-
말하지 않아도 알 수 있다… AI가 포착한 우울증
주요 우울 장애 등 정신건강 질환은 주관적 설문과 면담으로 진단한다. 복합적이고 모호한 ‘우울감’은 우울증 진단의 가장 큰 한계로 꼽혀왔다. 국내 연구진이 AI로 일상행동을 분석해 우울증을 객관적으로 진단하고 치료 효과를 평가하는 기술을 개발하며, 정신질환 진단과 치료의 새로운 해법을 제시했다.
우리 대학은 생명과학과 허원도 석좌교수 연구팀이 동물 모델의 일상적인 행동 패턴을 분석할 수 있는 인공지능(AI) 기술을 개발하고, 이를 통해 일상행동 속에서 성별과 중증도에 따른 우울증 증상을 탐지할 수 있음을 입증했다고 13일 밝혔다.
연구팀은 우울증 환자의 팔다리 움직임, 자세, 표정 등 신체 운동 양상이 일반인과 다르다는 점에 주목했다. 감정과 정서 상태가 운동 능력으로 드러나는 현상인 ‘정신운동(psychomotor)’을 정밀하게 파악하기 위해, 연구팀은 실험동물의 자세와 움직임을 3차원으로 분석해 우울 상태에 따른 미세한 행동 변화를 자동으로 포착할 수 있는 AI 플랫폼‘클로저(CLOSER, Contrastive Learning-based Observer-free analysis of Spontaneous behavior for Ethogram Representation)’를 개발했다.
클로저는 인공지능 기법인 (contrastive learning) 알고리즘을 활용해 행동을 아주 작은 단위로 나눠 분석한다. 이를 통해 사람의 눈으로는 알아차리기 어려운 미세한 행동 변화까지 정확하게 구분해냈다.
연구팀은 이 기술을 활용해 우울증과 가장 유사한 만성 예측 불가능 스트레스(CUS, Chronic Unpredictable Stress) 마우스 모델을 만들고, 행동만으로 일상 속 우울 상태를 구별할 수 있는지를 검증했다. 그 결과, 클로저는 성별과 증상의 심한 정도에 따라 달라지는 우울 상태를 정확히 구분하는 데 성공했다.
사후 분석 결과, 스트레스는 운동 능력 자체보다는 행동의 빈도와 행동 흐름을 바꾸는 데 더 큰 영향을 미친다는 사실이 밝혀졌다.
특히 우울증 모델에서 스트레스에 의해 변화한 행동 음절은 성별에 따라 뚜렷한 차이를 보였다. 예를 들어, 수컷 생쥐에서는 주변을 탐색하거나 회전하는 행동이 감소한 반면, 암컷 생쥐에서는 이러한 행동이 오히려 증가했다. 이러한 일상행동 변화는 스트레스 노출 기간이 길어질수록 더욱 두드러졌다.
또한 연구팀은 우울증의 발생 원인이 행동 패턴에 반영되는지를 확인하기 위해 염증 기반 우울증 모델과 스트레스 호르몬 기반 우울증 모델을 추가로 분석했다.
그 결과, 지속적인 스트레스나 염증으로 우울 상태를 만든 경우에는 일상 행동이 눈에 띄게 달라졌지만, 스트레스 호르몬(콜티코스테론)만 투여한 경우에는 행동 변화가 거의 나타나지 않았다. 이는 일상적인 행동 관찰만으로도 우울증의 원인이나 성별에 따라 서로 다른 상태를 구분할 수 있음을 보여준다.
나아가 연구팀은 실제로 우울증 환자 치료에 사용되거나 임상시험 중인 항우울제가 행동으로 나타나는 우울증 증상에 미치는 영향을 분석했다. 우울증 모델에 항우울제를 투여한 결과, 스트레스로 인해 변화했던 행동 음절(기본적인 행동 단위)과 행동 문법(행동의 흐름과 패턴)이 부분적으로 회복되는 것을 확인했다.
특히 항우울제마다 사람의 행동을 회복시키는 방식이 서로 다르다는 것을 발견했다. 연구진은 행동만 살펴봐도 어떤 약이 더 잘 듣는지 구분할 수 있는 ‘행동 지문(behavioral fingerprint)’을 찾아냈다. 이는 앞으로 사람마다 행동 변화를 분석해 가장 잘 맞는 항우울제를 골라주는 맞춤 치료로 이어질 수 있음을 뜻한다.
허원도 석좌교수는 “이번 연구는 인공지능 기반 일상행동 분석 플랫폼을 우울증 진단에 접목해, 우울장애의 맞춤형 진단과 치료 평가를 가능하게 하는 전임상 프레임워크를 세계 최초로 구현한 성과”라며, “향후 정신질환 환자 맞춤형 치료제 개발과 정밀의료로 이어질 중요한 토대를 마련했다”고 말했다.
KAIST 생명과학과 오현식 박사과정이 제 1저자로 주도한 이번 연구는 국제 학술지 네이처 커뮤니케이션즈(Nature Communications) 온라인판에 2025년 12월 30일 게재됐다.
※논문명: AI-driven decoding of naturalistic behaviors enables tailored detection of depressive-like behavior in mice, DOI: https://doi.org/10.1038/s41467-025-67559-x
한편, 본 연구는 과학기술정보통신부 한계도전 R&D프로젝트, 한국연구재단 기초연구사업 (중견연구), 보건복지부·한국보건산업진흥원, 삼성미래기술육성재단의 지원을 받아 수행됐다.
2026.01.13
조회수 434
-
AI로 오랜 난제인 유전자 기능 규명 전략 제시
“유전자는 알지만 기능은 모른다”는 미생물 연구의 오랜 난제를 해결하기 위해, 공동연구진이 인공지능(AI) 기반 미생물 유전자 기능 발견의 속도를 크게 높일 수 있는 최신 연구 전략을 제시했다.
우리 대학은 생명화학공학과 이상엽 특훈교수 연구팀이 UCSD 생명공학과 버나드 폴슨(Bernhard Palsson) 교수와 함께 AI를 활용해 미생물 유전자 기능 발견을 획기적으로 가속할 수 있는 최신 연구 접근법을 체계적으로 정리·분석한 리뷰논문을 발표했다고 12일 밝혔다.
2000년대 초 전장 유전체 해독 기술이 본격화되며 생명체의 유전자 구성을 완전히 규명할 수 있을 것이라는 기대가 컸다. 그러나 20년이 지난 지금도 미생물 유전체 내 상당수 유전자는 어떤 역할을 하는지 밝혀지지 않은 상태다.
