동 디자인 개발과 실용화를 성공시켜 디자인 분야 지식 창출 및 한국디자인의 국제 위상 제고하였다.
세계디자인학회(IASDR)에서 한국을 대표하는 보드 멤버로 활동하고 있으며 2019년부터 사무총장을 역임하고 있다. 2006년 이후 한국디자인학회 상임이사, 부회장, 저널 부편집장 직무를 수행하면서 Archives of Design Research 저널을 SCOPUS에 등재되는 데 핵심 역할을 하였다. 대기업과 스타트업에 브랜딩, 제품디자인, UI/UX 디자인 자문을 활발히 수행하고 있다. 세계적인 디자인 어워드인 iF, IDEA, Red Dot에서 최고상을 수상하였다. ‘디자인 연구논문 길잡이’ 책을 저술해 디자인 연구자들에게 연구 수행법과 논문 작성법을 체계적으로 소개하였다. 디자이너를 위한 여러 프로토타이핑 도구를 개발하고 무료로 배포해 디자인 관련 교육과 실무에 기여 하였다.
이번 수상 이외에도 남 교수는 2021년 과학기술원 혁신에 기여한 공을 인정받아 과학기술정보통신부장관 표창을 수상 한 바 있다.
이번 제25회 대한민국디자인대상 시상식은 11월1일(수) 오후 4시에 서울 코엑스에서 진행됐다.
2023.11.03
조회수 1469
-
인공지능 챗봇 이미지 데이터 훈련 비용 최소화하다
최근 다양한 분야에서 인공지능 심층 학습(딥러닝) 기술을 활용한 서비스가 급속히 증가하고 있다. GPT와 같은 거대 언어 모델을 훈련하기 위해서는 수백 대의 GPU와 몇 주 이상의 시간이 필요하다고 알려져 있다. 따라서, 심층신경망 훈련 비용을 최소화하는 방법 개발이 요구되고 있다.
우리 대학 전산학부 이재길 교수 연구팀이 심층신경망 훈련 비용을 최소화할 수 있도록 훈련 데이터의 양을 줄이는 새로운 데이터 선택 기술을 개발했다고 2일 밝혔다.
일반적으로 대용량의 심층 학습용 훈련 데이터는 레이블 오류(예를 들어, 강아지 사진이 `고양이'라고 잘못 표기되어 있음)를 포함한다. 최신 인공지능 방법론인 재(再)레이블링(Re-labeling) 학습법은 훈련 도중 레이블 오류를 스스로 수정하면서 높은 심층신경망 성능을 달성하는데, 레이블 오류를 수정하기 위한 추가적인 과정들로 인해 훈련에 필요한 시간이 더욱 증가한다는 단점이 있다. 한편 막대한 훈련 시간을 줄이려는 방법으로 중복되거나 성능 향상에 도움이 되지 않는 데이터를 제거해 훈련 데이터의 크기를 줄이는 핵심 집합 선별(coreset selection) 방식이 큰 주목을 받고 있다. 그러나 기존 핵심 집합 선별 방식은 훈련 데이터에 레이블 오류가 없다고 가정한 표준 학습법을 위해 개발됐고, 재레이블링 학습법을 위한 핵심 집합 선별 방식에 관한 연구는 부족한 실정이다.
이재길 교수팀이 개발한 기술은 레이블 오류를 스스로 수정하는 최신 재레이블링 학습법을 위해 핵심 집합 선별을 수행하여 심층 학습 훈련 비용을 최소화할 수 있도록 해준다. 따라서, 레이블 오류가 포함된 현실적인 훈련 데이터를 지원하므로 실용성이 매우 높다.
