-
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 611
-
AI로 인간 집단행동 예측! 세계 최고 학회에서 1위.. 23년 만의 쾌거
우리 대학은 김재철AI대학원 신기정 교수 연구팀이 개인의 나이, 역할 등 특성이 집단 관계에 미치는 영향을 분석해 복잡한 사회 집단행동을 예측하는 획기적인 AI 기술을 개발했다고 9일 밝혔다.
연구팀은 이 기술로 미국전기전자학회(IEEE) 주관 세계적 데이터마이닝 학술대회 'IEEE ICDM'에서 최우수 논문상(Best Paper Award)을 수상하는 쾌거를 이루었다. 이는 전 세계 785편 중 단 1편에게만 주어지는 최고 권위의 상으로, 한국 대학 연구팀으로서는 23년 만의 수상으로 KAIST가 다시 한 번 세계 연구 무대에서 기술 리더십을 입증했다.
오늘날 온라인 커뮤니티·연구 협업·단체 채팅 등 다수가 동시에 참여하는 집단 상호작용은 사회 곳곳에서 폭발적으로 늘고 있다. 그러나 이러한 집단 행동이 어떤 구조로 형성되고, 개인의 특성이 어떻게 영향을 미치는지를 동시에 정밀하게 설명해 내는 기술은 부족했다.
신기정 교수 연구팀은 이 한계를 뛰어넘기 위해 개인 특성과 집단 구조를 실제처럼 맞물리게 재현하는 AI 모델 ‘NoAH(Node Attribute-based Hypergraph Generator)’를 개발했다.
NoAH는 사람들의 특징이 모이면 어떤 그룹 행동이 만들어지는지를 설명하고 흉내내는 인공지능이다. 예를 들어, 어떤 사람이 어떤 관심사를 갖고 있는지, 어떤 역할을 하는지 등의 정보들이 실제로 어떻게 모여서 그룹 행동을 만들어 내는지를 분석해 그대로 재현할 수 있다.
그래서 NoAH는 사람의 성향과 관계를 동시에 반영해 ‘현실 같은 집단 행동’을 만들어 내는 AI로, 전자상거래에서의 구매 조합, 온라인 토론의 확산 과정, 연구자들의 논문 공저 네트워크 등 다양한 실제 집단 행동을 기존 모델보다 훨씬 더 사실적으로 재현하는 것으로 나타났다.
신기정 교수는 “이번 연구는 집단의 구조뿐 아니라 개인의 특성까지 함께 고려해, 복잡한 상호작용을 입체적으로 이해할 수 있는 새로운 AI 패러다임을 열었다”며 “온라인 커뮤니티, 메신저, 소셜 네트워크 분석 등이 한층 정밀해질 것”이라고 말했다.
이번 연구는 신기정 교수와 KAIST 김재철AI대학원 소속 전재완·윤석범 석사과정, 최민영·이건 박사과정으로 구성된 연구팀이 수행하였으며, IEEE ICDM에서 11월 18일 자 발표하였다.
※논문명: Attributed Hypergraph Generation with Realistic Interplay Between Structure and Attributes
논문원본: https://arxiv.org/abs/2509.21838
한편, 신 교수 연구팀은 이번 수상 논문을 포함해 올해 IEEE ICDM에서 총 네 편의 논문을 발표했다. 또한 2023년에도 같은 학술대회에서 상위 4등인 Best Student Paper Runner-up을 수상한 바 있다.
이 성과는 정보통신기획평가원의 지원을 받은 AI 연구거점 프로젝트, 인공지능 대학원 지원(KAIST), 인공지능 에이전트 협업기반 신경망 변이 및 지능 강화 기술 개발 과제의 지원을 받았다.
2025.12.09
조회수 1231
-
영상 속 1등이 어디죠? ‘딱 그 순간’을 찾아내는 AI 기술 세계 1위
‘카메라가 다른 곳을 비추는 사이 사라진 물체는 무엇 인가요?’라는 복잡한 질문이 나오면 AI는 많은 경우 영상 속 실제 상황을 보고 판단하는 것이 아니라, 언어 패턴에 의존해 ‘그럴듯한 답’을 추측하는 문제가 있다. 우리 대학 연구진은 이 한계를 해결하기 위해 영상 속 ‘딱 중요한 순간(Trigger moment)’을 AI가 스스로 찾아내도록 하는 기술을 개발했고, 이 기술로 국제 AI 대회에서 우수성을 입증했다.
우리 대학은 전산학부 윤성의 교수 연구팀이 이화여대 노준혁 교수 연구팀과 공동 연구를 통해, 세계적 권위의 컴퓨터 비전 학회 ICCV 2025에서 열린 Perception Test Challenge의 영상 근거 기반 질의응답(Grounded Video Question Answering) 트랙에서 1위를 차지했다고 28일 밝혔다.
이번 ICCV 2025에서 열린 인지 테스트 대회(Perception Test Challenge)는 구글 딥마인드(Google DeepMind)가 주관하여 총 상금 50,000 유로(한화 약 8,300만원)가 걸린 대회로, 영상·음성·텍스트 등 다양한 데이터를 종합적으로 이해하는 멀티모달 AI의 인지 및 추론 능력을 평가한다. 특히 언어 중심 편향을 벗어나 실제 영상 근거를 바탕으로 판단하는 능력이 핵심 평가 요소다.
