본문 바로가기
대메뉴 바로가기
KAIST
뉴스
유틸열기
홈페이지 통합검색
-
검색
ENGLISH
메뉴 열기
%EC%95%8C%EA%B3%A0%EB%A6%AC%EC%A6%98
최신순
조회순
세계 최고 성능을 지닌 데이터베이스 관리 시스템(DBMS) 기술 개발
우리 연구진이 방대한 정보를 저장하고 목적에 맞게 검색, 관리할 수 있는 시스템을 통칭하는 데이터베이스관리시스템(DBMS, DataBase Management System)을 세계 최고 수준의 성능으로 끌어올렸다. 우리 대학 전산학부 김민수 교수 연구팀이 데이터베이스 질의 언어 SQL(Structured Query Language, 구조화 질의어) 처리 성능을 대폭 높인 세계 최고 수준의 DBMS 기술을 개발했다. 김 교수 연구팀은 데이터 처리를 위해 산업 표준으로 사용되는 SQL 질의를 기존 DBMS와는 전혀 다른 방법으로 처리함으로써 성능을 기존 옴니사이(OmniSci) DBMS 대비 최대 88배나 높인 신기술을 개발했다. 김 교수팀이 개발한 이 기술은 오라클·마이크로소프트 SQL서버·IBM DB2 등 타 DBMS에도 적용할 수 있어 고성능 SQL 질의 처리가 필요한 다양한 곳에 폭넓게 적용될 수 있을 것으로 기대된다. 대부분의 DBMS는 SQL 질의를 처리할 때 내부적으로 데이터 테이블들을 `왼쪽 깊은 이진 트리(left-deep binary tree)' 형태로 배치해 처리하는 방법을 사용한다. 지난 수십 년간 상용화돼 온 대부분의 DBMS는 데이터 테이블들의 배치 가능한 가지 수가 기하급수적으로 많기 때문에 이를 `왼쪽 깊은 이진 트리' 형태로 배치해 SQL 질의를 처리해 왔다. 임의의 두 테이블이 기본 키(primary key, PK)와 외래 키(foreign key, FK)라 불리는 관계로 결합(조인 연산)하는 경우에는 이러한 방법으로 SQL 질의를 효과적으로 처리할 수 있다. 여기서 기본 키는 각 데이터 행(row)을 유일하게 식별할 수 있는 열(column)이고, 외래 키는 그렇지 않은 열이다. 지난 수십 년간 산업에서 사용되는 DB의 구조가 점점 복잡해지면서 두 테이블은 PK-FK 관계가 아닌 FK-FK 관계, 즉 외래 키와 외래 키의 관계로 결합하는 복잡한 형태의 SQL 질의들이 많아지고 있다. 실제 DBMS의 성능을 측정하는 산업 표준 벤치마크인 TPC-DS에서 전체 벤치마크의 26%가 이런 복잡한 SQL 질의들로 구성돼 있고 기계학습(머신러닝), 생물 정보학 등 다양한 분야들서도 이러한 복잡한 SQL 질의 사용이 점차 증가하는 추세다. 이전에 나온 DBMS들은 두 테이블이 주로 PK-FK 관계로 결합한다는 가정하에 개발됐기 때문에 FK-FK 결합이 필요한 복잡한 SQL 질의를 매우 느리거나 심지어 처리하지 못하는 실패를 거듭해왔다. 김 교수팀은 문제 해결을 위해 테이블들을 하나의 커다란 `왼쪽 깊은 이진 트리' 형태가 아닌 여러 개의 작은 `왼쪽 깊은 이진 트리'를 `n항 조인 연산자'로 묶는 형태로 배치해 처리하는 기술을 개발했다. 이때 각각의 `작은 이진 트리' 안에는 FK-FK 결합 관계가 발생하지 않도록 테이블들을 배치하는 것이 핵심이다. 각각의 `작은 이진 트리'의 처리 결과물을 `n항 조인 연산자'로 결합해 최종 결과물을 구하는 것도 난제로 꼽히는데 연구팀은 `최악-최적(worst-case optimal) 조인 알고리즘'이라는 방법으로 이 문제를 해결했다. `최악-최적 조인 알고리즘'은 그래프 데이터를 처리할 때 이론적으로 가장 우수하다고 알려진 알고리즘이다. 김 교수 연구팀은 세계에서 가장 먼저 이 알고리즘을 SQL 질의 처리에 적용해 난제를 해결하는 데 성공했다. 김민수 교수 연구팀은 새로 개발한 DBMS 기술을 GPU 기반의 DBMS 개발업체인 미국 옴니사이(OmniSci)社 제품에 적용한 결과, OmniSci DBMS보다 성능이 최대 88배나 향상된 결과를 얻었다. 또 TPC-DS 벤치마크에서도 세계 최고 수준의 성능을 가진 기존의 상용 DBMS보다 5~20배나 더 빠른 사실을 확인했다. TPC-DS는 DBMS의 성능을 측정하기 위한 산업 표준의 최신 벤치마크이다. 교신저자로 참여한 김민수 교수는 "연구팀이 개발한 새로운 기술은 대부분의 DBMS에 적용할 수 있기 때문에 산업적 측면에서 파급 효과가 매우 클 것으로 기대한다ˮ 라고 말했다. 이번 연구에는 김 교수의 제자이자 미국 옴니사이(OmniSci)社에 재직 중인 남윤민 박사가 제1 저자로, 김 교수가 교신저자로 참여했으며 지난 18일 미국 오리건주 포틀랜드에서 열린 데이터베이스 분야 최고의 국제학술대회로 꼽히는 `시그모드(SIGMOD)'에서 발표됐다. (논문명 : SPRINTER: A Fast n-ary Join Query Processing Method for Complex OLAP Queries). 한편, 이 연구는 한국연구재단 선도연구센터 사업 및 중견연구자 지원사업, 과기정통부 IITP SW스타랩 사업의 지원을 받아 수행됐다.