또한 이 교수팀은 특정 데이터의 레이블 오류 수정 정확도가 해당 데이터의 이웃 데이터의 신뢰도와 높은 상관관계가 있음을 발견했다. 즉, 이웃 데이터의 신뢰도가 높으면 레이블 오류 수정 정확도가 커지는 경향이 있다. 이웃 데이터의 신뢰도는 심층신경망의 충분한 훈련 전에도 측정할 수 있으므로, 각 데이터의 레이블 수정 가능 여부를 예측할 수 있게 된다. 연구팀은 이러한 발견을 기반으로 전체 훈련 데이터의 총합 이웃 신뢰도를 최대화하는 데이터 부분 집합을 선별해 레이블 수정 정확도와 일반화 성능을 최대화하는 `재레이블링을 위한 핵심 집합 선별'을 제안했다. 총합 이웃 신뢰도를 최대화하는 부분 집합을 찾는 조합 최적화 문제의 효율적인 해법을 위해 총합 이웃 신뢰도를 가장 증가시키는 데이터를 차례차례 선택하는 탐욕 알고리즘(greedy algorithm)을 도입했다.
연구팀은 이미지 분류 문제에 대해 다양한 실세계의 훈련 데이터를 사용해 방법론을 검증했다. 그 결과, 레이블 오류가 없다는 가정에 따른 표준 학습법에서는 최대 9%, 재레이블링 학습법에서는 최대 21% 최종 예측 정확도가 기존 방법론에 비해 향상되었고, 모든 범위의 데이터 선별 비율에서 일관되게 최고 성능을 달성했다. 또한, 총합 이웃 신뢰도를 최대화한 효율적 탐욕 알고리즘을 통해 기존 방법론에 비해 획기적으로 시간을 줄이고 수백만 장의 이미지를 포함하는 초대용량 훈련 데이터에도 쉽게 확장될 수 있음을 확인했다.
제1 저자인 박동민 박사과정 학생은 "이번 기술은 오류를 포함한 데이터에 대한 최신 인공지능 방법론의 훈련 가속화를 위한 획기적인 방법ˮ 이라면서 "다양한 데이터 상황에서의 강건성이 검증됐기 때문에, 실생활의 기계 학습 문제에 폭넓게 적용될 수 있어 전반적인 심층 학습의 훈련 데이터 준비 비용 절감에 기여할 것ˮ 이라고 밝혔다.
연구팀을 지도한 이재길 교수도 "이 기술이 파이토치(PyTorch) 혹은 텐서플로우(TensorFlow)와 같은 기존의 심층 학습 라이브러리에 추가되면 기계 학습 및 심층 학습 학계에 큰 파급효과를 낼 수 있을 것이다ˮ고 말했다.
우리 대학 데이터사이언스대학원에 재학 중인 박동민 박사과정 학생이 제1 저자, 최설아 석사과정, 김도영 박사과정 학생이 제2, 제3 저자로 각각 참여한 이번 연구는 최고권위 국제학술대회 `신경정보처리시스템학회(NeurIPS) 2023'에서 올 12월 발표될 예정이다. (논문명 : Robust Data Pruning under Label Noise via Maximizing Re-labeling Accuracy)
한편, 이 기술은 과학기술정보통신부 재원으로 정보통신기획평가원의 지원을 받아 SW컴퓨팅산업원천기술개발사업 SW스타랩 과제로 개발한 연구성과 결과물(2020-0-00862, DB4DL: 딥러닝 지원 고사용성 및 고성능 분산 인메모리 DBMS 개발)이다.
2023.11.02
조회수 1827
-
라이온로보틱스, 알데바, 도전! K-스타트업 창업리그 대상 수상
국내 최대 창업경진대회인 ‘도전! K-스타트업 2023’에서 우리 대학 기계공학과 황보제민 교수의 사족로봇 ‘라이보’를 개발한 라이온로보틱스, 신소재공학과 스티브박 교수의 교원창업 기업 알데바가 올해 왕중왕(대상)을 차지했다.
중소벤처기업부와 창업진흥원은 31일 국내 최대 창업경진대회인 ‘도전! K-스타트업 2023’의 왕중왕전(대상) 리그를 열고 수상자를 발표했다. 총 6187개 팀이 참여한 이번 대회에는 30개 팀이 최종 결승에 진출해 이 가운데 20개 팀이 입상의 기쁨을 누렸다.