우리 대학 연구팀은 영상 전체를 무작정 분석하는 기존 방식과 달리, AI가 정답을 위해 꼭 필요한 핵심 장면(Trigger moment)을 먼저 찾아내도록 만드는 새로운 기술을 개발했다. 쉽게 말하면, “이 질문에 답하려면 이 장면이 결정적이야!”를 AI가 스스로 찾아내도록 설계한 기술이다.
이 프레임워크를 연구팀은 CORTEX(Chain-of-Reasoning for Trigger Moment Extraction)라고 부른다.
연구팀의 시스템은 서로 다른 기능을 수행하는 세 모델이 순차적으로 작동하는 3단계 구조로 구성된다. 먼저 추론 AI(Gemini 2.5 Pro)가 질문에 답하기 위해 어느 순간을 봐야 하는지 사고하고 딱 그 순간(Trigger moment) 후보를 찾는다. 다음으로 객체 위치 찾기 모델(Grounding 모델, Molmo-7B)이 해당 순간 화면 속 사람·차·사물의 정확한 위치(좌표)를 파악한다. 마지막으로 추적 모델(Tracking 모델, SAM2)이 선택된 한 장면을 기준으로 앞뒤 시간대의 객체 움직임을 정밀하게 추적해 오류를 줄인다.
즉, ‘핵심 장면 한 컷을 정확히 찍고, 그 장면을 중심으로 정답 근거를 추적하는 방식’덕분에 영상 초반 오판이나 가려짐 같은 문제도 크게 줄었다.
총 23개 팀이 참여한 영상 근거 기반 질의응답(Grounded VideoQA) 트랙에서 KAIST팀 SGVR Lab(Scalable Graphics, Vision & Robotics Lab)은 ‘고차 추적 정확도(HOTA, Higher Order Tracking Accuracy)’지표에서 0.4968점을 기록하며 2등 미국 콜럼비아대의 0.4304점을 압도적인 점수 차로 상회하며 1위를 차지했다. 이는 전년도 우승 기록 0.2704점보다도 약 두 배에 가까운 성과다.
이 기술은 실생활에서도 넓게 쓰일 수 있다. 자율주행차는 사고 위험이 있는 순간을 정확히 보고, 로봇은 주변 상황을 더 똑똑하게 이해한다. 또 보안·감시 시스템은 중요한 장면을 빠르게 찾아내고, 미디어 분석에서는 사람이나 사물의 행동을 시간 순서대로 정확히 추적할 수 있다.
즉, AI가 “영상 속 실제 근거”를 보고 판단할 수 있도록 만드는 핵심 기술이다. 특히 영상 속 객체가 시간에 따라 어떻게 행동하는지 정확히 짚어내는 능력은 향후 AI의 실제 현장 적용을 크게 확장할 것으로 기대된다.
이번 연구는 ICCV 2025, the 3rd Perception Test Challenge 학회에서 10월 19일자 발표하였다.
이 성과는 과학기술정보통신부 기초연구사업 중견연구와 SW스타랩 사업 ‘오픈 월드 로봇 서비스를 위한 불특정 환경 인지·행동·상호작용 알고리즘 개발’ 및 AGI 사업 ‘체화형 AGI를 위한 현실 세계 구축과 인지 에이전트 기반 이원 역량 접근법’ 과제의 지원을 받아 수행되었다.
2025.11.28
조회수 1168
-
‘2025 AI 챔피언’등극.. AI가 이제 택시도 스스로 부른다
이제는 단순히 대화만 하는 음성비서를 넘어, AI가 직접 화면을 보고 판단해 택시를 호출하고 SRT 티켓을 예매하는 시대가 열렸다.
우리 대학은 전산학부 신인식 교수(㈜플루이즈 대표)가 이끄는 AutoPhone 팀(플루이즈·KAIST·고려대·성균관대)이 과학기술정보통신부가 주최한 ‘2025 인공지능 챔피언(AI Champion) 경진대회’에서 초대 AI 챔피언(1위)에 선정됐다고 6일 밝혔다.
이번 대회는 AI 기술의 혁신성, 사회적 파급력, 사업화 가능성을 종합 평가하는 국내 최대 규모의 AI 기술 경진대회로, 전국 630개 팀이 참가한 가운데 AutoPhone 팀이 최고 영예를 차지하며 연구개발비 30억 원을 지원받는다.
AutoPhone 팀이 개발한 ‘FluidGPT’는 사용자의 음성 명령을 이해해 스마트폰이 스스로 앱을 실행하고 클릭·입력·결제까지 완료하는 완전 자율형 AI 에이전트 기술이다.
예를 들어, 사용자가 “서울역에서 부산 가는 SRT 예매해줘” 또는 “택시 불러줘”라고 말하면, FluidGPT는 실제 앱을 열고 필요한 단계를 순차적으로 수행해 결과를 완성한다.