유전자 결실 실험, 발현량 조절, 시험관 내 활성 측정 등 다양한 실험이 시도돼 왔지만 ▲ 대규모 실험의 한계 ▲ 복잡한 생물학적 상호작용 ▲ 실험실 결과와 실제 생체 내 반응 간 불일치 등으로 인해 유전자 기능 규명에는 여전히 많은 시간과 비용이 소요돼 왔다.
연구팀은 이러한 한계를 극복하기 위해 전산생물학과 실험생물학을 결합한 AI 기반 접근이 필수적이라고 강조했다.
이번 논문에서는 기존의 서열 유사성 분석 기법부터 최신 심층학습 기반 AI 모델에 이르기까지, 유전자 기능 발견을 촉진해 온 다양한 전산생물학적 접근법을 종합적으로 정리했다.
특히 AlphaFold(구글 딥마인드가 개발한 단백질 구조 예측 AI), RoseTTAFold(미국 워싱턴대에서 개발한 또 다른 고성능 단백질 구조 예측 AI)와 같은 단백질 3차원 구조 예측 기술은 단순한 기능 추정을 넘어, 유전자 기능이 어떻게 작동하는지 이해할 수 있는 가능성을 제시했다. 더 나아가 생성형 인공지능은 원하는 기능을 가진 단백질을 설계하는 단계로까지 연구를 확장하고 있다.
연구팀은 전사인자(유전자를 켜고 끄는 스위치 역할을 하는 단백질)와 효소(생체 내 화학 반응을 촉진하는 단백질)를 중심으로, 유전자 서열 정보, 단백질 구조 예측, 다양한 메타유전체 분석을 결합한 다양한 응용 사례와 향후 연구 방향을 제시했다.
연구팀은 유전자 기능 발견의 편향과 한계를 극복하기 위해 AI가 실험을 안내하는 ‘능동적 학습(Active Learning)’ 기반 연구 프레임워크가 필요하다고 밝혔다.
능동적 학습은 AI 모델이 불확실성이 높은 예측을 스스로 선별해 실험을 제안하고, 그 결과를 다시 학습에 반영하는 방식이다. 이를 통해 연구자는 중요한 유전자 기능부터 효율적으로 검증할 수 있다.
이를 위해 연구팀은 자동화된 실험 플랫폼과 바이오파운드리 등 공유 연구 인프라와의 긴밀한 통합이 필수적이라고 강조했다. 또한 실험적으로 검증되지 못한 ‘실패 데이터’ 역시 향후 연구를 위한 중요한 학습 자산으로 공유돼야 한다고 덧붙였다.
공동저자인 김기배 KAIST 박사는 “딥러닝 기반 예측 성능은 크게 향상됐지만, 예측 결과의 근거를 생물학적으로 설명할 수 있는 해석 가능한 인공지능 모델 개발은 여전히 중요한 과제”라고 말했다.
이상엽 특훈교수는 “유전자 기능 발견의 한계를 넘어서기 위해서는 연구자의 지휘하에 AI가 안내하는 체계적 실험 프레임워크와 자동화 연구 인프라의 결합이 핵심”이라며, “예측과 검증이 반복적으로 연결되는 연구 생태계 구축이 중요하다”고 강조했다.
해당 논문은 네이처(Nature) 誌가 발행하는 생명공학 분야 권위 저널인 `네이처 마이크로볼로지(Nature Microbiology)'에 01월 07일 자 게재됐다.
※ 논문명: Approaches for accelerating microbial gene function discovery using artificial intelligence, DOI: 10.1038/s41564-025-02214-1
※ 저자 정보 : Bernhard O. Palsson (UCSD, 제1 저자), 이상엽(KAIST 제2 저자, 교신저자), 김기배(KAIST, 제3 저자) 포함 총 3명
한편, 이번 연구는 과기정통부가 지원하는 석유대체 친환경 화학기술개발사업의 ‘바이오화학산업 선도를 위한 차세대 바이오리파이너리 원천기술 개발’ 과제의 지원, 그리고 합성생물학핵심기술개발 사업의 ‘바이오제조 산업 선도를 위한 첨단 합성생물학 원천기술 개발’과제의 지원을 받아 수행됐다.
2026.01.12
조회수 375
-
CES 2026서 ‘KAIST관’으로 K-테크 경쟁력 선보여
우리 대학은 2026년 1월 6일부터 9일까지 미국 라스베이거스 베네시안 엑스포(Venetian Expo) 유레카 파크(Eureka Park)에서 열리는 국제전자제품박람회(CES 2026)에 참가해, 약 111㎡ 규모의 단독 부스 ‘KAIST관’을 운영하며 KAIST의 혁신 기술을 글로벌 기업과 투자자들에게 선보인다고 2일 밝혔다.
이번 CES 2026 KAIST관에는 총 12개 창업기업이 참여하며, 이 가운데 8개 기업이 AI 기술을 핵심 기반으로 한 기업으로 구성돼 KAIST의 인공지능 연구 역량과 기술사업화 성과를 집중적으로 소개할 예정이다.
참여 기업들은 AI를 중심으로 로보틱스, 바이오, 하드웨어 디바이스, 콘텐츠 테크 등 다양한 첨단 기술 분야에서 글로벌 시장을 겨냥한 솔루션을 공개한다.
이번 전시에서 주목할 기업 중 하나는 교원창업 기업 ‘㈜하이퍼그램’이다. 하이퍼그램은 세계 최초로 압축식 초분광 영상 기술을 상용화한 ‘HG VNIR Pro’를 선보인다. 이 제품은 산업용 정밀 하드웨어와 AI 분석 소프트웨어를 통합한 엔드-투-엔드(End-to-End) 솔루션으로, 인간의 눈으로는 식별할 수 없는 미세한 화학적 특성을 실시간으로 검출할 수 있다. 전시 기간 동안에는 초고속 초분광 머신비전 카메라를 활용한 실시간 분석 데모를 통해 고정밀 AI 영상 분석 기술을 직접 선보일 계획이다.
CES 2026 혁신상(Innovation Award)을 수상한 ‘모스(MOSS)’는 일반인과 인디 뮤지션이 자본 부담 없이 고품질 음악을 제작할 수 있는 AI 기반 올인원(All-in-One) 모바일 음악 제작 플랫폼을 전시한다. 관람객은 모스 앱과 전용 하드웨어 ‘MOSS Pocket Studio’를 연동해 직접 음악을 제작해보는 AI 체험존을 통해 기술의 직관성과 혁신성을 경험할 수 있다.
‘배럴아이’는 AI 기반 정량 초음파 분석 기술을 바탕으로 장기 내부 미세조직 변화를 고해상도로 탐지하는 의료 AI 진단 솔루션을 개발하고 있다. CES 2026에서는 스마트미러 기반 셀프 초음파 촬영을 통한 3D 볼륨 재구성 기술을 공개할 예정이다.