이날 수상팀 선정작업을 맡은 대회 관계자는 "이전까지는 플랫폼 산업 관련 스타트업이 두각을 드러내며 유니콘으로 성장했다면, 앞으로는 딥테크와 바이오 등 다양한 기업이 눈에 띄게 성장해 시장에 현존하는 문제를 잘 풀어나갈 것으로 보인다"고 평가했다.
이날 대회에서 수상한 기업은 총 15억원의 상금과 후속 지원 등의 혜택을 제공받을 예정이다.
이영 중소벤처기업부 장관은 "도전! K-스타트업은 2016년부터 시작돼 매년 평균 5800개 기업, 올해는 6100개 스타트업이 참여해 대한민국 최고의 스타트업 창업 경진 대회로 자리를 굳히고 있다"고 밝혔다.
이어 이 장관은 "지난해까지 누적 수상한 101개 기업들이 매출 2940억을 만들어냈고 올해 6월 기준 2387명의 고용을 창출하는 등 대한민국 경제에 가시적 역할을 해낸 만큼 이번에 선발된 기업들도 선배들의 길을 이어 역사를 써나갈 것이라 확신한다"고 피력했다.
2023.11.02
조회수 1570
-
조영제 없이 흐르는 혈구 3차원 고속촬영 가능
생체 내 미세혈관 안에 흐르는 혈류의 여러 가지 혈류역학 정보는 관련된 장기들의 건강과 밀접하게 연결되어 있어, 이의 정확한 측정과 분석은 여러 질병 연구에 매우 중요하다. 이를 위해 가장 좋은 방법은 다양한 혈관들 안에 흐르는 혈구들을 직접 높은 시간해상도로 이미징하는 것이겠지만, 현재까지는 이러한 기술이 존재하지 않아 혈류속도와 상관관계가 있는 다른 값들을 측정해 간접적으로 유추하거나 일부 혈구들을 형광 염색한 후 주입해 이미징하는 방법 등이 사용되고 있다.
우리 대학 기계공학과/KI헬스사이언스연구소 오왕열 교수 연구팀이 세계 최초로 복잡한 3차원 혈관구조 안에서 흐르는 혈구들을 아무런 조영제 사용 없이 고속으로 이미징하는 기술을 개발했다고 1일 밝혔다.
현미경으로 생체를 이미징하면 혈구뿐만 아니라 조직으로부터도 반사 및 산란된 빛이 많기 때문에 혈구만을 선택적으로 이미징하기는 어렵다. 이번에 개발된 기술은 형광 조영제와 같은 외부 물질을 전혀 사용하지 않고 넓은 3차원 영역에 복잡하게 분포돼있는 다양한 혈관 내에 흐르는 혈구들을 직접 고속으로 이미징해(초당 1,450장의 이미지 획득) 큰 주목을 받고 있다.
오왕열 교수 연구팀은 흐르는 혈구들의 특성을 이용해 고안한 영상처리 방법 개발을 통해 현미경 이미지로부터 흐르는 혈구들만을 영상화하는 데 성공했다. 또한, 공간적으로 상관성이 없는 조명을 사용해 스페클 노이즈(반점 잡음)에 의해 혈구가 보이지 않게 되는 것을 막았으며, 속도가 빠르면서도 각 픽셀이 한 번에 획득할 수 있는 광량이 큰 카메라를 사용해 고속으로 생체 내 깊은 곳에 있는 흐르는 혈구까지 이미징할 수 있게 했다.
오왕열 교수는 “다양한 혈관 안의 혈류속도, 단위 시간당 흐르는 혈구 개수 등은 생체를 이용한 바이오메디컬 연구에서 매우 중요한 정보이기 때문에 오랫동안 많은 연구가 집중돼 왔다. 당연히, 혈관 안에 다양한 속도로 흐르는 혈구를 직접 이미징할 수 있으면 가장 좋겠지만, 그러한 영상 기기나 방법이 존재하지 않아 혈류속도와 관련있는 도플러 신호 등을 측정해 속도를 추산하거나, 혈장 혹은 일부 혈구를 형광 염색해 형광현미경으로 이미징하는 방법이 주로 사용되고 있었다. 새로 개발한 기술은 형광 조영제와 같은 아무런 물질을 생체에 주사하지 않고도, 여러 혈관 안에 흐르는 혈구들만을 고속으로 직접 영상화할 수 있어서, 현장에서의 사용이 매우 편리할 뿐 아니라 정확한 혈류역학 정보를 바로 얻어낼 수 있어, 연구 현장에서 매우 유용하게 사용될 것”이라고 강한 기대를 보였다.