2020.06.23
조회수 16624
세관 통관 속임수 적발하는 알고리즘 개발
우리대학 전산학부 차미영 교수 연구팀이 면세범위 초과 물품, 위장 반입, 원산지 조작 등 세관에서 벌어지는 불법적 행위를 빈틈없이 적발할 수 있는 기술을 개발했다. 차 교수는 기초과학연구원(IBS, 원장 노도영) 수리 및 계산과학 연구단 데이터 사이언스 그룹 CI(Chief Investigator)을 맡아 세계관세기구(WCO‧World Customs Organization)와의 협업을 통해 스마트 관세 행정을 위한 알고리즘 개발을 마쳤다. 데이터 사이언스 그룹은 2019년 9월부터 WCO의 바꾸다(BACUDA) 프로젝트(*한국정부가 WCO에 공여하는 세관협력기금(Customs Cooperation Fund of Korea)로 설립, 운영)에 참여해 알고리즘 개발을 주도해왔다. WCO는 지난 2월 홈페이지 기사를 통해 “세관 데이터 분석(BAnd of CUstoms Data Analysis)의 앞 글자를 따서 바꾸다 프로젝트로 이름 지었다”며 “한글로는 ‘변화’를 뜻하는 것처럼 스마트 관세 체계로의 변화를 추구하는 회원국들을 돕기 위해 데이터과학자들과 협업을 시작했다”고 프로젝트의 취지를 알렸다. IBS가 WCO, 대만 국립성공대(NKCU‧National Cheng Kung University)와 함께 개발한 알고리즘 데이트(DATE DATE : Dual-Attentive Tree-aware Embedding for Customs Fraud Detection의 약자)는 불법적 행위 발생 가능성이 높으면서도 세수 확보에 도움이 되는 물품을 우선적으로 선별해 세관원에게 알린다. 기존 알고리즘은 세관 검사 대상만 추천했으나, 데이트는 검사 대상의 선별 이유까지 설명해줌으로써 사기 적발의 근거를 세관원이 충분히 확보할 수 있다는 특징이 있다. 우리대학 산업및시스템공학과(지식서비스공학대학원)을 졸업한 김선동 IBS 연구위원은 “설명력이 훌륭한 데이트는 인간개입(human-in-the-loop)으로 작동하는 현 세관 시스템에 가장 적합한 알고리즘”이라며 “저위험 물품 검사 에 쓰이는 세관원의 불필요한 노동을 줄이고, 복잡한 통관 프로세스를 효율화하는 데 도움이 될 것으로 기대하고 있다”고 설명했다. 바꾸다 그룹은 지난 3월 나이지리아의 틴캔(Tin Can)과 온네(Onne) 항구에 데이트를 시범 도입했다. 사전 테스트 결과, 데이트 도입으로 인해 기존의 전수 조사 통관 방법에 비해 40배 이상 효율적으로 세관 사기를 적발할 수 있음이 확인됐다. 시범운영을 마치면 알고리즘을 개선하고, 기술이전을 통해 WCO 회원국 대상으로 확대 적용해나갈 계획이다. 데이터 사이언스 그룹은 데이트 개발 성과를 오는 8월 데이터 마이닝 및 인공지능 분야의 최고 학술대회인 ACM SIGKDD(The Association for Computing Machinery’s Special Interest Group on Knowledge Discovery and Data Mining) 2020에서 발표할 예정이다. 차미영 CI는 “데이트는 세관원들의 물품 검사 및 적발된 수입자와의 소통을 도와줌으로써 스마트 세관 행정 정착에 큰 기여를 할 것”이라며 “향후 물품의 X선 이미지를 활용하거나, 전이 학습(Transfer learning)을 통해 여러 국가의 통관 데이터를 함께 활용하는 방법까지 추가해 알고리즘의 정확성을 높여나갈 계획”이라고 말했다.
2020.06.01
조회수 9276
정확성이 획기적으로 향상된 코로나19 영상 진단 기술 개발
우리 대학 바이오및뇌공학과 예종철 교수 연구팀이 흉부 단순 방사선 촬영 영상으로 신종 코로나바이러스 감염증(이하 코로나19) 진단의 정확성을 획기적으로 개선한 인공지능(AI) 기술을 개발했다. 예 교수 연구팀이 개발한 인공지능 기술을 사용해 코로나19 감염 여부를 진단한 결과, 영상 판독 전문가의 69%보다 17%가 향상된 86%이상의 우수한 정확성을 보였다고 KAIST 관계자는 설명했다. 이 기술을 세계적으로 대유행하는 코로나19 선별 진료(Triage)체계에 도입하면 상시 신속한 진단이 가능할 뿐만 아니라 한정된 의료 자원의 효율적인 사용에 큰 도움을 줄 것으로 기대된다. 오유진 박사과정과 박상준 박사과정이 공동 1저자로 참여한 이 연구 결과는 국제 학술지 `아이트리플이 트랜잭션 온 메디컬 이미징(IEEE transactions on medical imaging)'의 `영상기반 코로나19 진단 인공지능기술' 특집호 5월 8일 字 온라인판에 게재됐다. (논문명 : Deep Learning COVID-19 Features on CXR using Limited Training Data Sets) 현재 전 세계적으로 확진자 500만 명을 넘긴 코로나19 진단검사에는 통상 역전사 중합 효소 연쇄 반응(RT-PCR, Reverse Transcription Polymerase Chain Reaction)을 이용한 장비가 사용된다. RT-PCR 검사의 정확성은 90% 이상으로 알려져 있으나, 검사 결과가 나오기까지는 많은 시간이 걸리며 모든 환자에게 시행하기에 비용이 많이 든다는 단점이 있다. 컴퓨터 단층촬영(CT, Computed Tomography)을 이용한 검사도 비교적 높은 정확성을 보이지만 일반적인 X선 단순촬영 검사에 비해 많은 시간이 소요되고 바이러스에 의한 장비의 오염 가능성 때문에 선별 진료에 사용되기 어렵다. 