배럴아이는 이러한 기술력을 바탕으로 글로벌 헬스케어 선도기업으로부터 약 140억 원(미화 1,000만 달러) 규모의 전략적 시리즈 A 투자를 유치했으며, KAIST 창업원장이자 배럴아이 대표인 배현민 교수를 중심으로 기술 공동개발과 해외시장 진출을 본격 추진할 계획이다.
이 밖에도 AI, 바이오, 하드웨어 디바이스 등 각 분야에서 혁신을 주도하는 KAIST 창업기업들이 참여해 글로벌 시장 진출 기반을 다진다.
이번 KAIST관은 개방형 동선과 대형 LED 연출로 주목도를 높이고, 기업별 독립 공간을 통해 심층 기술 소개와 투자 상담이 가능하도록 구성했다.
이건재 기술가치창출원장은 “CES 2026을 통해 KAIST 창업기업의 AI 혁신 기술을 글로벌 무대에 각인시키고, 해외 진출의 실질적인 교두보를 마련하겠다”고 밝혔다.
2026.01.02
조회수 916
-
종양 속 잠든 면역세포를 깨워 암을 공격하게 하다
우리 몸의 종양 안에는 암과 싸울 수 있는 면역세포(대식세포)가 있지만, 암에 의해 제 역할을 하지 못해왔다. 우리 대학 연구진은 이러한 한계를 넘어, 종양 내부에서 면역세포를 직접 항암 세포치료제로 바꾸는 새로운 치료법을 개발했다.
우리 대학은 바이오및뇌공학과 박지호 교수 연구팀이 종양 내부에 약물을 주입하면, 체내에 존재하던 대식세포가 이를 흡수해 스스로 CAR(암을 인식하는 장치) 단백질을 만들고 항암 면역세포인 ‘CAR-대식세포’로 전환되는 치료법을 개발했다고 30일 밝혔다.
고형암은 위암·폐암·간암처럼 단단한 덩어리 형태로 자라는 암으로, 면역세포가 종양 안으로 침투하거나 기능을 유지하기 어려워 기존 면역세포치료의 효과가 제한적이었다.
최근 차세대 면역치료로 주목받는 CAR-대식세포는 암세포를 직접 잡아먹는 동시에 주변 면역세포를 활성화해 항암 반응을 확산시키는 장점을 갖는다.
하지만 지금까지의 CAR-대식세포 치료는 환자 혈액에서 면역세포를 채취한 뒤 배양과 유전자 조작을 거쳐야 해 시간과 비용 부담이 크고 실제 환자 적용에도 한계가 있었다.
연구팀은 이 문제를 해결하기 위해 종양 주변에 이미 모여 있는 ‘종양 연관 대식세포’에 주목했다.
대식세포에 잘 흡수되도록 설계된 지질나노입자에 암을 인식하는 정보를 담은 mRNA와 면역 반응을 깨우는 면역자극제를 함께 실어, 체내에서 면역세포를 직접 재프로그래밍하는 전략이다.
즉, CAR-대식세포는 원래 몸에 있던 대식세포를 이번 연구에서는 ‘몸 안에서 바로 항암 세포치료제로 바꾼 것’이다.
이 치료제를 종양 내부에 주입하자 대식세포가 이를 빠르게 흡수해 암세포를 인식하는 단백질을 만들었고, 동시에 면역 신호가 활성화됐다. 그 결과 생성된 ‘강화된 CAR-대식세포’는 암세포 제거 능력이 크게 향상되고, 주변 면역세포까지 활성화되면서 강력한 항암 효과를 보였다.
실제로 흑색종(피부에 생기는 가장 위험한 암) 동물 모델 실험에서 종양 성장이 뚜렷하게 억제됐으며, 치료 효과가 국소 부위를 넘어 전신 면역 반응으로 확장될 가능성도 확인됐다.
박지호 교수는 “이번 연구는 환자 몸 안에서 바로 항암 면역세포를 만들어내는 새로운 개념의 면역세포치료 전략”이라며 “기존 CAR-대식세포 치료의 가장 큰 한계였던 전달 효율 문제와 면역억제 환경 문제를 동시에 극복했다는 점에서 의미가 크다”고 말했다.
이번 연구에는 KAIST 바이오및뇌공학과 한준희 박사가 제1 저자로 참여했으며, 연구 결과는 나노기술 분야 국제학술지 ‘ACS 나노(ACS Nano)’에 지난 11월 18일 게재됐다.
※ 논문명: In Situ Chimeric Antigen Receptor Macrophage Therapy via Co-Delivery of mRNA and Immunostimulant, 저자: 한준희(제1저자), Erinn Fagan, 염경환, 박지호(교신저자), DOI: 10.1021/acsnano.5c09138
본 연구는 한국연구재단 중견연구자지원사업의 지원을 받아 수행됐다.
2025.12.30
조회수 520
-
뿌리면 1초 후 지혈....軍 전투원 생존성 높인다
전쟁에서 부상으로 인해 목숨을 잃게 되는 원인은 과다출혈이다. 육군 소령이 참여한 우리 대학 연구진이 이 문제를 정면으로 돌파했다. 뿌리기만 하면 1초 후에 출혈을 멈추는 차세대 파우더 지혈제를 개발하며, 전투원 생존성의 패러다임을 바꿀 혁신 기술을 선보인 것이다.
우리 대학은 신소재공학과 스티브 박 교수와 생명과학과 전상용 교수 공동연구팀이 상처 부위에 뿌리기만 하면 약 1초 이내에 강력한 하이드로겔 장벽을 형성하는 파우더형 지혈제를 개발했다고 29일 밝혔다.
이 기술은 육군 소령 연구진이 직접 참여해 실제 전투 환경을 고려한 실전형 기술로 완성도를 높였다. 높은 사용성과 저장성으로 전투, 재난현장 등 극한 조건에서도 즉각 경화되는 특성을 구현해, 응급처치가 즉시 가능하다.
그동안 의료 현장에서 널리 사용되는 패치형 지혈제는 평면 구조로 인해 깊고 복잡한 상처에는 적용이 어렵고, 온도와 습도에 민감해 보관과 운용에도 한계가 있었다.
이에 연구팀은 깊고 큰 불규칙 상처에도 자유롭게 적용할 수 있는 파우더 형태의 차세대 지혈제를 개발했다. 하나의 파우더만으로 다양한 상처 유형에 대응할 수 있는 범용성을 확보한 것이다.
기존 파우더 지혈제는 혈액을 물리적으로 흡수하여 장벽을 형성하는 방식이어서 지혈 능력에 한계가 있었다. 연구팀은 이 문제를 해결하기 위해 혈액 속 이온 반응에 주목했다.