이 기술의 핵심은 ‘비침습형(API-Free)’ 구조다. 기존에는 택시 앱(API) 을 이용해 직접 호출 기능을 실행해서 앱 내부 시스템에 연결(API 통신) 해야 했다. 반면 이 기술은 기존 앱의 코드를 수정하거나 앱(API)을 연동하지 않고, AI가 화면(UI)을 직접 인식하고 조작함으로써 사람처럼 스마트폰을 다룰 수 있는 능력을 갖췄다.
이로써 FluidGPT는 “사람처럼 보고, 판단하고, 손을 대신 움직이는 AI”라는 새로운 패러다임을 제시하며, ‘AI폰 시대’를 여는 핵심 기술로 평가받고 있다.
FluidGPT는 기존의 단순 음성비서를 넘어, AI가 직접 화면을 보고 판단하여 행동하는 ‘Agentic AI’(행동형 인공지능) 개념을 구현했다. AI가 앱 버튼을 클릭하고 입력 필드를 채우며 데이터를 참조해 사용자의 목적을 스스로 달성하는 완전 행동형 시스템으로, 스마트폰 사용 방식의 혁신을 예고하고 있다.
전산학부 신인식 교수는 “AI가 이제 대화에서 행동으로 진화하고 있다. FluidGPT는 사용자의 말을 이해하고 실제 앱을 스스로 실행하는 기술로, ‘AI폰 시대’의 출발점이 될 것이다. AutoPhone 팀은 세계적 수준의 연구 역량을 갖추고 있으며, 앞으로 모두가 쉽게 사용할 수 있는 AI 서비스 확산에 기여하겠다”고 소감을 밝혔다.
이광형 KAIST 총장은 “이번 성과는 KAIST의 AI 융합 비전을 보여주는 대표적인 사례”라며 “AI 기술이 국민 생활 속으로 들어와 새로운 혁신의 변화를 이끌고 있다”고 말했다.
이어 “KAIST는 앞으로도 AI와 반도체 등 미래 핵심기술 연구를 선도해 국가 경쟁력에 힘을 보태겠다”고 덧붙였다.
2025.11.06
조회수 1771
-
‘나빌레라’처럼 춤추는 아바타...AI가 움직임 이해하고 그려
AI가 단순히 ‘그럴듯하게 그리는 수준’을 넘어, 옷이 왜 흔들리고 주름이 생기는지까지 이해하는 시대가 열렸다. 우리 대학 연구진은 3차원 공간에서의 움직임과 상호작용을 실제 물리 법칙처럼 학습하는 새로운 생성형 AI를 개발했다. 기존 2D 기반 영상 AI의 한계를 뛰어넘은 이번 기술은 영화, 메타버스, 게임 속 아바타의 현실감을 높이고 모션캡처나 3D 그래픽 수작업을 크게 줄일 수 있을 것으로 기대를 모은다.
우리 대학은 전산학부 김태균 교수 연구팀이 기존 2D 픽셀 기반 영상 생성 기술의 한계를 극복한 공간·물리 기반 생성형 AI 모델 ‘MPMAvatar’를 개발했다고 22일 밝혔다.
연구팀은 기존 2D 기술의 문제를 해결하기 위해, 가우시안 스플래팅(Gaussian Splatting)으로 다중 시점 영상을 3차원 공간으로 재구성하고, 여기에 물리 시뮬레이션 기법(Material Point Method, MPM)을 결합한 새로운 방식을 제안했다.
즉, 여러 시점에서 촬영한 영상을 입체적으로 재구성하고, 그 안에서 물체가 실제처럼 움직이며 상호작용하도록 물리 법칙을 AI가 스스로 학습하게 한 것이다.
이를 통해 물체의 재질·형태·외부 힘에 따른 움직임을 계산하고, 그 결과를 실제 영상과 비교해 AI가 물리 법칙을 스스로 학습할 수 있도록 했다.
연구팀은 3차원 공간을 점(포인트) 단위로 표현하고, 각 점에 가우시안과 MPM을 함께 적용해 물리적으로 자연스러운 움직임과 사실적인 영상 렌더링을 동시에 구현했다.
즉, 3D 공간을 수많은 작은 점들로 쪼개어 각 점이 실제 물체처럼 움직이고 변형되도록 만들어, 현실과 거의 구분이 안 될 만큼 자연스러운 영상을 구현한 것이다.
특히 옷처럼 얇고 복잡한 물체의 상호작용을 정밀하게 표현하기 위해, 물체의 표면(메쉬)과 입자 단위 구조(포인트)를 함께 계산하고, 3차원 공간에서 물체의 움직임과 변형을 물리 법칙에 따라 계산하는 MPM(Material Point Method) 기법을 활용했다.
또한, 옷이나 물체가 움직이며 서로 부딪히는 장면을 사실적으로 재현하기 위해 새로운 충돌 처리(collision handling) 기술을 개발했다.
이 기술을 적용한 생성형 AI 모델 MPMAvatar는 느슨한 옷을 입은 사람의 움직임과 상호작용을 사실적으로 재현하고, AI가 학습 과정에서 본 적 없는 데이터도 스스로 추론해 처리하는 ‘제로샷(Zero-shot)’생성에도 성공했다.
제안된 기법은 강체, 변형 가능한 물체, 유체 등 다양한 물리적 특성을 표현할 수 있어, 아바타뿐만 아니라 일반적인 복잡한 장면 생성에 활용될 수 있다.
