KAIST

우리 대학 이상엽 특훈교수 등 4명이 미국 글로벌 학술정보 분석기업 클래리베이트(Clarivate Plc)가 발표한 ‘2025년 세계에서 가장 영향력 있는 연구자(Highly Cited Researchers, HCR)’ 명단에 선정됐다. HCR은 Web of Science에 수록된 논문의 피인용도를 기반으로 각 분야에서 상위 1% 영향력을 보인 연구자를 선별하는 프로그램으로, 세계 대학·연구기관 평가에서 중요한 지표로 활용된다. 클래리베이트는 올해도 엄격한 정성·정량 심사를 바탕으로 연구 성과의 탁월성과 학문적 영향력을 검증해 최종 명단을 발표했다. 올해 우리 대학에서는 생물학 및 생화학 분야에 생명화학공학과 이상엽 특훈교수와 공학생물학대학원 김진수 교수*, 크로스필드 분야에 생명화학공학과 김범준 교수, 서장원 교수, 김현욱 교수*가 선정됐다. * 김진수 교수는 현재 HCR명단에는 Edgene소속으로 표기, 12월 말 KAIST

다성분 다공성 물질(Multivariate Porous Materials, MTV)은 일종의 ‘레고 블록 집합’과 같이 분자 수준에서 맞춤형 설계가 가능한 소재로, 원하는 구조를 자유롭게 구현할 수 있다. 이를 활용하면 에너지 저장·변환을 비롯해 다양한 응용이 가능해 환경 문제 해결과 차세대 에너지 기술 발전에 크게 기여할 수 있다. 우리 연구진은 여기에 양자컴퓨팅을 세계 최초로 도입해 복잡한 MTV 설계의 난제를 해결했으며, 이를 통해 차세대 촉매·분리막·에너지 저장 소재 개발의 혁신적 길을 열었다. 우리 대학 생명화학공학과 김지한 교수 연구팀이 양자컴퓨터를 활용해 수백만 가지 다성분 다공성 물질(이하 MTV)의 설계 공간을 효율적으로 탐색할 수 있는 새로운 프레임워크를 개발했다고 9일 밝혔다. MTV 다공성 물질은 두 종류 이상의 유기 리간드(링커)와 금속 클러스터와 같은 빌딩 블록 물질 간의 결합을 통해 형성

우리 대학 기계공학과 김지태 교수, 박인규 교수 공동연구팀은 3차원 프린팅 기술과 인공지능(AI)을 융합해 98%에 달하는 가스 판별 정확도를 지닌 나노선 기반 전자코 마이크로 칩 개발에 성공했다. 금속산화물 반도체 나노선은 극미량의 가스를 검출할 수 있는 유망한 소재로 알려져 있다. 다양한 종류의 가스의 농도와 성분을 함께 읽어내기 위해서는 서로 다른 특성의 여러 나노선들을 하나의 마이크로 칩에 심어야 한다. 하지만 기존 제조 방식으로는 매우 어려웠다. 연구팀은 독자적으로 개발한 초정밀 나노 3차원 프린터를 활용해 24종류의 서로 다른 반도체 나노선을 매우 작은 하나의 마이크로 칩 위에 제작하였다. 고성능 전자코 모델 구현을 위해서는 다양한 센서를 동시에 활용하는 스케일업이 중요한데, 본 공정은 나노선에 금속과 금속산화물의 양을 원하는 대로 조성하고 정밀하게 제어함으로써, 수십 종의 서로 다른 소재를 손쉽게 제작할 수 있는 획기적인 기술이다. 가스에 반응하는 24개

기존에는 세포의 한 가지 자극-반응에 따라 유전자 네트워크를 조절하는 방식의 제어 연구가 이루어졌으나, 최근에는 복잡한 유전자 네트워크를 정밀 분석해 제어 타겟을 찾는 연구가 제안되고 있다. 우리 연구진이 세포의 변형된 유전자 네트워크에 적용해 유전자 제어 타겟을 찾아 회복시키는 범용 기술 개발에 성공했다. 이번 연구 성과는 암 가역화와 같은 새로운 항암치료법 및 신약 개발, 정밀의료, 세포치료를 위한 리프로그래밍 등 폭넓게 활용될 것으로 기대된다. 우리 대학 바이오및뇌공학과 조광현 교수 연구팀이 대수적 접근법을 활용해 변형된 세포의 자극-반응 양상을 정상으로 회복시킬 수 있는 유전자 제어 타겟을 체계적으로 발굴하는 기술을 개발했다고 28일 밝혔다. 대수적 접근법은 유전자 네트워크를 수학 방정식으로 표현한 뒤 대수 계산을 통해 제어 타겟을 찾아내는 방식이다. 연구팀은 세포 속 유전자들이 서로 얽혀 조절하는 복잡한 관계를 하나의 ‘논리 회로도(불리언 네트워크, B

기존 약물 개발 방식은 질병을 일으키는 원인이 되는 표적 단백질(예: 암세포 수용체)을 정하고, 그 단백질에 잘 달라붙어 작용을 막을 분자(약물 후보)를 찾는 방식으로 수많은 후보 분자 대상으로 진행하다 보니 시간·비용이 많이 들고 성공 가능성도 낮았다. 우리 대학 연구진이 표적 단백질 정보만 있으면, 사전 정보(분자)가 없어도 딱 맞는 약물 후보를 설계해 주는 AI를 개발해서 신약 개발의 새로운 가능성을 열었다. 우리 대학 화학과 김우연 교수 연구팀이 결합하는 약물 후보 분자의 사전 정보 없이 단백질의 구조만으로, 그에 꼭 맞는 약물 후보 분자와 그 결합 방식(비공유 결합성 상호작용)까지 함께 설계 및 최적화까지 할 수 있는 인공지능 모델 ‘BInD’를 개발했다고 10일 밝혔다. 이 기술의 핵심은 ‘동시 설계’다. 기존 AI 모델들은 분자만 만들거나, 만들어진 분자와 단백질의 결합 여부만 따로 평가했다. 반면, 이번