흉부 단순 방사선 촬영(CXR, Chest X-ray)은 여러 폐 질환에서 표준 선별 검사로 활용되고 있지만 코로나19에는 RT-PCR와 CT 검사에 비해 정확성이 현저하게 떨어진다. 그러나, 최근 팬데믹으로 세계 각국에서 확진자 수가 급증함에 따라 비용이 적게 들어가고 검사방법이 용이한 CXR 검사를 정확성을 높여 활용하자는 요구가 증가하고 있다. 그동안 심층 학습(Deep Learning) 기법을 적용해 CXR 영상을 통해 코로나19를 진단하는 여러 연구사례가 보고되고 있지만 진단 정확성을 높이기 위해서는 많은 양의 데이터 확보가 필수적이며 현재와 같은 비상 상황에서는 일관되게 정제된 대량의 데이터를 수집하기가 극히 어렵다. 예 교수 연구팀은 자체 개발한 전처리(Preprocessing)와 국소 패치 기반 방식(Local Patch-based Approach)을 통해 이런 문제점을 해결했다. 적은 데이터 세트에서 발생할 수 있는 영상 간 이질성(Heterogeneity)을 일관된 전처리 과정으로 정규화한 뒤, 국소 패치 기반 방식으로 하나의 영상에서 다양한 패치 영상들을 얻어냄으로써 이미지의 다양성을 확보했다. 또 국소 패치 기반 방식의 장점을 활용한 새로운 인공지능 기술인 `확률적 특징 지도 시각화(Probabilistic Saliency Map Visualization)' 방식을 활용해 CXR 영상에서 코로나19 진단에 중요한 부분을 고화질로 강조해주는 특징 지도를 만들었는데 이 지도가 진단 영상학적 특징과 일치하는 것을 확인했다. 예종철 교수는 "인공지능 알고리즘 기술을 환자의 선별 진료에 활용하면 코로나19 감염 여부를 상시 신속하게 진단할 수 있고 이를 통해 가능성이 낮은 환자를 배제함으로써 한정된 의료 자원을 보다 우선순위가 높은 대상에게 효율적으로 배분할 수 있게 해줄 것ˮ 이라고 말했다. 한편, 이 연구는 한국연구재단 중견연구자지원사업의 지원을 받아 수행됐다.
2020.05.25
조회수 12074
피부형 센서 패치 하나로 사람 움직임을 측정하는 기술 개발
우리 대학 전산학부 조성호 교수 연구팀이 서울대 기계공학과 고승환 교수 연구팀과 협력 연구를 통해 딥러닝 기술을 센서와 결합, 최소한의 데이터로 인체 움직임을 정확하게 측정 가능한 유연한 `피부 형 센서'를 개발했다. 공동연구팀이 개발한 피부 형 센서에는 인체의 움직임에 의해 발생하는 복합적 신호를 피부에 부착한 최소한의 센서로 정밀하게 측정하고, 이를 딥러닝 기술로 분리, 분석하는 기술이 적용됐다. 이번 연구에는 김민(우리 대학), 김권규(서울대), 하인호(서울대) 박사과정이 공동 제1 저자로 참여했으며 국제 학술지 `네이처 커뮤니케이션스(Nature Communications)' 5월 1일 字 온라인판에 게재됐다. (논문명 : A deep-learned skin decoding the epicentral human motions). 사람의 움직임 측정 방법 중 가장 널리 쓰이는 방식인 모션 캡처 카메라를 사용하는 방식은 카메라가 설치된 공간에서만 움직임 측정이 가능해 장소적 제약을 받아왔다. 반면 웨어러블 장비를 사용할 경우 장소제약 없이 사용자의 상태 변화를 측정할 수 있어, 다양한 환경에서 사람의 상태를 전달할 수 있다. 다만 기존 웨어러블 기기들은 측정 부위에 직접 센서를 부착해 측정이 이뤄지기 때문에 측정 부위, 즉 관절이 늘어나면 더 많은 센서가 수십 개에서 많게는 수백 개까지 요구된다는 단점이 있다. 공동연구팀이 개발한 피부 형 센서는 `크랙' 에 기반한 고(高) 민감 센서로, 인체의 움직임이 발생하는 근원지에서 먼 위치에 부착해서 간접적으로도 인체의 움직임을 측정할 수 있다. `크랙' 이란 나노 입자에 균열이 생긴다는 뜻인데, 연구팀은 이 균열로 인해 발생하는 센서값을 변화시켜 미세한 손목 움직임 변화까지 측정할 수 있다고 설명했다. 연구팀은 또 딥러닝 모델을 사용, 센서의 시계열 신호를 분석해 손목에 부착된 단 하나의 센서 신호로 여러 가지 손가락 관절 움직임을 측정할 수 있게 했다. 사용자별 신호 차이를 교정하고, 데이터 수집을 최소화하기 위해서는 전이학습(Transfer Learning)을 통해 기존 학습된 지식을 전달했다. 이로써 적은 양의 데이터와 적은 학습 시간으로 모델을 학습하는 시스템을 완성하는 데 성공했다. 우리 대학 전산학부 조성호 교수는 "이번 연구는 딥러닝 기술을 활용해 실제 환경에서 더욱 효과적으로 사람의 실시간 정보를 획득하는 방법을 제시했다는 점에서 의미가 있다ˮ며 "이 측정 방법을 적용하면 웨어러블 증강현실 기술의 보편화 시대는 더욱 빨리 다가올 것ˮ 이라고 예상했다. 한편, 이번 연구는 한국연구재단 기초연구사업(선도 연구센터 지원사업 ERC)과 기초연구사업 (중견연구자)의 지원을 받아 수행됐다. < 피부형 센서 패치로 손가락 움직임 측정 모습 >
2020.05.20
조회수 10961
초저조도/초고조도 환경에서도 모션 블러 없는 고화질 및 고해상도 영상 생성이 가능한 알고리즘 개발