김태균 교수는 “이번 기술은 AI가 단순히 그림을 그리는 것을 넘어, 눈앞의 세계가 ‘왜’ 그렇게 보이는지까지 이해하도록 만든 것으로 물리 법칙을 이해하고 예측하는 ‘Physical AI’의 가능성을 보여준 연구로 이는 AGI(범용 인공지능)로 가는 중요한 전환점”이라고 설명했다. 이어 “가상 프로덕션, 영화, 숏폼, 광고 등 실감형 콘텐츠 산업 전반에 실질적으로 적용돼 큰 변화를 만들어낼 것”이라고 기대를 밝혔다.
현재 연구팀은 이 기술을 확장해, 사용자의 텍스트 입력만으로도 물리적으로 일관된 3D 동영상을 생성할 수 있는 모델 개발을 진행 중이다.
이번 연구는 KAIST 김재철AI대학원 이창민 석사과정 학생이 제1저자로, KAIST 전산학부 이지현 박사과정 학생이 공저자로 참여하였고, 연구 결과는 AI 분야 최고 권위 국제학술대회인 NeurIPS 12월 2일에 발표하며, 프로그램 코드는 모두 공개될 예정이다.
*논문: C. Lee, J. Lee, T-K. Kim, MPMAvatar: Learning 3D Gaussian Avatars with Accurate and Robust Physics-Based Dynamics,Proc. of Thirty-NinthAnnual Conf. on Neural Information Processing Systems (NeurIPS), San Diego, US, 2025
arXiv버전: https://arxiv.org/abs/2510.01619
*관련 프로젝트 사이트: https://kaistchangmin.github.io/MPMAvatar/
*AI가 그려낸 나빌레라처럼 춤추는 관련 동영상 링크: https://www.youtube.com/shorts/ZE2KoRvUF5c, https://youtu.be/ytrKDNqACqM
한편, 이 연구는 과학기술정보통신부와 정보통신기획평가원(IITP)이 지원하는 인간지향적 차세대 도전형 범용AI기술 개발사업(RS-2025-25443318)과 생성AI 선도인재양성 사업의(RS-2025-25441313) 지원을 받아 수행되었다.
2025.10.22
조회수 2901
-
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 2074
-
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 1271
-
'MICCAI 2025' 전야제 'KAIST Day' 성황리에 개최
우리 대학은 9월 22일 KAIST 학술문화관 정근모 콘퍼런스홀에서 열린 ‘MICCAI 2025’의 전야제 ‘KAIST Day’특별 심포지움을 30여 명의 해외 석학과 200여 명의 국내 연구자 및 학생이 참석한 가운데 성공적으로 개최했다고 23일 밝혔다.
이번 행사는 세계 최대 규모의 의료영상 학회인 MICCAI 2025(The 28th International Conference on Medical Image Computing and Computer Assisted Intervention, 대회장: KAIST 전산학부 박진아 교수) 개최를 기념해 마련된 특별 프로그램으로, KAIST 공대와 대전시가 후원했으며 “통찰에서 중재까지: 바이오메디컬 영상지능(From Insight to Intervention: Intelligent Imaging in Biomedicine)”을 주제로 진행되었다.
KAIST와 세계 석학들이 한자리에 모여 의료영상과 인공지능을 접목한 최신 연구 성과를 공유하고, 진단과 치료를 아우르는 차세대 의료기술 발전 방향을 심도 있게 논의했다.
미주, 유럽, 아시아 지역에서 온 세계적 석학 7명이 최신 연구를 소개했으며, 해외 석학 30여 명은 KAIST의 첨단 의료영상 인프라를 둘러보고 국내 연구진과 교류하며 협력 가능성을 모색했다. 또한 참석한 국내 연구자와 학생들은 네트워킹 세션을 통해 협업과 국제 공동연구의 기회를 가졌다.
이번 행사는 MICCAI 2025 개막을 앞두고 국내 연구자들에게 세계 석학을 만날 기회를 제공하며, KAIST와 대전시가 한국을 글로벌 의료 AI 연구의 거점으로 키워가는 출발점이자 상징적 자리로 마련되었다.
행사는 조승룡 교수와 이현주 교무부처장의 기획·사회로 진행되었으며, 4개 세션으로 구성되었다. 먼저 박현욱 교수가 KAIST 의료영상 연구의 역사와 발전을 소개했다. 이어 진단 및 질병 이해를 위한 인공지능(AI for Diagnosis & Disease Understanding)세션에서는 앤 마텔, 켄지 수즈키, 헤이잇 그린스판, 디미트리스 메탁사스 교수가 암 진단, 조기 탐지, 희귀 질환 분석, 다중모달 융합 등 AI 기반 의료영상의 최신 연구를 발표했다.
다음 치료 중재를 위한 영상 지능(Imaging Intelligence for Intervention) 세션에서는 나시르 나밥, 박용근, 제임스 지, 레오 요스코위츠, 배현민 교수가 AR·VR 수술 보조, 초고해상도 영상, 아틀라스 기반 분석, 수술 계획 지원, 뇌신경 영상 맞춤치료 등 임상 적용 사례를 공유했다.