우리 대학 김경환 학생과 박현상 박사가 공동 제1 저자로 참여한 이번 연구 결과는 융합연구분야 선도 저널인 스몰(Small) 10월호에 게재됐다. (논문명: Direct Blood Cell Flow Imaging in Microvascular Networks)
한편 이번 연구는 한국연구재단의 중견연구자지원사업의 지원을 받아 수행됐다.
2023.11.01
조회수 1372
-
탁지훈 박사과정, 2023 구글 PhD 펠로우 선정
우리 대학 김재철AI대학원 박사과정 탁지훈 학생(지도교수 신진우)이 ‘2023 구글 PhD 펠로우’에 선정됐다.
구글 PhD 펠로우십은 컴퓨터 과학과 관련된 유망 연구 분야에서 우수한 성과를 낸 대학원생을 지원하는 장학 프로그램으로 올해는 전 세계에서 67명이 선발됐다. 선정된 펠로우에게는 1만 달러의 장학금과 구글 각 분야 전문가 멘토와의 일대일 연구 토의, 피드백 등의 혜택이 주어진다.
탁지훈 학생은 기계학습(Machine Learning) 분야에서 메타학습(Meta-learning)과 뉴럴필드(Neural Field) 분야의 탁월한 연구 성과를 인정받아 선정되었다. 기계학습 분야에서는 총 19명의 학생이 선발되었으며 아시아 대학에서는 탁지훈 학생이 유일하다.
탁지훈 학생은 특히 기존 뉴럴필드 학습의 한계점들을 새로운 메타학습 방법론을 제안하여 효과적으로 극복한 것으로 평가받는다. 구체적으로는 뉴럴필드 학습에서의 세 가지 비효율적 요소인 학습 시간, 학습 메모리 그리고 저장 공간을 효율적인 메타학습을 제안하여 효율화 하였으며, 이를 활용한 데이터 형태에 구애받지 않은 데이터 압축 기술 역시 제안하였다. 이러한 다양한 연구들은 NeurIPS, ICML, ICLR 등 기계학습 및 딥러닝 분야의 최고 학회에 다수 선정되었다. 또한 그는 구글 딥마인드 연구진들과 협력하여 메타학습과 뉴럴필드 연구를 수행한 바 있다.
시상식은 8월 29일부터 8월 30일 양일간 가상으로 열린 구글 PhD 펠로우십 서밋(Google PhD Fellowship Summit)에서 진행됐으며, 수상자 리스트는 구글 홈페이지에 게시되어있다.
구글은 KAIST 교수진과 학생을 대상으로 연구비 지원(Research Grant), 신진 연구자 지원(Research Scholar), 구글 클라우드 플랫폼 크레딧(GCP Credits), 익스플로어CSR(exploreCSR), PhD 펠로우십(PhD Fellowship), 학생 학회 후원(Student Travel Grants) 등 다양한 산학협력 프로그램으로 지원을 제공했다.
(홈페이지 주소 : https://research.google/outreach/phd-fellowship/recipients)
2023.10.31
조회수 3081
-
변화된 데이터에서 인공지능 공정성 찾아내다
인공지능 기술이 사회 전반에 걸쳐 광범위하게 활용되며 인간의 삶에 많은 영향을 미치고 있다. 최근 인공지능의 긍정적인 효과 이면에 범죄자의 재범 예측을 위해 머신러닝 학습에 사용되는 콤파스(COMPAS) 시스템을 기반으로 학습된 모델이 인종 별로 서로 다른 재범 확률을 부여할 수 있다는 심각한 편향성이 관찰되었다. 이 밖에도 채용, 대출 시스템 등 사회의 중요 영역에서 인공지능의 다양한 편향성 문제가 밝혀지며, 공정성(fairness)을 고려한 머신러닝 학습의 필요성이 커지고 있다.