이번에 개발한 ‘AGCL 파우더’는 알지네이트·겔란검(칼슘과 반응해 초고속 겔화·물리적 밀봉), 키토산(혈액 성분과 결합해 화학적·생물학적 지혈 강화) 등 생체적합 천연 소재를 결합한 구조로, 혈액 속에 칼슘 등 양이온과 반응해 1초 만에 겔 상태로 변하여 상처를 즉각 밀봉한다.
또한 파우더 내부에 3차원 구조를 형성해 자체 무게의 7배 이상(725%)에 달하는 혈액을 흡수할 수 있다. 이로 인해 고압·과다출혈 상황에서도 혈류를 빠르게 차단하며, 손으로 강하게 눌러도 버틸 수 있는 압력 수준인 ‘40kPa’이상의 높은 접착력으로 상용 지혈제보다 훨씬 뛰어난 밀폐 성능을 보였다.
AGCL 파우더는 모두 자연 유래 물질로 구성돼, 혈액과 접촉해도 안전한 용혈률 3% 미만, 세포 생존율 99% 이상, 항균 효과 99.9%를 나타냈다. 동물실험에서도 빠른 상처 회복과 혈관·콜라겐 재생 촉진 등 우수한 조직 재생 효과가 확인됐다.
외과적 간 손상 수술 실험에서는 출혈량과 지혈 시간이 상용 지혈제 대비 크게 감소했으며, 수술 2주 후 간 기능도 정상 수준으로 회복됐다. 전신 독성 평가에서도 이상 소견은 나타나지 않았다.
특히 이 지혈제는 실온·고습 환경에서도 2년간 성능이 유지돼, 군 작전 현장이나 재난 지역 등 열악한 환경에서도 즉시 사용할 수 있다는 장점을 갖췄다.
이번 연구는 국방 목적을 염두에 두고 개발된 첨단 신소재 기술이지만, 재난 현장, 개발도상국, 의료 취약 지역 등 응급의료 전반으로의 활용 가능성도 매우 크다.
전투현장에서의 응급처치부터 체내 수술 지혈까지 가능하다는 점에서 국방과학기술이 민간으로 확장된 대표적 스핀오프 사례*로 평가된다.
*스핀오프(Spin-off) 사례: 국방과학기술을 민간 영역에서 활용하기 위하여 확장, 이전하는 것. 예시로는 컴퓨터, GPS, 전자레인지 등이 있다.
본 연구는 2025 KAIST Q-Day 총장상과 2024 KAIST–KNDU 국방 학술대회 국방부 장관상을 수상하며, 과학적 혁신성과 국방 활용성을 동시에 인정받았다.
연구에 참여한 박규순 KAIST 박사과정생(육군 소령)은 “현대전의 핵심은 인명 손실 최소화”라며, “군인을 한 명이라도 더 살리겠다는 사명감으로 연구를 시작했다”고 밝혔다. 이어 “이번 기술이 국방과 민간 의료 현장에서 생명을 살리는 기술로 쓰이길 기대한다”고 덧붙였다.
KAIST 박규순 박사과정, 손영주 석박통합과정 학생이 제1 저자로 참여하고 스티브 박 교수, 전상용 교수가 지도한 이번 연구는 화학/재료공학 분야 국제 학술지인 `어드밴스드 펑셔널 머터리얼즈 Advanced Functional Materials (IF 19.0)' 에 2025년 10월 28일 자로 온라인 출판됐다.
※논문명: An Ionic Gelation Powder for Ultrafast Hemostasis and Accelerated Wound Healing, DOI: 10.1002/adfm.202523910
한편, 본 연구는 한국연구재단(NRF)의 지원을 받아 수행됐다.
2025.12.29
조회수 862
-
수학자들, 생물학의 난제 '세포 잡음' 잡았다
암 치료가 성공적으로 끝났는데도 재발하거나, 강력한 항생제를 써도 일부 세균이 살아남는 이유는 무엇일까. 그 핵심 원인 중 하나로 세포 내부에서 무작위로 발생하는 ‘생물학적 잡음(Biological Noise)’이 지목된다. 유전자가 같은 세포라도 단백질 양이 저마다 달라 약물 치료를 피해 살아남는 ‘아웃라이어(Outlier, 튀는 세포)’가 생겨나기 때문이다. 그간 과학자들은 세포 집단의 평균값만 조절할 수 있었을 뿐, 개별 세포의 불규칙한 변동성을 제어하는 일은 오랜 숙제로 남아 있었다.
우리 대학 수리과학과 김재경 교수와 POSTECH 수학과 김진수 교수, 우리 대학 공학생물학대학원 조병관 교수 공동연구팀은 수학적 모델링을 통해 세포 내부의 생물학적 잡음을 제거하고 세포의 운명을 정밀하게 제어할 수 있는 ‘잡음 제어 원리’를 이론적으로 확립했다. 이는 단일 세포 수준의 정밀 제어 기술을 확보한 쾌거로, 암 치료 및 합성생물학 분야의 난제를 해결할 새로운 이정표가 될 전망이다.
우리 몸의 세포들은 생존을 위해 항상성을 유지하려 하지만, 실제 세포 내부 환경은 끊임없이 변화한다. 기존 유전자 회로 기술은 세포 집단의 평균 단백질 양은 맞출 수 있었으나, 개별 세포 간의 편차인 잡음은 오히려 증폭시키는 한계가 있었다. 연구팀은 이를 ‘냉온탕을 오가는 샤워기’에 비유했다. 샤워기 물 온도의 평균을 40도로 맞췄더라도, 실제로는 펄펄 끓는 물과 얼음물이 번갈아 나온다면 정상적인 샤워가 불가능한 것과 같은 이치다. 이처럼 ‘평균의 함정’에 빠져 통제를 벗어난 소수의 세포들은 암 재발이나 항생제 내성을 일으키는 주범이 된다. 연구팀은 이 문제를 해결하기 위해 ‘잡음 제어기(Noise Controller, NC)’라는 새로운 수학적 모델을 고안했다.
연구진은 먼저 시스템의 최종산출물이 서로 결합해 짝을 이루는 ‘이합체(dimer) 반응’을 이용해 세포마다 달라지는 산출물의 분산을 조절할 수 있을지 검토했다. 그 과정에서 이합체 반응이 세포 상태의 흔들림, 즉 잡음을 감지하는 센서 역할을 할 수 있음을 확인했다. 하지만 초기 시도에서는 이 방법만으로 세포 간 차이를 줄이는 데는 한계가 있었다. 이에 따라 특정 물질이 필요 이상으로 많이 만들어질 경우 이를 바로 줄여주는 장치가 함께 필요하다고 판단했고, 단백질이 과도하게 많아지면 즉각적으로 분해하는 ‘분해 기반 작동(degradation-based actuation)’ 원리를 결합했다. 그 결과, 외부 환경 변화에도 세포 내 잡음 수준을 일정하게 유지하는 ‘잡음 견고 완전 적응(Noise Robust Perfect Adaptation, Noise RPA)’을 이론적으로 구현해냈다. 이를 통해 세포 간 편차를 보편적인 생물학적 시스템이 도달할 수 있는 최소 수준 파노인자(Fano factor)가 1인 수준까지 억제하는 데 성공했다.