각 발표는 진단을 넘어 치료와 맞춤형 의료로 확장되는 미래 의료영상의 가능성을 보여주었으며, 토론과 질의응답을 통해 활발한 교류가 이어졌다. 강연 후 해외 연구자들은 KAIST의 첨단 인프라를 둘러보고 국내 연구진과 심도 있는 논의를 진행했다.
또한 NVIDIA의 후원으로 NVIDIA Isaac for Healthcare Hands-on Lab(엔비디아 아이작 포 헬스케어 핸즈온 랩)이 열려 연구자와 학생들이 최신 AI 의료 플랫폼을 직접 체험할 수 있었다.
박진아 KAIST 전산학부 교수이자 MICCAI 2025 대회장은 “MICCAI는 임상 적용에 중점을 둔 세계 최고 수준의 의료 AI 학회”라며, “KAIST의 도전적 연구를 국제사회에 소개하고 학문적 교류를 통해 새로운 시너지를 만들고자 이번 행사를 마련했다. 23일부터 27일까지 대전컨벤션센터에서 열리는 MICCAI 2025에는 3,200여 명이 등록해 대전을 대표하는 국제학술행사가 될 것으로 기대한다”고 밝혔다.
이광형 KAIST 총장은 “MICCAI 2025 개최는 한국 과학기술의 국제적 위상을 보여주는 성과”라며, “특히 KAIST에서 열린 이번 전야제 성격의 심포지엄은 세계 석학들이 모여 의료영상과 AI의 미래를 논의한 뜻깊은 자리였으며, KAIST의 위상을 다시 한번 확인하는 계기가 되었다. KAIST는 앞으로도 글로벌 협력을 확대해 인류 건강 증진에 기여하는 연구와 교육에 앞장서겠다”고 밝혔다.
※ MICCAI 2025 웹사이트: https://conferences.miccai.org/2025/en/
2025.09.23
조회수 1348
-
AI와 뇌신호 빛 제어로 파킨슨병 조기진단·치료법 제시
모하마드 알리, 마이클 J. 폭스 등 세계적으로 잘 알려진 인물들이 파킨슨병으로 오랜 시간 투병해 왔다. 이 병은 떨림, 강직, 서동, 자세 불안정 등 복합적인 운동 증상이 나타나지만, 기존 검사법으로는 발병 초기 변화를 민감하게 포착하기 어렵고, 뇌 신호 조절을 겨냥한 약물 역시 임상에서 효과가 제한적이었다. 최근 한국 연구진이 AI와 광유전학을 융합한 기술을 통해 파킨슨병의 정밀 진단과 치료 평가 도구로 활용 가능성을 입증하고, 차세대 맞춤형 치료제 개발 전략을 제시하는 데 성공했다.
우리 대학 생명과학과 허원도 석좌교수 연구팀이 뇌인지과학과 김대수 교수(생명과학기술대학 학장) 연구팀, 기초과학연구원(IBS 원장 노도영) 이창준 단장(인지 및 사회성 연구단) 연구팀과 함께 인공지능(AI) 분석과 광유전학(optogenetics)을 결합해 파킨슨병 동물 모델에서 조기·정밀 진단과 치료 가능성을 동시에 입증하는 전임상 연구 성과를 거두었다고 22일 밝혔다.
연구팀은 두 단계의 중증도를 가진 파킨슨병 생쥐 모델(알파-시누클레인 단백질 이상으로 파킨슨병을 유발한 실험용 수컷 생쥐로, 사람의 파킨슨병을 모사하여 진단·치료 연구에 활용되는 표준 모델)을 구축하고, 뇌인지과학과 김대수 교수 연구팀과의 공동 연구를 통해 인공지능 기반 3D 자세 추정 기술을 행동 분석에 도입했다.
연구팀은 파킨슨병 생쥐의 걸음걸이, 손발 움직임, 떨림 같은 340여 가지 행동 신호를 인공지능으로 분석해 하나의 점수(파킨슨 행동지수)로 만들었습니다. 이 지수를 통해 파킨슨병을 발병 초기부터 기존 검사보다 더 정확하게 구분할 수 있음을 확인했습니다.
분석 결과, 파킨슨 행동지수는 질환 유도 2주 시점부터 대조군 대비 유의한 차이를 보였으며, 기존 운동능력 검사보다 더 민감하게 질환 정도를 판별했다. 예를 들어 보폭 변화, 손발 움직임 비대칭, 흉부 떨림 같은 행동이 파킨슨병 진단의 핵심 요인임을 밝혔다. 따라서 상위 20개 행동 표지에는 손·발 비대칭, 보폭·자세 변화, 흉부 고빈도 성분 증가 등이 포함됐다.
이러한 행동 지표가 단순히 운동 기능 저하를 나타 내는 것인지, 파킨슨병에만 나타나는 특이한 변화인지 확인하기 위해, 연구팀은 IBS 이창준 단장팀과 함께 루게릭병 생쥐 모델에도 같은 분석을 적용했다. 파킨슨병과 루게릭병(ALS) 모두 운동 기능에 문제가 생기는 질환이기에 단순히 운동이 나빠진 것 때문이라면 두 질환 모두에서 높은 파킨슨 행동지수가 나와야 한다.