우리 대학 기계공학과 윤국진 교수 연구팀이 영국 임페리얼 칼리지 김태균 교수 연구팀과 GIST 최종현 교수 공동 연구팀과의 2건의 공동 연구를 통해 이벤트 카메라를 활용한 고화질 및 고해상도 영상 생성 알고리즘들을 개발했다. 연구팀은 이번에 개발한 알고리즘들을 통해 기존의 RGB 기반 카메라가 영상을 획득하지 못하는 초저조도/초고조도 환경에서도 이벤트 카메라(Event Camera)를 활용하여 고화질 및 고해상도 영상을 생성할 수 있고, 특히 이벤트 카메라의 장점을 살려 초고속의 움직임에도 모션 블러(motion blur, 빠른 움직임에 의한 영상 열화) 없는 고프레임율의 영상을 생성할 수 있다고 밝혔다. 이벤트 카메라는 카메라 각 화소에 입사하는 빛의 세기의 변화에 반응하여 광역동적범위(High Dynamic Range)에서 매우 짧은 지연 시간을 갖는 비동기적 이벤트 데이터를 영상 정보로 제공하기 때문에, 기존 RGB 카메라가 영상을 획득할 수 없었던 고조도/저조도 환경에서도 영상 데이터 획득이 가능하고 또한 초고속 움직임을 갖는 피사체에 대한 영상 데이터 획득이 가능하다는 장점이 있다. 하지만 기존의 영상과는 다른 형태의 영상 정보를 제공하기 때문에 기존의 영상 이해 기술을 접목시키기 어렵고 또한 센서의 제약으로 인해 영상의 해상도가 낮다는 단점이 있다. 연구팀은 이벤트 카메라의 장점을 유지하면서 이와 같은 문제를 해결하기 위해 이벤트 데이터로부터 고화질의 초고해상도의 영상을 생성해 내기 위한 최적화된 심층 신경망과 학습 알고리즘들을 제안하였다. 제안된 알고리즘들은 이벤트 카메라로부터 획득된 이벤트 데이터를 일정 시간 동안 누적하여 딥러닝 기반의 합성곱 신경망을 통해 영상을 생성하는 방식으로, 두 공동 연구에서 각각 교사 학습/비교사 학습 기반의 알고리즘을 제안하였는데, 제안된 두 알고리즘들 모두 이벤트 카메라의 장점을 유지할 수 있어 초당 최대 100만 프레임의 영상 생성이 가능하여 조명의 변화가 극심한 환경이나 고속 움직임에 대한 분석이 필요한 다양한 분야에 적용 가능할 것으로 기대된다. 윤국진 교수는 “본 기술은 이벤트 카메라를 활용한 영상 기반 상황 인식을 위한 기술로서, 기존 RGB 카메라로는 검출이 어려운 조명 변화가 극심한 상황에서 사용될 수 있고, 초고속 움직임에 대한 분석이 가능하기 때문에 자율주행 자동차, 드론, 로봇 등에 다양하게 활용될 것으로 기대한다.”고 말했다. Mohammad Mostafavi 박사과정(GIST)이 1저자로 참여한 공동 연구와 Wang Lin 박사과정(KAIST)이 1저자로 참여한 공동 연구 논문들은 오는 6월에 개최 예정인 컴퓨터 비전/기계학습 분야의 국제 학술대회인 ‘IEEE Conference on Computer Vision and Pattern Recognition (CVPR)에 각각 구술/포스터 논문으로 발표될 예정이다. (논문명: (1) Learning to Super Resolve Intensity Images from Events, 이벤트를 활용한 초고해상도 이미지 생성 학습법, (2) EventSR: From Asynchronous Events to Image Reconstruction, Restoration, and Super-Resolution via End-to-End Adversarial Learning, 적대적 신경망 학습을 통한 비동기적 이벤트의 이미지로의 재구성, 복원 및 초해상도 연구) 한편, 이번 연구는 한국연구재단 중견연구자지원사업(NRF-2018R1A2B3008640)과 차세대정보・컴퓨팅기술개발사업(NRF-2017M3C4A7069369)의 지원을 받아 수행됐다.
2020.05.12
조회수 9401
빅데이터로 인간의 창의성·혁신성을 계산하다
우리 대학 문화기술대학원의 박주용 교수 연구팀이 네트워크 과학과 빅데이터에 기반해 인간의 문화⋅예술 창작물의 혁신성과 영향력을 계산하는 이론물리학 알고리즘을 개발했다. 연구팀은 이 알고리즘을 통해 클래식 음악가들의 창작물의 창의성, 혁신성을 계산함으로써 음악의 발전에 베토벤이 끼친 영향력을 수치적으로 규명하고, 후기 낭만파 시대의 거장인 세르게이 라흐마니노프가 끊임없이 혁신을 시도한 대표적 예술가임을 밝혀냈다. 연구팀의 알고리즘은 예술 작품의 빅데이터로부터 창의성을 직접 계산함으로써 빠르게 증가하고 있는 창작 콘텐츠의 우수성을 효율적으로 판단할 수 있을 것으로 기대된다. 박도흠 박사과정이 1 저자로 참여한 이번 연구는 스프링어-네이처(Springer Nature) 그룹의 데이터 과학 전문 학술지인 ‘EPJ 데이터 사이언스(EPJ Data Science)’ 1월 30일 자 온라인판에 게제됐다. (논문명: Probabilistic Influence Networks and Quantifying Patterns of Advances in Works) 인간 고유의 영역으로 알려진 문화예술 창작에서도 인공지능 등의 컴퓨터 알고리즘이 널리 활용되며 예술 작품의 창의성을 과학적으로 평가하는 방법의 필요성이 커지고 있다. 그동안 인간 창의성의 산물인 문화예술은 수치적인 평가가 어려워 인공지능을 한 단계 발전시킨 ‘인공창의성’ 연구에 큰 장벽이 되어왔다. 개별 창작품들에 대한 사람들의 심리적 반응을 측정하는 시도는 종종 있었지만, 대규모의 객관적 실험을 수행하기에는 한계가 있다. 위와 같은 문제 해결을 위해 창작품 자체를 빅데이터화 한 뒤 그로부터 창의성을 평가하는 과학적 방법론 개발의 필요성이 커지고 있다. 연구팀은 1700년~1900년 사이에 작곡된 서양 피아노 악보로부터 동시에 연주되는 음정으로 만들어진 ‘코드워드(codeword)’를 추출하고 이론물리학의 한 분야인 네트워크 과학을 적용했다. 그리고 난 뒤 작품들 사이의 유사도를 측정해 작품들이 서로 얼마나 영향을 주고받았는지를 나타내는 네트워크를 만들어 각 작품이 얼마나 혁신적인지, 또한 후대의 작품에 얼마나 큰 영향을 끼쳤는지를 통해 창의성을 평가했다. 연구팀은 현대에도 큰 영향을 끼치고 있는 핵심적 음악 스타일이 확립된 200년에 걸쳐 음악 창작의 패러다임이 어떻게 변화해왔는지 이해했다고 밝혔다. 