연구팀은 이 모델을 대장균의 DNA 복구 시스템에 가상으로 적용해 성능을 입증했다. 기존 시스템에서는 DNA 손상을 복구하는 단백질의 양이 세포마다 크게 달라 약 20%의 세포가 복구에 실패해 사멸했다. 하지만, 잡음 제어기(NC)를 적용해 모든 세포의 단백질 양을 균일하게 조절하자 사멸률을 7%까지 낮출 수 있었다. 정교한 수학적 원리만으로 세포의 생존율을 획기적으로 끌어올린 것이다. 이는 기존의‘평균 제어’ 패러다임을 넘어, 개별 세포 하나하나를 정밀하게 다루는‘단일 세포 제어’를 실현했다는 점에서 의미가 크다.
연구를 이끈 김재경 교수는 "생명 현상에서 운이나 우연으로 치부되던 세포 간 잡음을 수학적 설계를 통해 제어 가능한 영역으로 가져왔다는 데 의의가 있다”며, "앞으로 암 치료 내성 극복, 고효율 스마트 미생물 개발 등 정밀한 세포 제어가 필수적인 분야에서 핵심적인 역할을 할 것”이라고 밝혔다. 공동 교신저자인 김진수 POSTECH 교수는 "반응 네트워크 이론을 이용한 세포 내 잡음의 이론적 수식에서 출발해 실제 생물학적 기전을 설계했다는 점에서, 수학 모형의 힘을 잘 보여주는 연구”라고 강조했다.
이번 연구 결과는 12월 24일 국제학술지 ‘네이처 커뮤니케이션스(Nature Communications, IF=15.7)’에 실렸다.
2025.12.29
조회수 541
-
내 PC·모바일도 AI 인프라로...챗GPT 비용 낮춘다
대규모 언어모델(LLM) 기반 AI 서비스는 지금까지 대부분 고가의 데이터센터 GPU에 의존해 왔다. 이로 인해 서비스 운영 비용이 높고, AI 기술 활용의 진입장벽도 컸다. 우리 대학 연구진이 비싼 데이터센터 GPU를 덜 쓰고, 주변에 있는 저렴한 GPU를 활용해 AI 서비스를 더 싸게 제공할 수 있는 기술을 개발했다.
우리 대학은 전기및전자공학부 한동수 교수 연구팀이 데이터센터 밖에 널리 보급된 저렴한 소비자급 GPU를 활용해 LLM 인프라 비용을 크게 낮출 수 있는 새로운 기술 ‘스펙엣지(SpecEdge)’를 개발했다고 28일 밝혔다.
SpecEdge는 데이터센터 GPU와 개인 PC나 소형 서버 등에 탑재된 ‘엣지 GPU’가 역할을 나눠 LLM 추론 인프라를 함께 구성하는 방식이다. 이 기술을 적용한 결과, 기존 데이터센터 GPU만 사용하는 방식에 비해 토큰(AI가 문장을 만들어내는 최소 단위)당 비용을 약 67.6% 절감할 수 있었다.
연구팀은 이를 위해 ‘추측적 디코딩(Speculative Decoding)’이라는 방법을 활용했다. 엣지 GPU에 배치된 소형 언어모델이 확률이 높은 토큰 시퀀스(단어 또는 단어 일부가 순서대로 이어진 형태)를 빠르게 생성하면, 데이터센터의 대규모 언어모델이 이를 일괄 검증하는 방식이다. 이 과정에서 엣지 GPU는 서버의 응답을 기다리지 않고 계속 단어를 만들어, LLM 추론 속도와 인프라 효율을 동시에 높였다.
데이터센터 GPU에서만 추측적 디코딩을 수행하는 방식과 비교해 비용 효율성은 1.91배, 서버 처리량은 2.22배 향상됐다. 특히 일반적인 인터넷 속도에서도 문제없이 작동해, 별도의 특수한 네트워크 환경 없이도 실제 서비스에 바로 적용할 수 있는 기술임을 확인했다.
또한 서버는 여러 엣지 GPU의 검증 요청을 효율적으로 처리하도록 설계돼, GPU 유휴 시간 없이 더 많은 요청을 동시에 처리할 수 있다. 이를 통해 데이터센터 자원을 보다 효율적으로 활용할 수 있는 LLM 서빙 인프라 구조를 구현했다.
이번 연구는 데이터센터에 집중돼 있던 LLM 연산을 엣지로 분산시켜, AI 서비스의 기반이 되는 인프라 비용은 줄이고 접근성은 높일 수 있는 새로운 가능성을 제시했다. 향후 스마트폰, 개인용 컴퓨터, 신경망 처리장치(NPU) 등 다양한 엣지 기기로 확장될 경우, 고품질 AI 서비스가 보다 많은 사용자에게 제공될 수 있을 것으로 기대된다.
연구를 이끈 한동수 교수는 “데이터센터를 넘어 사용자의 주변에 있는 엣지 자원까지 LLM 인프라로 활용하는 것이 목표”라며 “이를 통해 AI 서비스 제공 비용을 낮추고, 누구나 고품질 AI를 활용할 수 있는 환경을 만들고자 한다”고 말했다.
이번 연구에는 KAIST 박진우 박사와 조승근 석사과정이 참여했으며, 연구 결과는 12월 2일부터 7일까지 미국 샌디에이고에서 열린 인공지능 분야 최고 권위 국제 학회인 신경정보처리시스템 학회(NeurIPS)에서 스포트라이트(Spotlight)로 (상위 3.2% 논문, 채택률 24.52%) 발표됐다.
※논문명: SpecEdge: Scalable Edge-Assisted Serving Framework for Interactive LLMs,
논문링크: https://neurips.cc/virtual/2025/loc/san-diego/poster/119940, https://arxiv.org/pdf/2505.17052
한편, 이 연구는 정보통신기획평가원 (IITP) ‘AI-Native 응용 서비스 지원 6G 시스템 기술개발’ 과제의 지원을 받아 수행됐다.