분석 결과, 루게릭병(ALS) 동물 모델은 운동 기능이 떨어졌음에도 파킨슨병에서 보였던 높은 파킨슨 행동지수는 나타나지 않았다. 오히려 낮은 수준을 유지했으며, 행동 변화 양상도 파킨슨병과는 확연히 달랐다. 이는 이번에 개발한 파킨슨 행동지수가 단순한 운동 장애가 아니라 파킨슨병에만 나타나는 특징적인 변화와 직접적으로 관련됨을 보여준다.
연구팀은 파킨슨병 치료를 위해서 뇌 신경 세포기능을 빛으로 정밀하게 조절하는 광유전학 기술 ‘옵토렛(optoRET)’을 활용했다.
그 결과, 파킨슨병 동물 모델에서 걷기와 팔다리 움직임이 더 매끄러워지고 떨림 증상이 줄어드는 효과가 확인됐다. 특히 하루 걸러 한 번 빛을 쏘는 방식(격일 주기)이 가장 효과적이었으며, 뇌 속 도파민 신경세포도 보호되는 경향을 보였다.
허원도 석좌교수는 “이번 연구는 인공지능 기반 행동 분석과 광유전학을 결합해 파킨슨병의 조기진단–치료평가–기전검증을 하나로 잇는 전임상 프레임을 세계 최초로 구현했다”라며, “향후 환자 맞춤형 치료제와 정밀의료로 이어질 중요한 토대를 마련했다”고 밝혔다.
우리 대학 생명과학연구소 현보배 박사후연구원이 제 1저자인 이번 연구 결과는 국제 학술지 네이처 커뮤니케이션즈(Nature Communications) 온라인판에 8월 21일에 게재됐다. 또한, 현 박사는 보건산업진흥원의 ‘글로벌 의사과학자 양성사업’ 지원으로 하버드 의과대학 맥린병원에서 이번 성과를 기반으로 한 파킨슨병 세포 치료제 고도화 연구를 이어가고 있다.
※논문명: Integrating artificial intelligence and optogenetics for Parkinson's disease diagnosis and therapeutics in male mice
※DOI: https://doi.org/10.1038/s41467-025-63025-w
한편, 이번 연구는 KAIST 글로벌 특이점사업, 과학기술정보통신부·한국연구재단, IBS 인지 및 사회성 연구단, 보건복지부·한국보건산업진흥원 지원으로 수행됐다.
2025.09.22
조회수 2167
-
유전자 가위로 유전자 켜고 끄기 동시에 가능하다
유전자를 켜고 끈다는 것은 마치 전등 스위치를 올리고 내리듯, 세포 속 유전자의 작동 여부를 조절하여 켜면 단백질이나 물질 생산이 활발해지고, 끄면 생산이 억제된다. 한국 연구진이 기존에 ‘끄는 기능’에 치중됐던 한계를 넘어, 유전자를 켜고 끄는 것을 동시에 구현할 수 있는 혁신적 시스템을 세계 최초로 개발하며 합성생물학 기반 바이오산업의 새로운 패러다임을 열었다.
우리 대학 공학생물학대학원(생명과학과 겸임) 이주영 교수와 국가과학기술연구회(이사장 김영식) 산하 한국화학연구원(원장 이영국) 노명현 박사 공동연구팀이 대장균에서 원하는 유전자를 동시에 켜고 끄는 것이 가능한 새로운 이중모드 크리스퍼(CRISPR) 유전자 가위 시스템을 개발했다고 21일 밝혔다.
대장균은 실험이 쉽고 산업적 활용으로 바로 이어질 수 있는 대표적인 미생물이다. 한편, 유전자 가위(CRISPR) 기술은 21세기 생명공학의 가장 혁신적인 도구로 평가받고 있다.
특히 합성생물학의 기반이 되는 박테리아는 구조가 단순하고 빠르게 증식하면서도 다양한 유용 물질을 생산할 수 있다. 따라서 박테리아에서의 유전자 활성화는 ‘미생물 공장’을 설계하는 핵심 기술로, 산업적 가치가 매우 크다.
합성생물학의 핵심은 생명체의 유전자 회로를 프로그래밍하듯 설계해 원하는 기능을 수행하도록 만드는 것이다. 마치 전자회로에서 스위치를 켜고 끄듯, 특정 유전자는 활성화하고 다른 유전자는 억제해 대사경로를 최적화하는 기술이 필요하다. 연구팀이 개발한 이중모드 유전자 가위는 바로 이러한 정밀한 유전자 조절을 가능하게 하는 핵심 도구다.
기존 유전자 가위(CRISPR)는 주로 ‘끄기(억제)’ 기능에 특화되어 유전자 발현을 막는 데는 뛰어났지만, 반대로 유전자를 켜는 기능은 매우 제한적이었다.
또한 CRISPR가 작동하려면 특정 DNA 인식 서열(PAM, protospacer adjacent motif)이 필요한데, 기존 시스템은 PAM 인식 범위가 좁아 조절할 수 있는 유전자의 폭이 제한적이었다.
게다가 진핵세포(사람·식물·동물 세포)에서는 CRISPR 기반 활성화(CRISPRa)가 어느 정도 발전했지만, 박테리아에서는 내부 전사조절 메커니즘 차이로 유전자 ‘켜기’가 제대로 되지 않는 한계가 있었다.