이 연구에서는 바로크⋅고전기(1710-1800년)의 대표 작곡가인 핸델과 하이든, 모차르트를 거쳐 고전-낭만 전환기(1800-1820년) 이후 베토벤이 최고의 영향력을 가진 작곡자로 떠오르고, 베토벤의 영향을 받아 리스트와 쇼팽 등 낭만기(1820-1910년)의 거장들이 등장하는 과정을 규명하였다. 올해로 탄생 250주년을 맞은 베토벤은 사후에도 100년 가까이 최고의 영향력을 유지한 것으로 밝혀졌다. 또한, 연구팀은 후기 낭만파의 거장인 라흐마니노프가 과거의 관습은 물론 자신의 작품으로부터 차별화를 끊임없이 시도한 최고의 혁신적 작곡가였음을 밝혀냈다. 코드워드에 기반한 네트워크로부터 음악의 창의성을 계산해내는 이 알고리즘은 낱말, 문장, 색상, 무늬 등으로 만들어진 문학 작품이나 그림, 건축, 디자인 등의 시각 예술의 창의성 연구에도 적용할 수 있을 것으로 보인다. 박주용 교수는 “문화예술 창작물의 과학적 연구에 장벽이 되어온 창의성 평가라는 난제를 네트워크 과학과 빅데이터를 활용해 해결할 수 있음을 보였다”라며 “특히 문화예술 창작 영역에서 컴퓨터의 활약이 커지는 상황에서 인간의 단순 계산력만을 따라하는 인공지능의 한계를 극복함으로써, 인간 창의성과 미적 감각의 잠재력을 극대화하는 인공창의성 발전에 큰 도움이 될 것이다”라고 말했다. 이번 연구는 한국연구재단 국제연구네트워크(GRN)와 한국사회과학연구지원(SSK) 사업, BK21 플러스사업의 지원을 통해 수행됐다. □ 그림 설명 그림1.시대별 작곡가들 사이의 영향력을 나타내는 네트워크 그림2. 연도별 대표적 작곡가들의 영향력 변천사
2020.02.04
조회수 10116
김진환 교수팀, 국제 자율무인선 알고리즘 경진대회 우승
우리대학 기계공학과 학부생과 대학원생으로 구성된 학생팀(지도교수 김진환)이 `2019 국제 자율무인선 알고리즘 경진대회(2019 Virtual RobotX Competition)'에서 우승을 차지했다. 미 해군 연구개발국(ONR. U.S. Office of Naval Research)의 주최로 올해 처음 열린‘국제 자율무인선 알고리즘 경진대회’는 지난 9월 첫 알고리즘 코드 제출을 시작으로 약 3개월에 걸쳐 진행됐다. 한국·미국·중국·일본·호주·싱가포르 등 9개국 17개 대학팀이 참가했는데 국내 대학으로는 KAIST가 유일하게 출전했다. 이번 대회에는 미 해군대학원(NPS, Naval Postgraduate School)이 구축한 가상 환경이 도입됐다. 실제 바다에서 발생할 수 있는 바람·파도·조류 조건 등을 임의로 조절할 수 있는 공통의 가상 환경에 각 팀이 제출한 컴퓨터 알고리즘 코드를 적용해 결과물을 평가하는 방식으로 진행됐다. 각 참가팀에는 ▲바람과 파도 등이 영향을 미치는 바다 위에서 무인선의 위치와 방향을 일정하게 유지하기 ▲주어진 항로와 방향을 정확히 제어하며 목표점까지 이동하기 ▲해상에 나타난 임의의 물체를 탐지해서 정확한 위치를 찾고 물체의 구체적인 종류를 인식하기 ▲항해 부표를 따라가되 동시에 장애물을 피해 목표점까지 이동하기 ▲해상에 놓인 여러 개의 해상 도크(dock)에 표시된 마커의 모양과 색상을 인식하여 목표 도크 위치를 찾기 ▲목표 도크에 자동으로 진입해서 일정 시간 정박 후에 빠져나오기 등 모두 6개의 임무가 주어졌다. 주최 측은 참가 팀이 제출한 컴퓨터 알고리즘 코드에 다양한 가상 환경 조건을 적용한 뒤 주어진 임무의 수행도를 평가하고 6개 미션에 대한 성적을 모두 합산해 최종 순위를 결정했다. KAIST팀은 총 3차례의 알고리즘 코드 제출과 평가를 거친 끝에 2개 종목에서 1위, 2개 종목에서 2위를 차지하는 등 6개의 전 종목에서 우수한 성적을 거뒀으며, 17개 참가팀 중 가장 높은 합산 성적을 기록해 종합 우승을 차지했다. 종합 2위와 3위는 미국의 조지아 공과대학(Georgia Tech)과 호주의 시드니 대학(University of Sydney)이 각각 차지했다. 지난 4일~6일 싱가포르에서 개최된 2019 RobotX Interactive Forum에서 진행된 시상식에는 김종휘·장준우 학생이 KAIST 대표로 참가해 수상했다. 〈2019 국제 자율무인선 알고리즘 경진대회 우승팀 (왼쪽 뒷줄부터 시계방향으로) 성수환(학사과정, 제어/경로계획-항법), 김종휘(박사과정, 리더/인식 알고리즘 총괄), 박진욱(석사과정-제어/경로계획-운동제어), 김태원(학사과정,탐지/인식-센서), 김준형(학사과정,탐지/인식-센서), 김경서(석사과정-제어/경로계획-경로계획), 조현근(석사과정, 탐지/인식-딥러닝), 장준우(석박사통합과정-제어 알고리즘 총괄), 홍승조(석사과정, 탐지/인식-센서융합)> 팀 리더를 맡은 김종휘 기계공학과 박사과정 학생은 "지난 수개월 동안 대회를 준비하면서 밤을 꼬박 새우는 날이 많았지만 학교에서 배운 지식이 가상 환경에서 실제로 적용되는 것을 보는 것이 모두에게 즐겁고 보람있는 경험이었다ˮ고 말했다. 김종휘 학생은 이어 "세계적으로 유명한 여러 대학팀들이 참가한 대회에서 우리나라를 대표해 좋은 성적으로 거두게 되어 기쁘다ˮ라고 우승 소감을 밝혔다. 김진환 기계공학과 교수가 지도하는 KAIST팀은 지난 2014년 싱가포르 마리나 베이에서 실제 무인 선박을 이용해 진행된 제1회 국제 자율무인선 경진대회에서 MIT에 이어 준우승을 차지한 바 있는데 이번 대회에서 우승을 차지함으로써 자율무인선 분야에서 KAIST가 보유한 우수한 기술력을 전 세계에 과시했다.