2025.12.29
조회수 452
-
구글 Gemini 구조 악용한 ‘악성 전문가 AI’ 보안 위협 세계 최초 규명
구글 Gemini 등 대부분의 주요 상용 거대언어모델(LLM)은 효율성을 높이기 위해 여러 개의 ‘작은 AI 모델(전문가 AI)’를 상황에 따라 선택해 사용하는 전문가 혼합(Mixture-of-Experts, MoE) 구조를 활용하고 있다. 그러나 이 구조가 오히려 새로운 보안 위협이 될 수 있다는 사실이 KAIST 연구진에 의해 세계 최초로 밝혀졌다.
우리 대학 전기및전자공학부 신승원 교수와 전산학부 손수엘 교수 공동연구팀이 전문가 혼합 구조를 악용해 거대언어모델의 안전성을 심각하게 훼손할 수 있는 공격 기법을 세계 최초로 규명하고, 해당 연구로 정보보안 분야 최고 권위 국제 학회인 ACSAC 2025에서 최우수논문상(Distinguished Paper Award)을 수상했다고 26일 밝혔다.
ACSAC(Annual Computer Security Applications Conference)는 정보보안 분야에서 가장 영향력 있는 국제 학술대회 중 하나로, 올해 전체 논문 가운데 단 2편만이 최우수논문으로 선정됐다. 국내 연구진이 인공지능 보안 분야에서 이 같은 성과를 거둔 것은 매우 이례적이다.
연구팀은 이번 연구에서 전문가 혼합 구조의 근본적인 보안 취약성을 체계적으로 분석했다. 특히 공격자가 상용 거대언어모델의 내부 구조에 직접 접근하지 않더라도, 악의적으로 조작된 ‘전문가 모델’ 하나만 오픈소스로 유통될 경우, 이를 활용한 전체 거대언어모델이 위험한 응답을 생성하도록 유도될 수 있음을 입증했다.
쉽게 말해, 정상적인 AI 전문가들 사이에 단 하나의 ‘악성 전문가’만 섞여 있어도, 특정 상황에서 그 전문가가 반복적으로 선택되며 전체 AI의 안전성이 무너질 수 있다는 것이다. 이 과정에서도 모델의 성능 저하는 거의 나타나지 않아, 문제를 사전에 발견하기 어렵다는 점이 특히 위험한 요소로 지적됐다.
실험 결과, 연구팀이 제안한 공격 기법은 유해 응답 발생률을 기존 0%에서 최대 80%까지 증가시킬 수 있었으며, 다수의 전문가 중 단 하나만 감염돼도 전체 모델의 안전성이 크게 저하됨을 확인했다.
이번 연구는 전 세계적으로 확산되고 있는 오픈소스 기반 거대언어모델 개발 환경에서 발생할 수 있는 새로운 보안 위협을 최초로 제시했다는 점에서 큰 의미를 갖는다. 동시에, 앞으로 AI 모델 개발 과정에서 성능뿐 아니라 ‘전문가 모델의 출처와 안전성 검증’이 필수적임을 시사한다.
신승원·손수엘 교수는 “효율성을 위해 빠르게 확산 중인 전문가 혼합 구조가 새로운 보안 위협이 될 수 있음을 이번 연구를 통해 실증적으로 확인했다”며, “이번 수상은 인공지능 보안의 중요성을 국제적으로 인정받은 의미 있는 성과”라고 말했다.
이번 연구에는 전기및전자공학부 김재한·송민규 박사과정, 나승호 박사 (현 삼성전자), 전기및전자공학부 신승원 교수, 전산학부 손수엘 교수가 참여했으며, 연구 결과는 2025년 12월 12일 미국 하와이에서 열린 ACSAC에서 발표됐다.
※ 논문명: MoEvil: Poisoning Experts to Compromise the Safety of Mixture-of-Experts LLMs, 논문 파일: https://jaehanwork.github.io/files/moevil.pdf, GitHub(기술 오픈소스): https://github.com/jaehanwork/MoEvil
한편 이 연구는 과학기술정보통신부의 한국인터넷진흥원(KISA) 및 정보통신기획평가원(IITP)의 지원을 받았다.
2025.12.26
조회수 1151
-
KAIST IDEC, 전국 단위 시스템반도체 설계 챌린지대회 첫 개최
우리 대학 반도체설계교육센터(IDEC, 소장 박인철)가 주최한 ‘제1회 시스템반도체 설계 챌린지 대회’가 지난 23일 KAIST 학술문화관 정근모 홀에서 성황리에 개최됐다.
이번 대회는 IDEC이 전국 단위로 처음 개최한 반도체 설계 경진대회로, 전국 6개 지역 캠퍼스(경북대, 광운대, 부산대, 전남대, 충북대, 한양대)에서 진행된 예선을 통과한 17개 팀이 본선에 진출해 실력을 겨뤘다.
IDEC은 그동안 지역 캠퍼스를 중심으로 시스템반도체 및 SoC(System on Chip) 설계 전문 인력 양성과 지역 교육 인프라 구축에 핵심적인 역할을 수행해 왔다.
이번 대회는 6개 지역 캠퍼스에서 개별적으로 운영되던 경진대회를 하나의 전국 대회로 통합 개최했다는 점에서 의미가 크다. 특히 지역 교육 활성화는 물론, 전국 단위의 잠재 인재 발굴을 위한 국가적 플랫폼으로서 IDEC의 역할을 강화하는 계기가 됐다.
올해 9월부터 11월까지 약 3개월간 진행된 예선 경진대회에는 전국 6개 지역 캠퍼스에서 총 84개 팀, 학부생 208명이 참가했으며, 캠퍼스별 상위 팀이 선발돼 총 17개 팀이 본선 무대에 올랐다.
이번 대회의 운영위원장은 고려대학교 전상근 교수가 맡았으며, KAIST를 포함한 전국 대학의 교수 10여 명이 평가위원으로 참여해 심사의 공정성과 전문성을 높였다.
박인철 KAIST IDEC 소장은 “이번 대회는 그동안 지역에 국한돼 있던 반도체 설계 경진대회를 전국 단위로 통합·확산했다는 점에서 큰 의미가 있다”며, “IDEC은 앞으로도 지역 거점 캠퍼스를 중심으로 한 교육 플랫폼 역할을 강화해, 반도체 산업을 이끌 잠재적 인재를 조기에 발굴하고 체계적으로 육성해 나가겠다”고 말했다.
본선에서 가장 우수한 성과를 거둔 대상 ‘Avant(아방)’팀과 금상 ‘부산의 인재’팀, 2개 팀에게는 산업통상부 장관상이 수여됐으며, 박인철 KAIST IDEC 소장이 직접 시상해 수상팀의 노력을 격려했다.
대상을 차지한 한양대 ERICA 이건호 학생은 “회로를 공부하며 진로에 대한 고민이 많았는데, 이번 수상을 통해 그간의 노력이 헛되지 않았다는 확신을 얻었다”며 “팀명인 ‘Avant(아방)’의 의미처럼 앞으로는 스스로를 믿고 학업에 더욱 정진해 나가겠다”고 소감을 전했다.