우리 대학 전기및전자공학부 황의종 교수 연구팀이 학습 상황과 달라진 새로운 분포의 테스트 데이터에 대해서도 편향되지 않은 판단을 내리도록 돕는 새로운 모델 훈련 기술을 개발했다고 30일 밝혔다.
최근 전 세계의 연구자들이 인공지능의 공정성을 높이기 위한 다양한 학습 방법론을 제안하고 있지만, 대부분의 연구는 인공지능 모델을 훈련시킬 때 사용되는 데이터와 실제 테스트 상황에서 사용될 데이터가 같은 분포를 갖는다고 가정한다. 하지만 실제 상황에서는 이러한 가정이 대체로 성립하지 않으며, 최근 다양한 어플리케이션에서 학습 데이터와 테스트 데이터 내의 편향 패턴이 크게 변화할 수 있음이 관측되고 있다.
이때, 테스트 환경에서 데이터의 정답 레이블과 특정 그룹 정보 간의 편향 패턴이 변경되면, 사전에 공정하게 학습되었던 인공지능 모델의 공정성이 직접적인 영향을 받고 다시금 악화된 편향성을 가질 수 있다. 일례로 과거에 특정 인종 위주로 채용하던 기관이 이제는 인종에 관계없이 채용한다면, 과거의 데이터를 기반으로 공정하게 학습된 인공지능 채용 모델이 현대의 데이터에는 오히려 불공정한 판단을 내릴 수 있다.
연구팀은 이러한 문제를 해결하기 위해, 먼저 `상관관계 변화(correlation shifts)' 개념을 도입해 기존의 공정성을 위한 학습 알고리즘들이 가지는 정확성과 공정성 성능에 대한 근본적인 한계를 이론적으로 분석했다. 예를 들어 특정 인종만 주로 채용한 과거 데이터의 경우 인종과 채용의 상관관계가 강해서 아무리 공정한 모델을 학습을 시켜도 현재의 약한 상관관계를 반영하는 정확하면서도 공정한 채용 예측을 하기가 근본적으로 어려운 것이다. 이러한 이론적인 분석을 바탕으로, 새로운 학습 데이터 샘플링 기법을 제안해 테스트 시에 데이터의 편향 패턴이 변화해도 모델을 공정하게 학습할 수 있도록 하는 새로운 학습 프레임워크를 제안했다. 이는 과거 데이터에서 우세하였던 특정 인종 데이터를 상대적으로 줄임으로써 채용과의 상관관계를 낮출 수 있다.
제안된 기법의 주요 이점은 데이터 전처리만 하기 때문에 기존에 제안된 알고리즘 기반 공정한 학습 기법을 그대로 활용하면서 개선할 수 있다는 것이다. 즉 이미 사용되고 있는 공정한 학습 알고리즘이 위에서 설명한 상관관계 변화에 취약하다면 제안된 기법을 함께 사용해서 해결할 수 있다.
제1 저자인 전기및전자공학부 노유지 박사과정 학생은 "이번 연구를 통해 인공지능 기술의 실제 적용 환경에서, 모델이 더욱 신뢰 가능하고 공정한 판단을 하도록 도울 것으로 기대한다ˮ고 밝혔다.
연구팀을 지도한 황의종 교수는 "기존 인공지능이 변화하는 데이터에 대해서도 공정성이 저하되지 않도록 하는 데 도움이 되기를 기대한다ˮ고 말했다.