2019.12.26
조회수 8029
KAIST-신한금융그룹, AI 금융 연구 위한 산학협력 MOU 체결
〈신한금융그룹 조용병 회장(사진 왼쪽)과 KAIST 신성철 총장이 16일 오후 신한금융지주회사 16층 이사회 회의실에서 AI 금융 알고리즘의 공동연구를 위한 산학협력 협정을 체결하고 악수를 교환하고 있다. 〉 우리 대학은 16일 신한금융그룹(회장 조용병)과 AI 금융 알고리즘의 공동연구를 위해 산학협력 업무협약(MOU)을 체결하고, 「신한-KAIST AI 금융 연구센터」를 설립해 본격적인 운영에 들어간다. 양 기관은 개별 연구용역 계약이 아닌 신한금융그룹만을 위한 금융 AI R&D센터 설립하기로 뜻을 모으고, 지난 5월부터 연구과제 및 센터 운영에 대한 지속적인 논의를 해왔다. 「신한-KAIST AI 금융 연구센터」는 급변하는 디지털 환경 속에서 AI 연구의 유연성, 적시성을 확보하고, 기술력 있는 연구진과의 협력연구를 통해 신한금융그룹의 AI 역량 강화를 지원하는 업무를 수행하게 된다. 연구소는 대전 KAIST 본원에 설치되며 KAIST의 AI/빅데이터/머신러닝/금융공학 등 다양한 분야의 전담 교수진이 신한금융지주를 중심으로 그룹사별 현업부서 실무진과 함께 협업을 진행할 예정이다. 「신한-KAIST AI 금융 연구센터」의 센터장은 김우창 KAIST 교수(산업및시스템공학과)가 맡게 되며, 디지털 분야의 최고 전문성을 보유한 KAIST 산업및시스템공학과 교수진 6명이 핵심연구진으로 참여한다. 연구센터에서는 AI 기술을 활용한 다양한 알고리즘을 개발해 고객의 금융상황을 파악하고, 고객별 라이프 스타일에 적합한 맞춤형 솔루션을 제시하기 위한 다양한 연구과제를 수행하게 된다. 1년차 주요 과제로는 ▶ 소비패턴 분석 ▶ 입지급내역 분석 ▶ 생애주기기반 목적별 보장분석이 선정되었으며, 투자관리 및 퇴직연금 등 중장기 과제 등을 추가로 선정해 지속적인 연구를 이어갈 예정이다. 신한금융그룹은 2015년부터 IBM의 AI플랫폼인 ‘왓슨’을 활용하는 보물섬 프로젝트를 추진해왔으며, 올해 초 AI 전문회사인 ‘신한AI’를 설립했다. 또한, 지난 5월에는 글로벌 AI 연구기업인 ‘엘리먼트AI(Element AI, 캐나다)’와 AI분야의 상호협력 확대를 위한 업무협약을 맺는 등 AI를 활용한 금융혁신 기회 발굴에 그룹 차원의 투자를 아끼지 않고 있다. 신한금융지주 관계자는 “금번 KAIST와의 협력연구를 통해 그룹 내외의 방대한 금융데이터들을 효과적으로 활용할 수 있는 새로운 AI 금융 알고리즘을 개발, 적용함으로써 신한을 거래하는 고객들에게 최적화된 금융 서비스를 제공할 것”이라며, “KAIST 등 외부 전문역량을 보유한 기관과의 지속적인 협업을 통해 그룹의 AI 연구 역량 내재화를 끊임없이 추진해 나갈 계획이다”라고 밝혔다.