KAIST 반도체설계교육센터(IDEC)는 1995년 설립 이후 국내 반도체 설계 인력 양성의 핵심 기관으로서 역할을 수행해 왔다.
한편 IDEC은 내년에도 제2회 시스템반도체 설계 챌린지 대회를 더욱 발전된 형태로 개최할 예정이며, 지역 거점 교육 플랫폼으로서의 역할을 지속 강화해 대한민국 반도체 산업의 미래를 이끌 우수 인재 발굴과 육성에 기여할 계획이다.
2025.12.24
조회수 683
-
숙련자의 감 · 언어 장벽 넘어 AI가 제조를 판단한다
우리가 쓰는 플라스틱 제품 대부분은 녹인 플라스틱을 틀에 넣어 같은 제품을 대량으로 찍어내는‘사출성형’공정으로 만든다. 하지만 조건이 조금만 달라도 불량이 생겨, 그동안은 숙련자의 감에 의존해 왔다. 이제 우리 대학 연구진이 고숙련자 은퇴와 외국인 인력 증가로 제조 지식이 단절될 수 있다는 우려에 대해 AI로 공정을 스스로 최적화하고 지식을 전수하는 해법을 내놨다.
우리 대학은 기계공학과 유승화 교수 연구팀(기계공학과·이노코어 PRISM-AI 센터)이 사출 공정을 스스로 최적화하는 생성형 AI 기술과, 현장 지식을 누구나 활용할 수 있는 LLM 기반 지식 전이 시스템을 세계 최초로 개발하고, 그 성과를 세계 최고 수준의 국제학술지에 연속 게재했다고 22일 밝혔다.
첫 번째 성과는 환경 변화나 품질 조건에 따라 자동으로 최적 공정 조건을 추론하는 생성형 AI 기반 공정추론 기술이다. 기존에는 온도나 습도, 원하는 품질 수준이 바뀔 때마다 숙련자가 시행착오를 거쳐 조건을 다시 맞춰야 했다.
연구팀은 실제 사출 공장에서 수개월간 수집한 환경 데이터와 공정 파라미터를 활용해, 확산 모델(Diffusion Model) 기반으로 목표 품질을 만족하는 공정 조건을 역설계하는 기술을 구현했다.
여기에 실제 생산을 대신하는 대리모델(Surrogate Model)을 함께 구축해, 공정을 돌리지 않고도 품질을 미리 예측할 수 있도록 했다. 그 결과 기존 공정 예측에 활용되던 기존 대표기술인 GAN*·VAE** 기반 모델의 오류율(23~44%)을 크게 낮춘 1.63%의 오류율을 달성했으며, 실제 공정 적용 실험에서도 AI가 제시한 조건대로 양품 생산이 확인돼 현장 활용 가능성을 입증했다.
*GAN(Generative Adversarial Network, 생성적 적대 신경망): 두 개의 AI가 서로 경쟁하면서 데이터를 만들어내는 방식, **VAE(Variational Autoencoder, 변분 오토인코더): 데이터의 공통된 패턴을 압축해 이해한 뒤 다시 만들어내는 방식
두 번째 성과는 고숙련자 은퇴와 다국어 작업 환경에 대응하는 LLM 기반 지식 전이 시스템 ‘IM-Chat’이다. IM-Chat은 거대언어모델(LLM)과 검색 증강 생성(RAG)을 결합한 멀티에이전트 AI 시스템으로, 초급 작업자 또는 외국인 작업자가 제조 현장에서 겪는 문제에 대해 적절한 해결책을 제공하는 제조 현장용 AI 도우미다.
작업자가 자연어로 질문하면, AI가 이를 이해해 필요에 따라 생성형 공정추론 AI를 자동으로 호출하고, 최적 공정 조건 계산과 함께 관련 기준과 배경 설명까지 동시에 제공한다.
예를 들어 “현재 공장 습도가 43.5%일 때 적정 사출 압력은?”이라는 질문에 AI는 최적 조건을 계산하고, 관련 매뉴얼 근거까지 함께 제시한다. 다국어 인터페이스를 지원해 외국인 작업자도 동일한 수준의 의사결정 지원을 받을 수 있다.
이번 연구는 사출 공정을 넘어 금형, 프레스, 압출, 3D 프린팅, 배터리, 바이오 제조 등 다양한 산업으로 확장 가능한 제조 AI 전환(AX) 핵심 기술로 평가된다.
특히 생성형 AI와 LLM 에이전트를 툴 콜링(Tool-Calling) 방식*으로 통합해, AI가 스스로 판단하고 필요한 기능을 호출하는 자율 제조 AI 패러다임을 제시했다는 점에서 의미가 크다.
*툴 콜링 방식: AI가 상황에 맞게 필요한 기능이나 프로그램을 스스로 불러 사용하는 방식
유승화 교수는 “공정을 스스로 최적화하는 AI와, 현장 지식을 누구나 활용할 수 있는 LLM을 결합해 제조업의 본질적 문제를 데이터 기반으로 해결한 사례”라며 “앞으로 다양한 제조 공정으로 확장해 산업 전반의 지능화와 자율화를 가속하겠다”고 말했다.
이번 연구는 기계공학과 김준영·김희규·이준형 박사과정이 공동 제1저자로 참여하고, 유승화 교수가 교신저자로 참여했으며, 공학·산업 분야 세계 1위 국제학술지인 ‘저널 오브 매뉴팩처링 시스템즈(Journal of Manufacturing Systems, JCR 1/69, IF 14.2)’4월호와 12월호에 연속 게재됐다.
※ 논문명1: Development of an Injection Molding Production Condition Inference System Based on Diffusion Model, DOI: https://doi.org/10.1016/j.jmsy.2025.01.008
※논문명2: IM-Chat: A multi-agent LLM framework integrating tool-calling and diffusion modeling for knowledge transfer in injection molding industry, DOI: https://doi.org/10.1016/j.jmsy.2025.11.007
한편, 이번 연구는 과학기술정보통신부·중소벤처기업부·산업통상자원부의 지원을 받았다.
2025.12.22
조회수 1225
-
KAIST–캄보디아 파스퇴르 연구소, 뎅기바이러스 진단 연구협력 MOU 체결
우리 대학은 최근 캄보디아 파스퇴르 연구소(Institut Pasteur du Cambodge, IPC)와 뎅기바이러스(DENV) 현장진단 기술 개발을 위한 양해각서(MOU)를 체결했다. 뎅기바이러스는 동남아시아를 중심으로 꾸준히 유행하며 지카(ZIKV), 치쿤군니야(CHIKV) 등 다른 아보바이러스 감염과 임상 증상이 유사해 혼동되기 쉽기 때문에, 감염 초기 단계에서 정확한 구분 진단이 매우 중요하다. 특히 혈청형이 네 가지로 나뉘는 뎅기바이러스는 감염 이력에 따라 증상 중증도가 달라질 수 있어, 감염된 바이러스의 혈청형까지 빠르게 파악하는 기술이 필수적이다.