이번 연구에는 노유지 박사과정이 제1 저자, 황의종 교수(KAIST)가 교신 저자, 서창호 교수(KAIST)와 이강욱 교수(위스콘신-매디슨 대학)가 공동 저자로 참여했다. 이번 연구는 지난 7월 미국 하와이에서 열린 머신러닝 최고권위 국제학술 대회인 `국제 머신러닝 학회 International Conference on Machine Learning (ICML)'에서 발표됐다. (논문명 : Improving Fair Training under Correlation Shifts)
한편, 이 기술은 정보통신기획평가원의 지원을 받은 `강건하고 공정하며 확장가능한 데이터 중심의 연속 학습' 과제 (2022-0-00157)와 한국연구재단 지원을 받은 `데이터 중심의 신뢰 가능한 인공지능' 과제의 성과다.
2023.10.30
조회수 1607
-
한빛원전의 시공 불량 문제를 해결하기 위한 시뮬레이션 개발
후쿠시마 사고 이후 원전 안전 및 관리에 대한 관심이 집중되고 있다. 한국에서는 2017년 6월경 한빛원전의 원자로 격납건물의 콘크리트 벽 속에서 대규모 공극이 발견되었다. 원자로 격납건물은 원전 사고 발생 시 방사능 유출을 막아주는 최후의 보루이기 때문에, 이러한 콘크리트 공극으로 인한 원전의 안전상 우려가 큰 상황이다.
국내 연구진들은 원자로 격납건물 시공시 콘크리트 다짐 및 채움 불량으로 인하여 격납로 내 콘크리트에 공극이 발생한 것으로 추정하고 있다. 원자로 격납건물은 일반 콘크리트 구조물과 달리 매우 높은 밀도의 철근 보강이 필요하기 때문에, 콘크리트 타설 시 진동 다짐기가 진입하지 못하는 구역이 존재할 가능성이 높아서 콘크리트 공동에 대한 위험성이 높다. 하지만 돔 형태의 벽체 내부를 감싼 6 mm 두께의 철판(콘크리트 라이너 플레이트, CLP)이 영구 거푸집으로 활용되기 때문에 내부 공동에 대한 육안 검사가 불가능하다는 점에서 공극 발생 여부의 발견에 대한 어려움이 있다.
우리 대학 건설및환경공학과 김재홍 교수 연구팀은 이러한 문제를 해결하기 위하여 콘크리트의 유동성과 다짐 불량으로 인해 발생하는 공동을 억제할 수 있는 시공 시뮬레이션 기법을 개발했다.
연구팀에서 제안한 콘크리트 유동 시뮬레이션 기법은 콘크리트의 레올로지와 진동다짐의 영향 반경을 고려하여 콘크리트 공동 발생 예상 부위를 예측하는 기술이다. 연구팀은 이번 연구를 통해 콘크리트 진동다짐의 영향 반경(감쇠계수)을 직접 측정하여 굳지 않은 콘크리트 내부의 진동 에너지 밀도 분포를 제시했다. 이어서, 진동 에너지에 따른 콘크리트의 Vibrorheology를 정량적으로 측정하여, 굳지 않은 콘크리트의 항복응력 감소를 정량적으로 모델링하여 시공 시뮬레이션을 가능하게 하였다.
새로 제안된 시공 시뮬레이션 기법은 기존 콘크리트 유동해석으로는 고려할 수 없었던 격납건물 내부 보강재의 형상과 크기, 콘크리트 레올로지, 그리고 진동다짐의 진폭과 진동수까지 고려하여 콘크리트의 채움성을 평가할 수 있게 되었다. 연구팀은 향후 보강 연구를 진행해 3D 프린팅 콘크리트의 레올로지 제어, 프리캐스트 콘크리트의 품질 관리 등에도 해당 기술을 활용할 계획이다.
이번 연구는 한국수력원자력(주)와 한국연구재단의 과학기술분야 기초연구사업의 지원으로 수행되었으며, 건설공학 분야에서 권위 있는 학술지인 ACI Materials Journal, Cement and Concrete Research 등에 출판되었다.
(논문명: (1) Quantitative evaluation of energy transfer of a concrete vibrator. (2) Flow simulation of fresh concrete accounting for vibrating compaction.)
2023.10.24
조회수 2199