2019.08.16
조회수 7464
유회준 교수, 아시아 교수 최초 ISSCC 기조연설
우리 대학 전기및전자공학부 유회준 석좌교수가 반도체 올림픽이라 불리는 국제고체회로학회(ISSCC)에서 아시아 교수로서는 최초로 기조연설자로 선정돼 개막 연설을 진행했다. 유 교수는 2월 18일(현지시간) 미국 샌프란시스코 메리어트 호텔에서 열린 제62회 ISSCC에서 세계 각국의 반도체 기술자 3천여 명을 대상으로 ‘지능을 실리콘 상에(Intelligence on Silicon), 부제 : 심층 신경망 가속기부터 뇌 모방 인공지능 시스템 온 칩까지(From Deep-Neural-Network Accelerators to Brain Mimicking AI-SoCs)’ 라는 주제로 인공지능 칩의 현황과 미래에 대한 기조연설을 했다. 유 교수는 실생활에서 인공지능 적용을 가능하게 하는 인공지능 칩 분야에서 세계의 기술을 주도하고 있다는 공을 인정받아 이번 기조연설자로 선정됐다. 유 교수는 학회 개최에 앞서 2월 17일에 열린 전기전자엔지니어협회(IEEE) 국제고체회로학회 운영회의에서 ISSCC의 자매 학회인 아시아고체회로학회(ASSCC)의 차기 학회장으로 선출되기도 했다. 유 교수 연구실의 최성필, 이진묵 박사과정은 2개의 ISSCC 최우수 시연상을 수상하기도 했다. 유 교수는 기조연설을 통해 세계적으로 경쟁이 치열한 인공지능 반도체 칩 연구 중 최첨단을 달리는 우리나라의 새 기술들을 소개하고 세계 기술이 나아가야 할 미래 방향을 제시했다. 먼저 우리 대학에서 연이어 발표하고 있는 가변형 인공지능 컴퓨팅(Reconfigurable AI Computing)을 소개했다. 이 기술은 칩의 구조를 실시간으로 변화하고 연산에 사용되는 데이터 범위를 바꿀 수 있어 한 개의 칩으로 다양한 인공지능 알고리즘을 가속할 수 있다. 이를 통해 여러 상황에서 저전력의 고속처리가 가능하다. 둘째로 그동안 불가능했던 모바일용 인공지능 칩에서의 학습 (Training)이 가능함을 보였다. 기존 인식(Inference)용 가속기는 원격 서버에서 학습을 진행한 후 완료된 모델을 내려받아 칩에서 인식만 수행해 진정한 인공지능을 구현할 수는 없었다. 유 교수는 모바일용 칩에서도 개인정보보호 및 보안 등의 이유로 기기에서의 학습이 필수적이라 예측하며 저전력 및 고속처리가 가능한 학습용 칩을 공개했다. 이를 통해 시시각각으로 변하는 상황을 스스로 감지하고 학습해 최적의 행동을 할 수 있는 로봇이나 자동차 등의 예시를 제시했다. 유회준 교수는 학습용 칩을 통해 로봇 또는 자동차가 마치 반려동물처럼 사용자의 감정을 알아차리고 이에 맞춰 행동하는 ‘휴머니스틱 인텔리전스(Humanistic Intelligence)’라는 새 개념을 주창했고, 이는 미래 인공지능 응용에 핵심적일 요소가 될 것이라 주장했다. 인공지능 칩의 미래는 크게 2가지 방향으로 예측했다. 첫째는 미시적 뇌 신경의 동작을 모방하는 뉴로모픽(Neuromorphic) 칩이며 둘째는 거시적인 뇌인지 기능을 모방한 칩이다. 뉴로모픽 칩은 RRAM, PRAM 및 MRAM과 같은 비휘발성 메모리(Nonvolatile Memory)를 시냅스 및 뉴런으로 구현하는 방식이 주류를 이룰 것으로 주장했다. 거시적 인지 기능 모방 칩은 뇌의 기능을 모방한 연산 블록들이 커넥톰(Connectome)과 같은 형태의 회로로 연결되는 방식으로 발전하리라 예측했다. 특히 시각 인지 모델을 활용한 인공지능 칩 개발 사례들을 제시하며 이러한 접근이 저전력화 및 고속화에 유리함을 주장했다. 유회준 교수는 “뇌의 해부학적 및 기능적 연구의 진보에서 힌트를 얻어 인공지능 알고리즘 및 인공지능 칩의 발전도 계속될 것이다”고 말했다. 한편 기조연설자로 페이스북의 인공지능 총괄과 뉴욕 대학의 교수를 역임하며 인공지능의 개척자로 불리는 얀 러쿤(Yann LeCun)교수도 이번에 개막연설자로 초청돼 인공지능의 알고리즘 발전에 대해 발표했다. 알고리즘 분야에서는 해외 기업들이 강세를 보이지만 인공지능 칩에 대해서는 반도체 기술이 앞선 대한민국의 유회준 교수가 세계 기술발전을 주도하고 있다는 의견이 주를 이루었다. 유 교수는 창립 기념일인 2월 18일에 인공지능 칩 연구 성과에 대한 우수성을 인정받아 KAIST 학술대상을 수상하기도 했다.
2019.02.19
조회수 10169
정유성 교수, 아태이론및계산화학회 포플 메달 수상
〈 정 유 성 교수 〉 우리 대학 EEWS대학원 정유성 교수가 아태이론 및 계산화학회(APATCC)가 수여하는 2018년도 ‘포플 메달(Pople Medal)’을 수상했다. 포플 메달은 양자역학 이론을 분자화학에 적용하기 위한 계산방법론을 개발한 공으로 1998년 노벨화학상을 수상한 존 포플 교수(John A. Pople)를 기념해 2007년 처음 제정됐다. 이 상은 매년 아시아-태평양 지역에서 연구업적이 우수한 만 45세 이하의 젊은 이론계산화학자 1인에게 주어진다. 정 교수는 기존의 양자화학 계산 정확도와 속도를 향상시키는 알고리즘들을 개발하고 이를 에너지 소재 개발에 응용해 관련 분야 발전에 기여한 공을 인정받았다. 지금까지 120편 이상의 논문을 전문 학술지에 발표했고 8천 회 이상의 피인용 횟수와 44의 H-지수를 기록 중이다. 정 교수는 “계산화학 분야의 권위 있는 포플 메달을 수상해 큰 영광이다”며 “앞으로는 양자화학과 인공지능 기술을 융합한 계산 방법론의 개발과 이를 에너지 소재 개발에 활용하는 연구로 분야에 기여하고 싶다” 고 말했다.