연구팀은 이 한계를 극복하고자 표적을 확장하여 더 많은 유전자에 접근 가능하도록 하고 대장균 단백질을 활용하여 유전자 활성화 성능을 대폭 향상하였다.
그 결과, 기존에는 “끄는 것 위주”였던 유전자 가위가, 이번에는 켜기와 끄기를 동시에 제어할 수 있는 시스템으로 발전하게 된 것이다.
개발된 시스템의 성능 검증 결과는 매우 인상적이었다. 유전자를 켜는 실험에서는 최대 4.9배까지 발현량이 증가했고, 끄는 실험에서는 83%까지 억제할 수 있었다.
더욱 놀라운 것은 두 개의 서로 다른 유전자를 동시에 조절할 수 있다는 점이었다. 실제로 한 유전자는 8.6배 활성화하면서 동시에 다른 유전자는 90% 억제하는 데 성공했다.
연구팀은 이 기술의 실용성을 입증하기 위해 항암효과가 있는 보라색 색소인 ‘바이올라세인’ 생산량 늘리기에 도전했다. 대장균의 모든 유전자를 대상으로 하는 대규모 실험을 통해 바이올라세인 생산에 도움이 되는 유전자들을 찾아냈다.
그 결과, 단백질 생산을 도와주는 ‘rluC’ 유전자를 켜면 2.9배, 세포를 분열하고 나누어지도록 하는 ‘ftsA’ 유전자를 끄면 3.0배 생산량이 늘어났다. 두 유전자를 동시에 조절했을 때는 더욱 큰 시너지 효과가 나타나 무려 3.7배의 생산량 증가를 달성했다.
한국화학연구원 노명현 박사는 “박테리아에서도 정밀한 유전자 활성화가 가능해졌다”며 “합성생물학 기반 바이오산업 발전에 크게 기여할 것”이라고 말했다.
이주영 교수는 “이번 연구는 유전자 가위와 합성생물학을 결합해 미생물 생산 플랫폼의 효율을 크게 높인 성과”라며 “하나의 시스템으로 복잡한 유전자 네트워크를 제어할 수 있어 새로운 연구 패러다임을 제시했다”고 밝혔다. 또한 “이번 기술은 다른 박테리아 종에서도 작동이 확인돼, 바이오 의약품·화학물질·연료 생산 등 다양한 분야에 활용될 수 있다”고 덧붙였다.
우리 대학 생명과학연구소 문수영 박사후 연구원이 제1 저자인 이번 연구 결과는 분자생물학 분야 최고 권위지인 ‘Nucleic Acids Research'에 지난 8월 21일 온라인 게재됐다.
※ 논문명: Dual-mode CRISPRa/i for genome-scale metabolic rewiring in Escherichia coli
(저자 정보 : 문수영(KAIST, 제1 저자), 김미리(한국화학연구원), 안난영(KAIST), 노명현(한국화학연구원, 교신저자), 이주영(KAIST, 교신저자) 총 5명)
※DOI: 10.1093/nar/gkaf818
한편, 이번 연구는 과학기술정보통신부 한국연구재단과 보스턴코리아 공동연구개발 사업의 지원으로 수행됐다.
2025.09.22
조회수 2099
-
수소전기차 연료전지 촉매 성능 저하 비밀 풀었다
수소전기차의 핵심인 연료전지 작동 중 촉매의 ‘열화 과정(어떻게 망가지고 성능이 떨어지는지)’을 우리 연구진이 국제연구진과 함께 세계 최초로 원자 단위에서 3차원으로 직접 추적하는 데 성공했다. 이번 성과는 고성능·고내구성 연료전지 개발을 앞당겨 미래 친환경 교통수단과 에너지 전환에 크게 기여할 것으로 기대된다.
우리 대학 물리학과 양용수 교수와 신소재공학과 조은애 교수 공동연구팀이 미국 스탠퍼드대학교, 로런스 버클리 국립연구소와의 국제 공동연구를 통해 연료전지 촉매 내부의 원자 하나하나가 수천 번의 작동 사이클 동안 어떻게 움직이고, 어떤 방식으로 성능이 저하되는지를 3차원으로 직접 추적하는 데 성공했다고 14일 밝혔다.
수소연료전지는 탄소배출이 없는 차세대 친환경 에너지 기술로 주목받고 있다. 그러나 촉매로 사용되는 백금(Pt) 기반 합금은 주행 과정에서 성능이 점차 저하되는 ‘열화 현상’이 발생해 상용화의 걸림돌이 되어 왔다. 열화의 근본 원인을 규명하지 못하면 연료전지 교체 주기가 짧아지고 수소차 가격 인하에도 한계가 있었다.
연구팀은 이 문제를 해결하기 위해, 원자 하나하나의 3차원 움직임을 직접 볼 수 있는 인공신경망 기반 원자 전자 단층촬영 기법을 개발했다.
병원에서 사용하는 CT 단층촬영법이 여러 각도에서 X선 영상을 찍어 인체 내부를 3차원으로 보여주는 것과 마찬가지로, 연구팀은 전자현미경을 이용해 다양한 각도에서 고해상도 이미지를 촬영하고, 이를 인공지능 신경망과 결합해 나노 촉매 내부 원자들의 3차원 위치를 정밀하게 재구성했다.