이번 협약의 파트너인 캄보디아 파스퇴르 연구소는 동남아 지역의 대표적인 공중보건·바이러스 감시 연구기관으로, 장기간 축적된 뎅기바이러스 임상 샘플과 감시 네트워크를 보유하고 있어 진단기술의 현장 검증에 최적의 환경을 제공한다. 우리 대학에서는 바이오및뇌공학과 손성민 교수 연구팀이 참여해, CRISPR 기반 차세대 분자진단 기술을 실제 환자 샘플에 적용하여 그 성능과 활용성을 검증할 예정이다.
손성민 교수는 이번 협력을 “현장에서 실제로 사용 가능한 CRISPR 기반 진단 기술을 완성하는 데 매우 중요한 전환점”이라고 설명했다. 그는 “동남아 지역에서는 신속하고 정확한 뎅기 진단이 곧 치료 결정과 감염 차단으로 이어진다. KAIST에서 개발한 기술을 가장 필요한 지역에서 시험하고 개선할 수 있다는 점에서 이번 협력의 의미가 크다”고 강조했다.
한편, 이번 연구는 한국보건산업진흥원의 보건의료기술 연구개발사업(과제고유번호: RS-2025-02263583)의 지원을 받아 수행된다.
2025.12.18
조회수 444
-
해리 포터의 ‘움직이는 투명 망토’ 기술 나왔다
영화 해리 포터의 투명 망토와 레이더에 잡히지 않는 스텔스 전투기의 공통점은 무엇일까? 바로 물체가 있어도 보이지 않는다는 점이다. 우리 연구진은 이러한 개념을 한 걸음 더 나아가, 늘어나고 움직일수록 전파를 더 잘 숨길 수 있는 ‘똑똑한 투명 망토’와 같은 기술을 개발했다. 이 기술은 움직이는 로봇과 몸에 붙이는 웨어러블 기기, 차세대 스텔스 기술의 새로운 가능성을 열 것으로 기대된다.
우리 대학 기계공학과 김형수 교수와 원자력및양자공학과 박상후 교수 연구팀이 액체금속 복합 잉크(LMCP, Liquid Metal Composite Ink)를 기반으로, 전자기파를 흡수·조절·차폐할 수 있는 차세대 신축성 클로킹(cloaking)* 기술의 핵심 원천기술을 개발했다고 16일 밝혔다.
* 클로킹: 물체가 있어도 레이더나 센서 같은 탐지 장비에는 없는 것처럼 보이게 만드는 기술
클로킹 기술을 구현하려면 물체의 표면에서 빛이나 전파를 자유롭게 조절할 수 있어야 한다. 그러나 기존 금속 재료는 딱딱하고 잘 늘어나지 않아, 억지로 늘리면 쉽게 끊어지는 한계가 있었다. 이 때문에 몸에 밀착되는 전자기기나 자유롭게 형태가 변하는 로봇에 적용하는 데 어려움이 컸다.
연구팀이 개발한 액체금속 복합 잉크는 원래 길이의 최대 12배(1200%)까지 늘려도 전기가 끊어지지 않으며, 공기 중에 1년 가까이 두어도 녹슬거나 성능이 거의 떨어지지 않는 높은 안정성을 보였다. 기존 금속과 달리, 이 잉크는 고무처럼 말랑하면서도 금속의 기능을 그대로 유지한다.
이러한 특성은 잉크가 마르는 과정에서 내부의 액체금속 입자들이 서로 연결돼 그물망 같은 금속 네트워크 구조를 스스로 형성하기 때문에 가능하다. 이 구조는 ‘메타물질’로, 잉크로 아주 작은 무늬를 반복해 인쇄함으로써 전파가 해당 구조를 만났을 때 설계된 방식대로 반응하도록 만든 인공 구조물이다. 그 결과 액체처럼 유연하면서도 금속처럼 튼튼한 성질을 동시에 갖게 된다.
제작 방법도 간단하다. 고온으로 굽거나 레이저로 가공하는 복잡한 공정 없이, 프린터로 인쇄하거나 붓으로 칠한 뒤 말리기만 하면 된다. 또한 액체를 말릴 때 흔히 발생하는 얼룩이나 갈라짐 현상이 없어, 매끄럽고 균일한 금속 패턴을 구현할 수 있다.
연구팀은 이 잉크의 성능을 입증하기 위해, 늘어나는 정도에 따라 전파를 흡수하는 성질이 달라지는 ‘신축성 메타물질 흡수체’를 세계 최초로 제작했다.
잉크로 무늬를 찍은 뒤 고무줄처럼 늘리기만 하면, 흡수하는 전파의 종류(주파수 대역)가 달라진다. 이는 상황에 따라 레이더나 통신 신호로부터 물체를 더 잘 숨길 수 있는 클로킹 기술로 이어질 수 있음을 보여준다.
이번 기술은 신축성, 전도성, 장기 안정성, 공정 단순성, 전자기파 제어 기능을 동시에 만족하는 획기적인 전자소재 기술로 평가된다.
김형수 교수는 “복잡한 장비 없이 프린팅 공정만으로도 전자기파 기능을 구현할 수 있게 됐다”며 “이 기술은 앞으로 로봇의 피부, 몸에 붙이는 웨어러블 기기, 국방 분야의 레이더 스텔스 기술 등 다양한 미래 기술에 활용될 것으로 기대된다”고 말했다.
이번 연구는 차세대 전자소재 분야에서 중요한 원천기술로 인정받아 윌리(Wiley) 국제 학술지‘스몰(Small)’에 2025년 10월호에 10월 16일자로 게재됐으며, 표지논문으로 선정되는 성과를 거두었다.
※ 논문명: J. Pyeon H. Lee, W. Choe, S. Park, H. Kim, "Versatile Liquid Metal Composite Inks for Printable, Durable, and Ultra-Stretchable Electronics," Small 2501829 (2025)
DOI: https://doi.org/10.1002/smll.202501829
※ 주저자 정보: 제1저자 편정수 박사, 공동저자 이현승 박사과정, 최원호 교수, 교신저자 김형수 교수, 박상후 교수
이 성과는 한국연구재단 개인기초 중견 연구 (MSIT: 2021R1A2C2007835)와 KAIST UP Program의 받아 수행되었다.
2025.12.16
조회수 2086