2018.01.10
조회수 9076
이재길 교수 연구팀 연구성과 Microsoft Research 블로그 게재
<이재길 교수, 송환준 박사과정> 우리대학 이재길 교수(산업및시스템공학과 지식서비스공학대학원)와 송환준 박사과정 학생의 최신 빅데이터 연구결과가 최근 Microsoft Research 블로그에 실렸다. Microsoft Research는 매 분기 자사의 지원을 받은 연구과제 중에서 대표적인 성과를 선정해 자사 블로그에 게시하고 있는데 이번에는 이재길 교수 연구팀의 연구결과가 그 중 하나로 선정된 것이다. 이교수 연구팀은 이번 연구를 통해 전통적인 데이터 군집화 알고리즘인 k-메도이드의 분산 병렬처리 알고리즘을 개발했다. 그동안 빅데이터의 처리 속도를 높이기 위해 결과 정확도를 다소 희생하는 것이 일반적인 관례였으나 이 교수팀은 이번 연구를 통해 정확도를 거의 잃지 않고 현존하는 타 알고리즘보다 높은 성능을 달성했다고 밝혔다. 이번 연구결과는 지난 8월 열린 데이터 마이닝 분야 최고 학술대회인 ACM KDD 2017에서 발표된바 있다. 이 교수는 "추가적인 군집화 알고리즘의 연구도 마무리해 아파치 스파크 오픈소스 플랫폼에 연 성과를 탑재시킬 것"이라고 향후 계획을 밝혔다. 블로그 게시물 : https://www.microsoft.com/en-us/research/lab/microsoft-research-asia/articles/using-microsoft-azure-research-tool-scalable-data-mining-2/
2017.10.16
조회수 9071
이동만 교수, 빅데이터로 SNS 분석해 맞춤형 장소 제공 기술 개발
<좌측부터 전산학부 이동만 교수, 신병헌 박사과정 학생, 최인경 박사과정 학생> 전산학부 이동만 교수 연구팀이 소셜 네트워크 서비스(SNS)의 사진과 글을 기반으로 장소의 특성을 분석해 사용자에게 맞춤형 장소를 제공하는 기술을 개발했다. 이 기술은 현재의 위치기반 추천서비스를 인공지능형 개인비서서비스로 도약시키는 원천기술이 될 것으로 기대된다. 이번 연구는 기존 위치기반 장소 검색 및 추천서비스의 검색 수준을 향상시켜 사용자들이 장소를 선택하는 기준을 다양하게 적용시킬 수 있다. 사용자의 트렌드를 반영해 실시간으로 변화된 장소 추천을 할 수 있을 것으로 보인다. 문화기술대학원 이원재, 박주용 교수와 전산학과 차미영 교수가 공동으로 참여한 이번 연구의 API(응용 프로그래밍 인터페이스)는 http://placeness.kaist.ac.kr:8080/ 을 통해 공개됐고 관련 정보는 http://placeness.kaist.ac.kr/wiki/doku.php 에서 열람할 수 있다. 맛집 추천서비스, 소셜 커머스 등 위치를 기반으로 정보 검색 및 추천서비스를 제공하는 업체들은 주로 고객의 후기를 수집하거나 직접 방문을 통해 경험한 내용을 토대로 음식점 혹은 매장을 평가한다. 이는 비교적 정확한 정보를 제공하지만 시간적, 경제적 비용이 많이 소모된다. 또한 사용자 전체의 관심과 선택의 평균에 중점을 두기 때문에 사용자 개인의 특성을 충분히 고려하지 못한다는 한계가 있다. 시간이 지날수록 사용자는 평균 중심의 예상 가능한 선택지를 추천받을 확률이 높아진다. 따라서 같은 장소라도 사용자가 방문하고자 하는 목적이 다르기 때문에(모임, 상견례, 소개팅 등) 방문 목적과 사회적 맥락을 파악할 수 있는 추가적인 기능이 필수적이다. 이를 위해 기본적으로 제공되는 정보 외에도 실제 사람들이 각 장소에서 어떤 세부적 활동을 하며 공간을 소비했는지에 대한 데이터 수집이 필요하다. 연구팀은 문제 개선을 위해 특정 소셜 네트워크 서비스(인스타그램)에 올라온 사진과 텍스트 자료를 바탕으로 이를 분석하는 알고리즘을 개발했다. 기존에 존재하는 딥러닝 방식을 이용해 사진을 분석하는 기술과 연구팀이 새로 개발한 텍스트 분석 기술인 워드백(Wordbag) 기술을 결합했다. 특정 상황이나 분위기에 사용되는 단어들을 분석하고 단어마다 가중치를 둬 분류하는 기술이다. 연구팀은 API에서 주요 연구 이슈에 따라 크게 4개의 세부 분야별 정보를 제공한다. ▲상위 장소의 장소성(장소의 성격 : placeness), ▲상위 장소 내에 있는 세부 장소의 장소성 추론, ▲감성분석 기반의 장소 분위기 추론, ▲사용자와 장소성 간 연관성을 제공한다. 연구팀의 API는 SNS에 존재하는 연구개발 대상으로 지정된 특정 상위장소(코엑스. 아이파크 몰) 및 그 내부의 세부장소에 대해 언급된 데이터를 분석해 행위, 방문자, 시간, 분위기 등 다양한 관점에서 공간의 활용 가능성을 제공한다. 이는 같은 장소라도 사용자가 시간대, 목적에 따라 다르게 활용했던 이력이나 기존 서비스에서 제공이 어려웠던 분위기(ex. 밝은, 전통적인 등)나 방문 목적(ex. 데이트, 공부, 회의)을 데이터로 수집할 수 있기 때문에 사용자의 의도에 따라 장소를 추천할 수 있다. 이 교수는 “이 연구에서 개발된 API를 통해 기존의 위치기반 장소 검색 및 추천 서비스의 검색 수준을 향상시키고 방문자들의 트렌드 변화에 따라 자동으로 변화된 장소를 추천할 수 있다”고 말했다. 또한 “기존 비정형 텍스트 데이터 분석의 한계를 극복하기 위해 사진과 텍스트를 동시에 분석해 공간에 대한 사회적 정보를 추론할 수 있어 현재의 위치기반 추천 서비스가 인공지능형 개인비서서비스로 도약하는 핵심 기술이 될 것이다”고 말했다. 이번 연구는 과학기술정보통신부 디지털콘텐츠 원천기술개발사업의 지원을 받아 수행됐다.
2017.08.29
조회수 15283
<<
첫번째페이지
<
이전 페이지
1
2
3
>
다음 페이지
>>
마지막 페이지 3