그 결과, 수천 개에 달하는 원자들이 연료전지 작동 과정에서 어떻게 이동하고 변형되는지를 마치 눈으로 들여다보듯 생생하게 관찰할 수 있게 됐다.
연구팀은 백금-니켈(이하 PtNi) 합금 나노입자에 대해 수천 번의 전기화학적 작동을 가한 후, 각 단계에서 촉매 입자의 3차원 원자구조를 분석했다. 그 결과, 일반적인 PtNi 입자에서는 시간이 지남에 따라 입자 형태가 변형되고, 니켈이 빠져나가고, 제 기능을 점차 잃어버리는 현상이 나타났다.
반면 갈륨 원소를 조금 섞어준 촉매 입자에서는 이러한 변화가 거의 없어서 처음부터 성능도 더 뛰어나고, 오래 사용해도 성능을 잘 유지함을 입증했다. 이를 통해 연구팀은 촉매 안에 원자들이 시간이 지나면서 어떻게 변하는지 그리고 그 변화가 성능 저하와 어떤 관계가 있는지를 정량 데이터로 명확하게 규명했다.
양용수 교수는 “이번 연구는 실제 연료전지 촉매의 3차원 열화 과정을 원자 단위에서 정량적으로 추적한 세계 최초 사례로, 실험적으로 관측하기 어려웠던 실제 촉매 표면과 내부의 3차원 원자 구조 변화를 직접 측정했다는 점에서 이론 모델이나 시뮬레이션에 의존했던 기존 연구들과 차별점을 가진다”라고 강조했다.
이어 “고성능·고내구성 연료전지 촉매 설계의 핵심 기반이 될 것이며 또한 AI 기반 정밀 원자구조 분석 기술은 배터리 전극, 메모리 소자 등 다양한 나노소재 연구에도 폭넓게 활용될 것”이라고 전망했다.
이번 연구에는 물리학과 정채화 박사, 이주혁 박사, 조혜성 박사, 신소재공학과 이광호 연구원이 공동 제1저자로 참여했고, 연구 결과는 세계적 학술지 네이처 커뮤니케이션즈(Nature Communications) 8월 28일자에 게재됐다.
※ 논문제목: Atomic-scale 3D structural dynamics and functional degradation of Pt alloy nanocatalysts during the oxygen reduction reaction
※DOI: https://doi.org/10.1038/s41467-025-63448-5
한편, 이번 연구는 한국연구재단 개인기초연구지원사업 및 KAIST 특이점교수사업의 지원을 받았다.
2025.09.15
조회수 2864
-
제4회 한국인공지능시스템포럼 조찬 강연회 성료
인공지능이 물리적 세계와 직접 맞닿으며 산업 현장에 빠르게 스며드는 ‘Physical AI’ 시대의 흐름을 짚어보는 자리가 마련되었다. 우리 대학 인공지능반도체대학원은 9월 8일(월) 오전 대전 오노마 호텔에서 ‘제4회 한국인공지능시스템포럼(KAISF)’ 조찬 강연회를 개최하였다.
이번 강연회에서는 ㈜로보티즈 표윤석 이사가“Physical AI 연구 동향과 작업형 휴머노이드 AI Worker 개발 히스토리”를 주제로 초청 강연을 진행했다. 표 이사는 글로벌 Physical AI 연구 현황을 소개하며, 로보티즈가 추진 중인 산업 현장 맞춤형 휴머노이드 로봇 개발 전략을 구체적으로 설명하였다.
특히, 모방 학습(Imitation Learning)을 통한 로봇의 작업 습득, 소형·고출력 액추에이터 및 자체 개발 감속기 등 핵심 부품의 기술적 진보는 참가자들에게 실제 산업 현장에서 적용 가능한 로봇 플랫폼의 가능성을 보여주었다. 그는 로보티즈가 제시하는 “노동으로부터의 자유(Freedom from Work)”라는 비전을 바탕으로, 제조·물류·서비스 분야에 특화된 ‘AI Worker’ 개발 사례를 공유하였다.
참석자들은 단순한 기술 개념을 넘어, 현장에서 안정적이고 효율적으로 활용될 수 있는 Physical AI 로봇의 필요성에 깊이 공감하며 활발히 의견을 나누었다.
한국인공지능시스템포럼 유회준 의장(KAIST 교수)은“Physical AI는 세계 각국이 선도권을 확보하기 위해 치열하게 경쟁하는 분야입니다. KAISF는 한국형 산업 생태계를 구축해, 우리 기업들이 글로벌 시장에서 앞서 나갈 수 있도록 지원하겠다.”고 밝혔다.
KAISF는 앞으로 산업계와 학계, 연구기관을 긴밀히 연결하여 한국형 Physical AI 기술이 글로벌 무대에서 경쟁력을 확보할 수 있도록 집중할 계획이다. 이를 통해 AI 반도체, 로보틱스, 시스템 통합을 아우르는 차별화된 산업 생태계 조성을 추진할 것이다.
2025.09.09
조회수 1307